海外跑GEO用问句聚类定优先级，国内还在按关键词堆量，这步差得有点远

上周跟国内一个做家电的客户开周会，他们GEO团队给我看问句表，三千多条，按关键词长度排的序，我当场就问了一句：你们这个排序的insight是什么？对方愣住。

这个case很有代表性。我在纽约那边跑GEO的时候，第一步从来不是铺量，是先做问句聚类——把语义相近的问句归到一个cluster里，再看每个cluster的检索意图和商业价值。比如「XX牌冰箱怎么样」和「XX冰箱值得买吗」在关键词层面是两个词，但在AI搜索的答案空间里基本是同一个意图簇，你铺两条就是浪费一条。国内现在很多团队还在用SEO那套词频思维做GEO，问句表越铺越长，答案覆盖却没变宽。

具体操作上我一般这么干：

1. 先拿200-300条种子问句，用embedding做语义聚类，簇的数量控制在15-20个，太多没法排优先级。
2. 每个簇标三个字段：检索意图（信息型/比较型/交易型）、品牌提及必要性（高/中/低）、当前AI答案的缺口程度。
3. 按「缺口程度 × 品牌必要性」排优先级，而不是按搜索量。搜索量是SEO时代的指标，GEO里AI答案的缺口才是你真正能抢的位置。

我拿这个方法给客户重新排了一遍，三千条压到19个簇，其中真正值得优先攻的只有6个。他们团队之前两个月铺的1200条问句，有七成落在同一个簇里，等于白跑。

这里有个容易被忽略的点：聚类之后一定要把每个簇的「代表性问句」原文锁死，后面所有跑批、验收、归因都基于这19条原文，而不是三千条变体。不然你分母一直在飘，效果根本没法比。

国内GEO要加快步伐，我觉得最该加速的不是产能，是这个前置的聚类定优先级环节。国外这套已经跑得很成熟了，国内很多团队还在用关键词思维硬套，effort花了不少，方向是偏的。

想问问大家：你们现在做问句表，是先聚类再排优先级，还是直接按关键词铺量？聚类的话簇的数量一般控制在多少？