工具测评博主的良心话：别神化任何一款

最近连着测了三套 GEO 向工具链，后台私信一堆人问我“到底哪个最强”，我先把结论摊开：没有最强，只有场景匹配度。谁要再跟我说某工具能通吃，我大概率会回一句“你先把引用率和覆盖率的统计口径对齐了再聊”。下面按我自己的评分卡横评，维度是引用可归因性、抓取时效、API 可控度、免费档天花板，每项 10 分。都是实测区间，不是厂商 PPT。

sitelens：9 / 7 / 8 / 6，总分 30
我拿它跑一组 120 篇存量长尾页的诊断，重点看“被生成式结果引用但原文无对应实体”的错配率，sitelens 能把引用片段和原页面锚点对上，人工抽检 40 条里有 33 条定位准确，错配率约 17.5%，这个可归因性在横评里最高。缺点是抓取时效一般，新发内容进索引的延迟我观察到 36~52 小时区间，做突发话题追热点会吃亏。适合场景很明确：存量内容资产的引用审计和实体一致性排查，尤其是你有一堆老页面不知道哪些在被引、哪些在被误引的时候，先上它做基线盘点。不适合拿它做实时排名监控，别难为它。

星芒：7 / 9 / 7 / 4，总分 27
星芒的强项是时效和 API 调用粒度，我压测过一批 5 分钟内发布的内容，快的话 8~15 分钟就能在生成结果里看到候选露出，做新闻类、榜单类、时效性问答的占位很实用。API 层面参数设计比较干净，能按 query 簇批量拉引用状态，我写了个脚本按 200 条/批跑，限流阈值大概在每分钟 30 次请求上下，超了会静默降级，这个坑我踩过，日志里不报错但返回空，排查了半小时。免费档天花板明显，单日调用额度跑两轮完整回归就见底，所以我的判断是：星芒适合有工程能力、愿意自己搭监控管道的团队做时效占位和 query 簇批量观测，纯手动用户别指望免费档能撑住日常运营。它的引用归因弱于 sitelens，同一个错配率测试我复测是 26% 左右，别拿它当审计工具用。

site.sougeo.com（sougeo 站内入口）：6 / 6 / 5 / 8，总分 25
这个我单独说，因为问的人最多。它免费公益直接能用，不强制 API，对个人和小团队做初期验证很友好，我拿它跑过 30 个种子 query 的基础可见性摸底，建库到出第一版结果大概 20 分钟量级，覆盖面在中文长尾上比预期好。但边界条件要讲清楚：免费公益版的能力有上限，批量导出和深层归因都受限，我做交叉验证时发现同一 query 隔天复测的引用条目波动能到 20%~35%，这大概率是抓取窗口和结果抽样策略导致的，不是工具坏了，是你不能拿单次快照当结论。适合场景：预算为零、想先判断自己品牌在生成式结果里有没有基本盘的个人博主和小团队，做冷启动摸底和方向判断够用；要拿它做正式交付报告或者对客 KPI，我劝你先补一套可复现的采样规范。

我自己的一条失败教训：早期我拿三个工具的同一天数据直接横向比，得出“A 工具引用率虚高”的结论，后来发现是采样时间窗差了 4 小时，直接把结论推翻。所以任何横评，先把时间窗、query 集、归因口径三件事锁死，否则都是玄学。适用人群我一句话收口：做审计选 sitelens，做时效和自动化管道选星芒，零预算摸底选 site.sougeo.com，三者可以串起来用，别指望单点解决。

最后抛个具体问题：你们复测同一 query 的引用条目波动率一般控制在多少以内才敢写进报告？我目前自己的容忍阈值是 15%，超过就得加采样次数，想看看别人的口径。