方法

GEO 怎么做:五步,顺序不能颠倒

跳过诊断直接写内容,是不问病情直接开药;跳过意图洞察直接定关键词,是把品牌想说的话当成用户想问的话。 下面是我们在实际项目里用的流程,以及每一步的产出物。

整体节奏:诊断 1–2 周,内容生产与分发 6–8 周,第一个可读的效果周期在 8–12 周。 承诺「一周见效」的,要么在说谎,要么在拿单次波动当趋势。

第一步:用户意图洞察

要解决的问题:用户到底会怎么问?

品牌习惯说「舒适性旗舰」,用户问的是「30 万以内哪台 MPV 坐着最舒服」。这两句话在 AI 那里是完全不同的检索路径。 同一个需求,用户会问出十几种说法,模型还会据此扩展出 3–4 个相关意图——所以要覆盖的是意图,不是一个词。

具体动作

产出物:关键词表(主词根 × 意图变体 × 对应内容类型)。

第二步:品牌现状诊断

要解决的问题:现在 AI 怎么说我,说错了什么,谁占着本该属于我的位置。

这一步必须逐模型跑,不能合并。同一批问题在豆包和 DeepSeek 里的答案可能完全不同——引用偏好、信源范围、视频权重都不一样。

要记录的四件事

  • 有没有提到你(提及率)
  • 排在第几(TOP1/3/10 推荐率)
  • 说了什么、哪句说错了(准确率)
  • 它引用了谁(竞品与媒体占位)

同时要做的官网体检

  • AI 能不能抓到(robots、JS 渲染、sitemap)
  • 抓到了能不能摘(结构化、事实密度)
  • 有没有 llms.txt 与结构化数据
  • 标题与首屏是否说清了「这是什么」

KPI 怎么定:不看绝对值看对标。拿同关键词下的头部竞品当基准,把目标定在「一个可达到的追赶位」, 而不是拍一个「提及率 80%」的数字。行业里常用的目标是提及率 ≥60%、前三推荐率 ≥30%、前十推荐率 ≥50%、信息准确率 ≥90%, 但这是成熟项目的水平,新项目第一个周期定一半更现实。

产出物:基线报告(逐模型 × 逐关键词的四项指标)+ KPI 表。

第三步:内容策略

要解决的问题:写什么类型,怎么组织,AI 才愿意摘。

按内容类型排优先级

不是所有内容对 AI 的吸引力都一样。汽车行业的高频引用类型排序是这样的:

序内容类型为什么 AI 更愿意引用
1产品解读信息密度最高,价格、配置、参数可逐条摘取,直接对应「多少钱、有什么」这类问题
2产品评测带主观判断与实测数据,能回答「值不值」,但需要可信的实测依据
3排行榜天然的结构化列表。重榜单定位销量与市场地位,轻榜单定位具体参数对比
4品牌宣发能建立实体认知,但形容词多、事实少,可摘取性低,靠分发量补
5产品体验车主口碑类,对「真实感受」类问题有效,但需要足够的样本量才可信

先把 1–3 做厚,再补 4–5。反过来做,钱花了但答案里还是没你。

结构化:让每一块都能被单独摘走

AI 不是在读一篇文章,它是在找一句能直接放进答案的话。所以内容要按「导语 → 首段结论 → 分点论证 → 参数表 → FAQ → 结语」分层, 每一块都能独立成立、独立被引用。

一个内容页应该长这样

  1. 导语:一句话说清这页在讲什么,包含实体名与核心数字。
  2. 首段结论:先给答案,再给理由。放到折叠区里 AI 就看不到了。
  3. 分点论证:每个小标题用用户的问法,如「XX 多少钱?各配置差在哪?」。
  4. 参数表:真表格,不是图片。带单位、可逐行摘取。
  5. 对比段:明确写出比较对象与比较维度,AI 回答「和谁比怎么选」时会直接取这段。
  6. FAQ:用真实提问做问句,答案控制在 60–120 字,能被完整摘走。
  7. 结语:不重复前文,补一句边界或适用条件,降低被判定为营销稿的概率。

关键词密度:按 3%–7% 部署,不是越高越好。超过这个区间会读起来像堆词,AI 对「明显为 SEO 写的内容」有识别倾向,反而降低引用概率。

产出物:内容类型清单 + 每篇的大纲与事实清单(价格、参数、时间必须有出处)。

第四步:媒体分发

要解决的问题:内容写在哪儿,AI 才抓得到。

这是最容易被忽略的一步。同一篇内容发在官网、垂直媒体、门户,被 AI 引用的概率差好几倍—— 因为模型对不同信源的信任度和抓取频率不一样。

行业通行的分发比例

60%垂直媒体:提供专业深度解析,是 AI 抓取的核心权威语料库
30%行业门户:建立广泛公信力,扩大全网传播声量
10%自有矩阵:头条号、百家号、公众号等,做各模型独有生态的最后卡位

但这个比例不是固定的。不同关键词、不同行业,AI 高频引用的媒体池完全不同。 正确做法是先测出「这个词下 AI 引用了哪些站」,再按那个池子分配,而不是套用通用比例。 我们的体检工具里有一节就是干这个的:列出租这些问题时谁占着结果位。

产出物:媒体名单(按关键词分组)+ 排期表。

第五步:监测与归因

要解决的问题:为什么没动,是没被抓到还是没被选中。

这两类问题的解法完全不同,混在一起就会得出「GEO 没用」的错误结论。

没被抓到

内容发出去了,但模型索引里没有。

排查:页面能否被抓、是否被收录、发布时间是否太新、是否被 spam 判定。

解法:换分发渠道、修站点可访问性、等索引周期。

抓到了但没被选中

索引里有,但模型回答时引用了别人。

排查:内容是否结构松散、事实是否与其他来源冲突、是否缺少型号/价格等关键要素。

解法:补结构化、统一多源口径、增加对比维度。

复测节奏

按周复测,不要按天。AI 的回答有波动,单次结果不可作为判断依据; 按周看趋势,连续两周同向变化才算信号。每次复测要记录模型版本、提问措辞、采样数量,否则前后数据不可比。

产出物:周报(指标趋势 + 归因结论 + 下周动作)。

常见问题

为什么不能先写内容再诊断?

因为不知道 AI 现在怎么说你,就不知道要修什么。常见情况是:品牌以为自己在「价格贵」这件事上被误解,实际测下来发现 AI 根本没提过价格,问题是压根没提到这个品牌。两个问题的解法完全不同。

内容是自己写还是找媒体写?

看类型。产品解读和参数页最好自己控,因为事实必须准确;评测和排行榜适合在垂直媒体上做,因为需要第三方立场才可信。全部自己写会失去中立性,全部外包会失去准确性。

要不要做短视频?

看你重点打哪个模型。豆包的视频引用率接近 30%,DeepSeek 不到 2%。如果你的目标用户在豆包,视频是必做项;如果主要在 DeepSeek,优先做长文与结构化参数。全平台平均用力是最差的策略。

官网和第三方内容,哪个更重要?

官网是「事实定义权」的锚点,第三方是「被引用概率」的主力。现实是第三方占比更高(汽车行业垂直媒体常占 48%–70%),但官网说错的话,第三方也会跟着错。所以顺序是:先把官网的事实改对,再扩大第三方的覆盖。

从第一步开始:先看你现在的基线

免费体检给出可读性、可引用性、对话可见度三层结果,等于帮你做完诊断的前半段。

免费体检 → 聊聊你的情况

继续读