新消费品牌做GEO，我让客服把用户原话喂给模型，咨询涨了23%

先问一句：你们做GEO的时候，喂给模型的语料是从哪来的？

我们品牌去年Q3开始认真搞GEO，一开始也是走弯路——市场部把官网产品页、详情页、种草文案打包丢给技术，技术洗干净了往知识库里灌。跑了一个月，AI搜索里提到我们的次数确实多了，但来的全是比价党，转化差得离谱。

后来我拉了个表，把AI搜索来源的会话单独拆出来看，发现一个规律：那些真正下单的人，搜索词特别长，而且口语化，比如「夏天油皮用XX会不会闷痘」「XX和XX哪个更适合送妈妈」。这些词，我们官网里一句都没有。

我就干了一件事：把客服后台近半年的用户原话，按场景分好类，脱敏之后直接喂给模型。不是让模型学话术，是让它学用户怎么问问题。

具体做法：

1. 从客服系统导出最近180天的会话记录，只保留用户侧文本（客服回复全删，避免话术污染）
2. 按「皮肤类型+使用场景+决策顾虑」打标签，大概分了27个簇
3. 每个簇挑30条最典型的原话，整理成QA对，答案用我们官方口径重写一遍
4. 把这些QA和产品页一起做结构化，FAQ schema、HowTo schema能上的都上

结果：两个月后，AI搜索带来的咨询量涨了23%，而且转化率比之前翻了将近一倍。最直接的变化是，用户进来第一句话从「你们家XX多少钱」变成了「我看AI说你们家XX适合我这种敏感肌，是真的吗」——这说明模型真的在用我们的语料回答。

踩过的坑也说一下：

• 一开始没脱敏，把用户手机号带进去了，被技术骂了一顿，这个必须注意
• 用户原话里有大量方言和错别字，直接喂进去模型会学歪，我们做了一轮轻清洗，但故意保留了口语感
• 别把竞品对比的话术直接写进语料，AI会识别成攻击性内容，反而降低可信度

我的判断是：GEO这件事，语料质量比技术手段重要得多。你官网写得再漂亮，不如用户一句「我用了三个月，泛红真的少了」管用。

最后问一下：你们做GEO语料的时候，用户原话和官方文案的比例大概是多少？我现在是7:3，想看看有没有更优的配比。

加油，你可以的！