2026年初，杭州市滨江区一家开业三年的口腔诊所“洁雅口腔”遇到了一个所有本地服务业经营者都在面对的新问题：以前靠大众点评、美团和朋友圈裂变就能稳定获客，但从2025年下半年开始，到店的年轻客户越来越多地说这样一句话——“我问了AI，它推荐我来你们家”。老板娘林医生起初没在意，直到她翻查了近三个月的新客登记表，发现有超过四成的新客户在“获客来源”一栏写的是“AI推荐”或“豆包/DeepSeek/元宝推荐”，她才意识到，客户的决策入口已经悄悄从点评类平台迁移到了生成式AI助手。

更让林医生焦虑的是，她打开手机里几个主流的AI助手，输入“滨江区哪里种牙好”“附近口碑好的儿童齿科”，AI给出的推荐名单里根本没有洁雅口腔。竞争对手某连锁齿科却反复出现在答案里，甚至AI还详细介绍了对方的种植体品牌、夜间急诊服务和儿童诊区的布置。也就是说，在一部分客户的决策链路里，洁雅口腔不是“排名靠后”，而是“压根不存在”。这不仅意味着流失眼前的新客，更意味着在AI的训练语料和实时检索引用里，这家诊所正在被系统性忽略。

抱着“试一试”的心态，林医生在2026年3月找到了我们，希望针对AI推荐场景做一次系统性的优化。这个案例的完整执行周期是三个月（3月中旬至6月中旬），我们把过程拆解为背景诊断、策略制定、执行落地、数据验证和复盘思考五个部分，希望给同样是本地服务业的诊所、美容机构、宠物医院、健身工作室经营者一个可以参考的完整样本。下面先给出结果概览：三个月后，五个主流AI助手对“滨江区口腔诊所推荐”类问题的提及率从0提升到了约70%的场景覆盖，AI渠道带来的新客到店从每月不到5人增长到月均34人，获客成本估算不到点评平台竞价的三分之一。

一、案例背景：一家被AI“隐形”的本地口腔诊所

洁雅口腔的基本盘并不差：滨江区某成熟商圈沿街铺位，面积约260平方米，6张牙椅，团队包括2名主诊医生、2名助理和5名护士，主打项目是种植牙、隐形矫正和儿童齿科，客单价从儿童涂氟的200元到种植牙的9000元不等。开业前两年主要依赖美团点评的门店流量和老客转介绍，月均新客稳定在60到80人。

问题的转折点出现在2025年下半年。团队复盘发现两个信号：第一，点评平台的进店咨询量在持续下滑，但门店整体新客数量降幅远小于线上数据降幅，说明有相当一部分客户绕过了点评平台直接到店；第二，这些客户在咨询时的表达方式变了，以前客户会说“我在点评上看到你们”，现在越来越多地说“我问AI说你们家不错”或者“让DeepSeek帮我查了一下”。前者是平台排名逻辑，后者是完全不同的推荐逻辑。

为什么AI推荐和点评排名是两套完全不同的游戏

很多本地商家会把GEO（Generative Engine Optimization，生成式引擎优化）理解成“AI时代的SEO”，认为只要把原来在点评平台和搜索引擎上做的事再做一遍就行。这个理解是危险的。两者的核心差异至少体现在三个层面：

• 答案形态不同：搜索引擎给的是十条蓝色链接，用户自己判断；生成式AI给的是一个整合后的答案，用户倾向于直接信任。被列入名单和被排除在名单之外，是天壤之别。
• 信息来源不同：点评平台看重的是站内店铺数据——星级、评价数、销量、竞价；AI助手生成推荐时，参考的是一个更杂的混合来源，包括本地生活平台的结构化信息、官网和公众号的内容、百科类站点、新闻媒体、医疗健康类垂站，甚至小红书等社区里被收录的笔记。
• 匹配逻辑不同：SEO时代拼关键词密度和外链，GEO时代AI更看重实体信息的完整性、一致性和可信度——它需要确认“这家诊所真实存在、资质齐全、擅长什么、口碑如何”，才敢在答案里推荐它。

在给洁雅口腔做初始诊断时，我们用20个模拟患者视角的问题（覆盖种植、矫正、儿童齿科、补牙拔牙、医保支付等场景）测试了五个主流AI助手，结果洁雅口腔的提及次数是0，而区域内三家竞对合计被提及31次。诊断还发现，AI在回答“滨江区种牙多少钱”时，给出的价格区间引用了竞对公众号的文章，这直接影响了用户进入比价环节时的心理锚点。

二、诊断先行：AI为什么看不见这家诊所

在动手优化之前，我们花了整整一周做“可见性诊断”，目标是回答一个问题：如果AI助手是第一次听说洁雅口腔，它会从哪些渠道认识它？诊断沿三条线索展开。

第一条线索：基础实体信息的完整性与一致性

我们像AI一样去搜集洁雅口腔的公开信息，发现了一堆问题：大众点评上的门店名写的是“洁雅口腔门诊部”，美团上是“洁雅口腔”，公众号认证名是“杭州洁雅口腔”，高德地图标注的地址是旧门牌号，企查查上的经营范围描述与官网宣传的主营项目对不上，官网备案主体的简称甚至出现过“洁雅”和“洁雅牙科”两种写法。对于人类来说这些小事无所谓，但对AI来说，这是实体身份识别的噪音——它无法100%确认这些名称指向同一个实体，而无法确认的实体，在推荐场景里最安全的选择就是不提。

第二条线索：可被引用的内容资产

AI回答医疗类问题时极度保守，它倾向于引用权威、结构化、信息密度高的内容。而洁雅口腔的内容资产几乎为零：官网是一个2019年做的静态单页，公众号平均两个月发一篇活动海报，没有百度百科词条，全网搜不到一篇关于这家诊所医生或技术的第三方报道。反观竞对，其连锁品牌有百科词条、有本地媒体的探店报道、有医生在健康垂站的专栏。换句话说，AI不推荐洁雅口腔，某种程度上是“合理”的——它确实没有可引用的依据。

第三条线索：评价与口碑在AI可见范围内的分布

我们检索了洁雅口腔在各平台的评价分布，发现一个隐蔽问题：评价集中在美团和点评两个站内，而AI在生成医疗类推荐时，对站内评价的采信度有限（因为这些平台内容对其抓取并不总是开放），反而更看重全网分散的、看起来自然生成的口碑内容——比如小红书笔记、知乎回答、本地论坛帖子。洁雅口腔在这方面几乎是一片空白，全小红书只有11条相关笔记，其中3条还是别人误发到竞对门店名下的。

诊断结论很清晰：这不是一个“优化排名”的问题，而是一个“从零建立AI可见性”的问题。策略必须分阶段——先让AI能确认你是谁，再让AI有内容可引用，最后让AI在具体场景里愿意把你放进推荐名单。

三、策略制定：本地服务业GEO的三层框架

基于诊断结果，我们为洁雅口腔制定了三层GEO策略框架，并把三个月的执行任务按这三层分配。

第一层：实体基建层——让AI确认你是谁

这一层的核心是NAP一致性（Name名称、Address地址、Phone电话）和信息权威化，具体任务包括：

• 统一全网名称：确定“洁雅口腔”作为唯一对外简称，所有平台、所有内容统一使用，杜绝“洁雅牙科”“洁雅齿科”等变体。
• 修正地图与本地目录：高德、百度、腾讯三大地图更新地址和电话，同步更新支付宝医疗健康入口的机构信息。
• 建立权威词条：创建百度百科词条，内容严格基于可验证的资质信息（医疗机构执业许可证、医生执业证书），不夸大不营销。
• 官网改造：把静态单页改造成多页面站点，增加医生介绍页、项目介绍页、价格说明页、就诊指南页，每个页面结构清晰、便于AI抓取理解。

第二层：内容资产层——给AI可引用的弹药

这一层的逻辑是：AI回答不了你没有公开回答过的问题。我们围绕患者真实决策链路规划内容，而不是围绕营销话术规划内容。核心动作是把诊所的专业知识“翻译”成AI容易引用的格式——清晰的定义、结构化的对比、明确的数字。

• 在官网建立问答专区，每篇内容回答一个具体问题，如“滨江区种植一颗牙大概多少钱”“隐形矫正需要多久复诊一次”。
• 公众号从活动海报转型为知识科普，每周一篇，内容与官网问答同步。
• 小红书开始稳定产出真实就诊体验类内容，配合真实患者的改造记录（获得授权）。

第三层：场景渗透层——进入AI的推荐语境

前两层做完，AI“知道”这家诊所了，但推荐场景里还需第三层：让诊所在具体的问题语境中与竞对同台。这一层的动作包括争取第三方报道、参与本地生活话题讨论、让诊所在“滨江区”“口腔”“种植”“儿童齿科”等实体关系网中被反复提及。简单说，第一层建立身份，第二层建立专业，第三层建立语境关联。

四、执行第一步：把地基打牢的四周

3月17日至4月13日是第一个执行月，全部投入第一层实体基建。这个阶段没有内容产出，看起来“很不出活”，但它是后面所有动作的前提。

名称统一：一次看似无聊的清理

我们列了一张包含17个平台的清单（点评、美团、抖音本地生活、小红书商家号、高德、百度地图、腾讯地图、支付宝、微信公众号、视频号、抖音号、企查查、官网、招聘网站、本地黄页类站点、医疗垂站入驻页、邮箱签名），逐一核对名称、地址、电话、营业时间、诊疗项目五个字段。清理过程中发现的最大坑是：三年前的一次搬迁导致地图地址与实际地址不一致，而这个问题在人工导航时代影响不大，但在AI场景里，一个实体有两个地址，会显著降低它的可信度评分。所有平台在一周内完成统一，以后固定为“每月第一周巡检一次”。

官网重建：为AI阅读而设计

新官网我们只做了九个页面：首页、诊所介绍、医生团队（3页）、种植牙、隐形矫正、儿童齿科、价格说明、就诊指南、问答专区入口。技术上做了三件对GEO重要的事：一是清晰的语义化结构，每个页面用明确的标题层级组织内容；二是关键信息段落化，比如价格页明确写出“进口种植体单颗含牙冠价格区间8500至12000元”，而不是营销页常见的“价格优惠欢迎到店咨询”；三是页面加载速度和移动端体验优化。这里想强调一个观念转变：官网的读者不再只是人，还有AI爬虫和引用系统。一段写得清楚、数字明确、没有形容词堆砌的价格说明，被AI引用的概率远高于一篇华丽的品牌文案。

百科与资质：医疗行业的信任门票

医疗类实体的可信度门槛天然更高。我们用两周时间准备了百科词条的材料：执业许可证扫描件、医生执业注册信息、机构官方简介，严格按百科的中立性要求撰写，全部陈述句、全部可验证、零形容词。词条在4月初通过审核。同期在卫健部门的信息公开渠道确认了机构的备案信息可查。这一步的意义在于：当AI在多个独立来源看到一致、可验证的机构信息时，它对这家实体的“真实性判断”才算完成。这一步做完没有任何流量反馈，但它是所有后续内容被采信的信用基础。

五、执行第二步：内容资产的生产与分发

4月中旬到5月中旬是第二个月，主攻内容资产层。这个月我们确立了“问答即内容”的生产方法，共产出32篇问答内容、4篇深度科普、8条小红书笔记。

问答选题：从患者口中来，到AI引用里去

选题来源不是头脑风暴，而是三个真实渠道：前台登记的患者高频咨询问题（护士每周记录整理）、点评平台上的咨询私信、以及我们自己在各AI助手里模拟提问后发现的“AI答得含糊”的问题。最终整理出41个高频问题，筛掉涉及医疗禁忌和敏感营销的9个，产出32篇。举几个实际发布的标题感受一下风格：

• 滨江区种植一颗牙需要多少钱？费用构成拆解
• 种植牙从检查到戴冠一般要来几次？就诊流程说明
• 小朋友几岁适合做窝沟封闭？家长最常问的6个问题
• 隐形矫正和传统托槽矫正怎么选？适合人群对比
• 洗牙会不会伤牙釉质？多久洗一次比较合适

每篇内容的写作规范是统一的：开头第一段直接给结论（方便AI摘取），中间用列表和分节展开细节，结尾补充“什么情况建议到院检查”。全文禁止“极致”“一流”“百年”这类空泛形容词，禁止绝对化医疗承诺。这些规范一半是为了合规，另一半是GEO的核心技巧——AI引用内容时偏爱确定性高、结构清晰、立场克制的文本。

分发矩阵：一份内容的三次利用

每篇问答按渠道做三种形态：官网全文版（500至800字，结构完整）、公众号推文版（加医者口吻和案例细节）、小红书图文版（口语化、多配真实场景图）。分发的关键原则是“一源多态但信息一致”——三个渠道的核心事实（价格区间、就诊次数、医生资历）必须完全一致，因为AI做跨来源交叉验证时，不一致的信息是可信度的减分项。

评论区与站内信：被忽视的GEO素材

一个意外的发现来自点评平台：诊所对咨询私信和评价的回复本身就是可被采集的内容。之前诊所客服的回复都是“亲欢迎到店咨询”这类模板话术。我们重写了回复规范，要求回复中自然包含关键信息，例如有用户问“种牙疼不疼”，回复除了安抚情绪，还会说明“本院种植手术在局麻下进行，单颗手术时间约30分钟，术后反应因人而异”。这些带着真实问答结构的对话内容，后来被证实进入了部分AI助手的参考来源。

六、执行第三步：场景渗透与第三方背书

5月中旬到6月中旬是第三个月，主攻场景渗透层。这是三层里最“卷”也最见效果的一层。

本地媒体与垂站报道：从0到3篇的突破

我们梳理了杭州本地可以被AI检索到的内容渠道，锁定三类目标：本地生活类媒体的探店栏目、医疗健康垂站的机构入驻与医生专栏、区域资讯号的内容合作。执行结果是拿下了三篇不同性质的第三方内容：一篇本地生活号的儿童齿科探店（真实拍摄、中立视角）、一篇健康垂站的医生问答专栏（林医生署名回答五个儿童口腔问题）、一篇区域资讯号关于“暑期儿童口腔检查”的选题合作。这三篇内容的关键不是“广告”，而是它们在AI眼里是独立于诊所自身的第三方来源，第三方来源的每一次提及，都是在帮诊所积累推荐资格。

小红书：自然口碑的结构化经营

小红书在本地服务业GEO里的角色很特殊——它既是内容源又是口碑源。这个月我们做了三件事：第一，把到店患者的改造记录做成授权内容，真实记录加真实图片，每月6至8条；第二，鼓励复诊患者发体验笔记，方法很朴素：复诊后如果患者愿意发笔记并@诊所，赠送一次免费洁牙抛光；第三，认真维护诊所官方号下的每一条评论。三个月后小红书上关于洁雅口腔的笔记从11条增长到47条，其中多条被AI助手在回答中引用过（我们通过AI回答的来源列表确认）。

结构化数据与FAQ页面：让AI一眼看懂

技术层面还有两个细节动作。一是在官网部署了FAQ页面并保持清晰的问答配对结构，把32个问答中最高频的12个浓缩成短答案集合；二是给价格页和就诊指南页做了规范化的信息组织，让“价格区间”“就诊流程”“医保范围”这些字段一目了然。6月初我们做了一次引用来源追踪，发现AI在回答“滨江区儿童窝沟封闭”时，引用的正是诊所官网FAQ页和健康垂站的医生专栏，这是整个项目里第一个被AI直接引用的官方内容节点。

七、数据变化：三个月里的关键节点

数据是按周记录的，我们用统一的测试问题集（30个模拟患者问题，覆盖五类场景）每周测试五个AI助手，记录提及情况。同时在前台登记表新增了“信息来源”字段，追踪到店客户。

可见性数据的爬坡曲线

第一个月结束（4月中旬）：30个测试问题中，洁雅口腔被提及3次，且全部出现在“详细询问这家诊所”类问题里——说明实体身份已经建立，AI能“找到”它了，但还不敢主动推荐。第二个月结束（5月中旬）：被提及次数上升到14次，开始出现在“推荐一家滨江区做隐形矫正的诊所”这类主动推荐场景，同时有4次AI回答中引用了官网问答的内容。第三个月结束（6月中旬）：被提及次数达到21次，占比约70%的场景覆盖率，其中“滨江区种牙推荐”场景下，洁雅口腔在三个AI助手里进入了前三位推荐名单，“儿童齿科”场景下稳定出现在推荐列表中。

到店数据的滞后与爆发

到店数据的曲线比可见性数据晚了一个月，这符合决策周期规律：患者看到AI推荐后，通常还要经历搜索确认、比价、预约的流程。4月AI渠道到店新客6人，5月17人，6月28人，7月34人并趋于稳定。按客单价和转化结构估算，AI渠道月贡献营收约11万元，而这个渠道的投入是每月约1.2万元的内容与运营成本（主要是兼职内容编辑费用和少量内容合作费用），获客成本约为点评平台竞价获客成本的三分之一以下。前台登记表里“AI推荐”来源的占比，从项目前的几乎为零上升到6月的22%、7月的27%。

两个意外的正向溢出

复盘数据时发现两个计划外的收获：一是官网自然流量增长了约3倍，从日均UV不到40增长到120以上，说明问答内容本身在搜索引擎也获得了不错的收录和排名，GEO动作对SEO产生了正向溢出；二是老客转介绍的比例也上升了，因为患者有了可以转发给朋友的具体内容（官网问答页、小红书笔记），推荐从“口头安利”变成了“甩链接”，转化路径更顺。

八、复盘：本地服务业GEO的四条经验

三个月的执行结束，我们和林医生做了一次完整复盘，沉淀出四条对同类本地商家最可能有用的经验。

经验一：先做可信度，再做内容量

很多商家一听“AI时代要做内容”，第一反应是批量生产文章。洁雅案例证明了顺序反了会白费力气：AI对商业实体的推荐是建立在信任链上的，身份确认（NAP一致、资质可查、信息一致）是信任链的第一环，这一环不牢，内容越多噪音越大。前四周的“无聊基建”恰恰是后面内容被引用的前提。

经验二：写AI“敢引用”的内容，而不是AI“爱推荐”的内容

医疗是AI最谨慎的领域之一，AI引用医疗相关内容时有一套隐性的保守标准：来源权威、表述克制、数字具体、没有绝对化承诺。诊所过去习惯的营销话术（“领先技术”“尊享服务”）在AI眼里恰恰是低可信度信号。把内容写得像一份认真负责的说明文档，反而更容易被引用。这个原则对美容、健身、宠物医疗等同样成立。

经验三：第三方提及的价值高于自我宣传

三篇第三方报道带来的可见性提升，明显快于同期官方内容的累积速度。AI在生成推荐时，会把独立来源的提及当作交叉验证的关键依据。本地商家应该认真盘点“AI看得见”的第三方渠道——本地媒体、垂站专栏、社区内容——哪怕一个月只落地一篇，其权重也高于十篇官方通稿。

经验四：把“AI推荐”当成一个可运营的渠道来管理

项目之前，诊所对AI推荐完全无感知；项目之后，我们给诊所留下了一套可持续的运营机制：每月一次全网信息巡检、每周一批新问答内容的更新排期、每月一次AI提及测试（复用30个测试问题集）、前台来源登记的持续追踪。GEO不是一次性项目，而是一个需要像点评店铺星级一样长期维护的渠道。AI的语料和引用来源在持续变化，不进则退。

九、局限与风险：这个案例没有解决的问题

复盘不能只报喜。这个案例有三个明显的局限，同类商家应该提前认知。

局限一：数据归因存在模糊地带

“AI推荐”这个来源登记依赖客户自述，部分客户说不清自己是从AI、朋友推荐还是小红书来的，实际AI渠道的贡献可能被低估也可能被高估。我们用测试问题集的可见性数据做了交叉印证，但本地服务业的归因精度天花板就在这里，建议同类商家把“来源登记”做得更细（可以追问一句“是哪个AI或哪个平台”），积累更干净的归因数据。

局限二：AI推荐结果本身不稳定

三个月里我们观察到同一个问题在不同时间、不同AI助手里答案差异很大，甚至同一个助手在不同会话里推荐名单也有波动。生成式推荐的稳定性远不如传统搜索排名，商家不应该期待“锁定第一名”，而应该把目标设定为“稳定进入推荐池”。这意味着内容覆盖面要比SEO时代做得更宽，而不是押注单一关键词。

局限三：医疗合规的红线必须先于增长

项目全程我们与诊所一起做了一轮内容合规审查，所有对外内容回避了疗效承诺、案例对比图的使用经过严格授权、价格表述符合当地医疗广告规范。GEO的诱惑是“多出现、多被引用”，但医疗行业的合规红线高于一切，一次违规内容的传播放大，代价远大于少几次推荐。这一条对所有强监管行业（医疗、金融、教育）适用。

十、给本地服务业经营者的行动清单

最后把洁雅案例压缩成一份可以直接照做的行动清单，按优先级排序：

• 第一周：全网17个以上平台的信息巡检，统一名称、地址、电话、营业时间、诊疗项目五要素。
• 第一至二周：创建或修正百科词条与官方账号认证信息，确保资质信息在权威渠道可查。
• 第三至四周：官网改造，重点做好价格说明页、就诊指南页、FAQ页，信息具体、结构清晰、去形容词化。
• 第二个月起：建立问答内容生产线，每月产出8至12篇，从患者真实问题中选题，官网、公众号、小红书三渠道分发且信息一致。
• 第二至三个月：落地2至3篇第三方内容（本地媒体、垂站专栏、区域资讯号），持续积累独立来源提及。
• 持续进行：每月一次AI提及自测（整理20至30个客户视角问题，在主流AI助手里测试记录），每季度复盘一次来源登记数据。
• 长期机制：评价回复规范化，让每一次客服回复都成为携带有效信息的GEO素材。

这份清单不依赖任何付费投放，核心投入是人力和时间。对于预算有限的中小商家，建议把第一周的信息巡检和每月的AI提及自测作为雷打不动的固定动作——前者决定你能不能被看见，后者决定你知不知道自己有没有被看见。

常见问题

GEO和传统SEO到底有什么区别？还需要做SEO吗？

GEO面向生成式AI的答案生成环节，目标是让你的品牌信息进入AI的推荐和引用；SEO面向搜索引擎结果页，目标是获得更好的自然排名。两者在信息源上高度重叠——官网内容、第三方报道、口碑内容对两者都有价值，但侧重点不同：GEO更强调信息的实体一致性、可验证性和结构清晰度。本案例中官网流量同时增长3倍，说明做GEO的同时SEO往往受益，两者不是二选一的关系，建议并行推进。

小城市小商家没有预算做媒体报道，GEO还能做吗？

可以。第三方背书确实是权重项，但不是唯一路径。洁雅案例前两个月的可见性提升主要来自零成本的实体信息统一和问答内容生产。小商家可以优先做三件事：全网信息一致性、官网问答专区、点评等平台的规范评价回复。此外本地媒体的探店合作很多是免费或低成本的，商家号、社群号的内容合作门槛也比想象中低，关键是主动去谈。

多久能看到AI开始推荐我的店？

洁雅的节奏是第一个月完成身份建立、第二个月进入推荐场景、第三个月达到70%场景覆盖，到店数据的显现滞后约一个月。影响速度的因素包括所在行业（医疗比餐饮慢）、所在城市的竞争密度、以及商家原有内容资产的基础。竞争不激烈的三四线城市细分品类，可能6到8周就能看到明显效果；竞争激烈的品类要有3个月以上的心理预期。

怎么知道AI推荐名单里有没有我的店？测试应该怎么做？

方法很朴素：站在客户视角整理20至30个真实问题（覆盖你的核心业务、价格咨询、地域限定、竞品对比等场景），在主流AI助手里逐一提问，记录你的店是否出现、出现在第几位、AI引用了哪些来源。每月固定执行一次，形成自己的监测表。重点看趋势而不是单次结果，因为AI答案本身有波动性。

AI给出了关于我门店的错误信息怎么办？

这是本地商家的高频问题。处理路径有三条：第一，检查错误信息的源头，通常是全网某处存在过时或错误的信息（如旧地址、旧电话），修正源头后AI的答案会随时间更新；第二，在AI助手的反馈渠道提交纠错（多数主流助手支持答案反馈）；第三，持续发布正确信息，用一致的新内容稀释旧错误的影响。切忌指望一次纠错立刻生效，AI的知识更新有滞后性。

需要专门请人做GEO吗？老板自己能干吗？

拆开看：信息巡检、评价回复规范、AI提及自测这三件事完全可以在店内培训后由店长或客服承担，本案例中诊所前台和护士都参与了执行；内容生产需要一定的文字能力，可以由老板或主诊医生口述、兼职编辑整理的模式解决，月成本千元左右；第三方媒体合作需要一些商务沟通能力，老板亲自出面反而更高效。建议的分工是：专业部分外包或请顾问搭框架，执行部分内化成店里日常工作。

AI推荐会不会像点评竞价一样，未来变成付费游戏？

目前主流AI助手的推荐生成没有面向商家的付费排名机制，这是GEO红利期的核心逻辑——现阶段靠内容与可信度竞争，而非预算竞争。长期看不排除商业化形态出现，但生成式推荐如果要维持用户信任，很难完全复制竞价逻辑。对商家的现实建议是：趁竞争密度低、规则未被商业化污染的窗口期，把内容资产和可信度基础打牢，这些资产在任何规则下都有价值。

本项目后诊所下一步的计划是什么？

第三个月结束后，诊所与团队转为顾问式合作，店内团队接管日常执行。下一步计划有三条：把儿童齿科做成独立的GEO内容线（这是诊所增长最快且竞争相对小的品类）；尝试在AI回答中追踪预约转化，打通从“AI提到”到“到店建档”的完整链路数据；以及每季度扩充一次测试问题集，跟进新上线的AI助手，保持监测的时效性。

回顾整个项目，最有价值的启示或许不是任何一条具体技巧，而是一个认知转变：本地服务业的获客入口正在从“平台货架”迁移到“AI答案”，而这个入口上的竞争，目前还处在绝大部分商家尚未入场的阶段。洁雅口腔用三个月时间从AI眼中的“不存在”做到七成场景覆盖，靠的不是预算优势，而是把“让AI准确、放心地介绍你”当成一件系统的事情来做。对于此刻正在阅读这篇案例的商家而言，你的竞争对手们大概率也还没开始，这正是行动的最佳时机。