# GEO: 为什么 AI 推荐你的同行而不推荐你?
**作者**: 黄小木
**日期**: 2026-07-12T04:06:46.000Z
**来源**: [https://x.com/ai_xiaomu/status/2076156288178987065](https://x.com/ai_xiaomu/status/2076156288178987065)
---

> 为什么用户问豆包该买什么、去哪家,豆包报的总是你同行的名字?这篇文章会讲清两件事。AI 收到问题后,怎样一步步选出推荐名单;你的内容又该放在哪里、写成什么样,才有机会进入它的答案。
上周我给一家重庆本地酒类连锁做了一轮 DeepSeek 可见度测试。
我们准备了 12 个真实消费问题,每个问题重复测试 3 次,一共拿到 36 份有效回答。
结果很反常。
问「重庆买马爹利、轩尼诗、人头马去哪里」,这个品牌 3 次都出现,3 次都排第一。
问题换成「重庆买威士忌有哪些靠谱渠道」,还是 3 次第一。
可一旦问「重庆商务宴请买酒推荐哪家」「重庆企业团购洋酒找谁」「重庆婚宴用酒在哪里买」,它又连续消失。
三个问题各测 3 次,品牌一次都没出现。
同一个品牌,同一个平台,只是换了一种问法,结果就从稳定第一变成查无此人。
这件事很能说明问题。
AI 知道你的品牌,不等于它会在所有场景下推荐你。
它每次都要根据眼前的问题重新找材料。
你的同行能进入答案,往往不是因为它有某种神秘关系,而是它留下的材料更容易被找到,也更能回答那一个具体问题。
把这件事想明白,GEO 就没有那么黑盒了。
# 第 1 章 三秒钟背后的四个动作
顾客问「有没有适合送长辈的茶」,导购不会立刻背出一个品牌。
她要先听懂送给谁、预算多少,再去货架上找,比较几款,最后组织成一段推荐理由。
开启联网搜索或 AI 搜索后,很多生成式产品也会做类似的事。
可以把它归纳成四个动作。
听懂问题,寻找资料,筛选证据,组织答案。
这是一套方便品牌自查的框架,不代表所有 AI 产品内部都有完全相同的技术流程。
有的产品会使用实时搜索,有的会调用知识库、地图、商品库或模型已有知识,更多时候是混合使用。
# 1.1 听懂问题,一句话会被拆成好几个方向
用户问「广州哪家糖水店适合半夜去」,AI 不一定拿着这句原话搜索。
它可能继续寻找「广州糖水店营业时间」「广州宵夜甜品」「凌晨营业甜品店」「天河深夜外卖」等更具体的信息。
这种做法并不是 GEO 圈刻意编出来的概念。
Google 在介绍 AI Mode 时,公开提到 query fan-out。
系统会把复杂问题拆成若干子问题,同时发起多次搜索,再把结果汇总起来。
OpenAI 对 ChatGPT Search 的说明也提到,用户的问题可能被改写成一个或多个更有针对性的查询,系统看过第一轮结果后,还可能继续搜索。
这对内容有一个直接影响。
同一个主题最好覆盖用户的不同问法。
你不能只写「陈皮家营业时间」,还要把「广州宵夜去哪」「半夜想吃热糖水」「凌晨还能点到什么甜品」这些真实场景说清楚。
这样不管AI 从哪一路搜过来,都有机会遇见你。
# 1.2 寻找资料,每家 AI 的信息偏好并不一样
问题拆开以后,AI 要去找材料。
不同产品能访问的搜索服务、内容生态和公开网页范围不完全相同。
但各家都有自己偏爱的信息源。
比如豆包是字节系,内容来源偏好头条号和抖音,当然也会涉及第三方网页链接中的公开信息,只是权重没那么高。
腾讯对元宝联网搜索的官方介绍则更明确。
它以全网公开资源为基础,同时叠加腾讯内容生态。
腾讯早期的产品说明也提到,元宝联网搜索覆盖公众号等腾讯生态内容和互联网权威信源。
千问的官方联网检索方案强调全网多源信息,阿里云的联网搜索方案还支持夸克搜索。
Kimi 的官方帮助中心则说明,它会从公开网络中检索,并按相关性、权威性和时效性筛选来源。
你会发现,这些产品都不是只有一排固定货架。
它们更像几座会不断调整布局的商场。
如果你的内容完全不在当前系统能检索的范围里,后面的筛选和生成就与你无关。
这也是不少品牌「查无此人」的真正原因。
# 1.3 筛选证据,几十条材料不可能全部进入答案
搜索回来可能有几十条材料,最终答案通常只会采用其中一部分。
这一轮主要看三件事。
内容和问题是否对得上,来源能不能让人放心,信息有没有过期。
你写一篇「广州糖水文化史」,不一定能回答「天河凌晨一点哪里还能吃糖水」。
品牌官网反复说自己专业,也不如授权页、地图信息、真实评价和媒体报道一起出现更有说服力。
前年写的价格和门店数量,如果一直不更新,也很容易输给最近发布的材料。
价格、门店数、服务范围和产品版本这类会变化的信息,最好每隔几个月检查一次。
更新不是为了讨好算法,而是避免 AI 拿着旧资料替你做错误推荐。
前面那家重庆酒类连锁就是一个例子。
它在具体酒类问题里表现很好,因为公开页面能找到品牌经销、门店和产品品类的材料。
到了企业团购和婚宴场景,互联网上缺少开票、配送、退换、起订量和真实交付案例,AI 很难为推荐理由找到支撑。
产品没变,证据覆盖的场景变了,结果就变了。
# 1.4 组织答案,信息要让 AI 拿得走
最后,AI 会把选中的材料整理成一段答案。
这里不妨把它想成一个赶时间的编辑。
结论清楚、数字具体、上下文完整的段落,拿过来就能用。
绕了半天仍然说不清服务对象、条件和结果的内容,即使被搜到,也很难成为推荐理由。
比如「我们支持企业团购」信息太少。
换成「重庆主城区企业团购满 20 箱可分两次配送,可开增值税发票,未开封产品在约定期限内支持退换」,对象、区域、门槛和规则都交代了。
这就是后面会反复提到的「证据块」。
它不追求漂亮,先追求完整、准确、能独立成立。
四个动作里,只要有一处没有你,最终答案里就很难出现你。
# 第 2 章 每家 AI 的货架长什么样
国内做 GEO,平台差异不能忽略。
但这张地图一定要带日期看,因为产品能力和信源范围一直在调整。
下面这张表整理的是截至 2026 年 7 月能够从官方资料确认的范围,再加上实际使用时值得观察的重点。

同一个平台,普通对话、联网搜索、深度研究可能调用不同的能力。
用户是否登录、所在地区、问题措辞和测试时间也会影响结果。
最可靠的做法,还是拿同一批真实问题去测。
我在前面那轮酒类测试里拿到了 266 条引用,覆盖 39 个域名。
出现较多的是 Apple 地图、百度百科和酒类垂直网站。
这个结果只能说明,在 2026 年 7 月 6 日、这组问题和 DeepSeek 快速搜索模式下,地图、百科和垂直站点很重要。
换成教育、软件或医疗行业,来源结构很可能完全不同。
所以,平台策略应该来自「官方边界 + 自己的引用实测」,而不是背一张网上流传的信源表。
# 2.1 这张图怎么用
原文里的三条推论还可以保留,但需要说得更严谨。
同一个核心事实,需要出现在不止一个有效入口。
公众号适合放完整解释,抖音和小红书更适合把场景做得直观,官网承担稳定的官方事实。
这里不是让你把同一篇文章复制十遍,而是让同一件事在不同场景下都说得清楚。
先服务你的目标用户常用的平台。
本地生活的年轻消费者经常在抖音和小红书做决策,可以先做短视频和图文。
B 端采购、教育和专业服务需要更长的解释,官网、公众号和知乎更合适。
资源有限时,平均铺开通常坚持不了多久。
海外市场更依赖开放网页和官网。
ChatGPT Search、Google AI Mode 和 Perplexity 等产品会从开放网络寻找来源。 一个能被抓取、内容扎实、事实及时更新的独立站,价值会比国内平台运营中更高。
# 第 3 章 先想清楚铺哪几个平台
多个平台一起做当然好,大多数团队却没有这个人手。
我更建议从两个问题开始。
你的客户平时在哪类入口里做决定?你的生意又更依赖解释,还是更依赖体验?
需要解释复杂方案的业务,比如 B2B、教育、软件和专业服务,适合用官网或公众号承接完整内容,再用知乎补充决策型问答。
餐饮、美妆、旅游和本地生活更靠「别人去过之后怎么说」,小红书和抖音通常更接近真实消费场景。
起步时选一主一辅就够了。
主平台稳定更新,辅平台负责改编和补充。
跑一个月后,拿 AI 的实际引用来源回来校正,而不是一开始就凭感觉做全平台矩阵。
# 第 4 章 公众号,元宝和中文内容生态里的重要资产
公众号适合放需要完整解释的内容。
元宝明确覆盖公众号等腾讯生态内容,其他能够访问公开网页的 AI 产品也可能检索到被公开收录的公众号页面。
最值得写的仍然是三类内容。
直接回答一个具体问题的文章,带数据和条件的评测对比,以及能解释变化原因的行业文章。
品牌最好还有一份稳定的官方档案。
用一段话讲清楚自己是谁、服务谁、在哪些地方经营、有哪些可以核验的数字。
官网、公众号菜单和置顶内容保持同一口径。
写法上保留原文的三条建议。
1. 标题尽量接近用户会问 AI 的原话。「广州半夜还能吃到热糖水的店有哪些」比「一碗糖水里的匠心」更容易接住具体问题。
2. 开头尽早给答案。读者没耐心等到第八段,AI 摘取信息时也一样。
3. 文末写清作者和身份。让读者知道是谁在提供信息,也方便系统理解内容来源。
更新频率不用迷信某个数字。
每周能稳定写一篇有用的内容,比一个月批量发十篇空话更可靠。
# 第 5 章 小红书,站内真实经验正在变成 AI 的材料
小红书最有价值的地方,不只是种草,而是积累了大量带场景的真人经验。
截至 2026 年 7 月,小红书的「问一问」仍在持续迭代。
公开报道显示,它更强调基于站内真实笔记整理答案。
底层模型以后可能会换,但只要产品仍然依赖站内内容,笔记质量就会影响品牌能否被总结进去。
餐饮、旅游、美妆、家电和本地生活尤其适合,因为用户的问题本来就带着大量体验条件。
「好不好吃」太宽了。
「晚上十一点到店还要不要排队」「带老人去有没有靠背座位」「不吃甜的人点什么」才是小红书真正擅长回答的问题。
笔记怎么写,原文的五个动作都保留。
1. 标题写成完整问题,别只写情绪口号。
2. 开头先给结论,正文再补过程和条件。
3. 图片里放真正有用的信息,比如价格、菜单、地址和对比项。
4. 视频加清楚的字幕,前面尽快出现品牌名和核心信息。
5. 认真回复评论区里的追问。很多有价值的场景,都是读者问出来的。
如果你的账号已经开放「问一问」或相关回答入口,还可以主动回答和业务直接相关的问题。
优先找浏览量高、现有回答少、又靠近消费决策的问题。
前面先给结论,后面补条件、图片和真实体验。
这个动作比泛泛发布一篇「品牌介绍」更接近用户正在寻找的答案。
还有一点需要提醒。
「问一问」使用什么模型,和它最终从哪里取材,是两回事。
不要因为看到它接入千问或 DeepSeek,就直接推断它会优先引用阿里或 DeepSeek 的网页库。
内容池、检索系统和生成模型是三个不同维度。
# 第 6 章 抖音,豆包能够直接理解的字节生态入口
豆包会搜索公开网页,抖音也确实是它能够调用的重要内容入口。
特别是在用户绑定抖音账号、问题涉及抖音内容或服务时,豆包官方政策明确提到可能返回抖音相关产品的搜索结果。
这意味着抖音内容不能只拍得好看,还要让机器听得懂、读得出:
1. 口播尽快说出品牌名和核心事实。不要拍了 30 秒环境,始终没有一句完整信息。
2. 加字幕,并检查字幕有没有把品牌名识别错。
3. 文案区写清地址、价格、营业时间和适用场景,不要只堆话题标签。
4. 别忽略图文。对菜单、步骤、对比和清单类内容,图文的信息密度往往更高。
评论区可以置顶一条关键信息,但别把它当成万能入口。
真正重要的事实最好同时出现在视频口播、字幕和正文里。
# 第 7 章 知乎,决策型问题的长期仓库
知乎的问题天然偏对比、判断和经验,很适合承接「哪个好」「适不适合」「有什么坑」这些离决策很近的内容。
它也是公开网页的一部分,具备联网搜索能力的 AI 产品有机会检索到知乎页面。 能不能被采用,仍然取决于具体问题、抓取状态和内容质量,不能简单理解成「发知乎就一定喂给 DeepSeek」。
做法可以很聚焦。
只回答和业务直接相关的问题。
开头给判断,正文放数据、案例和边界,署名说明自己的身份。
涉及自家产品时,主动交代利益关系,别装成路人测评。
一条真正解决问题的长回答,可能几年后仍然有人看到。
它的价值不在追热点,而在长期占住一个决策问题。
# 第 8 章 两周铺货排期,照着真实问题做内容
原稿里的两周排期不需要推倒,只要把「为了发而发」改成「针对证据缺口发」。
下面继续用本地餐饮品牌做演示。
品牌名是虚构的,动作和判断方法可以直接套用。
两周做完,不代表 AI 一定马上推荐你。
这份排期真正的价值,是让你建立第一批可检索的事实和第一份测试基线。
后面按同一批问题复测,才能知道哪些内容被看见、哪些平台值得继续投入。
# 第 9 章 对着四个动作,找出自己输在哪一环
现在把前面的逻辑收回到一张诊断表。

那家重庆酒类连锁测完后,真正需要补的不是「洋酒」这个大词。
它在具体酒类和品牌对比问题里已经有优势。
缺口出现在企业团购、婚宴和商务宴请。
接下来的内容应该围绕开票、配送、起订量、选酒方案、退换规则和真实企业案例展开。
这就是检测的意义。
它让团队少写十篇泛泛的品牌文章,把时间用在那几块真正缺失的证据上。
# 写在最后
AI 推荐同行、不推荐你,通常没有一个单独的原因。
它可能没找到你,也可能找到了却对不上问题。
它也许知道你卖什么,却找不到足够的外部材料证明你值得推荐。
还有一种更可惜的情况,你明明有优势,只是从来没有把它写成一段别人看得懂、AI 拿得走的话。
内容该铺在哪里,不能靠猜。
先看目标用户使用什么平台,再看这个平台实际引用了哪些来源。
公众号、抖音、小红书、知乎和官网各有作用,重要的是它们共同说清同一件真实的事。
同行只是比你早一点,把自己的货摆上了货架。
所以抓紧上架你的产品,别落后太多。
# 参考资料
- Google 对 AI Mode 查询拆解的说明见 Expanding AI Overviews and introducing AI Mode。
- OpenAI 对查询改写和网站检索的说明见 ChatGPT Search。
- 豆包的公开网页搜索与抖音相关搜索结果说明见 豆包用户协议 和 豆包隐私政策。
- 腾讯对元宝信源范围的说明见 联网搜索 API 和 腾讯元宝支持微信搜索。
- 千问联网检索说明见 千问联网检索 Agent,夸克搜索说明见 联网搜索策略。
- 姚金刚 乔向阳《GEO白皮书》
- Kimi 对联网搜索与来源筛选的说明见Kimi Agentic Search 帮助中心
- 小红书「问一问」仍在迭代,相关产品状态参考36 氪报道
黄小木|T11级工程师|内容为codex创作,若有侵权请指出|持续分享 AI 信息、副业赚钱、程序员转型OPC心得|X:@ai_xiaomu
## 相关链接
- [黄小木](https://x.com/ai_xiaomu)
- [@ai_xiaomu](https://x.com/ai_xiaomu)
- [1.7K](https://x.com/ai_xiaomu/status/2076156288178987065/analytics)
- [Expanding AI Overviews and introducing AI Mode](https://blog.google/products-and-platforms/products/search/ai-mode-search/)
- [ChatGPT Search](https://help.openai.com/en/articles/9237897-chatgpt-search)
- [豆包用户协议](https://www.doubao.com/legal/terms)
- [豆包隐私政策](https://www.doubao.com/legal/privacy)
- [千问联网检索 Agent](https://help.aliyun.com/zh/model-studio/web-search-agent-guide)
- [联网搜索策略](https://help.aliyun.com/zh/api-gateway/ai-gateway/user-guide/networked-search/)
- [GEO白皮书](https://yaojingang.feishu.cn/docx/Jv85dXAeZoKJ7exJi4Yc4Edrnhf)
- [Kimi Agentic Search 帮助中心](https://www.kimi.com/zh-sg/help/getting-started/search)
- [36 氪报道](https://www.36kr.com/p/3806114549538823)
- [@ai_xiaomu](https://x.com/@ai_xiaomu)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [12:06 PM · Jul 12, 2026](https://x.com/ai_xiaomu/status/2076156288178987065)
- [1,747 Views](https://x.com/ai_xiaomu/status/2076156288178987065/analytics)
- [View quotes](https://x.com/ai_xiaomu/status/2076156288178987065/quotes)
---
*导出时间: 2026/7/12 13:09:31*