为什么会有这个站点
人们越来越多地直接从助手那里得到答案，而不是点击一个链接。一旦如此，一个排名很好却从未被引用的页面就已经彻底失去了这位访客，而常规分析工具不会告诉你原因。LLMention 的存在，就是要在这种失效模式开始消耗你的流量之前，让它变得可见。
这个品类在另一个方向上同样存在可信度问题。工具们描述神秘的「AI 可见度分数」，却不说它是怎么算出来的；有些还就文件和标记做出证据并不支持的断言。这个项目走的是相反的路。
它有什么不同
- 方法完整公开。全部十二个维度、每一项检查、它确切的规则和分值，都在 方法论页面上，由扫描器实际执行的同一份数据生成，所以文档不会和行为脱节。
- 没有分数下限。一项检查都满足不了的页面会接近 0 分，而不会被抬到一个看起来体面的最低分。
- 低价值信号权重就低。
llms.txt是这里权重最低的三个维度之一：这项检查占该维度 6 分中的 4 分，而该维度占总分的 5%，所以这个文件最多只能贡献 100 分里的 3.3 分。 - 局限一开始就写明。扫描器不会就你的品牌去询问 ChatGPT。它测量的是你的页面是否处于「有可能被引用」的状态；这是一个更窄、也更诚实的断言。
谁在运营它
LLMention 由 Alex Xu 作为独立项目维护。他是常驻中国的独立开发者；这不是一家公司，本站也不隶属于 OpenAI、Anthropic、Google 或 Perplexity，与它们没有任何数据关系。扫描器免费，无需账号。
它不是那种背后什么都没有的免费站点，所以资金来源是写明的，而不是留给读者自己去发现：由 Google 投放的广告，以及 定价页面上描述的付费测量报告。两者都无法改变分数——分数由扫描器根据它抓取到的响应计算，而报告解释一个结果，而不是修改它。作者页面列出了编辑规则，以及这种模式带来的利益冲突。
由 Alex Xu 撰写和维护。评分方法完整公布在 方法论页面上，源代码公开在 github.com/Alex13192/geo-scanner，所以对结果的不同意见可以很具体：指出是哪一项检查、哪一个 URL。 篇幅更长的写作——研究报告发现了什么，以及这套方法在哪里比它看起来更弱——在 /zh/blog/。
这个名字，以及它不是的东西
产品的全名是 LLMention GEO Scanner。它是一份独立的就绪度审计——按爬虫的方式抓取你的页面，并报告这些页面能否被读取和引用——不是提及追踪器；它不统计提及，也不向引擎询问你的品牌。
它与 DataForSEO 的 LLM Mentions API——即 llm.dataforseo.com 上的那个产品——没有关联，后者测量的是另一件事：两者之间没有合作、没有数据关系，也没有共同的运营方。
联系
问题和更正都发往同一个地址：services@llmention-geo.com。如果扫描器对你的站点报告了你认为有误的内容，那就是你能发来的最有用的消息；方法之所以公开，正是为了让不同意见可以具体。
主要来源
本项目在判断生成式引擎偏好什么时，依据的是已发表的研究，而不是口口相传的说法：
- Generative Engine Optimization: How to Dominate AI Search ——KDD 2024，Princeton 与 Georgia Tech。
- What Generative Search Engines Like
- llms.txt 约定