老板要一份 AI 可见度报告。市场部关起门开了半天会，交上来三十个问题：行业里哪家强、这个赛道怎么选、某某公司实力怎么样。数据跑完，一片漂亮，提及率七成往上。月底结算，咨询电话没多一通。

毛病出在那三十个问题上。

你测的问题，客户没问过

说句不太受欢迎的：相当一部分企业的 AI 监测问题集，是坐在办公室里想出来的。写的人脑子里过的是「AI 会怎么评价我们」，不是「客户会怎么问 AI」。这两句话差得很远。

跑过一线的人懂一个朴素的道理：客户在 AI 里问的问题，和他在微信里问销售的问题，本来就是同一个问题。他要找一家做企业培训的机构，先问 AI「钟祥企业培训哪家靠谱」，再发给销售一句「你们做不做制造业班组长培训，大概多少钱」。前后两句话，指向同一笔生意。

真正的问题集得去三个地方捡：销售的微信聊天记录、客服工单、成交客户嘴里那句「你怎么知道我们的」。这些问法带着行业、带着预算、带着「我朋友说」。办公室里写出来的问题干净、对称、体面，可现实里没人这么说话。

毛泽东在《关于领导方法的若干问题》里提过「从群众中来，到群众中去」，讲的是信息保真：真实信息只存在于一线，层级每往上走一层，失真就多一分。监测问题集要是只在管理层内部传着定，测出来的其实是管理层的想象。

秒针营销科学院院长谭北平有一个定性：GEO 不是投毒，是 AI 时代的品牌信任建设工程。他讲的信任支柱里，排在前面的就有准确的用户意图分析。意图这东西自己定义不了，只能从客户自己说过的话里捞。凭想象定义意图，等于闭着眼睛做信任工程。

但原话不能直接倒进去

捡回来就完事？不行。

一线原话是毛坯，噪音很大。有人一句话问三件事，有人带一堆错别字，有人上来先骂两句上个供应商。还有隐私，客户名、项目细节、报价，都不该进报告。

中间必须有一道筛选工序，判据只有一条：这句话，客户会拿去问 AI 吗？会问的留下，不会问的删掉。客户吐槽「你们上次交付太慢」，那是投诉，不是搜索意图，留下只会污染数据。客户问「钟祥有没有做短视频代运营的」，是搜索意图，留下。

筛完再统一问法。原话是口语，AI 收到的是自然语言，把「你们家那什么培训还招人不」整理成「钟祥企业内训机构怎么选」，这一步不改意思，只去掉方言和口头语。

采集动作也没什么玄的。每周从销售微信和客服后台导一次对话，一次一两百条原话，倒进一张共享表格，每条标上来源、日期和归类标签。三个月攒下来，重复出现三次以上的问法会自动浮出来，三十条问题集基本就齐了。这套流程不需要工具，需要的是有人固定去做。光尘阁GEO给客户做监测基线时，问题集是拉着销售负责人一起定的，市场部不能单独交稿。

三十条起步，按三层配

问题集不要多，起步三十条就够用，关键在配比：品类问题十五条、对比问题十条、品牌问题五条。

  • 品类问题：客户还不知道市面上有谁。比如「钟祥做企业培训的机构有哪些」。
  • 对比问题：客户已经在几家之间挑。比如「钟祥的培训机构和武汉的外派讲师哪个划算」。
  • 品牌问题：客户已经听到你的名字，来验货。比如「某某公司怎么样，靠谱吗」。

为什么品牌问题只占五条？因为它最容易得分。客户带着你的名字去问，AI 顺手复述一遍官网介绍，提及率立刻好看。可生意不在那五条里，生意在前面二十五条里，那里客户还没决定找谁。

只测品牌问题，报告就是一场漂亮的自证。这件事上个月单独写过，这里不重复。

更该防的是把提及率做成 KPI

问题集定了，下一个坑在考核上。

一旦把「AI 提及率」写进内容部的月度指标，团队立刻会找到最省事的路子：自己写稿、自己发到能收录的平台、自己引用自己，把提及率刷上去。动作很熟练，方向全错。这条路和黑GEO那一套撞在一起，模型迟早认得出来，最后赔掉的是品牌被引用的资格。

刘润讲过一个区分：降低胆固醇是指标，健康才是目标。指标被拆出来以后，人的注意力天然会被数字吸走，久了就把优化指标当成了实现目标。GEO 这边同理。

所以 KPI 该定在后面那个数上：客户问完 AI，有没有来找你。前面那个数你自己能操控，后面那个不能。

问题集是会过期的

最后一个提醒：问题集不是一次性资产，它会过期。

客户问法跟着市场变。去年没人问「AI 搜索」，今年一堆人问。去年的问题集今年还照着跑，测的是一份历史档案。

做法很简单：每季度更新一次版本，新增的问题记一句为什么加进来，删掉的记一句为什么去掉。半年做一次对照，把销售和客服那边被反复问到的问题拉出来，跟监测问题集比一比，重合度不到一半，就该换一批了。

没有度量就没有优化，这话没错。但度量的第一步不是数字，是问题。问题错了，报表做得再精致，也只是自己问自己答。

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年9月