写了八年深度稿，我发现GEO真正的门槛根本不是技术，是选题

最近社区里聊GEO的帖子我基本都看了，大家都在讲结构化、讲Schema、讲怎么让AI爬虫多抓几次。说实话这些我都试过，但真正让我在AI搜索里被引用的，反而是两篇我压根没做任何"优化"的旧文。

先说那两篇是什么。一篇是去年写的《为什么小城市开咖啡馆十有九亏》，我跑了六个县级市，采访了11个店主，把房租、人流、外卖占比、复购率这些数字全列出来了。另一篇是《我花三个月测了17款降噪耳机，只有两款值得买》，一堆对比表格和场景描述。这两篇我都没想过GEO，纯靠自己觉得值得写才写的。

结果今年年初，有读者截图告诉我，他在AI里问"县城开咖啡馆要注意什么"，AI的回答里大段引用了我那篇文章的房租数据。还有个朋友说问"通勤降噪耳机推荐"，AI列的前三个里有我那篇。

我复盘了很久，想明白几件事。

第一，AI搜索不傻，它是在找"能被验证的具体信息"。我那篇咖啡馆文章里有"XX县中心地段30平月租4800"这种颗粒度，AI抓过去就能直接答用户。反过来我看很多所谓的GEO教程教你把产品页写成"XX行业领先的解决方案提供商"，这种话AI引用了也没法回答任何问题。

第二，结构是给内容服务的，不是内容给结构服务。我后来试着按教程加H2、加FAQ、加Schema，效果是有，但前提是内容本身得站得住。我拿一篇写得很水的老文去加结构化标签，加完还是没人引。

第三，最反直觉的一点——AI好像更认"有立场"的内容。我那篇耳机文章明确说了"这两款之外别买"，AI反而更愿意引用，因为用户要的就是判断。那种"各有优劣，看个人需求"的和稀泥写法，AI引用起来没劲。

现在我写东西的流程基本变成：先问自己这个话题能不能给出别人给不了的具体信息，如果能，就花时间把数据、案例、对比做扎实；如果不能，宁可不写。结构化那一步放在最后,顺手加一下就行,不纠结。

所以我的判断是,GEO这波真正的门槛在选题和采访深度上,不在技术层。技术层的东西三个月就能学会,但"愿不愿意为了一篇文章跑六个县城"这件事,很多人过不去。

想问问大家,你们有没有哪篇内容是被AI引用之后才发现"原来这种写法有用"的?当时那篇是怎么写出来的?