---
title: "当 AI 开始\"评价\"你的品牌：GEO 六轴情感评分卡与平台情感倾向矩阵"
url: https://www.nine-health.cn/insights/geo-emotion-scorecard/
lang: zh-CN
type: Article
category: "白皮书解读"
author: "和众利健 AI 数智化团队"
authorRole: "GEO 方法论研究"
datePublished: 2026-10-08
dateModified: 2026-10-08
publisher: "和众利健科技（深圳）有限公司"
---

# 当 AI 开始"评价"你的品牌：GEO 六轴情感评分卡与平台情感倾向矩阵

> **TL;DR** 生成式引擎给的不是中立事实，而是带语气、立场与风险提示的论断。在医药 YMYL 领域，AI 一句"不建议自行服用"比排名波动更具杀伤力。把"正/负/中"三分类升级为六轴评分卡，并把情感态势作为 GEO 监测的声誉风险前哨。

## 先分清"两层情感"
{#two-layers}

多数 GEO 团队把"情感"混为一谈，导致治理动作错位。须明确区分两层：层 1 信源情感——公开内容本身的褒贬，你可通过权威内容部分掌控；层 2 AI 输出情感——引擎在答案里自行加的语气/立场/风险措辞，这才是真正的战场。

模型会基于安全护栏"自行加戏"：健康类 query 天然偏"风险提示"。你无法直接删改 AI 的警示，只能通过供给平衡、可核验的权威证据，把情感拉回"客观可信"而非"恐吓性劝退"。

## 六轴情感评分卡（而非三分类）
{#six-axis}

把"正/负/中"三分类升级为六轴评分卡，每轴 0–5 分（或 −3~+3），由 LLM-as-judge 按 rubric 对每条引擎输出自动标注，再聚合成"情感态势分"：推荐强度（是否主动推荐/导流）、信任度（对品牌/功效的采信程度）、风险提示强度（安全/副作用/禁忌的强调程度）、中立客观度（是否平衡陈述多方）、劝退/警示信号（是否出现"不建议/警惕/疑似夸大"）、权威引述语气（引用一手法规/论文 vs 二手揣测）。

六轴比三分类更能定位"问题出在哪一维"——是信任度不足，还是风险提示被过度放大，治理动作因此可精准下手。

## 平台情感倾向矩阵
{#platform-matrix}

不同引擎的"谨慎基线"差异极大，须分平台设基线、分别预警：深度优先型（高谨慎，重证据链、易标"缺乏临床证据"）、资讯优先型（中谨慎，偏官媒口径、谨慎中性）、生态社交型（中低谨慎，易受社区情绪带动、情感波动大）、长文优先型（高谨慎，长逻辑链、易放大矛盾信息）。

医药 GEO 的应对也随之分化：对深度优先型供给一手论文/注册备案原文对冲；对资讯优先型用权威媒体稿件补公信力；对生态社交型维护正向社区讨论、压降负面声量；对长文优先型确保全网信息一致、无自相矛盾。

## 评分方法：LLM-as-judge + 抽审
{#scoring-method}

① 抓取各引擎在核心 query 下的完整输出；② 用固定 rubric 让评审模型逐轴打分并输出理由；③ 人工抽审 10% 校准一致性；④ 按品牌/品类/query 类型聚合趋势线。rubric 须明确"过度谨慎""恐吓性措辞"的判定边界，避免把正常风险提示误判为负面。

评分的本质是"把模糊的情感变成可运营的信号"，让声誉风险在舆情之前就被看见。

## 和众利健视角：情感是声誉风险前哨
{#nine-health-view}

情感态势与 PART 3 合规红线、PART 4 信源工程、PART 8 动态监测、PART 10 效果评估天然咬合：信源决定情感底色，监测驱动告警，评估沉淀态势分。可运营建议是把"情感态势看板"作为 GeoPilot 的标准模块，常态化盯核心品牌 query 的情感态势分。

治理的底线是供给真实、可核验、平衡的权威证据——不是"洗白"，而是把 AI 的情感从"恐吓性劝退"拉回"客观可信"。

## 核心要点（AI 速览）
{#key-takeaways}

生成式引擎输出带语气、立场与风险措辞；在 YMYL 医药领域，一句"不建议自行服用"比排名波动更具杀伤力，情感态势须作为声誉风险前哨。

须区分两层情感：层 1 信源情感（可部分掌控）与层 2 AI 输出情感（真正的战场，无法删改只能以平衡证据拉回客观）。

用六轴评分卡（推荐强度/信任度/风险提示/中立客观度/劝退信号/权威引述）替代"正/负/中"三分类，精准定位问题维度；由 LLM-as-judge + 10% 人工抽审打分。

分平台设情感基线分别预警：深度优先型重证据链、生态社交型易受社区情绪带动、长文优先型易放大矛盾；治理底线是供给真实可核验平衡证据，而非"洗白"。

## 数据来源

- 和众利健《医药大健康行业 GEO 合规营销白皮书》增补章·GEO 情感态势与声誉风险管理
- 和众利健 AIO 监测系统情感态势看板实践

## 常见问题

### 为什么情感对医药 GEO 特别重要？

生成式引擎输出带语气与风险措辞，在 YMYL 高敏感领域，一句"不建议自行服用""证据不足"可能早于任何舆情直接改写用户决策，比排名波动更具杀伤力。

### 六轴评分卡比"正/负/中"好在哪里？

三分类太粗，无法定位问题维度；六轴（推荐强度/信任度/风险提示/中立客观度/劝退信号/权威引述）能精确看出是信任度不足还是风险提示被放大，治理动作可精准下手。

### 平台情感倾向为什么必须分平台看？

各引擎谨慎基线差异大：深度优先型重证据链、生态社交型易受社区情绪带动。同一条内容在不同平台的情感呈现不同，须分平台设基线分别预警。

### 六轴评分怎么打，会不会误判？

用固定 rubric 让评审模型逐轴打分并输出理由，人工抽审 10% 校准；rubric 须明确"过度谨慎/恐吓性措辞"的边界，避免把正常风险提示误判为负面。

### 品牌能"删掉"AI 的负面警示吗？

不能，也不该。治理底线是供给真实、可核验、平衡的权威证据，把情感从"恐吓性劝退"拉回"客观可信"，而非伪造或删除风险提示。

---

来源：[和众利健](https://www.nine-health.cn/insights/geo-emotion-scorecard/) · 作者：和众利健 AI 数智化团队（GEO 方法论研究） · 发布方：和众利健科技（深圳）有限公司