評分依據 · HOW WE SCORE
每一項檢測，都對標公開標準。
12 個維度，每一項都對標公開標準制定。表層指標能用 Google、W3C、SSL Labs 等公開工具部分查核；但決定 AI 是否引用你的綜合判讀，來自 GeoWeb 自有的權重模型。
對標的公開依據
W3C · IETF · WHATWG · Google · Microsoft · schema.org · OWASP · SSL Labs…
來自公認的標準組織與大廠
每一維的表層指標，都對照這些標準組織與大廠的公開規範與工具制定。
GeoWeb 怎麼整合
1
份可行動報告
一次跑完 12 維度，壓成單一 GEO 分數與修復優先序，並補上公開工具未涵蓋的 AI 引用評估。
12 維度 × 對標的公開標準
每一項，攤開給你看
標「部分可自行驗證」的，公開工具能查到表層指標；GeoWeb 的評分在這之上疊加權重與深度判讀。標「GeoWeb 專有」的，沒有對應的單一公開工具。
| 維度 | 我們查什麼 | 對標的公開工具 / 標準 | 類型 |
|---|---|---|---|
| SESEO 技術分析 | 標題、Meta、Canonical、OG、Viewport、lang、圖片 alt、連結結構 | W3C HTML 檢查器 · Rich Results Test | 部分可自行驗證 |
| SD結構化資料 | JSON-LD / Microdata / RDFa 完整性（Organization、FAQ、Product、Article…） | Rich Results Test · Schema Markup Validator | 部分可自行驗證 |
| CT內容可引用性 | 40–60 字答案段、定義句、結構化列表/表格、統計與來源引用模式 | — 無對應的單一公開工具 | GeoWeb 專有 |
| EAE-E-A-T 權威性 | 作者資訊、發布/更新日期、信任頁、社會認同、資歷信號 | Trustpilot | 部分可自行驗證 |
| SM語意結構 | H1 唯一性、H1–H6 層級、語意 HTML5 元素、內容/HTML 比例 | W3C Validator · axe DevTools | 部分可自行驗證 |
| FQFAQ / Q&A 就緒度 | FAQPage schema、可見問答內容、答案品質（20–100 字） | Rich Results Test | 部分可自行驗證 |
| SZ頁面效能與爬取容量 | HTML < 2MB、頁面載入效能、資源優先載入順序 | PageSpeed Insights | 部分可自行驗證 |
| ACAI 爬蟲可達性 | robots.txt 對 GPTBot / ClaudeBot / PerplexityBot 等開放、sitemap、IndexNow | Google Search Console · Bing Webmaster Tools | 部分可自行驗證 |
| AEAEO 就緒度 | 答案優先段結構、精選摘要資格、步驟式內容、比較表格 | — 無對應的單一公開工具 | GeoWeb 專有 |
| SC片段控制策略 | meta robots、nosnippet、max-snippet、data-nosnippet | Google Search Console | 部分可自行驗證 |
| TS傳輸安全 | HTTPS、HSTS、CSP、X-Frame-Options、X-Content-Type-Options | SSL Labs · SecurityHeaders.com | 部分可自行驗證 |
| LN語言自然度 | 套話密度、句法多樣性、具體性、專業詞比例、真人 vs LLM 套式 | — 專有判讀模型 | GeoWeb 專有 |
輔助維度 · 不計入總分
Agent 友善度
這一項衡量你的網站對 AI agent（而非搜尋爬蟲）的開放程度——它不影響上面的 12 維 GEO 分數，但反映你在 agentic web 上被自動化代理發現、讀取、串接的能力。
我們查什麼
llms.txt、.well-known/*（ai-plugin / MCP server-card / agent-skills）、AI-bot robots、Content-Signal、IndexNow
對標的公開工具 / 標準
類型
部分可自行驗證
不只給你分數，更給你「先修哪個」
對標公開標準是基本盤；把 12 維度壓成一條優先修復路線，再補上 AI 引用層的專有評估——這是 GeoWeb 做的事。
評分說明
GeoWeb 對標上述公開標準與工具，但採用自有的維度權重模型，並持續參照各 AI 引擎與搜尋引擎最新的技術規範與文件。因此單項結果若與某個第三方工具不完全一致，反映的是評分視角與權重配置的差異——我們以更貼近「AI 是否會引用你」的綜合角度判讀，而非對單一指標的機械式比對。