一、AI的答案里有两层位置，多数人只看见第一层

先做个你现在就能做的动作。

打开豆包或者DeepSeek，输入你最希望客户搜到的那句话。比如你是做工业设备维保的，就问「荆门哪家做工业设备维保比较靠谱」。看完答案，数一数：它一共给了几个具体名字？

多数时候是三个到五个。剩下的部分是泛泛而谈，或者一句「建议多比较几家」。

然后换个问法。把刚才那句改成描述式的，比如「荆门工业设备维保行业现在怎么样」。这一次，你的公司名可能出现，但它夹在一段行业描述里，像个例子，不像一个选项。

这就是两层位置。

第一层叫背景席。AI介绍一个行业，顺手提了你一句。第二层叫候选席。AI在替客户做选择，把你写进了那个只有几个名字的清单。

大部分老板盯着第一层高兴，回头又抱怨没有转化。原因不复杂：客户不会因为AI介绍行业时提了你一句就下单，客户是把AI给的那三五个名字拿去比。

二、AI凑候选席的方式，跟老板挑供应商差不多

很多人把GEO想成考试排名，以为AI那边有一张总榜，谁分数高谁坐前面。

不是这样。

更接近的比喻是：AI每回答一次，就是临时组一桌局。它从全网捞一堆材料，现场决定这一桌该请谁。

这套机制的技术底子叫RAG，先检索再生成。检索阶段，AI把网页和文章切成一两百字到几百字的小块，按语义相似度把相关的挑进来，然后基于这些小块组织答案。

要紧的是最后一步。组织答案的时候，AI倾向于给出能横向对比的信息。它要凑的是一桌能放在一起比较的对象。各说各话的品牌，进不了这桌。

想想你自己找供应商的场景。你问朋友「这几家怎么样」，朋友会怎么答？他会说A家报价大概什么档、B家主要做哪类活、C家有哪个资质。他不会说「A家很不错，值得信赖」这种没有坐标的话。

AI的做法一样。你的公开信息没法被放进一个对比结构里，你就只能待在背景段落里当例子。这就是被提到和真正入选之间的位置差。

三、候选集三可模型：可比、可验、可稳

我把给企业做诊断时的判断压成三个词。一个品牌能不能挤进AI的候选席，看这三点基本够用。

可比：你得先变成一行能填的表

AI要把你放进对比，前提是它手里有关键字段。字段从哪来？从你的公开页面上来。

现实是很多企业的官网只有一段自我介绍式的文字：成立于某年，秉承什么理念，致力于什么。这类文字对AI几乎等于零，因为它没有可对比的坐标。

有坐标的信息长这样：

  • 服务区域：做到哪几个市，还是只做本地
  • 计费方式：按什么收，大概什么档位
  • 交付周期：常规多少天
  • 资质与能力：有哪些证，能干哪些活
  • 典型场景：做过哪类项目，写场景类型，不用写客户名字

这些内容不该只装在老板脑子里，也不该只躺在销售的报价单里。它们必须出现在你控制得了的公开页面上，用能被读到的文字写出来。做成图片的不算。

一句话：把自己变成一行能填的表，AI才有办法把你放进表里。

可验：有没有第三个人替你说话

第二点更硬。

你官网写「我们专业、我们靠谱」，AI基本不拿它当证据。理由简单：这是你自己说的。

AI判断一个品牌该不该进候选，很依赖第三方信源能不能对得上。政府网站的公示、行业协会的会员名录、正规媒体的报道、招投标公告、平台上的真实评价，这些东西的分量，远高于你自己写的十篇宣传稿。

这里有个反直觉的点。AI对清一色的好评是有戒心的。如果全网搜下来全是完美评价，一条中性的讨论都找不到，AI反而会怀疑这批内容的真实性。真实的中性评价，比完美人设更扛打。

所以「可验」要做的动作是补齐第三方触点，刷好评没用：

  • 政府侧：工商信息、项目公示、荣誉公示，全称和主营业务对齐
  • 协会侧：有没有正式会员身份，名录里能不能找到你
  • 媒体侧：有没有不带广告标识的正常报道
  • 平台侧：企业主页的简介、经营范围、地址，跟官网是不是一致

一处对不上，AI的判断就打折。处处对不上，AI干脆跳过你。

可稳：测一次不算数，要看出现率

第三点最容易被忽略。

你去测AI，今天有你，明天没有，后天又冒出来。这不叫上榜，这叫随机。

AI的回答本身带随机性，同一个问题问两遍，措辞都可能不一样。所以单次出现说明不了什么，只有一段时间里的出现频率才是信号。

我判断一个品牌在AI里的位置，看的是出现率，不是某一刻的结果。具体怎么测，下一节说。

四、一周自测法：五个问题，连测七天

这套方法你自己就能跑，不用工具，不用花钱。

第一步，定问题。划出五个你客户真正会问的问题。注意是客户问的，不是你想被搜的。

  • 两个「找供应商」型：某地某类服务哪家靠谱
  • 两个「比方案」型：两种做法有什么区别，找谁做
  • 一个「避坑」型：这类服务常见的坑在哪

第二步，定平台。至少测三个：DeepSeek、豆包、Kimi。同一个问题在不同平台给的名字差异很大，你要关心的是自己在几个平台上稳定出现。

第三步，记一张表。每天固定同一时间测一遍，只记四列。

日期 平台 是否出现 位置
9月12日 DeepSeek 是 背景席
9月12日 豆包 是 候选席

第四步，一周后算出现率。三个平台乘以五个问题再乘以七天，一百零五次机会，你中了多少次，这就是你的位置。

判断标准我给你一个参考，自己对：

出现率低于两成，你基本不在AI的视野里，先解决存在性问题。两成到五成，你进了背景席，偶尔摸到候选席，说明信息够，但结构不够。五成以上，你已经是候选席常客，接下来拼的是描述质量：AI提起你的时候，说的是不是你想让它说的那件事。

这张表比任何检测报告都实在，因为它测的是你自己客户会问的话。

五、顺序别搞反：先可比，再可验，最后看可稳

三件事有先后。

可比性排第一，它是入场条件。你连一行能填的表都不是，AI连比较的机会都没有，后面两步全白做。

可验证性排第二，它决定你在候选席里坐哪个位置。同样是三个名字，被第三方信源撑着的那个，更容易被AI放在前面，或者多一句「这家资质相对齐全」。

可稳排第三，它是检验前面两步做没做扎实的仪表盘。可比性和可验证性补齐了，出现率自然往上走；出现率上不去，说明前面某个环节没落到实处。

最常见的顺序错误，是先花钱买曝光，再回头补信息。曝光换来的是背景席，信息结构才是候选席的门槛。顺序反了，钱花了，位置还是没变。

光尘阁观点

被提到是件容易让人上头的事。它给的是即时正反馈：AI认识我。但生意不在认识里，在选择里。

我给企业做诊断时，最常纠正的一个认知是：GEO要的从来不只是让AI知道你。真正的目标是，让AI在客户需要做选择的那一刻，敢把你写进那份只有三个名字的清单。这个差距，靠一次内容投放补不上，只能靠把企业的公开信息整理成AI能比较、能验证、能稳定读到的样子。

风险也得说在前面。市面上有一批所谓GEO服务，干的是替品牌造榜单、造评分、造排名的事。这条路正在变窄。媒体端对没有佐证依据的星级和榜单拒稿越来越普遍，虚假宣传和不正当竞争的边界也越来越清楚。真出事的时候，买单的是品牌方自己。

还有一句实在话。三可模型做完了，你也只是拿到了候选席的资格。客户最终选谁，还是要回到产品、价格和交付。这件事上，GEO替代不了任何东西，它只是让客户有机会看到你。

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年9月