落地：从诊断到长期能力

48诊断：AI 可见度基线盘点的完整方法

做 GEO 的第一个动作不是写内容，而是测一次。没有基线，后面的所有努力都无法证明；有了基线，哪怕提升很小，也是可讨论的事实。诊断的目标是回答三个问题：现在被不被看见、被看见时说得对不对、为什么。

诊断的五个板块

五个板块合计约两周，可以由两个人完成。不建议一开始就上工具，先用人工把流程跑通，知道每个字段怎么填、判断标准是什么，再考虑自动化。

第一步：建立问题集

问题集不是拍脑袋想出来的，而是从真实业务里提取的。四个来源：销售与客服的高频提问、站内搜索词与表单留言、搜索平台的关联问题、以及竞品内容覆盖的话题。从中筛出 50 条左右，按第 40 章的分层方法归类。

筛选标准有三条：与业务直接相关（问了之后可能产生咨询）、有明确意图（不是泛泛的行业好奇）、覆盖不同阶段（认知、比较、决策）。把“GEO 是什么”和“GEO 服务多少钱”放在同一组里是不合适的，因为它们的商业价值差别很大。

第二步：采集与判读

同一批问题，在 3 个平台各测一次，同一时段、干净账号、独立会话。每条记录品牌是否出现、出现位置、描述要点、事实是否正确、倾向档位、来源链接。判读时遵守事先定好的规则卡，遇到模糊情况标记为“待议”，由第二人复核。

采集过程会产生大量截图与文本，建议按“平台/日期/问题编号”命名归档。这些原始材料在后续复盘时非常重要，因为三个月后没人记得当时答案长什么样。

第三步：技术体检

技术体检的清单不长，但每项都要落到证据：robots 是否放行目标爬虫（读文件 + 模拟请求）、服务器日志中是否有目标 UA（看最近 30 天）、详情页关闭 JS 后能否读到正文（实测）、结构化数据是否通过校验（工具检查）、站点地图是否完整（对比页面总数）、核心页面首屏与响应时间（实测 3 个地区）、是否存在大量重复或空白页（抽样 20 个）。

体检报告不要写成“建议优化”的泛泛之谈，要写成可执行的工单：哪个 URL、什么问题、改成什么、谁负责、验收标准是什么。技术团队最怕的是“提升站点质量”这类无法验收的要求。

第四步：内容缺口分析

把问题集与现有页面做映射：哪些问题有专门页面回答、哪些只在文章里顺带提过、哪些完全没有覆盖。常见的结果是“两头有、中间空”——品牌介绍和产品页很完整，但用户真正会问的中间层问题（价格怎么算、和别的方案比怎么样、实施要多久）几乎没有内容。

缺口清单要排序，排序依据是“商业价值 × 竞争强度 × 现有基础”。三个维度都高的先做，避免从最容易但无关紧要的问题开始。

第五步：竞品信源分析

竞品为什么被引用？去看答案里的来源链接：是官网、行业媒体、问答平台，还是聚合类站点。把来源域名统计出来，会看到很清晰的模式——有的行业答案高度依赖两三个垂直媒体，有的依赖官方站点，有的依赖社区讨论。这个模式直接告诉你“该在哪里建设信源”。

同时看竞品的表述方式：它们怎么描述价格、怎么界定服务范围、怎么处理“适不适合”这类问题。学习结构，不抄袭文字。结构是可以借鉴的方法，文字是别人的资产。

49九十天启动：搭建最小可度量闭环

九十天不足以看到稳定结果，但足够建立一个能持续运转的闭环：有基线、有动作、有记录、有复盘。把闭环跑通，比在九十天里追求数字更实际。

为什么是九十天

太短（三十天）只能完成诊断，看不到任何变化；太长（半年）会让团队在缺乏反馈的情况下失去节奏。九十天刚好覆盖“诊断—改造—观察”一个完整周期，也符合多数企业的季度考核节奏。

需要提前说明的是：九十天的目标不是“显著提升可见度”，而是“建立可复用的生产能力 + 拿到第一批趋势数据”。把预期说清楚，后续才不会因为“没看到爆发”而否定整套方法。

三阶段拆解

三个阶段不是严格串行。诊断期结束前就应当启动事实库整理，因为它不依赖技术结论；建设期的内容生产与技术改造可以并行，但同一批页面不要同时改内容又改结构，否则无法判断哪个动作起了作用。

第 1–3 周：把“不知道”变成“知道”

这两周半的产出应当非常具体：50 条问题的基线表、3 个平台各 1 次采集、技术问题清单（按严重程度排序）、10 个内容缺口、1 份事实库初稿（哪怕只有 30 个字段）。

有一个常见偏差要避免：把诊断做成“全面体检”，什么都查一遍，最后写出一份很厚但无法行动的報告。诊断的原则是“够用就好”——能支撑下一步决策的信息，就是足够的信息。

第 4–9 周：集中做能复用的东西

建设期的资源永远不够，所以必须做取舍。建议的优先级是：先修可达性（抓不到就全白费）、再改核心页（首页、关于页、产品页、价格说明）、再写重点内容（覆盖缺口清单里商业价值高的 10–15 个问题）、最后补结构化数据（在页面稳定后一次性加，避免反复改）。

内容生产建议采用“模板 + 素材”的方式：先做 2 个范本，团队评审通过后，其他人按范本生产。这样既保证一致性，又避免每篇都从零开始。范本要包含完整的结构（摘要段、问答、数据与出处、边界说明、内链），但不要包含固定的句子，否则又会滑向模板化。

第 10–13 周：观察与固化

二次采集用与基线完全相同的方法，包括时段、账号、平台版本。对比时看三件事：整体可见度的变化、分层问题（哪一类涨得多）、描述准确率的变化。如果整体没动但某一层明显改善，这也是有效信息，说明方法在某类场景成立。

观察期还要做一件容易被忽略的事：把流程写下来。谁负责采集、多久一次、用什么表、谁复核、异常怎么处理。这份运行手册是九十天里最有价值的资产，因为它决定了这套方法能不能在人员变动后继续运转。

九十天结束时该有什么

• 一份可对比的基线数据与二次数据（同口径）
• 一套已经上线的内容范本与 10–15 篇成品
• 一份更新过的事实库，且已被至少两个渠道引用
• 一份技术工单的完成情况（含未完成项与原因）
• 一份运行手册（采集、判读、复盘、异常处理）
• 一份下季度计划（做什么、不做什么、需要什么支持）

这六样东西凑齐，闭环就算建立。之后每个季度重复同样的流程，只是把内容做得更深、把指标看得更细。

50团队、预算与外部协作

GEO 不是一个人的活，也很少需要一支新团队。它更像是给现有角色加了一层新的验收标准：内容要能被切片、技术要能被抓取、品牌口径要能被核验、数据要能被复盘。

四种角色的分工

对多数中小企业而言，这套配置意味着“不需要新增编制，但需要明确责任人”。最容易出问题的是“人人有责、无人负责”：内容团队觉得技术该修，技术觉得内容该写，品牌觉得这是市场部的事。解决办法是把指标挂在一个人身上，其余人作为协作方。

预算的三种花法

自建为主。适合已有内容与技术团队的企业。主要成本是人力时间与少量工具费用（监测表格、结构化数据校验、日志分析）。优点是资产留在内部，缺点是启动慢、容易被人事变动打断。

外部服务为主。适合缺少内容生产能力或需要快速建立体系的企业。成本以项目费或月度服务费为主。优点是启动快、有外部视角，缺点是对服务方的依赖度高，知识沉淀可能在外部。

混合模式。外部做诊断、范本与培训，内部做持续生产与维护。这是多数企业最终会走到的形态，因为 GEO 是长期工作，完全外包的成本会随时间上升。

预算量级上，不建议一开始投入过大。先做一个季度的最小闭环，用实际产出判断“内部做效率如何、外部做质量如何”，再决定加码方向。把钱花在“能留下资产”的地方——事实库、范本、流程、监测表——比花在“多发几篇稿”更有长期价值。

怎么选外部服务方

四个问题足以筛掉大部分不合适的候选：

1. 你们怎么度量效果？如果回答是“保证被 AI 推荐”或“我们有独家渠道”，基本可以结束对话。合理的回答应当包含问题集、采集方法、指标口径与证据等级。
2. 能不能看一下你们自己的 AI 可见度？自己都不做 GEO 的服务方，方法大概率是拼凑的。
3. 内容是谁写？如果是“AI 批量生成 + 人工润色”，要追问质量控制与差异化的来源。
4. 合作三个月后，我们内部能留下什么？好的服务方会明确交付范本、流程与培训；差的服务方只会交付“报告”。

还有一个实用建议：在合同里写清“口径”与“交付物”，而不是写“效果指标”。前者可控，后者不可控。把不可控的东西写进合同，最后往往是双方都不满意。

内部推动的三个抓手

抓手一：从一个小场景开始。不要一上来就要求全站改造，选一个产品线或一个区域，做出可见的变化，再复制。小场景的成功率远高于全面铺开。

抓手二：用业务语言汇报。把“提及份额”翻译成“客户在比较阶段能否看到我们”，把“描述准确率”翻译成“客户会不会因为错误信息而放弃咨询”。管理层听不懂术语，但听得懂后果。

抓手三：把 GEO 嵌进已有流程。不新建一套流程，而是在内容审稿、页面发布、季度复盘里各加一道检查。这样不需要额外会议，也不会因为“项目结束”而停摆。

51行业适配：B2B、本地服务、电商与教育医疗

同一套方法，在不同行业的着力点差别很大。B2B 拼的是深度与可信，本地服务拼的是地域与实体，电商拼的是商品数据与评价，教育医疗拼的是合规与专业背书。照搬别人的打法，通常效果有限。

B2B：长决策链与方案对比

B2B 的客户不会问“哪家好”，而是问“这类问题该怎么解决”“不同方案有什么区别”“实施周期多久”“有没有同行业的案例”。因此内容重点不在品牌介绍，而在问题拆解与方案对比。

有效的做法包括：把复杂方案拆成可独立回答的子问题（每个子问题一篇文章）、写清适用与不适用的条件、公开实施方法论与时间表、提供可下载的框架图或检查清单。B2B 的答案往往由少数几个高权重来源决定，因此行业媒体与专业社区的建设比堆量更重要。

本地服务：地域实体与即时需求

本地服务的提问高度依赖地域：“附近有没有”“哪家离我近”“周末营业吗”。模型回答这类问题，依赖的是结构化的地址、营业时间、服务范围与地图类数据。

关键动作有三个：统一各平台的名称、地址、电话（任何一处不一致都会降低可信度）；在页面中明确服务半径与上门规则；积累真实评价并公开回应。地域内容不要写成“XX 市 XX 服务”这种关键词堆砌，而要写清“在哪些区、多久能到、怎么收费”。

电商：商品数据与评价体系

电商被 AI 引用的场景，多是“某类商品怎么选”“A 和 B 有什么区别”“预算多少买什么”。模型读的是商品标题、参数、详情、评价与问答。

优化重点：参数表结构化（不要只放图片）、标题写清品类与关键属性、详情页回答常见疑问（尺码、材质、售后）、评价区的问题要有人回应。需要提醒的是，电商平台的内容往往封闭，外部模型未必能读到，因此品牌自建的导购内容（选购指南、对比测评）反而是重要的补充信源。

教育培训：合规前提下的专业输出

教育行业的提问集中在“值不值得学”“学了能做什么”“怎么选机构”“多少钱”。这类问题的答案极易滑向承诺，因此合规是前提：不承诺就业、不承诺收入、不承诺通过率，只描述课程内容、教学方式、服务期与适用人群。

有效的做法是把“教什么、怎么教、学完能做什么（能力层面而非结果层面）”写清楚，用课程大纲、课时安排、练习设计这些具体材料建立可信度。创始人或讲师的署名内容价值很高，因为教育决策高度依赖“谁在教”。

医疗健康：专业背书与表述边界

医疗健康是监管最严的领域之一。内容不能出现功效断言、不能以患者案例暗示普遍疗效、不能替代诊疗建议。可行空间在于科普与流程说明：某项检查的适用情形、就诊流程、术前术后注意事项、常见误区。

署名与资质是这一行业的核心信号。作者应当是具备资质的专业人员，页面应当展示执业信息，内容应当注明“不能替代面诊”。这些不是形式，而是模型判断可信度时的重要依据。

跨行业的共性

不管哪个行业，被引用的内容都具备三个特征：回答了真实问题、给出了具体信息、明确了适用边界。行业差异影响的是“写什么”，不影响“怎么写”。把这三条守住，再叠加行业特有的合规要求，基本就不会走偏。

52长期主义：能力沉淀与组织学习

平台会换、规则会变、模型会升级。如果一套方法只在某个平台的某个版本下有效，它就不是方法，而是运气。真正值得投入的，是那些不随平台变化的能力。

什么是不变的东西

事实的准确性。无论模型怎么变，它都需要正确的事实。事实库是长期不会过期的资产。表达的清晰度。结构清楚、命题明确、能被切片的内容，在任何检索方式下都占优势。来源的可信度。真实的人、真实的案例、可核验的数据，是跨平台的通用货币。组织的响应速度。规则变了能在一周内调整，比预测下一次变化更有价值。

这四件事的共同点是：它们都是内部能力，不依赖外部渠道的恩惠。渠道会给你流量，也会随时收回；能力一旦形成，换个渠道还能用。

知识怎么留在组织里

很多团队的 GEO 经验停留在个人身上：某个人知道怎么测、怎么写、怎么判断。人一走，能力归零。避免这种情况的方法是把隐性经验显性化：

• 范本库：每个内容类型保留 2–3 篇范本，注明“为什么这样写”。
• 判读规则卡：什么算推荐、什么算罗列，用真实案例固定下来。
• 问题集与历史数据：不删除旧数据，它们是判断趋势的主要依据。
• 复盘纪要：记录“当时为什么这么决定”，而不只是“做了什么”。
• 新人训练路径：从判读练习开始，再到仿写，最后独立负责一个内容簇。

这些东西看起来琐碎，但它们决定了一个团队能不能在第二年比第一年做得更好。没有沉淀的团队，每年都在重新开始。

怎么面对下一次变化

规则变动时，恐慌与押注都是坏反应。更稳的做法是把它当成一次小型诊断：先确认变化是否真实（多平台、多次采样），再判断影响范围（是所有问题还是某一类），再决定动作（补内容、改结构、还是等待）。

建议常备一份“变化应对清单”：谁能第一时间发现变化、用哪组问题验证、48 小时内做什么、一周后复测什么、什么情况下才调整整体策略。有了清单，团队就不会在群里转发截图、猜测阴谋。

给决策者的三句话

第一，GEO 是资产建设，不是投放。投放停了效果就停，资产建成了会持续产生作用，但也需要持续维护。第二，不要用短期指标考核长期工作。九十天看体系，一年看趋势，这是比较合理的预期。第三，把合规当能力而不是成本。能长期存在的品牌，靠的不是某次技巧，而是经得起核对的事实。

写到这里，本书的方法部分基本完整。它们不是一套可以照抄的公式，而是一组判断框架：知道机制，才能判断什么动作有用；知道边界，才能判断什么动作危险；知道怎么度量，才能判断投入是否值得。剩下的，是在自己的业务里反复练习。