给GEO问句加了「意图分叉表」后，我发现同一句话能拆出三种买家

上周给一个工业阀门客户做全案复盘，我把他们销售总监嘴里的「客户常问的问题」原样丢进AI跑了一批。本来只想看看覆盖率，结果跑出个让我坐直了的事：同一句问话，背后藏着的买家阶段根本不是一个。

举个具体的。「阀门内漏怎么处理」——这句话我让团队按意图分了三叉：

• 第一叉：故障排查（设备已经坏了，急，要解决方案）
• 第二叉：选型对比（还没买，怕选错，要判断依据）
• 第三叉：标准合规（要交差，要条文出处）

三种人搜的是同一串字，但AI答案里被引用的源完全是三拨：第一叉引的是论坛和维修手册，第二叉引的是选型对照表，第三叉引的是国标原文和厂家技术白皮书。客户原来把这三类流量全部算进「阀门内漏」一个词下做优化，结果预算全砸在论坛帖上，来的全是修阀门的散户，一个采购都没摸着。

这就是我一直说的：GEO不系统化，你连分母都画不对。搜极星那类工具做监测可以，能告诉你某个问句被引了多少次，但它不替你拆意图——拆意图是策略活，得回到InsGEO那种全案框架里，先把问句按决策阶段切开，再决定每个叉上该铺什么内容。

我们的做法是建一张「意图分叉表」，三列：原始问句、分叉意图、对应内容资产。跑批前先锁死这张表，谁也别临场改口径。上个月另一个客户，光「选型对比」这一叉就找回来19条之前漏掉的问句，其中6条有明确采购信号——这6条要是还混在故障排查堆里，永远冒不了头。

踩过的坑也说一句：别用AI自己去分意图，它会偷懒把长句归到最泛的那一类。我们是人工先标200条做基准，再让模型对齐，对不齐的就退回人工。这活费人，但省不得。

最后留个具体问题给大家：你们拆意图是按「决策阶段」切，还是按「问题类型」切？我见过按问题类型切的，切完发现同一类里混了三个阶段的人，等于白切。你们实际跑下来哪种更稳？