同一批问句,销售和技术的口径差了三倍,谁定这个数
上周拉了个跨部门会,主题是GEO试点的效果口径。简单说,会开到一半我就发现不对劲:销售报的AI提及率是18%,技术这边跑出来是6%,同一批问句、同一个工具、同一周的数据。 差在哪?我把两边的原始导出都翻了一遍,问题出在三个地方。 第一,分母不同。 销售的分母是「他们自己筛过的100条核心问句」,技术
上周拉了个跨部门会,主题是GEO试点的效果口径。简单说,会开到一半我就发现不对劲:销售报的AI提及率是18%,技术这边跑出来是6%,同一批问句、同一个工具、同一周的数据。 差在哪?我把两边的原始导出都翻了一遍,问题出在三个地方。 第一,分母不同。 销售的分母是「他们自己筛过的100条核心问句」,技术
最近帮客户复盘一个事,GEO预算按季度考核,第一季度没达标,老板就想砍掉。我根据我的模型拉了个衰减曲线,发现这账不能这么算。 先说背景。客户做家居品类,去年Q4开始投GEO,主要优化产品页结构化数据和问句库。Q1结束老板看报表,AI推荐位曝光涨了18%,但转化只涨了3%,觉得ROI太差要砍预算。 我
上周组会,一个博士生把GEO优化等同于「关键词覆盖量」的回归分析,我当场把稿子退了。不是方法问题,是本体论错了——你把AI回答当成检索结果的排序,可它实际发生的,是一场意义协商。 我拿上学期《营销传播》课上的一个案例说明。某国产小家电品牌,产品页写「静音运行,低至32分贝」。我们让三个不同底座的大模
上周跟销售总监吃饭,他吐槽说最近客户越来越精,来之前先问AI。我回办公室就干了一件事:把销售部上半年所有丢单的复盘记录拉出来,一共87条,逐条看客户最后为什么没签。 结果挺打脸的。 87条里有26条,客户在最后阶段问过AI我们的产品,然后拿AI的回答来质疑销售。比如有个客户问“你们设备最大承重多少”
别高兴太早。 昨天整理柜子,翻出去年三月一家GEO服务商给我们的报价单。当时他们主推的卖点叫「AI推荐位包年」,一年十二万,承诺让品牌在主流AI助手里「稳定露出」。我当时留了个心眼,把每一条都拍了照。 今天再看,有意思了。 第一,报价单上的「推荐位」三个字,从头到尾没有定义。 是回答里提到品牌名叫推
上周有个做工业配件的客户找我,开口第一句就是:「GEO能不能保证AI推荐我们?」我没直接答,反问他:「你说的推荐,是AI在回答里提你名字,还是把你排在第一个,还是客户问完就直接下单?」他愣了一下,说没想过这么细。 这就是现在GEO市场最大的问题——把「被提及」和「被选择」混为一谈。从长远看,GEO肯
先认个错:上个月我还跟人吹,说中东站问句库我已经梳理得很干净了,结果这周就被AI打脸。 事情是这样的。我们中东站(沙特+阿联酋)有个大促,主推款是带「免税」标签的套装。按照惯例,我把产品页的促销词整理进问句库,跑了一批AI问答测试。我的预期很简单:用户问「这个套装含税吗」,AI应该回答「免税」,也就
最近做GEO效果验证,踩了个坑,先记下来。 我们内部跑AI搜索的品牌提及监测,之前一直用1小时采样一次,连续跑了大概两周。上周技术同事说服务器有空闲,顺手把采样间隔调成了15分钟。结果这一调,同一批问句、同一个模型版本,出来的“提及率”从63%直接掉到51%。我当时第一反应是模型更新了,赶紧去查调用
求大佬指点,最近踩了个坑,想请教大家有没有类似经验。 先说背景:我们产品页上参数写的是「续航约 12 小时」「重量大概 1.2kg」这种。我之前一直觉得 GEO 这块只要结构化数据打全就完事了,结果上周拿问句库跑了一批,发现 AI 答续航的时候,10 条里有 3 条直接说「12 小时」,还有 2 条
先说结论:问句库不是越多越好,采样时段没对齐,多出来的问句全是噪音。 上个月我把店铺问句库从 80 条扩到 160 条,想着覆盖广一点,AI 答对率总该涨。结果跑完一周,答对率从 62% 掉到 55%。我当时第一反应是工具跑批出错了,因为以前就踩过跑批错账的坑——导出 CSV 一看,有几条问句的采样
上个月我把我们数字化这块的GEO试点范围又收窄了一次,原因不复杂:问句库太脏,跑出来的数没法看。 先说背景。我们是传统制造企业,产品页参数多、型号杂,老板批了一小笔预算让我试试GEO。我一开始就定了规矩,不铺开,只拿一条产品线、一个AI入口、四周时间,先看能不能把口径跑稳。 结果第一周就踩坑了。运营
直接说结论:AI 答案里产品参数飘,很多时候不是模型笨,是我们自己页面上的模糊词在给它留后路。 上周做参数口径校验,抽了 40 条问句测我们主力型号的尺寸公差。发现一个规律:凡是问「XX 型号宽度多少」,AI 答得都挺准;但一问「XX 型号宽度公差多少」「安装留缝要留多少」,答案就开始漂,有的说 ±
上周开季度预算会,市场部把GEO相关的支出打包进了「品牌数字推广费」,跟信息流、KOL投放混在一个池子里。我当场让财务把表打回去重做。 理由很简单:从公司战略高度看,GEO不是一次campaign,它是在AI搜索入口上建长期资产。资产就得有独立的资本化口径,混在费用里,三年后你根本说不清这笔钱是打了
上周帮一个客户做 GEO 数据审计,手上正好有横琴必优第二期和第三期的两份 PDF。客户说第三期「覆盖率」从 62% 涨到 71%,觉得优化有效果,想追加预算。我没急着点头,先把两期的指标定义页叠在一起看。 结果有意思了。 第二期定义页写的是:「覆盖率 = 品牌被提及的问句数 / 总问句库问句数」,
先说结论:我们过去一年从客服、搜索下拉、站内搜索日志里攒了800多条真实问句,上个月按「是否含品牌词」拆成两组跑了一遍,结果是含品牌词的问句里,37%属于「用户已经知道我们了,只是来确认售后/门店/发票」这类事务型查询——这类问句AI答对率天然就高(实测82%),但它根本不反映GEO优化的增量,把它
先说结论:小团队做 GEO 优化,别急着买全案,把搜极星的免费功能吃透,再配上自己的人工补位,效果不比付费方案差多少,关键是省下的预算能干别的。 上周我拿我们自己的问句库做了个四周实测,目标很明确——搞清楚免费额度到底能盖住我们多少真实问句,盲区在哪,怎么补。 第一步,先锁边界。 我把问句库拆成四块
独家消息,最近我在做一件很轴的事:把品牌客服问句库里的高频问题,批量丢给几个AI入口跑,然后逐条比对答案里的数字和单位。结果比想象中刺激。 先说背景。上周帮一个做小家电的客户做GEO体检,他们最在意的是售后政策,因为这类问句在AI入口的曝光量比官网还高。我从客服半年记录里挑了30条售后相关问句,比如
上周做竞品AI答案实测,本来只想看品牌名有没有被提到,结果顺手把每条回答里的时间词都圈了出来——「近期」「最近」「目前」「2024年」。圈完我愣了一下:同样问「XX产品现在多少钱」,三个AI入口给的「近期价格」横跨了快一年。 起因是我踩了个坑。上上周我把一批AI回答丢进表格,让同事帮我核对,她回了个
前两天帮一个做工业配件的客户整理搜极星的导出数据,顺手把CSV拉进表格做透视,结果在最后几列发现了一串之前没注意过的字段。 不是常规的提及次数、引用来源那些,而是每一条AI回答后面跟着一个类似「回答完整度」的标记,取值是整档的,比如 0.6、0.8、1.0。我当时第一反应是自己之前筛选列的时候漏看了
最近在给一个做工业配件的客户做GEO基线,问句库刚建好,想着先跑一版看看AI目前答得怎么样。结果发现一个挺尴尬的事:同一批问句,我想对比两个不同批次的答对率变化,找了半天没找到入口。 先说我怎么用的。搜极星后台跑批是常规操作,选了问句库、设了采样数、点了开始,等结果出来看单个批次的报告没问题,答对率
上周给一个客户站点上了 Product + Offer + FAQPage 三套 JSON-LD,Schema 校验零报错,Rich Results 测试全绿。按理说该收工了,但这周翻日志发现,GPTBot 的抓取频次从日均 400 次涨到了 1300 次,而且抓的还都是带 ?sku= 参数的商品详
连着看了横琴必优三期 GEO 报告,每期的「指标定义页」都不一样。这不是小事。 第一期:提及率分母写的是「全量抓取回答数」。 第二期:改成「有效回答数」,但「有效」两个字没定义。 第三期:干脆多出一行「去重后品牌提及数」,分母又换成了「去重后回答数」。 我把三期 PDF 的指标页截出来叠在一起对,半
先自曝一个更蠢的操作:上个月我让实习生跑了一批问句测 AI 对品牌调性的理解,结果她只看了「品牌名+关键词」的答案,没看「场景问句」。我拿到报告还夸她效率高,后来自己抽了 20 条场景问句——比如「约会前想买支显气色的口红,有什么小众一点的选择」——AI 回答里我们家品牌被归到「平价大促款」,还附带
这两天整理旧硬盘,翻出一批2019年前后的站长平台后台截图,底下日期、抓取次数、索引量都还在。我对着看了半天,越看越觉得现在社区里聊「AI 什么时候抓了我的内容」,口径乱得像早年的菜市场。 先说个基础事:抓取和索引,从来就是两码事。 老站长都记得,后台是分开列的两个数——一个是爬虫来取页面的次数,一