GEO 视频课 · 六讲

AI 是怎么决定「推荐谁」的？AI 回答问题前会从全网收集信息并交叉验证，偏好三类信号：可信来源（知乎、行业媒体、百科、官方内容）、一致信号（多平台的品牌名、业务、案例说法一致）、具体证据（数据、案例、客户评价等可引用的细节）。被反复验证的实体才会进入推荐名单。所以 GEO 的本质是：把你的品牌，以 AI 喜欢的方式，铺满它信任的信息源。

• AI 推荐链路：可信来源 → 一致信号 → 具体证据 → 进入推荐名单
• 三个可引用性技巧：用数据说话、写成「答案体」、保持品牌一致性
• 为什么窗口期是现在：AI 只推荐一小撮品牌，同行还没做，先做先卡位

照抄就能用的诊断方法：把问题分成四类——品类词（「本地有哪些靠谱的 XX 公司」）、品牌词（「XX 公司怎么样，服务过哪些客户」）、对比词（「自建还是找服务商」）、长尾词（预算、周期类具体问题），凑成 20 个问题去问主流 AI，逐条记录。问题必须像你的客户真实会说的话，越口语越好。

• 问题清单四类：品类词 / 品牌词 / 对比词 / 长尾词，一次写完存进表格
• 五步从诊断到行动：找差距 → 找缺口 → 排优先级 → 按上讲方法执行
• 诊断不是终点，是作战地图：先补提及率最高的缺口，时间花在刀刃上

以引潮官网 www.eyinchao.com 为真实案例，演示一次全站 GEO 体检：结构化数据「全家桶」长什么样——全站 Organization + LocalBusiness（公司实体档案）、首页 OfferCatalog + Service（机器可读服务目录）、文章页 Article / FAQPage / BreadcrumbList。并给出引潮官网的 30 天修复计划。

• 结构化数据五件套：Organization / OfferCatalog / Article / FAQPage / BreadcrumbList
• 30 天计划：第 1 周修完三个小问题，第 2-4 周内容加密度，同步启动站外他证
• 每月用评分表复测 AI 可见度，盯着提及率、位置、情感滚动优化

外部信源怎么铺？四层平台矩阵，一层都不能缺：知识层（百科 + 知乎，AI 引用频率最高）、内容层（公众号 + 百家号，官方口径的自有阵地）、口碑层（地图 + 评价 + 案例，客户决策的最后一公里）、媒体层（行业媒体 + 地方媒体，第三方权威背书）。矩阵最大的失败原因不是没铺，而是说法不一。

• 四层矩阵：知识层 / 内容层 / 口碑层 / 媒体层，缺一层断一层信号
• 一致性铁律：一张「品牌口径表」管住名称、简介、联系、数据四件事
• 本地商家即 NAP 一致性：电话、地址、官网链接全平台一致

手把手实操：给官网首页加一段 FAQPage 的 JSON-LD 结构化数据。三步完成——① 把客户常问的问题和标准答案填进模板；② 粘贴到页面 </body> 前；③ 用 Google 富媒体测试工具验证无报错。做完这一步，AI 抓取你的首页时就能直接带走这段问答。

• FAQPage JSON-LD 三步部署法，零开发基础也能照做
• 部署后必须验证：Google Rich Results Test 无报错才算生效
• 配合「答案体」文案，AI 抓取即可直接引用

GEO 不是一次性项目，而是内容飞轮。每月固定节奏：新——按 20 问清单写 2-4 篇答案体内容，官网 + 知乎 + 公众号 + 百家号一套内容全网同步；翻——旧文季度翻新，数据更新、案例补充、FAQ 追加，翻新一篇的成本远低于新写；引——成功案例反哺，客户问「你们怎么让 AI 推荐你的」，把每次成功引用记录下来，本身就是下一篇内容。

• 每月节奏：新 2-4 篇答案体 + 旧文季度翻新 + 成功案例反哺
• 内容全网同步：官网 + 知乎 + 公众号 + 百家号，一套口径多处分发
• AI 偏爱新信息：翻新旧文的性价比高于新写