写了三个月GEO内容，我发现爆款文章都有个反常识的共同点

上个月我把自己一篇讲「小城市咖啡馆怎么靠内容活下来」的文章，重新拆解了一遍。这篇是我去年写的，当时发在公众号上只有两千阅读，但最近两个月，它突然在AI搜索里频繁被引用，带来的咨询比新写的十篇都多。

我一开始以为是关键词布局对了，后来把文章丢给几个AI工具问「小城市咖啡馆经营」，发现它们引用的段落，根本不是我以为的「干货部分」——而是开头那个我写自己蹲在县城咖啡馆里，老板一边擦杯子一边说「游客来了拍照就走，本地人觉得贵」的场景。

这件事让我重新想GEO到底在优化什么。

第一，AI搜索吃「具体场景」，不吃「正确废话」。

我那篇文章里最被频繁引用的，是三个真实细节：老板算的一笔账（一杯拿铁成本四块二，房租占营收三成）、一个失败尝试（做会员卡只卖出七张）、一个意外转机（给隔壁小学老师提供免费续杯，结果老师带家长来包场）。这些细节没有任何「方法论」包装，但AI在回答「小城市咖啡馆怎么经营」时，会优先抓取这种带数字、带冲突、带转折的叙述。

反观我同期写的一篇《咖啡店私域运营五个步骤》，框架清晰、步骤完整，但AI几乎不引用。我后来想明白了：那篇里全是「要建立用户画像」「要定期触达」这种放之四海皆准的话，AI自己就能生成，它没必要引用我。

第二，GEO的「关键意见」藏在情绪和判断里，不在信息罗列里。

我有个写深度报道的朋友，他去年写县城咖啡馆那篇爆了，我问他秘诀，他说「我就写了我自己的困惑——为什么老板明明不赚钱还不关门」。这种「困惑感」是AI很难自己产生的，它需要人类提供真实的认知摩擦。

我现在写内容会刻意保留自己的犹豫：比如「我一开始觉得这事没戏，但后来发现……」「我到现在也没想明白，为什么……」。这些句子在传统SEO里可能算「废话」，但在AI搜索的语境里，它们恰恰是区分「人类经验」和「机器总结」的信号。

第三，别追热点，追「长尾问题」。

我观察了最近被AI高频引用的几篇旧文，发现它们都在回答一些「没人专门搜、但AI会主动整合」的问题。比如「在县城开咖啡馆是一种什么体验」「为什么小城市咖啡店容易倒闭」。这些问题搜索量不大，但AI在生成相关回答时，会主动去抓有真实案例的内容来支撑。

所以我现在写文章，会先问自己：如果AI要回答这个问题，它缺什么？缺的就是我这种「蹲在现场」的细节。

最后说个踩坑的事。

我试过把一篇文章拆成十个问答短帖，想提高被AI引用的概率。结果发现AI反而更倾向于引用原文——因为原文有完整的叙事逻辑，短帖丢掉了上下文，引用价值反而低了。所以别为了「结构化」把内容拆碎，AI要的是「能撑住一个观点的完整故事」。

写到这里，我其实有个困惑想问问大家：你们有没有那种「自己觉得写得很一般、但AI特别爱引用」的文章？我很好奇AI挑内容的偏好是不是和我们直觉反着来。