方法论
构建可持续的 AI 推荐力
精准定位 × 场景占领 × AI 友好内容 × 持续迭代。不是加法，是乘法——任何一项为零，全盘归零。
四大核心要素
四个要素共同决定 AI 是否推荐你
品牌精准定位
找到品牌核心人群与差异化价值
消费场景占领
覆盖消费者从认知到决策的关键提问
AI 友好内容
符合 AI 认知规则的高质量内容
数据驱动迭代
数据驱动优化不断提升推荐率
四要素详解：为什么是乘法不是加法
一项为零，全盘归零——这是方法论的核心约束
品牌精准定位 × —— 定位不清，后面全是浪费
定位是 GEO 的起点。AI 在回答用户问题时，需要从海量信息中判断「该提谁、怎么描述谁」。如果品牌没有把核心人群与差异化价值写成可被 AI 引用的事实，AI 就没有依据推荐你。我们把品牌的「你是谁、卖给谁、凭什么」逐条结构化，形成 AI 可直接引用的定位事实块。
如果定位为零：内容写得再多，AI 也不知道你是谁、为什么推荐你——产出无法被引用。
消费场景占领 × —— 没有场景，内容没有落点
消费者的每个购买决策都由一组提问驱动：从「有什么可选」到「哪个更适合我」再到「值不值得买」。我们按 P.R.I.S.M. 五层决策模型梳理品类内的关键提问，确保品牌在每个岔路口都有答案。占领的不是关键词，是提问场景。
如果场景为零：内容写得再好，也没有对应的消费者提问让它被触发——投入变成库存。
AI 友好内容 × —— 内容不友好，AI 不引用
AI 引用的是「可独立成立的陈述句」，不是营销文案。我们把品牌信息改写成结论前置、可独立引用、符合 AI 认知规则的高质量内容。每条内容都是一份「可以被 AI 直接搬进回答里」的事实块——不堆砌形容词，只写能被验证的东西。
如果内容为零：定位再准、场景再对，AI 也无从引用——巧妇难为无米之炊。
数据驱动迭代 × —— 不迭代，效果不持续
GEO 不是一次投放，是持续运营。我们通过 AI 可见度监测系统，追踪品牌在各主流 AI 平台的推荐率与描述准确度变化。数据告诉我们哪些场景已占领、哪些仍有缺口，下一轮内容铺设据此调整——每一步都有数据支撑。
如果迭代为零：前面的投入会随竞品入场和 AI 模型更新而衰减——不做迭代等于坐吃山空。
P.R.I.S.M. 五层决策模型
四大要素是核心理念。落地到具体行业，消费者的决策逻辑完全不同——买一台冰箱和选一家餐厅，脑子里走的不是同一条路。所以我们为不同行业建了不同的决策模型。
Portal
品类门户层
- 「这个品类是什么？值不值得买？」
- 例：智能马桶和普通马桶有什么区别
- 策略：品类科普、选购指南
品类大词里有你的内容吗？
Relevance
需求关联层
- 「我的具体需求谁能满足？」
- 例：小卫生间用什么智能马桶
- 策略：场景化内容、痛点解决
场景词里你被推荐吗？
Inquiry
验证词层
- 「XX 质量怎么样？靠谱吗？」
- 例：XX 值得买吗
- 策略：第三方评测、质检解读、口碑汇总
AI 怎么评价你的口碑？
Selection
选择博弈层
- 「A 和 B 到底选哪个？」
- 例：箭牌和九牧怎么选
- 策略：竞品对比、差异化锚定
对比时 AI 推你还是竞品？
Moment
成交时刻层
- 「在哪买？多少钱？」
- 例：XX 最低价
- 策略：价格锚定、渠道引导
临门一脚的内容铺好了吗？
T.R.U.S.T. 本地服务决策模型
P.R.I.S.M. 适用于消费品——本地服务的决策逻辑完全不同，需要另一套模型
Trigger
需求唤醒
- 「我需要这个服务吗？」
- 「大概多少钱？」
Range
服务筛选
- 「谁在我附近能做？」
- 「能处理我的情况吗？」
最致命的一层：不在这里出现，后面全白搭
Unpack
服务认知
- 「他们具体怎么做？」
- 「包含什么？流程是什么？」
Signal
信任验证
- 「他们靠谱吗？」
- 「别人怎么说？」
本地服务的胜负手
Take
最终决策
- 「A 和 B 哪个更适合我？」
- 信任 + 便利 + 价格的综合博弈
P.R.I.S.M. 适用于消费品 · T.R.U.S.T. 适用于本地服务——不同行业，不同模型，同一套底层方法
AI 评判维度体系
AI 在推荐品牌时有一套评判标准；按这套标准建知识库，内容才更容易被引用
什么是 AI 评判维度？
AI 在推荐品牌时，不是随机的——它在按照一套评判标准打分。比如家电品类，AI 关心的是能效等级、核心技术、安全认证；餐饮品类，AI 关心的是距离、口碑、菜品特色。我们会在千问、豆包等平台上做实测，提取 AI 在特定品类中实际使用的评判标准，确保你的知识库填的不是品牌自说自话，而是 AI 真正关心的信息维度。
品类级而非品牌级
家电品类的 AI 评判维度和本地餐饮品类的完全不同。我们为每个品类独立提取一套评判标准——这保证了内容策略的精准性，不是一套模板套所有行业。
基于信源分析的策略
不是「到处发内容」，是「该发哪就发哪」
大多数 GEO 服务只告诉你「内容不够」。
我们告诉你：缺口在哪个平台、AI 实际引用的是哪些信源、补充哪个平台影响最大。
信源分析：四个维度
我们分析四个维度：①你的品牌信息缺口在哪个平台（官网/电商/社交媒体/点评）；② AI 引用了哪些信源回答你品类的提问；③ 补充哪个平台的内容对推荐率影响最大；④ 按优先级排序的行动清单。内容策略依据 AI 的实际引用行为，而不是凭感觉。
为什么这很重要？
每个 AI 平台有自己的「娘家信源」——豆包偏头条和抖音，元宝偏微信公众号，千问偏门户网页文本。同样一篇内容，发对平台和发错平台，被 AI 引用的概率天差地别。信源分析让投放从经验驱动变成数据驱动。
品牌知识库是怎么建的
知道了 AI 的评判标准和信源偏好，就可以有针对性地搭建品牌知识库——这是所有 GEO 动作的地基
品牌层知识库
「你是谁」的结构化
- ✓品牌定位与差异化价值
- ✓核心人群画像
- ✓企业资质与背书
- ✓竞争边界（是什么、不是什么）
产品层知识库
「你卖什么」的结构化
- ✓SKU 级参数（材质/工艺/规格）
- ✓适用场景与使用禁忌
- ✓价格与促销政策
- ✓用户常见问题与答案
什么是「事实围栏」？
事实围栏是我们对品牌知识库的质量要求：每条进入知识库的事实都必须有来源——品牌方确认、公开报告或可核验材料；查不到来源的信息不写。宁可少一条，不可错一条。这样 AI 从知识库里引用的每一句话，都能找到出处。
知识库建好之后怎么用？
知识库是所有 GEO 动作的地基：内容创作时从中抽取事实块，监测时对照定位验证一致性，迭代时基于数据反馈更新。知识库不是一次性交付物，而是随服务持续更新的活资产。
从签约到第一篇稿：端到端流程
从签约到第一篇稿，九个阶段，每一步都有明确交付物
签约与启动
- 确认品牌范围与目标
- 分配专属团队
- 交付：项目章程
品牌知识库盘点
- 收集现有素材
- 识别信息缺口
- 交付：盘点报告
意图挖掘
- 品类高频提问清单
- 按 P.R.I.S.M. 分层
- 交付：意图地图
AI 可见度诊断
- 真实提问跑一轮
- 原始回答不美化
- 交付：诊断报告
知识库结构化
- 品牌层+产品层建库
- 事实围栏校验
- 交付：品牌知识库
AI 档案创建
- 生成品牌 AI 档案
- 权威信源注入
- 交付：AI 档案
内容规划
- 按意图地图排优先级
- 月度创作排期
- 交付：内容规划表
第一篇稿产出
- AI 辅助+人工审核
- 发布前事实校验
- 交付：首篇结构化内容
进入运营期
- 持续内容产出
- 推荐率监测
- 月度复盘与迭代
用你的品牌
跑一遍这套方法论
免费 AI 可见度诊断：真实提问、原始回答、不做美化