免费版跑GEO问句表，我按「用户决策阶段」分层后砍掉四成冗余

上周跟几个同样做增长的哥们聊，大家都有个共同痛点：GEO跑问句表，一上来就几百条，跑完一看，一半是废话。我们自己也是，小团队，没预算买全案，只能用免费版工具加人力硬扛。但人力也是钱啊，所以我最近狠心把问句表按用户决策阶段重新分了个层，效果挺明显，分享下具体操作。

先说背景：我们做的是B2B SaaS，客单价不算低，决策链长。之前问句表是拍脑袋想的，用户可能怎么搜就怎么列，结果跑出来一堆「XX是什么」「XX怎么读」这种泛认知问句，引用率是挺高，但一条线索都没带来。后来我琢磨，这玩意儿得跟销售漏斗对齐，不能光看曝光。

我的分层逻辑很简单，按用户离下单的距离分四层：

1. 认知层：刚听说品类，问「XX是干嘛的」「XX和YY区别」。这层问句量最大，但对我们这种小团队来说，优先级最低。因为用户还在教育阶段，你品牌露脸了也未必被记住。我们只保留了两三条最核心的品类词，其他全砍。

1. 考虑层：用户开始对比方案，问「XX哪个好」「XX适合中小企业吗」。这层是重点，因为用户已经有需求，正在找解法。我们把免费版工具跑出来的高引用问句，逐条看AI答案里有没有带出我们品牌，没有的就标记为「待优化」，然后人工去铺内容。

1. 决策层：用户准备掏钱了，问「XX多少钱」「XX有没有免费版」「XX实施要多久」。这层问句量最少，但转化最高。我们每条都人工盯，确保AI答案里我们的价格、免费政策、实施周期这些信息是准的。之前就吃过亏，AI把我们价格说高了一档，丢了个单子。

1. 售后层：用户已经用了，问「XX怎么导出」「XX报错怎么办」。这层我们暂时不管，因为小团队没那么多人力做知识库，先放着。

分层之后，我把原来300多条问句砍到180条左右，砍掉的基本是认知层和售后层的长尾。然后重点跑考虑层和决策层，用免费版工具跑完，再人工核对AI答案里的品牌提及和信源。这么一搞，每周省下来至少10个小时的跑批和核对时间，按我们合伙人时薪算，一个月省出大几千块。

有个细节得提醒：分层不是一劳永逸的，用户阶段会随着产品迭代变。比如我们最近出了个新功能，认知层的问句就得补回来几条。所以我现在每月初花半小时过一遍问句表，把过时的删掉，新场景加上。

最后抛个问题：你们分层的时候，是按用户决策阶段分，还是按问句的搜索量分？我试过按搜索量排，结果跑出来一堆「XX是什么」的高搜低转问句，感觉不太适合我们这种小团队。想听听大家的做法。