模型从哪里来
三原色模型方法论框架基于Aggarwal等学者的GEO实证研究（"GEO: Generative Engine Optimization." arXiv, 2023），由博枢知耀提出。模型用三种颜色分别对应实体信息、问题内容和信任依据，优化策略参考了该论文的研究发现。GEO概念本身不是博枢知耀原创，这一点不回避。
三原色的类比来自色彩理论：信息红、内容绿、信任蓝，就像三原色叠加产生丰富色彩一样，三个信息层叠加产生AI对品牌的完整认知。缺任何一层，AI看到的品牌画像都会偏色。
信息红：让AI识别企业
信息红解决一个问题：AI认不认识你。在不同平台搜到的信息，AI能不能判断这些说的是同一家企业。
具体要做的是：确认公司全称在所有公开渠道统一、品牌简称表述一致、服务范围和行业分类在官网与其他平台对得上、电话、邮箱、地址在AI能抓到的来源中都一样。
信息红层面的常见问题：官网写"博枢知耀"，地图上写"四川博枢知耀科技有限公司"，第三方平台写"博枢知耀科技"——AI可能将它们识别为三个不同的实体。
内容绿：让AI理解业务
内容绿解决的核心问题是"当客户用AI搜索相关问题时，企业是否有内容能被AI引用进回答"。
典型工作包括：建立用户搜索意图问题库（覆盖认知、比较、采购、执行、评估五类意图）、编写围绕问题组织的内容而非围绕企业自我介绍组织的内容、确保每个页面的标题和段落结构让AI能清晰切分主题。
内容绿层面的常见问题：企业官网内容全部围绕"我们是谁""我们有什么"展开，但客户搜索的是"XX行业怎么选供应商""XX服务和YY服务有什么区别"——企业有内容，方向不对。
信任蓝：为结论提供依据
信任蓝解决的核心问题是"AI在回答中提到企业时，是否有足够的外部来源支撑其结论"。
典型工作包括：整理企业已有的资质、认证和行业记录、在合规前提下确保工商公示信息准确、将媒体报道和行业目录中的企业信息与品牌事实库对齐、为关键声明补充可公开访问的引用来源。
信任蓝层面的常见问题：AI回答中提到企业时只说"据企业官网介绍"，缺少第三方来源交叉验证，导致AI倾向于引用有多个独立来源验证的企业。
实施阶段
三原色模型的实施通常分为四个阶段，但不意味着一层做完再做下一层——三层在每个阶段都会涉及，只是权重不同。
第一阶段：诊断期。在六个AI平台上围绕核心关键词提取原始回答，从信息红（实体识别准确性）、内容绿（问题覆盖度）和信任蓝（来源引用情况）三个维度建立基线。产出诊断报告和优先级排序。
第二阶段：基线建设期。信息红权重最高。重点统一跨平台企业事实、建立品牌事实库文档、修正明显的信息不一致节点。内容绿和信任蓝同步进行初步问题库整理和信源排查。
第三阶段：执行期。内容绿权重最高。基于意图问题库系统建设内容资产，同时在信任蓝层面补充公开来源。信息红进入维护模式，定期检查新增渠道的一致性。
第四阶段：复测与迭代期。按季度周期重新抓取六平台回答，对比基线变化。根据变化趋势调整三层权重——哪个维度仍然是瓶颈，下一轮就在那个维度加码。
适用边界
三原色模型用于组织诊断与执行，不是AI平台官方规则。平台回答受到模型版本、检索来源和问题上下文影响，因此不能把三原色评分解释为AI推荐概率。
模型适用于目标客户使用AI搜索获取信息的B端企业场景。如果企业的主要获客渠道完全不涉及AI搜索，三原色模型的投入产出比需要重新评估。