GEO 新手终极保姆级教程

从零开始，让 AI 在回答问题时想起你的产品

现在很多人找工具、选产品之前，会先打开豆包或者 DeepSeek 问一句“有没有好用的 XX 工具”。AI 会直接给出三五个名字，每个配几句理由，很多人看完就去搜其中一个了。如果你做了一个同类产品，却一直不在这份名单里，这部分用户从头到尾都不会知道你。

GEO 处理的就是这件事。这篇是给新手的 GEO 教程，主要写给自己做产品、做内容的独立开发者和一人公司。它会讲清楚 GEO 是什么，零预算可以怎么一步步做，有哪些案例可以参考，以及新手最容易踩的误区。

读完以后，你可以花一个下午做完第一轮观察，知道 AI 现在怎么回答你这个品类的问题，你的产品在不在里面，AI 又引用了哪些来源。后面所有的改动和复查，都建立在这一轮记录上。

这篇比较长，做到哪一步再翻回来看会更顺手，可以先收藏。

一、GEO 到底是什么

先看一条真实的 AI 回答

理解 GEO 最快的办法，是自己去问一次。打开豆包，新建一个对话，问一个你的用户可能会问的问题，比如“我一个人做小红书，每周要出二十张封面，有什么工具可以批量做”。

等它回答完，你会看到两块内容。正文里 AI 会列出几个工具，有的单独介绍了用法和优缺点，有的只是顺带提了一下名字。正文下方或者旁边通常有“参考资料”之类的入口，点开能看到它这次参考了哪些网页、文章或者视频。

GEO 关心的就是这两块内容。你的产品有没有出现在正文里，出现时是被认真推荐还是一笔带过，排在第几个，来源列表里有没有你的官网或者你写的文章。这几件事经常不会同时发生。AI 可能参考了你的文章却没提你的名字，也可能提了你的名字，用的却是别人对你的介绍。所以从第一天开始，就要把它们分开看。

提及。 回答正文里出现了你的产品名，哪怕只有一句。

推荐。 AI 明确建议用户考虑你，并且给出了理由。

展示顺序。 你在名单里排第几个。用户最容易记住第一个出现的名字。

引用。 来源列表里出现了你的网页或者你发布的内容。

说得对不对。 AI 介绍你的功能、价格和适用人群时有没有说错。

访问和转化。 用户看完回答，有没有真的点进来、注册或者付费。

用一句话说清 GEO

GEO 是 Generative Engine Optimization 的缩写，中文一般叫生成式 AI 搜索优化。也有人叫它 AEO，也就是 Answer Engine Optimization，意思基本一样，不用纠结叫法。

用大白话讲，GEO 就是想办法让 AI 在回答用户问题时，能找到关于你的信息，能读懂，愿意提到你，并且把你说对。

AI 是怎么写出这个回答的

现在大部分 AI 应用在回答“有什么工具推荐”这类问题时，会先联网搜索，再根据搜到的内容写回答。技术上这叫检索增强生成，英文缩写是 RAG。拆开看，是下面这个过程。

1. 你提出一个问题。

2. AI 把这个问题拆成好几个搜索词分别去搜。Google 把这一步叫 query fan-out，比如“批量做封面的工具”会被拆成“小红书封面工具”“封面模板批量生成”“免费封面工具”等好几个搜索。

3. AI 从搜到的结果里挑出相关、可信、方便引用的内容。

4. AI 把挑出的内容组织成一段回答，并标上出处。

这个过程说明了一件很实际的事。AI 想推荐你，前提是它这次搜索时能搜到关于你的可信内容。搜不到，它就只能用自己原有的印象，或者直接用别人对你的描述。GEO 的大部分工作，就是让关于你的正确信息出现在 AI 会去搜的地方，并且写成容易被拿去用的样子。

这里顺便澄清一个常见误会。很多人以为“让 AI 记住我”就是要进入模型的训练数据。实时联网搜索和模型训练是两回事，训练数据多久更新一次、收录了什么，外人基本控制不了。某个用户和 AI 聊过你，那段对话记忆也只对他自己有效。新手真正能影响的主要是联网搜索这一块，这篇讲的方法也都围绕它展开。

GEO 和 SEO 是什么关系

SEO 让你在搜索结果里排得靠前，用户自己点进你的网站。GEO 让你出现在 AI 的回答里，很多用户看完回答就做了决定，不再点链接。

两者重叠的部分其实很多。Google 在官方文档里说得很直接，为它的 AI 搜索功能做优化，仍然属于 SEO，原有的 SEO 最佳实践继续有效，也没有额外的特殊要求。OpenAI 也说过，任何公开网站都可以出现在 ChatGPT 搜索里。所以网站能被正常访问和收录、内容真实有用、结构清楚，这些 SEO 的基本功在 GEO 里一样有用。

可以把 GEO 理解成在 SEO 基础上多加的一层。多出来的这一层，主要体现在你关注什么和怎么衡量效果上。

关注的问题不一样。 SEO 面对的多半是两三个词的关键词，比如“封面工具”。用户问 AI 时会说一整句带场景的话，比如“我一个人做小红书，每周二十张封面，预算有限，用什么工具比较好”。你需要研究的是这种完整的提问。

看的结果不一样。 SEO 主要看排名和点击。GEO 先看有没有被提到、有没有被推荐、有没有被引用、有没有被说错，最后才看带来了多少访问和成交。

结果的稳定性不一样。 搜索结果页相对稳定，大家搜到的差不多。AI 的回答每次都可能变，换个时间、换个平台、换个账号，答案就会不同。所以 GEO 的结果要多次观察、按比例看，一张截图说明不了什么。

衡量工具不一样。 SEO 有站长平台可以直接看排名和点击。国内目前没有哪家 AI 应用给网站主提供官方的引用数据后台，主要靠自己定期提问和记录，或者用付费的监测工具。

别人怎么说你，影响更大。 AI 写回答时很喜欢参考测评文章、问答和视频这类站外内容。只把自己官网做好，往往还进不了推荐名单。

你的产品适不适合现在做

GEO 也有适合和不适合的产品。比较适合的，是用户在掏钱之前会主动问、会比较的东西，比如软件工具、课程、咨询服务，以及需要做功课才会买的产品。客单价越高、决策越慢，用户越可能去问 AI。冲动消费、价格很低、买错了也无所谓的东西，用户很少专门去问，做起来回报就有限。

独立开发者可以用一个简单的办法判断。想一想你的用户在找到你之前，会不会去问 AI “有什么工具能……”。如果会，就值得做。如果你的品类还没什么人问，先把精力放在产品和现有渠道上会更划算。

二、零预算的做法，一共五步

整套做法不需要买任何工具，只需要一张表格和你常用的几个 AI 应用。顺序是先看清现状，再补齐产品信息，然后写内容、找发布渠道，最后回头复查。每一步都会用到上一步的结果，建议按顺序来。

方法1 先看清 AI 现在怎么回答

第一步，收集 10 到 20 个真实问题。

先别急着写内容，先弄清楚用户会问什么、AI 现在怎么答。10 到 20 个够你看出规律，一个人也记得过来。等熟悉了，再慢慢扩到几十上百个。

问题分四类来收集。

1. 场景问法。 用户不知道你，只描述自己的需求。比如“我一个人做小红书，有什么工具可以批量做封面”。这类问题最重要，它能看出 AI 会不会自然地想到你。

2. 对比问法。 用户在几个选项之间犹豫。比如“Canva 和稿定设计做封面哪个好”，或者“有没有比 Canva 便宜的封面工具”。

3. 怎么做问法。 用户想完成一个具体操作。比如“怎么把一张封面快速改成十个尺寸”。

4. 品牌核查问法。 直接问你的产品，比如“XX 这个工具怎么样”“XX 收费吗”。这类用来检查 AI 有没有把你说对，要和前三类分开统计。

前三类问题里不要出现你的产品名。问“XX 和 Canva 哪个好”，AI 当然会提到 XX，这证明不了它会自然推荐你。

真实问题可以从这些地方找。翻翻用户私信和客服记录，看看自己产品和竞品的评论区，在百度、小红书、抖音的搜索框里输入品类词看下拉联想，也可以回想你当初为什么要做这个产品。实在没头绪，可以让 AI 帮你先列一版，再挑出像真人会问的。

你可以把下面这段提示词发给 DeepSeek 或者豆包，让它帮你生成第一版问题清单。

我做了一个产品，信息如下。
产品是做什么的：【一句话描述】
主要用户：【谁在用，什么身份】
用户通常在什么情况下需要它：【两三个具体场景】
同类产品或替代方案：【列出你知道的】

请站在真实用户的角度，模拟他们会怎么向 AI 提问，帮我生成 20 个问题，分成四类：
1. 场景问法 8 个：用户只描述自己的需求，不提任何品牌
2. 对比问法 5 个：在几个同类产品或方案之间做选择
3. 怎么做问法 4 个：想完成一个具体操作
4. 品牌核查问法 3 个：直接询问我的产品，产品名用【产品名】代替
要求：用口语化的完整句子，带上具体场景、预算或限制条件，不要只写两三个词的关键词。
用表格输出，列出分类、问题、这个问题想测什么。

AI 生成的问题只是草稿。删掉不像真人会问的，再补上你从用户那里听到的原话，这份清单才算能用。

第二步，用新对话去问，并记下提问条件。

挑你的用户最常用的平台。国内建议至少覆盖豆包、DeepSeek 和腾讯元宝，有余力再加 Kimi 和通义千问。做海外产品的，把 ChatGPT 也加进来。

提问时注意这几件事。

• 每个问题都开一个新对话，避免前面的聊天内容影响回答。

• 看清这次有没有联网。有的应用有“联网搜索”之类的开关，有的会自动判断，回答里出现参考资料一般说明联网了。实在看不出来，就在表格里写“未知”，不要猜。

• 尽量用同一台设备、同一个账号去问，后面复查也用同样的条件，结果才有可比性。

• 如果你自己的账号已经和 AI 聊过很多次自己的产品，它会带着这些印象回答。换一个没聊过的账号去问，结果更客观。

第三步，把回答完整记下来。

做一张表格，飞书表格、腾讯文档、Excel 都可以，每问一次记一行。表头可以直接复制下面这一行。

日期,平台,是否联网,问题编号,完整问题,是否新对话,有没有提到我,有没有推荐我,排第几,来源里有没有我的网页,引用了哪些其他来源,说错了什么,提到了哪些竞品,AI 推荐语原话,原始回答保存位置,本轮变动,备注

有两个习惯会让后面省很多事。一个是把原始回答完整保存下来，截长图或者复制全文都可以，别只记一个排名。另一个是没出现就明确写“未出现”，空着不填的话，过一段时间你自己都分不清是没问还是没出现。AI 推荐别人时用的原话也值得抄下来，它能看出 AI 给每个产品贴了什么标签。

第一轮的结果通常不好看，很多人会发现自己一次都没被提到。这很正常，这一轮的意义就是留下起点。后面会讲到一个线下机构的案例，他们第一轮在 4 个平台问了 120 次，只被提到 2 次。

做完这一轮，你就能看清 AI 现在在推荐谁，推荐理由怎么说，引用了哪些网站和平台，以及它对你的产品知道多少。后面每一步都会用到这些信息。

方法2 把你的产品信息补齐、说清楚

先写一张产品事实卡。

事实卡就是一份关于你产品的标准答案，以后写官网、写文章、回答别人，都从这里取信息。它最大的作用是让所有地方的说法保持一致。AI 会把不同来源的信息拼在一起，如果你官网写的是一个价格，旧文章里是另一个价格，产品名还有好几种写法，AI 很容易说错，甚至把你和别的同名产品搞混。

事实卡建议包括这些内容。

1. 产品名称、常用别名和英文名

2. 官网和帮助文档地址

3. 面向什么用户

4. 用户在什么场景下会用到它，解决什么问题

5. 现在能做到的事情

6. 现在做不到、不适合的情况

7. 价格和收费方式，写上官方出处和核对日期

8. 真实的使用案例、演示或可以核验的数据

9. 和同类产品对比时用的标准

10. 最近更新日期

11. 纠错和联系方式

不知道的项目就写“未知”，不要为了填满去编用户数、编评价、编数据。编出来的东西一旦被 AI 引用，会被重复讲给很多人听，最后伤害的是你自己。

可以先让 AI 帮你起草，再自己逐条核对。

请阅读我的官网和帮助文档：【粘贴网址或正文】
按下面的字段帮我整理一份产品事实卡：名称与别名、官网与帮助页、面向用户、使用场景、当前能做的事、当前做不到或不适合的情况、价格与收费方式、真实案例或演示、和同类产品对比的标准、最近更新日期、联系方式。
要求：只使用我提供的材料里能找到的信息；找不到的字段写“未知”，不要推测或补全；每条信息后面标注它来自哪个页面。

再把产品页改得人和 AI 都容易读懂。

对照事实卡检查你的官网或产品页。

• 页面不用登录就能打开，核心文字直接写在页面上。只放在图片里、或者要点好几下才展开的内容，AI 很难读到。

• 开头两三句话说清楚这是什么、给谁用、能解决什么问题。

• 写清楚能做什么，也写清楚不适合哪些情况。主动写边界，读者和 AI 都会更信你。

• 价格写明，并标注更新日期。

• 放真实的产品截图和使用例子，不放 AI 生成的假界面。

• 加一个常见问题区，把用户最常问的几个问题直接答掉。

• 页面上写明最近更新时间和联系方式。

官网在 GEO 里的作用，有一组数据可以说明。在约 20 万条 AI 引用里，官网在全部引用中只占 4% 左右，但在直接询问品牌的问题里，官网占到了 24% 左右。也就是说，官网主要负责让 AI 把你说对，能不能进推荐名单，更多要看站外有没有人在说你。

还没有官网也能开始。国内可以先在知乎、小红书、公众号这些平台把产品说清楚，同时慢慢把官网搭起来。

有网站的话，再顺手检查几项技术设置。

• robots.txt 里没有屏蔽搜索类爬虫。

• 提交站点地图，在百度搜索资源平台和 Bing 网站管理员工具里提交网站。

• 页面打开速度不要太慢。

• llms.txt 和结构化数据可以做，但别指望它们起决定作用。Google 明确说过，它的 AI 搜索功能不需要专门的结构化数据，llms.txt 也不会帮你加分或减分。

方法3 写能回答真实问题的内容

拿出方法1里的问题清单，挑一个最重要、你又最有发言权的问题，写一篇专门回答它的内容。一篇只回答一个问题，标题就用用户问的那句话或者接近的说法。

一篇容易被 AI 引用的内容，通常长这样。

1. 标题直接是问题，比如“一个人做小红书，怎么批量做封面”。

2. 开头两三句先给答案，再展开说明。

3. 正文用小标题分段，步骤用编号，对比用表格。

4. 放真实截图和真实的操作过程。

5. 关键说法带出处，用到的数据写清来源和时间。

6. 写明适合谁、不适合谁。

7. 结尾放三到五个常见问题和简短回答。

8. 标注发布时间和更新时间。

这套写法有研究支撑。普林斯顿大学等机构的 GEO 论文测试了 9 种改写方法对 AI 回答可见度的影响。效果最好的几种是引用可信来源、加入相关引语和加入统计数据。按论文的可见度指标算，原始内容是 19.3 分，加入引语后是 27.2，加入统计数据后是 25.2，引用可信来源后是 24.6。堆关键词反而降到 17.7，比不改还差。改成权威口吻重写，也没有明显提升。

论文里还有一个对小团队很友好的发现。原本在搜索结果里排第五的来源，引用可信来源后可见度提升了 115%，原本排第一的反而下降了 30%。也就是说，这些写法对原本不起眼的内容帮助更大。

结论很朴素，有出处、有数据的内容，AI 更愿意拿去用，人也更愿意信。

几种常用的写法模板。

“XX 是什么”这类问题，适合用定义式。

【XX】是一种……的工具，主要帮助【谁】在【什么场景】下解决【什么问题】。
它和【相近的东西】的区别是……
适合：……
不适合：……

“怎么做”这类问题，适合用步骤式。

想要【达到什么结果】，可以按这几步来：
1. ……（附真实截图）
2. ……
3. ……
常见卡点：……

“A 和 B 哪个好”这类问题，适合用对比式。

如果你【条件一】，更适合 A；如果你【条件二】，更适合 B。
下面用同一套标准对比：价格、上手难度、批量能力、导出格式、适合人群。
（对比表格）
数据核对日期：2026 年 X 月 X 日，来源：各产品官网

“有哪些推荐”这类问题，适合用清单式。

按使用场景分，常见的选择有：
- 【场景一】：A、B，理由……
- 【场景二】：C，理由……
【你的产品名】适合【具体人群和场景】，不适合【什么情况】。

写对比内容有两条底线。一条是所有产品都用同一套标准对比，数据标上来源和日期。另一条是不拉踩，不编竞品的缺点。如果把握不好分寸，竞品对比放在第三方平台上写，会比放在自己官网上更稳妥。

那种“2026 年十大 XX 工具排行榜”、把自己硬塞进第一名的软文，尽量少写。这类带“排名、推荐、TOP”字样的营销内容，现在越来越容易被 AI 过滤掉，后面案例2就是在这上面栽了跟头。想写推荐类内容，可以改成评测，公开评价标准，写明事实来源，结论克制一些。

产品信息放进内容里就好，不用在标题里大喊。内容的主体是把用户的问题答好，你的产品作为其中一个选项自然出现，再说明它适合什么情况。标题里反复喊产品名的文章，读者和 AI 都会把它当成广告。

用 AI 帮你写可以，但要自己把关。

AI 起草很快，但它容易编数据、编功能，还容易写出一股 AI 腔。你可以把下面这段提示词连同事实卡一起发给 AI，让它先出一版初稿。

请根据下面的产品事实卡，写一篇回答这个问题的文章：【问题原文】
要求：
1. 标题使用用户的提问方式
2. 开头 3 句话内直接给出答案
3. 用小标题、编号步骤和表格组织内容
4. 只使用事实卡里的信息，事实卡里没有的功能、数据、案例一律不写；需要补充的地方用【待补充】标出
5. 写清楚适合谁、不适合谁
6. 结尾附 3 到 5 个常见问题
7. 不要使用“致力于”“领先的”“综上所述”“众所周知”这类空话
事实卡：【粘贴】

拿到初稿以后，逐条对照事实卡核对，把【待补充】换成真实的截图和数据。发布前再过一遍下面这些问题。

• 这篇回答的是一个用户真的会问的问题吗？

• 每个事实都有出处吗？

• 截图都是真实的产品截图吗？

• 文中的数据和案例都是真实的吗？

• 对比是不是用的同一套标准？

• 页面不登录也能公开访问吗？

• 写了更新日期和纠错渠道吗？

• 有没有“保证”“第一”“百分百”这类承诺？

• 观察表准备好了吗，发布后能按同样的问题复查吗？

方法4 把内容放到 AI 会去找的地方

内容写好了，放在哪里同样关键。答案就在你方法1的表格里。

把 AI 回答你那些问题时引用的来源全部整理出来，按类型分一分，比如官网、新闻媒体、知乎这类问答平台、小红书和公众号这类图文平台、抖音和 B 站这类视频平台、百科、测评网站。哪类来源出现得最多，就优先往哪里发。这比听别人说“某平台权重最高”要可靠，因为它反映的是你这个品类、这批问题的真实情况。

不同 AI 偏好的来源确实不一样。用同一批问题去问，豆包引用抖音和今日头条比较多，腾讯元宝引用腾讯网比较多，DeepSeek 的来源最分散，百度百科占比相对高。这和各家背后的内容生态有关，自家的内容更容易拿到。具体到你的品类，以你自己表格里的来源为准。

发布位置可以分层来想。

1. 自己的地盘。 官网、帮助文档、常见问题页，负责给出最准确的官方说法。

2. 别人的评价。 行业媒体、测评文章、用户写的使用体验，负责让 AI 相信你。

3. 用户聚集的地方。 知乎回答、小红书笔记、视频的字幕和文字稿、社区帖子，负责覆盖各种具体场景的问题。

独立开发者零预算起步，比较现实的做法是先把第一层做好，再在第三层持续发真正有用的内容。第二层不建议花钱买，可以主动把产品给相关的博主、媒体或者社区试用，让真实用户写真实体验。

同一份事实可以在不同平台复用，但要按平台改写。官网放完整版，知乎写成问答，小红书做成图文步骤，视频配上字幕或者文字稿。一篇文章原样复制到十个平台，效果通常不好。

还有几件事不要做。

• 不要用一堆账号批量铺同样的内容。

• 不要刷评论、刷点赞，也不要编用户评价。

• 不要为一个问题的每种问法各写一篇几乎一样的文章。Google 已经明确把这种做法算作规模化的低质内容。

• 付费发稿之前，先看清平台规则和广告标注要求。

方法5 定期复查，把效果分开看

发布之后，用同一套问题，在同样的平台和条件下重新问一遍，记进同一张表里。复查节奏可以两周一次，最重要的几个问题一周一次。

多久能看到变化，没有统一答案。内容发布后，快的第二天就可能被引用，常见是一到两周，也有内容一直不会被引用。至少观察一个月再下结论。

看结果时，有几件事要注意。

算比例，写清分母。 比如“20 个问题，3 个平台，各问 1 次，一共 60 次回答，提到我 6 次，提及率 10%”。只说“豆包推荐我了”意义不大，可能只是那一次碰巧。

每次少改一点，并且记录下来。 表格里“本轮变动”那一栏写清楚这段时间改了什么、发了什么。不然结果变好了，你也不知道是哪一步起了作用。

被提到和带来生意要分开算。 被提及、被引用是一层，访问、注册、付费是另一层。AI 的回答经常让用户不点链接直接做决定，你需要额外的办法确认用户是不是从 AI 来的。

• 注册页或者付款后的问卷里加一个问题“你是从哪里知道我们的”，选项里放上“豆包、DeepSeek 等 AI 推荐”。

• 在网站统计里看来源。ChatGPT 的链接会自动带上 utm_source=chatgpt.com，可以直接统计。国内平台的跳转来源，要看你用的统计工具能不能识别。

• 给 AI 渠道准备专属的优惠码、口令或者落地页。

• 主动问来咨询的用户是怎么找到你的。

还有一些间接信号可以留意，比如搜你品牌名的人变多了，直接访问官网的人变多了，来咨询的用户问得更具体了。把它们和上面的数据放在一起看。

复查完做一次小复盘。哪些问题还是没提到你，就补内容或者换渠道。哪些地方被 AI 说错了，就更新事实卡和官网。哪个竞品出现得越来越稳定，就去看它被引用的是哪些页面、是怎么写的。没有变化也照实记下来，这同样是有用的结果。

三、做海外产品，多看这几样

上面的方法在海外平台一样适用。海外的好处是官方给的信息更多，也有免费的数据工具。

Google。 官方态度很明确，AI Overviews 和 AI Mode 用的还是 SEO 那一套，没有额外要求，不需要专门的结构化数据，也不看 llms.txt。Google 还说过，没有任何第三方工具能拿到它的内部排名数据。

它更看重有第一手经验的内容，给的自查标准是“访问者看完会不会觉得满意”。日常用 Google Search Console 看收录和搜索表现就够了。

Bing。 Bing 网站管理员工具在 2026 年 2 月推出了 AI Performance 报告，目前是公开预览，可以看到你的网页在 Copilot 等 AI 回答里被引用的次数、被引用的页面，以及触发引用的部分查询样本。

6 月又加了意图、主题、引用份额和竞品对比。Bing 自己也提醒，引用份额只是观察数据，不代表排名。这是目前少有的免费官方引用数据，做海外产品建议开通。Bing 给的内容建议也很朴素，标题清晰，用表格和 FAQ，说法有依据，内容保持更新，再用 IndexNow 及时通知内容变化。

ChatGPT。 OpenAI 说任何公开网站都可以出现在 ChatGPT 搜索里。要注意别在 robots.txt 里屏蔽 OAI-SearchBot，它负责搜索。GPTBot 负责模型训练，你不想内容被拿去训练，可以单独屏蔽它，不影响搜索展示。来自 ChatGPT 的点击会带上 utm_source=chatgpt.com，统计起来很方便。

四、几个可以参考的案例

方法讲完了，再看几个案例。它们来自不同的行业，重点看他们踩了什么坑，哪些做法可以借过来。

案例1：一家线下小机构，从 AI 不认识它，到开始有人说“豆包推荐来的”

这是华东一家只有 3 家门店的轻医美机构，线上几乎没有声量，九成客户靠老客介绍。他们花 8 周做了一轮 GEO。

第一周他们准备了约 130 个测试问题，在豆包、DeepSeek、腾讯元宝、通义千问上各问了一轮。其中 30 个本地决策类问题，4 个平台一共 120 次回答，这家机构只被提到 2 次，一次都没进前三。AI 稳定推荐的是两家大型连锁和一家公立医院。更麻烦的是，直接问这家机构怎么样，有两个平台说没有足够信息，还有一个平台把它和外地一家同名机构搞混了。

从第 2 周到第 8 周，他们做了这些事。

• 把机构名称、地址、联系方式在全网统一，重写了官网的介绍页。

• 整理了 180 个用户可能会问的问题，其中四成是比较和选择类问题。

• 写了 12 篇内容，6 篇科普、4 篇对比、2 篇本地推荐，每篇都带常见问题。

• 发在 AI 实际常引用的地方，让医生实名在知乎回答问题，同时发公众号和两家行业媒体。

• 每两周用同一套问题复查一次。

从第 6 周开始，到店登记里出现了“豆包或 AI 推荐来的”客户。量还不大，但这个渠道从零开始有了客源。

这个案例对新手有两点启发。第一，先解决 AI 把你说错、认错的问题，再去争推荐，名称和联系方式全网统一是最便宜也最该先做的事。第二，8 周只写了 12 篇，说明少量认真写、发对地方的内容也能起作用，用不着天天铺量。复查时还发现，文章末尾的常见问题经常被 AI 几乎原样复述，这也是前面建议每篇都带常见问题的原因。

案例2：排名做上去又突然消失，堆量反而更糟

这是一家做香港移民咨询的机构，有专门的团队做 GEO。

起初效果很好，项目启动一周就在豆包的相关问题里排进前四，一个月做到第一，每天能来十到二十个精准咨询。当时的做法是系统每天自动生成几百篇文章，铺到各个自媒体平台。

2026 年 6 月底，这家机构突然从豆包的回答里消失了，来自 GEO 的咨询归零。那段时间豆包的回答方式有明显变化，新闻网站、行业协会这类官方来源更受重视，带“排名、推荐、TOP”字样的营销内容被过滤掉。

他们先试了两个办法，都没用。一个是把每天的发文量从 400 篇加到 800 篇，结果排名不但没回来，情况还更差了。另一个是花两万二买了一家服务商的 GEO 工具，发出去的稿件被各大平台成排驳回，而且买之前和买之后，这家服务商给出的品牌评分还对不上。

后来他们换了思路。内容改成结构化的问答、政策解读和流程拆解，品牌信息放在内容里面，不在标题里喊。渠道上通过正规渠道在几家新闻网站发稿，前后花了一个多月、几千块。排名先在长尾问题里出现，再扩到核心问题，最后主要的大词也回到了前三。恢复以后他们也不再追求排第一，因为排第一容易成为被举报、被针对的对象。

这个案例的门槛明显高于个人开发者，专门团队、多账号矩阵、批量生产、付费发稿，都不适合新手照搬，大量自动铺量本身也有违反平台规则的风险。它更有参考价值的是这一点，AI 的推荐会随平台调整大幅波动，靠堆量撑起来的排名很脆弱，出了问题先回到来源列表看 AI 现在信什么，别急着加量或者买工具。这家机构总结的最大教训，是流量不能只押在一条渠道上。

案例3：一个只做一件事的小网站，被几家 AI 排在第一

hotelcorporatecodes.com 是一个专门查询酒店企业协议价代码的网站。用“哪里查酒店协议价代码”去问 ChatGPT、Gemini 和豆包，三家都把这个网站排在第一，而它在传统搜索里的关键词排名没有排到第一。同一个问题拿去问腾讯元宝，元宝认为可能涉及违规，直接拒绝回答。

这个案例对独立开发者的启发是，问题很窄，答案很明确，网站又专门只解决这一件事，AI 很容易认定它就是答案。小产品可以多找这种具体到一句话的问题，做一个专门回答它的页面。另外，同一个问题在不同平台会被完全不同地处理，这也是每个平台都要单独观察的原因。

五、常见误区

以为有一个统一的提交入口。 目前豆包、元宝都没有面向网站主的收录提交入口。它们官方开放的搜索接口是给开发者调用的，也看不出 App 里推荐谁的规则。各个平台的机制不同，只能逐个观察。

以为让 AI 记住品牌，就是要进入训练数据。 联网搜索、模型训练、某个用户的对话记忆，是几件不同的事。新手能影响的主要是联网搜索。

以为被提到，就说明引用了你的网页。 提及、推荐、引用要分开记录，它们经常不同时发生。

以为排过一次第一就稳了。 AI 的回答一直在波动。说“排名”之前，先写清楚是哪些问题、哪个平台、什么时间、问了多少次。

以为文章发得越多越好。 先检查事实对不对、有没有回答真实问题、页面能不能访问、发的地方 AI 会不会引用。数量排在后面。

以为 llms.txt 或结构化数据是万能开关。 Google 明确说不需要。把内容本身写好，比折腾这些文件更有用。

以为国内 AI 都只看固定那几个平台。 各平台的来源偏好会调整，不同品类也不一样。回到你自己问题的真实来源列表去看。

以为引用变多了，收入就会涨。 访问、注册、咨询、付费和投入的成本要分别看。

以为买了工具或服务就能保证上榜。 Google 说过没有第三方工具能拿到它的内部排名，国内平台也没有开放这类数据。承诺“保证第一”的服务，要么在冒险，要么在骗你。

六、新手常问的问题

多久能看到效果？

没有固定时间。快的第二天就可能被引用，常见是一到两周，也有内容一直不会被引用。建议至少按一个月来观察。

没有官网能做吗？

可以。国内可以先在知乎、小红书、公众号这些平台把产品说清楚，同时慢慢把官网做起来。官网能帮 AI 把你说对，长期还是建议要有一个。

我自己问 AI，它推荐我了，算成功了吗？

还不能算。经常聊自己产品的账号、带暗示的问法，都会让 AI 更容易提到你。换个没聊过的账号，用不带品牌名的场景问法，多问几次、多问几个平台，按比例来看才算数。

为什么我和朋友问同一个问题，答案不一样？

这很常见。AI 的回答本来就有随机性，还会受到账号、对话历史、地区、联网状态、App 版本的影响。所以要固定条件反复观察，别拿单次结果下结论。

粉丝少、账号小，发的内容会有 AI 引用吗？

有机会。被引用的概率和账号权重关系不大，和发布渠道、文章质量的关系更大。前面那篇论文也发现，好的写法对原本排名靠后的内容帮助更大。

可以用 AI 批量写文章吗？

可以用 AI 起草，但要人工核对事实、补真实截图，别批量生成同质内容去铺量。案例2已经说明，堆量在平台调整后很容易全部失效，还可能连累整个品牌。

AI 把我的产品说错了怎么办？

先查它引用的来源，看错误信息是从哪里来的。如果是你自己旧页面或旧文章的问题，就去更新它们。如果是别人写错了，可以联系作者更正，同时在官网和你能发布的平台上把正确信息写清楚，再按原来的问题复查。

GEO 是不是就是 SEO 换了个名字，会不会是智商税？

两者确实重叠很多，Google 也说为 AI 搜索做优化仍然属于 SEO。GEO 这个概念本身有用，它提醒你去关注 AI 回答里有没有你、说得对不对。真正的智商税，是那些承诺保证上榜，或者帮你批量铺垃圾内容的服务。

要不要找 GEO 服务商？

新手先别急。自己手工做两三轮，搞清楚自己的问题集、平台和来源，再判断哪些事情值得交给别人。真要找，先看对方能不能给出原始回答和引用明细，数据口径能不能说清楚，敢不敢不承诺排名。

七、熟悉以后，再考虑付费工具

手工记录做两三轮之后，你会知道自己真正需要什么。如果问题和平台多到记不过来，再考虑付费工具，会比一开始就买划算很多。下面几个可以了解一下。

腾讯 AnswerBit。 腾讯出的 AI 品牌可见度监测工具，可以监测 DeepSeek、豆包、Kimi、元宝的回答。用法是先建团队和品牌，填好品牌名、别名和官网，再选要监测的问题和竞品。后台能看到品牌提及率、平均排名、曝光效果分数，每条回答的原文和参考资料，以及哪些域名被引用。它通过模拟普通用户提问来采集数据。价格以官网为准。

GEOFlow。 一款覆盖问题集、知识库、内容生成和监测的 GEO 工具，适合想把整套流程放进一个系统里的人。

Bing 网站管理员工具。 免费，适合做海外产品，前面已经介绍过。

挑工具时，可以重点看这几项。

• 支持哪些 AI 平台，是 App 端还是网页端的数据。

• 能不能看到每条回答的原文和引用链接。

• 数据怎么采集，提及率、排名这些指标的口径是什么。

• 能不能导出，能不能看历史对比。

• 价格和续费方式。

如果有人承诺“保证排名第一”，或者买之前和买之后给你的评分对不上，就要小心了。

写在最后

如果你现在只想做一件事，那就是今天找出 10 个用户真的会问的问题，去豆包、DeepSeek、元宝各问一遍，把回答记进表格。

第一周可以这样安排。

1. 第一天，收集 10 到 20 个真实问题，按四类分好。

2. 第二天，在几个平台用新对话提问，完整记录第一轮结果。

3. 第三天，写好产品事实卡，对照它修改产品页。

4. 第四、五天，挑一个最重要的问题，写一篇认真回答它的内容。

5. 第六天，根据第一轮的来源列表，选一到两个平台发布。

6. 两周后，用同一套问题复查。

AI 的回答会一直变，平台的规则也会一直变。能长期留下来的，还是那些把产品说清楚、把用户问题答好的内容。这件事做好了，不管用户在哪里问，都更有机会找到你。