本案例的主角是一家位于华东某二线城市的家装公司，主营整装与局部改造，年营收规模在八千万上下。过去十年，它的获客高度依赖线下门店、老客转介绍与搜索竞价。二零二六年初，管理层发现一个刺眼的数据：百度竞价单条线索成本三年翻了近一倍，而年轻客户在装修决策前越来越多地先问 AI”二线城市装修全包多少钱一平””装修公司全包和半包哪个坑多”。公司决定用一个季度做 GEO 试验，预算有限，团队没有技术背景，只有一个兼职内容员与外部顾问每周两小时的指导。九十天下来，AI 渠道月均询盘稳定在六十条上下，获客成本约为竞价渠道的三分之一。本文完整复盘这九十天的动作、踩过的坑与可迁移的结论，为同类中小企业提供参照。

背景与起点：一次令人沮丧的基线测试

项目启动第一周，顾问带领团队做了基线测试：整理了三十个本地装修高频问题，例如”某市装修全包每平米多少钱””装修增项最常见的有哪些””全包套餐包含哪些项目”，分别在豆包、Kimi 与文心上提问，记录该公司是否出现在回答中。结果是三九零次提问里，公司品牌出现次数为零。更扎心的是，回答里被引用的装修内容大多来自全国性家居平台与两篇本地论坛的旧帖，其中一篇还是三年前抱怨装修增项的负面帖。

这次基线测试确立了项目的主要矛盾：不是内容写得少，而是公司名字在 AI 可见的语料里几乎不存在，存在的少量信息还偏向负面。团队据此把九十天目标定为三条：让公司成为本地装修问题的答案参与方；把负面叙事稀释掉；建立可持续的内容生产机制。

第一个月：实体打底与问答内容基建

第一个月没有急着写文章，而是做了三件看起来”不产出流量”的事。

第一件是实体信息统一。盘点发现公司在官网、地图、点评平台、行业目录上的名称、地址、电话、经营范围各不相同，有四处旧地址、两个曾用名。团队花了两周把所有公开平台的信息统一成一套标准口径，官网新增了规范的公司介绍页与资质页，并部署了 Organization 与 LocalBusiness 结构化数据。顾问的原话是：先让 AI 确信你是谁，再谈让 AI 推荐你。

第二件是价格信息透明化。基线测试显示，几乎所有装修类问题的回答都会提到价格区间，而公司官网刻意回避报价。团队梳理了过去三年的真实订单，整理出三档全包套餐的价格区间、包含项与不含项，做成三张明细表发布。这个决定内部争议很大，销售总监担心”价格透明就没得谈了”，但事后数据证明，正是这几张价格表成了被引用最多的内容资产。

第三件是问答内容矩阵。以三十个基线问题为骨架，兼职内容员在顾问指导下每周产出五篇短问答，每篇六百到一千字，结构统一：第一句直接给结论，中间列数据或清单，结尾标注公司名与服务范围。同时把公司的真实案例改写成”某市八十九平小三房全包落地”式的复盘文，突出工艺细节与费用明细。

第二个月：权威佐证与负面稀释

第二个月的重点是信任度。装修是低频高客单的决策，用户会反复验证，答案引擎也一样。团队做了两件事。

一是争取第三方佐证。公司过去合作过的两家本地媒体与一家建材品牌都有公开报道或案例页，但都没有提到公司全名。团队逐一联系，补充了公司名与业务描述；同时参与了当地家装协会的一个标准化试点项目，获得了协会官网的项目名单页链接。这些动作的成本几乎为零，但对实体可信度的加权明显。

二是对冲负面帖。那篇三年前的增项抱怨帖仍在被引用。团队没有删帖（也删不掉），而是围绕”增项”这个主题持续产出正面且具体的内容：一份增项避坑自查清单、一篇公司自身的报价单逐项解读、一篇施工各阶段可能产生的合理增项说明。到第二个月末，同样是问”装修增项”，豆包的回答开始引用避坑清单，负面帖在回答中的出现频率明显下降。这个现象符合答案引擎的引用逻辑：对同一主题，结构更完整、数据更具体、来源更多元的页面会逐步挤占旧页面的引用位。

第三个月：渠道放大与转化承接

第三个月，AI 渠道的品牌出现率已经从零提升到测试问题集的三分之一左右，自然询盘开始出现。团队转向放大与承接。

放大侧的动作是把被引用表现最好的五类内容（价格表、增项清单、案例复盘、工期说明、避坑指南）扩展成系列，并针对新交付的工地持续产出实景复盘。同时监测到 Kimi 对长文偏好明显，于是把分散的短问答合并成两篇长篇指南，专门服务 Kimi 的引用习惯。这种分引擎适配在数据上的回报是：Kimi 渠道的询盘占比从不到一成升到接近三成。

承接侧的动作更朴素但关键。团队发现 AI 渠道来的客户问的第一个问题往往是”你们是不是那家在 AI 回答里出现的公司”，说明用户带着验证心态。公司为此做了三件事：官网首页增加真实案例与资质的直达入口；客服话术新增”报价透明”应答模块；把 AI 高频问题做成官网 FAQ 页。这些改动让 AI 渠道询盘的到店转化率从月初的一成一提升到月末的一成八，与老客转介绍渠道持平。

九十天成绩单与成本账

复盘时点的数据如下：基线测试的三十个问题里，公司在至少一个主流引擎的回答中出现的有十三个；月均 AI 渠道询盘从零到六十条上下，高峰月七十多条；单条询盘成本折算约四十元，而同期竞价渠道约一百二十元；AI 渠道签单三单，客单价十八万到二十五万，渠道投产已经打平总投入并略有盈余。

投入清单同样值得记录：外部顾问费每周两小时指导、兼职内容员工资、少量第三方平台入驻费，总现金成本不到三万元，最大的实际投入是管理层的决策时间与销售的配合意愿。

可迁移的四条经验

• 实体统一先于内容生产：名称、地址、资质信息在全网不一致的中小企，做再多内容也是在流沙上盖楼。
• 价格透明是被引用的捷径：回避价格是传统获客思维，答案引擎里敢于给出区间与明细的内容天然占据引用优势。
• 负面不是删除而是稀释：用更具体、更结构化的同主题正面内容挤占引用位，比公关删帖更有效也更合规。
• 承接能力决定回报：AI 来的客是验证型客户，官网与客服的信任承接做不好，询盘再多也变不成订单。

项目结束时，总经理在复盘会上说了一句被团队反复引用的话：”我们以为是在做一个新渠道，最后发现是在补十年的课。”这十年的课，指的是信息统一、价格透明与客户口碑管理这些本该做而一直没做的事——答案引擎只是把它们从”锦上添花”变成了”生死攸关”。这个视角的转换对传统企业尤其重要：GEO 项目表面是内容工程，内里往往是一次经营基础的体检与加固。也因此，本案例对同行的第一建议不是复制动作清单，而是先做那件令管理层坐立不安的基线测试——把自己的品牌和三十个核心问题交给 AI，看看它眼中的你的行业、你的竞品和你自己。无论最终是否立项投入，这次测试带来的认知，都值回全部时间成本。

成绩单背后的数据注脚

六十条月均询盘这个数字需要几条注脚，避免误读。注脚一：询盘口径包含客户主动提及”AI 推荐的朋友介绍”等表述，客服在登记表增加了来源确认字段后才统计得出来——大多数企业根本没有这个字段，这也是很多团队感觉不到 AI 渠道存在的原因，不是没有流量，而是没有度量。注脚二：六十条中有约四成聚焦在价格与增项两类问题上，与被引用内容的表现完全同构，说明询盘结构是可以被内容选题引导的，第三个月团队开始有意识地向工期与售后类问题倾斜选题，询盘构成随之变化。注脚三：三单签约全部来自”看到答案后搜索公司名验证”的路径，印证了答案曝光到成交的链路要跨过验证这一跳，承接环节做不好，前面的可见度投入都会漏在最后一公里。这三条注脚比成绩单本身更有迁移价值：度量字段、选题引导与验证承接，是任何复制本案例的团队必须预先设计的三个细节。

第二三个月的周节奏：一张可复用的日历

项目进入第二个月后，团队固定为”周一选题、周三成稿、周五发布与记录”的周节奏。周一上午半小时碰选题，依据是上周监测表标黄的问题与客服新增高频咨询；周三内容员完成两到三篇初稿，顾问远程抽审一篇给修改意见；周五发布并做当周记录——新内容标题在豆包与 Kimi 的收录验证、监测表更新、以及客服侧收到的 AI 渠道询盘登记。第二个月按此节奏共产出二十二篇问答与三篇案例复盘，第三个月因增加工地实景素材产量提到二十九篇。这个日历的要点不在产量而在闭环纪律：每周五的记录雷打不动，哪怕当周零询盘也要记零，因为连续的零值曲线本身就是诊断素材。对多数中小企业而言，复制这套日历的成本是一个兼职人员每周十小时加一次半小时例会，是本案例中最容易照搬的部分。

逐周动作明细：第一个月到底做了什么

为了便于复刻，把第一个月的关键动作按周拆解。第一周做信息盘点：列出公司所有公开信息平台账号，逐一核对名称地址电话，输出一张十四个平台的信息对照表，标出冲突项。第二周做统一修正：能自助修改的直接改，需要联系平台客服的发工单，地图类标注走认领流程；同时在官网上线新的公司介绍页与资质页，这一页后来成为引擎了解公司实体的主要入口。第三周启动价格体系梳理：从财务系统导出近三年订单，按面积段与档位统计实际签约价区间，与销售总监逐档确认对外口径，最终形成三档套餐明细表。第四周发布前两批问答内容并把价格表挂到官网。整个月没有任何技术含量高的动作，难的是推动内部达成”价格透明”的共识——这轮内部争论持续了整整一周，是项目中最消耗管理精力的一环。

数据细节：监测表长什么样

项目使用的监测表结构值得直接照抄。表的第一列是三十个种子问题，第二到四列分别记录豆包、Kimi、文心的三态结果：不出现、仅引用列表出现、正文出现，按月更新。辅助列记录每个问题当月回答中出现的竞品名称，形成竞品共现分析。顾问每月用半小时带团队过一遍这张表，把连续两个月没有进展的问题标黄，讨论补强方案。三个月下来这张表沉淀出两个宝贵认知：一是价格与增项类问题的引用位最先被拿下，因为竞品在这些主题上几乎不产出结构化内容；二是案例类问题最难突破，因为引擎偏好引用平台型案例库而非企业自述，这类问题后续的对策是推动客户在第三方平台发布真实评价。

踩坑记录：三个值得写进教训本的失误

第一个失误是忽视了移动端呈现。第二个月团队发现，一篇在电脑端被引用的文章，其引用率在移动端明显更低，排查后发现该文章页移动端加载时间超过六秒，引擎抓取超时导致内容不完整。教训：性能优化是 GEO 的隐形前提，移动端慢的页面等于半个残页。第二个失误是内容员一度模仿营销号风格，标题惊耸、正文空洞，这批内容被引用率为零，反而拖慢了整体节奏，第三个月起所有内容恢复”直接回答加数据支撑”的朴素风格后引用率回升。第三个失误是没有提前准备销售端承接：第一个月出现的早期询盘因为客服不熟悉 AI 渠道客户的特点，响应话术与竞价渠道完全一样，流失了两条高质量线索。教训：GEO 项目启动时就要同步培训客服，AI 渠道客户需要的是验证与细节，不是促销话术。

案例的局限与后续计划

必须客观说明本案例的边界：家装属于本地化、低频、高客单的决策场景，价格与服务信息差大，AI 回答的参考价值天然偏高，这使得 GEO 见效相对快。对于标准化程度高、价格极度透明的品类，同样的动作未必能复制这个速度。此外，三个月的数据还不足以证明长期稳定性，引擎算法调整、竞品跟进都会改变格局。

公司的下一季度计划是：把内容生产从每周五篇提升到每周八篇并引入交付实景素材；建立月度的分引擎可见度报表；尝试在两个新交付小区做”小区专属装修问答”的内容试验，验证超本地化 GEO 的想象空间。这个案例没有惊心动魄的技术，有的只是一个传统企业认真对待新渠道时的务实打法，而这恰恰是大多数中小企业最需要的东西。