你的下一个客户，见你之前已经问过AI了

常有老板拿着GEO服务方案来问我，问得很细：能不能保证AI回答里提到我们，提到几次，排第几个。我说这些都能做，但它答不了你真正该关心的问题：客户对着AI敲下去的那句话，到底是什么。

这句话，现在很少有人认真统计过。

客户的动作变了：从「搜」到「问」

以前一个客户要找你，路径是这样的：打开搜索框，敲两个词，翻一页链接，自己判断哪家靠谱。你的任务是挤到前排，让链接被点到。

现在还多了一条路，走的人越来越多：打开豆包、DeepSeek或者Kimi，直接说一句完整的话。比如「我在钟祥，老家房子要翻新，找哪类公司稳妥，要注意什么」。AI回他一段有结论、有理由、有推荐的答案，他看完就按这个判断去联系。

两条路的差别在这里：搜索给的是一串选项，客户自己筛；AI给的是一份初判，客户几乎不用二次加工就能用。被搜索找到，只说明你有机会被看见。被AI描述得准确，才说明你进了那份备选名单。

这件事最微妙的地方在于，客户不会告诉你他问过AI。你接到电话的时候，只看到一个已经拿定主意的意向客户。

你监测的关键词，不是客户问的问题

多数企业做AI可见度监测，测的还是关键词：品牌名、产品词、地名加行业。数据好看，但和客户的真实决策差着一层。

客户不会这么问。他问的是决策场景：「这个行业找供应商，怎么判断哪家靠谱」「这个加盟生意现在值不值得做」「某某公司口碑怎么样，有没有踩坑的」。

关键词争的是位置，问题争的是答案模板里有没有你。位置能靠铺量堆出来，而答案模板里被写成「本地做得比较久、售后跟得上的一家」，靠的是信息本身对得上。

怎么找这些问题？我建议别找咨询公司，先找自己的客服和销售。他们每天接的那几十通电话，就是最真实的题库，比任何关键词工具都准。挑出二十到三十条最常被问的，逐条去问豆包、DeepSeek、Kimi。

记录的时候别只记「有没有提到我」。要记三件事：提到了没有，被怎么描述的，以及同时提到了谁。第三件事最值钱。AI给出的名单是有结构的，它默认推荐的那几家，就是客户眼里你的直接对手。

真正的变量在第二轮追问

大部分人测完第一轮就收工了，这恰好漏掉了最有信息量的部分。

真实客户不会只问一句。他会接着问「这家靠谱吗」「还有别的选择吗」「大概什么价位」「和我们当地那家比怎么样」。这些追问才是他下单前的最后一道筛子。

把同一批问题连问三轮，你会看到一种情况：第一轮被提到的品牌，第二轮被换掉的不在少数。原因通常是AI在第一次回答里用的是泛化的行业表述，一旦追问到具体维度，比如售后响应、案例细节、经营年限，你的信息接不上，它就会去找信息更完整的另一家。

所以测的时候，每个问题至少追三轮。记录你每一轮的出现情况、被描述的角度、名单位置有没有掉。追三轮还能稳住的品牌，才算真的在AI的答案层里站住了。

测之前先把口径定死：用哪几个模型、哪一批问题、什么时间问的。这三项不写清楚，两次结果没有可比性，也很容易自己骗自己。在光尘阁GEO给客户做AI可见度基线时，我们固定用二十到三十条问题，在三个主流模型上各问三轮，原始回答逐条留档，每月复测一次。口径本身不复杂，难的是坚持每月跑，因为趋势只有靠连续记录才看得出来。行业里有人把GEO的等式写成「SEO加RLO」，RLO指的是租地优化，意思是自有官网之外，你还得去AI信得过的第三方平台上建立存在感。追问之所以掉链子，多半就是这块地没租明白。

比缺席更贵的，是AI答错

很多人把「AI没提我」当成最大的问题。我认为更大的麻烦是AI提了，但说的是错的。

缺席，客户最多不知道你。说错，客户已经知道你，但记住的是一个错的版本，而且他不会来核实。

常见三类错法。第一类是业务描述滞后：公司三年前从贸易转做制造，AI还在按老业务介绍你。第二类是主体名字不一致：营业执照上的全称、门头上挂的简称、地图上的商户名、招投标文件里的旧名，四个名字在AI眼里可能是四家公司。第三类是旧信息当现状：早年的负面、已经关掉的店、已经退出的业务，被当成今天的情况反复引用。

这三类的修正优先级，我的排序是错答高于缺答，缺答高于排名。先把说错的改对，再去补没提到的，最后才谈在名单里排第几。顺序反了，花同样的力气，客户看到的还是一个走样的你。

说点不好听的

第一，AI的回答不是一次定终身。它受账号、地区、模型版本、提问措辞影响，同样的问题今天问和下周问，答案可能不一样。拿一次截图去跟服务商争对错，或者拿一次「被推荐」去汇报成绩，都不太站得住。要看的是同一批问题在一段时间里的稳定分布。

第二，AI只是客户决策链里的一环。老客户复购、渠道关系、线下口碑，这些东西AI替不了，也评价不了。把GEO当成包治百病，最后失望的一定是自己。

还有一层变化值得留意。2026年3月央视315晚会的调查报道曝光过一类操作：花几百到几万块，就能把不存在的东西喂进AI的推荐答案里。报道之后，各大模型明显收紧了口径，宁可少引，也不乱引。副作用是信息底子薄的企业被连带误伤，不是因为它做错了什么，而是可交叉验证的信息太少，模型不敢替你说话。

秒针营销科学院院长谭北平公开讲过，GEO的本质是AI时代的品牌信任建设，跟投毒是两回事。这个判断我认同，它也是这门生意能不能长做的分界线。

第三，也是最容易被忽略的一点：客户问AI时用的措辞，往往带着他自己的处境和焦虑。你按产品说明书去堆内容，永远对不上他那种问法。这也是为什么我一直说，光尘阁GEO做的不是内容产量生意，是把企业真实的业务事实，翻译成AI能读懂、客户能对上的那套说法。

接下来做三件事

第一件，建一张问题清单。三十条左右，来源是销售和客服被问过的原话，不要自己坐在办公室编。这张清单是你后面所有动作的靶子。

第二件，每月固定实测一次。同一批问题、同一批模型、同样的提问口径，把原始回答截图存档，做成一条时间线。三个月之后你会看到趋势，那比任何单次检测都有说服力。

第三件，先修错答，再补内容。打开官网、地图、工商信息、行业平台上的企业介绍，把口径统一到一个版本，业务描述换成今天的事实。这一步几乎不花钱，但它是所有后续动作的地基。

地基不牢，内容铺得越多，AI看到的矛盾就越多，最后它选择沉默。

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年9月