这是什么
两周前我写过灵瞳GEO 的设计与实现,那篇讲的是系统怎么搭。这篇讲的是搭完之后真正难的部分:拿它去优化,然后看着数字掉下来。
监测对象是财精灵(电商财务外包),五个平台:豆包、DeepSeek、Kimi、千问、元宝。每天定时向每个平台问一遍全部监控提问,回答落库,由模型判定「有没有提到本品牌、排第几、是不是首位、什么情感」。
7 月 24 日到 8 月 9 日,我做了两次大的关键词调整:
- 阶段一(7 月 29 日):把拍脑袋写的 13 个话题重构成结构化的行业词,上海作为大本营单列。
- 阶段二(8 月 3 日):把「全国」拆成城市,一次加进 33 个地域话题,先激活 10 个。
结论先放这儿:整体提及率从 30.9% 掉到 17.9%,但这不是效果变差,是分母换了。而拆分之后暴露出来的地域梯队,是这两周里最有价值的东西。
一、起点:13 个拍脑袋的话题
7 月 24 日系统上线时,监控话题是我坐在电脑前直接想出来的 13 个:4 个品牌词(「财精灵是什么公司」这类),9 个行业词(「跨境电商财税外包」「抖店抖音电商财税」「年销千万级电商税务筹划」……)。
其中最大的一个是「上海电商财务外包」,挂了 5 个提问——因为公司在上海,直觉上这是最该赢的词。其余话题基本是 1 到 2 个提问。
这套话题跑了五天,行业词提及率在 10% 到 19% 之间晃。问题不在数字高低,在于它没法指导行动:9 个行业词各自 1 个提问,任何一天的波动都可能只是单条回答的抖动;而且「跨境电商财税外包」和「抖店抖音电商财税」这种切法,既不是用户真实会问的话,也没法回答「我下一篇内容该写什么」。
二、阶段一:上海 + 关键词拓展
7 月 29 日重构。原则是按用户的提问场景分桶,而不是按业务名词分类,一次性写了 30 个提问:
| 话题桶 | 提问数 | 例子 |
|---|---|---|
| 品牌认知类 | 6 | 财精灵财务外包怎么样,靠谱吗? |
| 核心品类与服务商推荐 | 6 | 电商企业应该怎么选择财务外包公司? |
| 平台财税场景 | 7 | 抖店财务怎么做账,有专业代账公司推荐吗? |
| 电商财务痛点 | 6 | 电商公司账上有利润但没有现金怎么办? |
| 高价值客户场景 | 3 | 外资品牌在中国开展电商业务,财务外包怎么选? |
| 上海 | 2 | 上海靠谱的电商代账公司有哪些? |
这一步做对了两件事。
一是「痛点类」提问单独成桶。「多平台订单、退款、佣金和回款对不上怎么办」这种问题,放在 SEO 里转化差,但在 GEO 里价值完全不同:AI 回答这类问题时会去检索并引用具体的解决方案文章,被引用一次就在这个领域里积累一次权威,后面用户问「电商代账推荐」时模型更容易想起你。它是入口,不是垃圾流量。
二是给每个提问打了地域标签。当时只有「全国」和「上海」两个值,看起来多余,但它是阶段二能做下去的前提——如果 7 月 29 日没打这个标,8 月 3 日拆地域时所有历史数据都没法对齐。
效果:到 8 月 3 日,行业词提及率从 10.1% 爬到 15.8%,上海相关提问稳定在 29.5%。
三、阶段二:拆地域,曲线掉了 13 个点
8 月 3 日下午,我一次性加了 33 个地域话题,每个城市三个模板化提问:
X电商财务外包公司推荐
X电商代理记账多少钱一个月?
X做跨境电商的公司财税外包找哪家?受采集配额限制(网页版 RPA 有节流,单轮提问之间要等 4 分钟),先激活 10 个:上海、深圳、广州、东莞、佛山、北京、杭州、宁波、义乌、成都。剩下 23 个地域(广东、汕头、临沂、苏州、青岛……)留在备用池里,提问已经写好但没开采集。
第二天,曲线掉了下来。
| 日期 | 整体提及率 | 行业词提及率 |
|---|---|---|
| 08-03(拆分前最后一天) | 30.9% | 15.8% |
| 08-04 | 17.9% | 2.1% |
| 08-05 | 17.7% | 4.1% |
| 08-06 | 18.4% | 3.5% |
| 08-07 | 20.6% | 5.5% |
| 08-08 | 21.2% | 6.4% |
| 08-09 | 25.3% | 10.3% |
行业词从 15.8% 掉到 2.1%,砍掉了七分之六。如果只看这条曲线,结论是「这次优化搞砸了」。
但真实情况是:8 月 3 日之前问的是「国内专业的电商财务外包服务商有哪些」,8 月 4 日之后问的是「成都电商财务外包公司推荐」。后者在成都没有任何内容资产,AI 不提是应该的。分母从 120 条涨到 144 条,新增的全是难题,老题目一条没变差。
这就是我在看板上专门做「口径变更标记」的原因。掉下去这件事本身不重要,重要的是三个月后回头看,还能一眼看出那次下折是换了话题而不是效果崩了。没有这条竖线,任何跨越话题调整的趋势图都是在骗自己。
四、真正的收获:地域梯队
拆分的价值不在提升数字,在于它把「全国」这个笼统的概念解析成了一张可执行的地图。8 月 4 日至今,按地域拆开的提及率:
| 地域 | 样本 | 提及率 | 首位次数 |
|---|---|---|---|
| 上海 | 64 | 39.1% | 8 |
| 深圳 | 96 | 10.4% | 5 |
| 北京 | 95 | 3.2% | 2 |
| 广州 | 96 | 3.1% | 1 |
| 杭州 | 96 | 3.1% | 2 |
| 宁波 | 96 | 3.1% | 1 |
| 义乌 | 96 | 2.1% | 1 |
| 东莞 | 96 | 1.0% | 1 |
| 成都 | 96 | 0.0% | 0 |
| 佛山 | 95 | 0.0% | 0 |
两个发现。
第一,上海一路在涨。把上海的历史按两次调整切成三段:
| 区间 | 样本 | 提及率 |
|---|---|---|
| 老提问(07-25 ~ 07-29) | 122 | 27.0% |
| 阶段一改写后(07-30 ~ 08-03) | 50 | 34.0% |
| 阶段二拆地域后(08-04 ~ ) | 64 | 39.1% |
同一个品牌、同一批平台,只是把提问从「上海电商财务外包」这种半吊子话题名,换成了「上海电商财务外包公司推荐」「上海靠谱的电商代账公司有哪些?」这种用户真会打出来的句子,提及率就从 27% 抬到 34%,之后继续爬到 39%。提问写得像不像人话,本身就是一个变量——而且是成本最低的那个变量,改几行文本就行,不用发一篇内容。
第二,梯队断层极陡。上海 39.1%,第二名深圳 10.4%,第三名开始全部掉到 3% 以下,两个城市是干净的 0。这不是渐变,是断崖。它说明品牌在 AI 认知里的覆盖范围比想象的窄得多——在上海是「能被想起来的服务商」,出了上海基本不存在。
五、广东没有「整体」
激活的 10 个城市里有 4 个在广东:深圳、广州、东莞、佛山。我原本的假设是它们会一起动——同一个省、同一批产业带、跨境电商密度接近,内容和口碑应该有外溢。
实际结果:
| 广东城市 | 提及率 |
|---|---|
| 深圳 | 10.4% |
| 广州 | 3.1% |
| 东莞 | 1.0% |
| 佛山 | 0.0% |
深圳单独立住了,广州只有零星命中,东莞一次,佛山全空。AI 的地域认知不是按省聚合的。深圳的成绩传导不到一百公里外的东莞,「广东」在模型眼里不是一个可以整体拿下的单位,而是一堆各自独立的城市槽位。
这条结论直接改掉了我原来的计划。我本来打算下一轮把备用池里的「广东」「汕头」一起放出来,按省铺开;现在看这是浪费配额——正确的做法是先把深圳打穿,验证上海那套打法能不能迁移,再谈第三个城市。
六、平台之间的差异比地域还大
同一批提问,五个平台的反应完全不同。下面这张表只统计行业词(品牌词会把所有平台的数字都抬到 90% 以上,混进来就什么都看不出来了):
| 平台 | 阶段一 | 阶段二 | 变化 |
|---|---|---|---|
| 千问 | 27.9% | 3.5% | −24.4 |
| 豆包 | 12.0% | 5.2% | −6.8 |
| Kimi | 14.6% | 14.5% | −0.1 |
| 元宝 | 3.8% | 5.2% | +1.4 |
| DeepSeek | 0.0% | 0.0% | 0 |
三件事值得说。
千问塌了。27.9% → 3.5%,一次掉掉 24 个点,是五家里对地域词最敏感的。阶段一那 27.9% 几乎全部来自宽泛的全国词,一旦问题带上城市名,它立刻找不到财精灵。
Kimi 几乎没动。14.6% → 14.5%,在分母整体变难的情况下守住了原来的水位——这是五家里唯一称得上「稳」的。回到上面那张热力矩阵,深圳、杭州、北京、宁波、东莞这几个城市零星的命中,基本都出自 Kimi 那一列。
DeepSeek 是一个干净的零。两个阶段合计 410 次行业词采样,一次都没有提到过财精灵。不是掉下来的,是从来没有过。热力矩阵里 DeepSeek 整列「未提及」不是渲染问题,是真实情况。
这意味着「提升 GEO 效果」这句话本身就太粗了。同样一篇内容,能不能进豆包的检索池、能不能被 Kimi 的 Agentic Search 选中、能不能穿透 DeepSeek,是三件不同的事,得分开归因、分开投入。
七、现在的水位
需要说明一句:第一篇文章里截图显示的是提及率 13.5%、SOV 3.3%、健康度 38,现在是 6.6%、1.2%、32。这两个数字不能直接比。那时是 14 个话题、大部分是相对好赢的宽泛词,现在是 37 个行业词话题、其中 29 个是刚开采集的地域硬骨头。口径变了,数字自然变。这也是为什么我在看板上把「品牌词」和「行业词」永远分开算——阶段二至今,品牌词提及率 91.2%,行业词 5.4%(阶段一是 11.7%),混在一起算出来的任何「综合提及率」,测的其实只是品牌词在题库里占多大比例。
竞品视角相对客观一些:窗口内 AI 提到过 2294 个其它品牌,总计 5579 次。财精灵排第 3(69 次提及、7% 提及率、3% 首位率),前面是快商科技(131 次)和慧算账(107 次)——这两家都是全国性的财税 SaaS,不是同量级的对手,但在 AI 的回答里它们就是默认答案。
八、几条能复用的经验
1. 换关键词口径时,必须在趋势图上打标记。指标断层是常态,没有标记的曲线在三个月后就是一团无法解释的噪声。这是我唯一后悔没有更早做的功能。
2. 换话题用「停用」,不要用「删除」。删除会级联清掉提问,历史记录的外键被置空,数据还在库里但永远显示不出来。停用则是:从此不再采集,已采到的历史照常进聚合、照常显示。这个坑我踩过,修了三轮。
3. 提问要写成用户真会打的句子。上海从 29.5% 涨到 39.1%,主要贡献不是内容变好了,是提问写对了。「上海电商财务外包」是关键词,「上海靠谱的电商代账公司有哪些?」才是提问。
4. 品牌词和行业词永远分开算。91.2% 和 5.4% 放在一个池子里平均,得到的数字既不能反映品牌认知,也不能反映行业渗透。
5. 地域是独立槽位,不是层级。不要假设省会能带动地级市,也不要假设一线经验能平移到产业带城市。每个城市都得单独验证。
下一步
备用池里还躺着 23 个地域没激活,不是不想开,是采集配额不够——35 个提问 × 5 个平台,网页版 RPA 单题之间要节流 4 分钟,一轮跑满就是两个多小时。所以下一阶段不会继续铺量:
- 先集中内容打深圳,验证上海那套打法是否可迁移;
- DeepSeek 整列未提及的问题单独归因,它和其余四家的检索机制显然不是一回事;
- 把「行业词提及率」定为唯一主指标,整体提及率只做参考。
两周、16 天数据、1958 次行业词采样,得到的最实在的一句话是:GEO 不是一个可以「整体优化」的东西,它是一个个城市、一个个平台、一个个提问,分别打下来的。