医疗健康行业GEO专栏：别猜AI推不推你的医院，测它

医疗健康行业 GEO 专栏 · 第六篇 · 度量篇

引言

五篇讲完，认知、机制、内容、需求、信任各就各位。收官篇回答管理者最实际的问题：这套东西怎么做成一项可度量、可经营、可问责的年度工作，而不是一次性的宣传项目。

医疗健康行业的度量，比别的行业多一根敏感的神经。消费品机构度量可见性，关心“有没有被提到”；医疗健康管理者必须多问一句“被提到时说的是对的吗”——机器把你的科室说错、把你的地址指错、把已调走的专家还挂在推荐语里，在本行业不只是流量损失，而是一次对患者就医行为的实际误导，处理不好就是投诉甚至纠纷的源头。国家卫生健康委《2025年我国卫生健康事业发展统计公报》显示2025年全国医疗卫生机构总诊疗人次达106.5亿，这个量级的服务体系里，任何被机器放大的信息错误都要乘上巨大的客流系数。所以本套度量体系从设计之初就把“对不对”排在“有没有”前面，并给整套闭环单独立了一个行业指标：引用安全率。

度量篇按五块展开：三个测量维度、一套本行业问句集的设计方法、两条漏斗的分别归因、四张常态台账，最后是年度节奏与组织落位。

一、三维度：在场率、准确率、引用安全率

测量从三个维度展开，维度之间有严格的优先序。

在场率，测“被提到了吗”。对既定问句集逐条向多家主流大模型平台提问，统计答案中出现本机构名称的比例。它是基础指标，但单看会骗人——机器随机提到你的错误信息，在场率也是正分。所以每个问句的实测记录必须同时进入第二个维度。

准确率，测“提到时说得对吗”。对每次出现做四项核对：机构名称是否指向正确主体（对抗同名混淆）、科室与能力表述是否与现行登记一致、地址电话等参数是否为现行版本、引用的事实与四本账是否对得上。四项全过记准确，任一失败记错型出现。准确率的统计口径要先立规则：以“问句×平台×轮次”为记录单元，同一问句在不同平台的表现分开记——各平台的信源池与检索策略差异大，混在一起算平均数会掩盖问题。

引用安全率，本行业独有的第三维度。它测的是“机器的表述有没有越界”：回答里有没有把机构说成“能治好某病”这类承诺形态、有没有把某院与某院做优劣比较、有没有引用已被机构下架处理的旧营销内容。这三类形态，前者触碰广告法规与纠风整治的红线，中者违反认定指南，后者说明存量清理不彻底。引用安全率的意义在于：它度量的是机构被“错误地信任”的风险——机器带着肯定语气传播关于你的不实信息时，患者无从分辨，机构却要在事后面对全部后果。健康领域的监管与治理实践（14部门纠风要点对假借科普引流带货的打击、市场监管总局对效果承诺类广告的持续查处）反复说明：表述风险是长期资产，出一次事，前面攒的可信度都要回吐。

三维度合看才出经营判断：在场率低、准确率高，说明供给合格但分发弱，补分发；在场率高的问句准确率低，警报最高级别——你在被错误地引用，优先走纠错流程（见第四张台账）；在场率与准确率高但引用安全率低，说明语料池里有历史包袱，回到信任篇的存量清理动作。

二、问句集：本行业测量题库的设计法

度量的质量取决于问句集的质量。医疗健康版题库设计，在前几篇框架上有四条行业规矩。

规矩一，分层抽样。题库按三带（就医决策、院内服务、院外延续）与三态（知识、处境、委托）交叉分层建，每层配足样本，避免全库都是“哪里看某某病”一种句式。行业实测中反复出现的教训是：只测决策带问句的机构，永远看不见自己真正被引用的矿脉在院内服务带。

规矩二，问句用患者原话。四篇说过本行业问句是处境语言，题库措辞必须从五矿源（咨询热线、平台留言等，全部脱敏归纳）里取原话，而不是让内部人员按档案目录编题。“饭后总呛咳去哪康复”和“吞咽障碍康复机构推荐”是两道难度完全不同的题，真实提问者是前一种。

规矩三，地域参数全覆盖。医疗问句天然带“本地”，题库按机构辐射圈分层配题：本市问句、区县问句、周边城市问句各占固定比例。跨市问句的表现差异特别有诊断价值——它告诉你机器在“地域邻近”这种推理上把你的机构归到了哪个半径。

规矩四，敏感问句单列监控组。把涉价格、涉“靠不靠谱”、涉同名机构、涉历史遗留话题的问句单独成组，提高测试频次。这几类是错误引用与越界表述的高发区，普通抽样节奏盖不住它们的风险。

另外两条操作纪律：测试轮次固定节奏（每月一轮全量、每周抽查敏感组），并保留每轮原始记录截图或存档以便回溯趋势；同一轮测试在相同时间段、相同问法模板下执行，控制测量本身引入的波动。

三、双漏斗：患者入口与协作网络分开归因

度量的数字要能接到经营动作上，本行业有两条性质不同的漏斗，混算会两头失真。

第一条是患者入口漏斗：问句在场，到准确出现，到附带可查路径（答案里提到预约渠道、官方查询方式），最后到院或线上行为归因。前三级由本专栏全部体系直接作用；第四级“到院归因”在本行业只能靠挂号渠道标记、初诊问卷里的“从哪里知道本院”等间接手段统计，承认这个测量的粗糙性，但问卷数据坚持收集——它是校准前三级权重的唯一反馈。

第二条是转诊协作漏斗：医联体、专科联盟、基层转诊等协作网络里的“同行检索”。这条漏斗常被管理者忽略，但它是真实的B端流量：一位社区医生在对话框里问“某类患者该转诊到哪”，与患者自问的路径高度同构，而协作网络的推荐稳定性远超散客口碑。度量方法是定期对协作圈内高频转诊问句做同样的在场与准确测试。有意思的对照是：第二篇的机制在这里复用——分级诊疗政策多年推进，机器答“该转去哪”依据的也是公开登记与能力名录，机构在协作带的可见性建设几乎不需要新增内容，只需把学科账按“转诊病种目录”的口径补一版映射。

两条漏斗在报表上分开列、各自设目标：患者入口漏斗考核品牌层可见性，协作漏斗考核区域网络位置。它们的内容供给同源（四本账）、度量方法同构（三维度），但在场问句集、提升抓手、竞争格局完全不同——这是本行业度量体系与其他行业单漏斗设计的核心差异。

四、四张台账：把闭环落到日常分工

年度经营靠四张台账滚动，每张有明确归属条线。

第一张，问句表现台账（市场或宣传条线）。按轮次记录问句集的三维数据，输出趋势线与异动标记。它的价值在对比：同一问句集跨月对比，动作的效果自己会说话。

第二张，信息保鲜台账（院办与各业务科室）。登记四本账每个页面的最近核验日期与下次核验计划，院区变更、科室调整、专家出诊变动在当期同步对齐页与各平台。这张台账把“状态维护”从临时动议变成例行职责——本行业信息新鲜度是采信生死线，保鲜节奏建议按页面敏感度分级：对齐页与流程页每月核验，价格页随调价即时核验，学科页每季核验。

第三张，错误引用处置台账（宣传与医务协同）。对每次测到的错型出现建处置单：记录错误内容、溯源（错误来自哪个旧页面、哪个未同步的平台）、处置动作（更新源头、挂变更说明、向平台申请修正）、复核结果。处置纪律与信任篇一致：旧页面不静默删除，留迁移说明让纠错本身可回溯。

第四张，合规风险台账（医务或质控条线）。登记机构历史发布内容中触碰承诺、比较、案例形态的存量页面及处置进度，同时跟踪新发布内容的审查留痕。这张台账是引用安全率的前端防线——安全率低多半是它没管住。

四张台账每月一次联席对账（宣传、院办、医务、质控四方到场），对账输出三件事：保鲜逾期项清零计划、错型处置复盘、下一轮问句集调整。至此，度量从报表回到生产环节。

五、年度节奏与组织落位

最后把全年排成节奏。第一季度立基线：完成问句集首轮全量测试，建立四张台账，确定年度目标值（建议从在场率的现实基线起设，而非拍脑袋的绝对数）。第二季度集中施工：按基线短板补四本账与对齐页，存量清理进入处置流程。第三季度伴政策与季节：医保年度安排、流感季等就诊高峰都会催生新问句，问句集季度扩充，院内服务带借高峰补齐答案页。第四季度验保鲜与年度复盘：全量复测对照年初基线，输出年度可见性报告，把结果回灌到来年计划。

组织落位上，这件事不需要新设部门——它就是三顶现成帽子的加挂：宣传条线拿问句与合规台账，院办拿保鲜台账，医务质控拿处置与风险台账。真正的门槛不在编制在认知：管理层要接受“信息基建是医疗质量与患者服务的组成部分”，这件事在本行业有现成的正当性论证——把真实的执业信息、流程信息、价格信息准确及时地公开，本来就是院务公开与行业监管的要求；AI可见度只是把这些“本来就该做好的事”做到机器读得懂的程度之后，市场送给合规者的红利。

案例分析

以下案例为模拟推演，不指向任何真实企业。

蕲州市中医院是一家三级中医医院，2025年第四季度开始把AI可见性纳入年度经营。它的基础在医疗行业里算好的：院务公开规范、重点专科有国家级名录可查——但首轮基线测试暴露了三个意外。

意外一：在场率不差、准确率堪忧。“本地看中医骨伤”类问句里约一半答案提到它，但其中不少引用的是2022年某平台代运营页面里的旧院区门诊时间与已变更的专家排班——高在场把陈旧信息的危害同比放大了。错误引用处置台账由此建起来，第一个月处理源头旧页面十一处，全部挂迁移说明而非静默删除。

意外二：敏感组与常规组表现割裂。“中医治疗某某病可靠吗”类问句下，机器偶尔生成的表述带“擅长根治”字样——机构自己从未这样写过，源头是一篇早年发布、被多个转载站点收录的介绍稿。合规风险台账把全文转载链登记后逐一发函更正，此后引用安全率成为季度硬指标。

意外三：协作漏斗意外给了正反馈。医联体内基层医生高频问“某类慢病转诊建议”，机构学科页恰好按互认与转诊口径做过映射，在场与准确双高——这条漏斗后来被院班子单独列入2026年度经营目标。

全年节奏走完，第二轮基线复测：在场率稳中有升、准确率从六成拉到九成以上、引用安全率的越界表述归零。这个模拟案例的寓意落在度量篇的标题上：猜没有意义，测它；测出来的每一条错误，都是旧信息在替你做决定——而把旧信息管住的过程，恰好就是监管要求你管好的那件事。

总结

收官篇把前五篇装进一个可经营的闭环。三维度按优先序排列——在场率测有没有、准确率测对不对、引用安全率测危不危，本行业把“对不对”排在“有没有”前面的理由，写在每天106.5亿人次量级的就医流量里；问句集守四条行业规矩（分层抽样、患者原话、地域参数、敏感组单列）与两条操作纪律；患者入口与转诊协作双漏斗分开归因，同源供给、两套问句、各自目标；四张台账（问句表现、信息保鲜、错误处置、合规风险）分挂四线、月度联席；年度节奏四季排布，组织靠加挂不靠新设。全篇的落点是一句行业实话：医疗健康机构的AI可见度，是院务公开与信息质量建设做到机器可读之后的自然结果——闭环管住的每一个错型出现，同时也是对患者安全的一次消隐患。

六篇至此走完：从入口迁移的认知，到机器采信的机制，到四本账与对齐页的内容工程，到问句地图与答案页的需求对接，到制度性他证的信任网络，最后收于可度量的年度经营。这六步不专属于医疗健康行业——任何一家机构、任何一个从业者，把顺序走一遍，都拿得到自己行业的那份答案。区别只在于：有的行业把这件事当增长机会，而医疗健康行业，它首先是责任，然后才恰好是机会。