2026年9月，启衡职业技能培训学校（化名）的运营负责人周敏做完了一轮内部复盘。这所学校2014年在华东一座二线城市成立，三个校区，年培训学员四千二百人次左右，主营电工、焊工、育婴员、养老护理员、西式面点师、企业人力资源管理师和消防设施操作员七个方向。放在三年前，它的获客路径非常清晰：本地信息流投放、社区地推、老学员转介绍，再加一部分搜索竞价。如今这条路径第一次出现了明显的效率衰减。

变化不是从某一天开始的，而是从学员的提问方式开始。前台和课程顾问陆续反馈，来咨询的人常常一开口就像在念一段标准问句：初级电工证要考几科、多久下证、多少钱、外地户口能不能报、周末班有没有。也就是说，学员在找到学校之前，已经在某个AI助手里把问题问过一轮了。AI给了答案，答案里提到谁，学员就点谁。

这篇复盘完整记录启衡从2025年12月立项，到2026年6月拿到第一轮完整数据的过程：四个人的小团队，零额外投放预算，改造了七个课程方向的内容与站点结构，最终把核心问题的AI提及率从8.3%拉到41.7%，试听预约从每月46条拉到158条。数据有水分，也有不该归功于GEO的部分，文中会一并写清楚。

一、背景：招生入口从搜索结果页挪到了对话框

启衡不是一家缺流量的机构。2025年，官网自然搜索月访问量三千八百次左右，公众号粉丝一万四千，抖音账号有七万粉丝但转化极差。真正的问题在于，这些流量都在往下走：搜索竞价的关键词单价两年涨了六成，一条有效线索的获取成本从九十多元涨到一百六十多元；信息流的表单填写率从3.2%掉到2.1%；社区地推的效果则随着周边几个老小区改造完成而自然衰减。

2025年11月的一次周会上，课程顾问组长老陈说了一句让周敏记了很久的话：现在的学员不怕花钱，怕问不清楚。他们打来电话之前，已经拿着一份AI给的清单在核对了，我们只要有一项对不上，他就挂电话。这句话其实点明了一件事：AI不只是新的流量入口，它还是新的第一道客服。它先把学员的问题回答完，才决定把这个学员交给谁。

立项的契机来自一次意外。周敏让同事在三个主流AI助手里问初级电工证怎么考，想看看同行都在做什么内容。结果三个平台给出的答案里，出现了四家本地机构的名称，启衡一次都没出现。更尴尬的是，其中一家被提到的机构，页面内容还是三年前的活动通知，价格、周期、报考条件全是过时的。

这件事的冲击在于认知层面：过去做SEO，比的是谁的页面排在前面；现在做GEO，比的是谁的内容被AI当成可信素材吸收进去。前者是排序竞争，后者是引用竞争。排序可以靠预算买，引用只能靠内容质量换。周敏在立项书里写的第一句话是：我们不是在抢排名，我们是在抢成为标准答案的资格。

项目组的配置很轻：周敏负责统筹与最终审核，内容岗小林负责改写与新增，数据岗阿凯负责监测与技术实现，另有一位教龄十二年的电工高级技师承担专业审校。没有外包，没有新增预算，全部时间成本折合内部工时约每人每周八小时。

二、问题诊断：AI能说出课程，却说不出我们

诊断阶段用了三周，方法很土但有效。阿凯整理出三组共三十个问题，分别是决策前问题（这个证有什么用、好不好考）、决策中问题（多少钱、多久、需要什么条件、哪个机构靠谱）、决策后问题（怎么报名、要带什么材料、考不过怎么办）。这三十个问题在五个AI平台各跑一遍，每周一次，连续三周，记录三件事：有没有提到启衡、提到时说了什么、引用了哪些网页。

结果比预想的更糟。三十个问题里平均只有2.5个会提到启衡，提及率8.3%。而在提到的场景里，描述准确率只有六成左右：有的把校区地址写成了两年前搬迁前的旧地址，有的把育婴员课程时长说成十五天（实际是二十二天），还有的把消防设施操作员的报考条件说成不限学历（实际要求高中及以上）。

更值得注意的是引用来源的构成。三十个问题涉及的所有引用中，官网只占19%，第三方平台占了六成以上，包括本地生活平台、招聘网站的企业主页、行业资讯站、问答社区和一些转载稿。这意味着，即使我们把官网做得再完美，AI看到的大部分素材也不是我们写的。

诊断方法：三个必须同时看的指标

• 提及率：在固定问题集里，品牌被提到的比例。它衡量的是曝光，不代表被推荐。
• 首位率：品牌出现在答案前三分之一、或被列为推荐选项的比例。它衡量的是推荐强度。
• 准确率：答案中关于价格、周期、条件、地址、证书类型的表述与事实一致的比例。它衡量的是风险，往往被忽略，但最容易造成实际损失。

三个指标要一起看。只盯提及率，容易做出误导性内容；只盯准确率，又会陷入自我感动。启衡第一轮测得的基线是：提及率8.3%，首位率2.8%，准确率61%。

五个致命断点

沿着引用来源往回追，问题清晰地落在五个地方。

• 第一，课程页是招生文案不是知识页面。标题写的是秋季班火热招生中，正文七成篇幅在讲师资多强、环境多好，学员真正要问的价格、周期、报考条件、考试科目，要么没有，要么藏在图片里。
• 第二，事实信息分散且互相矛盾。价格在课程页是一个数，在咨询话术里是另一个数，在公众号推文里又是第三个数，AI抓到哪个都合理，但学员一对照就发现不对。
• 第三，页面结构不利于抽取。关键信息塞在轮播图、折叠面板和图片中，正文没有小标题层级，一段话五百字不分段，任何抽取式系统都很难切出干净答案。
• 第四，缺少可验证的身份信息。办学许可证编号、校区备案地址、教师资质、年检记录这些最能建立可信度的内容，一处都没写。
• 第五，第三方信息长期失修。地图商户页的营业时间还是疫情前的，招聘平台的企业介绍是三年前的，两个平台的地址一个写路名一个写门牌，AI交叉验证时直接判定为不确定。

诊断结论写成一句话：不是AI不认识启衡，是启衡从来没有用AI能读懂的方式介绍过自己。

三、改造动作一：把课程页从招生海报改写成知识单元

第一个动作最大，也最费时间。七个课程方向，每个方向拆出四类页面：总览页回答这个职业是干什么的、有哪些证书、适合什么人；报考条件页回答学历、年龄、户籍、体检、前置证书等硬性门槛；费用与周期页回答学费构成、政府补贴、班型差异、学习时长、考试安排；常见问题页回答学员真实口语化的疑问。原来是七个页面，改造后变成二十八个页面。

改写有一条硬规矩：每个页面开头必须用四十到六十字直接给出结论，不做铺垫。比如费用页的第一段不是欢迎了解，而是直接写：初级电工培训在本校的学费区间为一千六百八十元至两千三百元，含理论与实操课时一百二十学时，不含考试费与体检费，符合条件者可申请一千元职业技能提升补贴。这一段会被大量引用，因为它一次回答了四个问题。

内容原子化的四步拆解

小林把这一步叫拆骨头，意思是把一锅粥拆成能单独盛出来的一勺一勺。

• 第一步，一句话一个事实。凡是能用数字、条件、名称表达的内容，单独成句，不与其他信息混在一段里。
• 第二步，一段不超过四行。每段只承载一个语义单元，方便被整段摘取，不会因为切在半句话上而失真。
• 第三步，小标题用问句。把电工培训课程介绍改成初级电工证考几科、多少分及格，标题本身就是学员的提问原句。
• 第四步，删掉所有无法验证的形容词。包就业、名师授课、通过率极高这类表述全部下线，替换为可核查的事实：与哪几家企业签了用工合作、教师姓名与证书编号、上一年度学员考试通过人数与报考人数。

改写过程中最难的不是写，而是删。原来一个课程页有两千字，改完常常只剩八百字，剩下的空间用问答和清单填满。周敏一开始担心内容变少会掉权重，实际结果正相反：页面字数下降四成，平均停留时长反而从五十一秒涨到一分四十二秒。

还有一个细节值得单独说：所有时间、价格、人数都必须带时间戳。写法是截至2026年6月，而不是笼统的目前。AI在拼接答案时，带时间戳的表述被采信的概率明显更高，因为它能判断信息的新鲜度。启衡后来在所有事实型页面的首段都加了一句更新时间说明，成本几乎为零。

四、改造动作二：建立问题库，把学员口语变成页面标题

第二个动作解决的是选题从哪来的问题。多数机构做内容靠拍脑袋，想写什么写什么，结果写出来的东西没人问。启衡的做法是反向操作：先收集问题，再决定写什么。

问题来源的四个池子

• 咨询记录池：把近十八个月的四千三百条微信与电话咨询记录做脱敏后导出，按高频词聚类，得到一百七十多个原始问句。
• 搜索词池：官网搜索框、站内搜索日志、竞价后台的搜索词报告，共提取六百多条长尾词。
• 平台问答池：本地生活平台的问答区、问答社区里与七个工种相关的问题，人工摘录三百二十条。
• AI反推池：把AI已经生成的答案当作线索，看它回答了哪些子问题、还有哪些没答，缺口就是机会。

四个池子合并去重，得到四百一十条问题，再按决策阶段和工种两个维度打标签。最终进入排期的是七十二个问题，覆盖七个工种的报考条件、费用、周期、考试、证书用途、补贴申领、就业方向七类。

三级漏斗：哪些问题值得单独做页面

问题不是越多越好。四百多条全做，既写不完也稀释权重。启衡用三级漏斗筛：

• 一级，看搜索量与咨询量是否同时存在。只有搜索没有咨询，说明是好奇型问题，做成FAQ段落即可。
• 二级，看答案是否存在分歧。如果所有机构答案一致，说明这是常识，做成一句话事实即可；如果各家说法不同，说明这是决策点，值得单独成页。
• 三级，看是否涉及本校特有信息。涉及价格、班型、师资、补贴代办、考试安排的，必须单独成页，因为这类内容只有本校能给出确定答案，也最容易被引用。

七十二个问题最后落成四十一个独立页面和三十一个FAQ段落。这个比例不是拍出来的，是漏斗筛出来的：越靠近决策、越依赖本地事实的问题，越值得独立成页。

值得一提的是，问题库不是一次性工程。启衡把咨询记录的高频问句做成了每月更新的看板，新出现的问题会进入待评估队列。2026年3月就出现了一个新问题：AI说的和你们说的不一样，以哪个为准。这个问题后来直接变成了官网的一个说明页，专门解释信息更新机制，反而成了转化率最高的页面之一。

五、改造动作三：价格、周期、通过率这些敏感问题，必须正面回答

这一步是全场争议最大的。市场部的顾虑很实际：价格写清楚，同行一看就知道怎么打；通过率写出来，万一不好看怎么办；周期写死了，学员拿着页面来投诉怎么办。

周敏的判断是，不写的代价更大。启衡做过一次对照：在AI里问本地电工培训多少钱，五个平台里有四个给出了一个明显偏低的价格区间，来源是两家小机构两年前的低价引流文案。学员带着这个价格来咨询，听到真实报价后的第一反应是被骗，而不是嫌贵。这种落差造成的流失，比同行知道我们的价格严重得多。

最终确定的原则是三条。

• 价格给区间不给单点。写清包含什么、不包含什么，以及影响价格的因素（班型、实操课时、是否含考试费、是否代办补贴）。区间要真实覆盖主流班型，不能用一个最低价引流。
• 通过率给口径不给数字游戏。写清分母是什么：是本校当期报考人数，还是全部报名人数；是一次通过还是补考后通过。启衡最终采用的表述是：2025年度本校电工中级报考三百一十二人，一次通过二百四十七人，补考后通过二百八十九人。两个数字都给，反而更可信。
• 周期给区间和关键节点。总时长之外，写清理论课时、实操课时、约考等待时间、证书下发时间，因为学员真正焦虑的是从报名到拿证要多久，而不是上多少天课。

还有一个必须处理的合规问题。启衡在第一版内容里写过考试不过全额退费，被法务否掉了，理由是这类承诺在职业技能培训领域属于高风险表述。最终改成了明确的重修政策：未通过者可在十二个月内免费重修一次，仅需缴纳重新报考的考试费。表述更保守，但可信度更高，咨询时的争议也少了很多。

六、改造动作四：把试听预约做成一条能被引用的路径

内容做得再好，如果最后一步接不住，等于白做。启衡原来的预约入口只有一个：页面底部一个免费试听的按钮，点进去是八个字段的表单，还要填身份证号后四位。这个表单的提交率是0.9%。

改造的核心思路是降低摩擦，同时让预约这件事本身成为可被AI描述的事实。具体做了三件事。

预约入口的三处埋点

• 课程页首屏下方放一个轻量入口，只问一句话：想先来听一节课吗，留下手机号即可。字段从八个减到一个，提交率提升到4.3%。
• 费用页与报考条件页的结尾各放一个场景化入口，文案不是免费试听，而是带着你的问题来，四十分钟给你算清楚。这类入口的到访率明显更高，因为承诺的是解决问题而不是推销课程。
• FAQ页每回答完三个问题，插入一次软入口，位置固定，不打断阅读。这一处的转化率最低但质量最好，来的人大多已经完成了自我筛选。

同时把电话、微信、到校三种方式并列写清楚，包括接听时间、回复时长承诺（工作时间内两小时）、校区地址与公交地铁线路。这些看似琐碎的信息，恰好是AI最愿意引用的，因为它们具体、稳定、可核对。

试听课本身也要改

启衡原来的试听课是四十分钟宣讲加二十分钟参观，本质上是一场销售说明会。改造后变成：二十分钟实操观摩、十五分钟讲师答疑、十分钟费用与补贴说明，全程不推销课程，只在最后留一张写清价格与班型的单页。

这个改动带来的变化超出预期。试听到访率从61%升到68%，到访后的七日内报名率从23%升到26%。周敏的判断是，学员不是被说服的，是被确认的。他来之前已经在AI那里得到了一份答案，来现场只是核对这份答案是否属实。试听课的任务不是改变他的判断，而是证明我们的答案和AI说的一致，甚至更细。

七、改造动作五：技术层补课，让页面结构对机器友好

技术层的改造由阿凯负责，工作量不大，但收益直接。核心是三件事。

第一，结构化数据。给课程页加课程类型的结构化标记，给FAQ页加问答标记，给机构页加本地商家标记，包含机构名称、地址、电话、营业时间、办学许可信息。加完之后，页面在搜索结果里的呈现形式发生了变化，被引用的概率也提高了。这里要说明一点：结构化数据不是万能钥匙，它只是让已有的正确信息更容易被正确读取，内容本身错了，标记再全也没用。

第二，页面层级与内链。原来是七个课程页各自孤立，改完后形成三层结构：机构总览页指向七个工种总览页，工种总览页指向报考条件、费用周期、常见问题三个子页，子页之间横向互链。每一层只回答一类问题，不混杂。内链锚文本统一使用问句形式，不用点击这里这类无意义文字。

第三，可抓取性。把关键信息从图片和折叠面板里搬回正文，图片加替代文本，页面加载速度从三点二秒优化到一点四秒，移动端首屏完成时间控制在两秒内。robots文件重新梳理，允许抓取问答页与费用页。另外补了一份站点地图，按工种与页面类型分组。

第四，身份与信任信号。在机构页增加了办学许可证编号、审批机关、有效期，三个校区的备案地址与实景照片，七位主讲教师的姓名、职业资格等级、证书编号后六位、教龄。这一块内容在改造前完全空白，改造后成了引用率最高的板块之一，因为AI在判断一个本地机构是否可信时，最缺的就是这类硬信息。

八、改造动作六：多平台一致性校准，把第三方信息修回来

诊断阶段发现六成引用来自第三方，那就必须去第三方把事实修对。这一步没有任何技巧，全是体力活，但它是整个项目里性价比最高的部分之一。

启衡列了一张清单，覆盖十一个平台：地图商户页三个校区各一条、本地生活平台、招聘网站企业主页、两个问答社区、公众号、视频号、三个内容分发平台。逐条核对六项信息：机构全称、地址、电话、营业时间、主营工种、办学资质。

核对结果不乐观。十一个平台里，地址完全正确的只有五个，电话正确的七个，有四个平台的机构名称还是变更前的旧名。最严重的一处是地图商户页，三个校区有两个标注位置偏移超过八百米，学员按导航走到的是隔壁写字楼。

修正之后建立了两个机制。一个是变更同步表：任何涉及地址、电话、价格、班型的变更，四十八小时内同步到全部十一个平台，责任人签字。另一个是季度巡检：每季度末由内容岗抽查六个平台，出问题计入考核。这两条听起来很重，实际执行成本每月不到三小时，但避免了大量错误信息被反复引用。

多平台内容还要注意口径统一。同一个问题，官网说二十二天，公众号说三周，视频里说一个月，AI交叉比对时会选择保守值或者干脆不引用。启衡后来做了一份口径手册，把价格区间、课时数、周期、通过率口径、补贴政策写死，所有对外内容一律照抄，不允许自由发挥。

九、数据结果：四个月的三条曲线

数据回收期是2026年3月到6月，同比对照2025年同期。选择同比而不是环比，是因为春节后是职业培训的传统旺季，环比会虚高。即使如此，也要承认其中有一部分增长来自内容更新本身的常规效应，不能全部算作GEO的功劳。

第一条曲线是AI侧的表现，用同一套三十个问题、同一批平台、同一时间窗口复测，每月一次。

• 提及率：从8.3%升到41.7%，即三十个问题里平均有12.5个会提到启衡。
• 首位率：从2.8%升到18.3%，在问到本地机构推荐时，启衡进入前三的比例明显提升。
• 准确率：从61%升到93%，剩余错误主要集中在两个尚未完成改造的老页面和一处第三方平台未更新的地址。
• 引用来源结构：官网占比从19%升到44%，第三方从六成降到四成出头，结构趋于健康。

第二条曲线是站内与流量侧。

• 官网自然访问：月均从三千八百次升到六千一百次，其中长尾问答页贡献了新增部分的七成。
• 平均停留时长：从五十一秒升到一分四十二秒。
• 品牌词搜索量：从月均四百二十次升到七百六十次。这个指标很关键，因为AI答案不带链接时，学员往往会转而搜索品牌名，品牌词增长是AI影响最可靠的间接证据。
• 咨询前自报来源：明确说从AI那里看到的，从每月不足5人升到每月三十一人。

第三条曲线是转化侧。

• 试听预约：月均从46条升到158条，其中表单占一百零三条，电话与微信占五十五条。
• 表单提交率：从0.9%升到4.3%。
• 试听到访率：从61%升到68%。
• 到访后七日报名率：从23%升到26%。
• 单条有效线索成本：含人力折算，从一百六十八元降到九十二元。

关于归因必须说清楚。AI渠道的直接归因非常困难，因为多数AI答案不给可追踪链接。启衡用了三个办法交叉验证：一是咨询首句自报，二是品牌词搜索量与直接访问量的同步变化，三是固定问题集的提及率变化。三者趋势一致，才认为是真实增长。即便这样，也只能说相关，不能说因果。项目组内部的口径是：四个月的增长里，大约一半可以归给内容与结构改造，三成归给旺季与市场大盘，两成无法解释。

还有一个容易被忽略的收益：客服成本下降。改造后，课程顾问在电话里解释基础问题的时间平均减少了四分钟，重复问答量下降明显。这块没有折算成金额，但对三个校区共十一名顾问来说，体感很强。

十、踩过的坑与可复用的经验

整个项目不是线性推进的，中间返工了两次。把坑写出来，比把成绩写出来更有用。

五个真实的坑

• 坑一，一开始把GEO当成关键词游戏。第一版内容标题全是本地电工培训哪家好、XX培训学校怎么样，被小林自己否掉了。这类标题既不像人问的，也不像人能答的，写出来只会稀释站点质量。
• 坑二，指望一次改完就见效。前六周几乎没有任何数据变化，团队一度想放弃。实际上AI索引与内容采纳有延迟，第七周才开始出现零星引用。节奏预期没管好，是最容易导致项目夭折的原因。
• 坑三，只改官网不管第三方。第二个月发现AI引用的还是旧地址，回头才去做平台校准，白等了一个月。
• 坑四，监测频率太低。第一个月只在改造前测了一次，改造后没测，导致无法判断哪条动作有效。后来改成每月固定测一次，并记录当月改了什么，才把因果关系理清。
• 坑五，内容写得像广告。有几篇被AI完整跳过，原因很直接：通篇在夸自己，没有一句可核查的事实。删掉形容词、补上数字之后，同一主题的页面才开始被引用。

可以直接抄的六条经验

• 先修事实，再写内容。价格、周期、条件、地址这四类信息不一致，写多少篇都白费。
• 一页只回答一类问题。总览、条件、费用、答疑分开做，不要试图用一个页面解决所有疑问。
• 每段开头给结论。四十到六十字的直答段落，是整个体系里被引用频率最高的部分。
• 给所有事实加时间戳和口径。截至某月、含什么不含什么、分母是谁，这三句话能挡掉大半争议。
• 把预约链路做成可描述的事实。接听时间、回复时长、到校路线、试听形式，写清楚就是转化率。
• 建立月度监测。三十个问题、五个平台、每月一次，两小时的工作量，决定后面所有决策的依据。

项目结束时，周敏在复盘文档里写了一句话作为总结：GEO不是让AI替我们说话，是让我们把话说得足够清楚，清楚到AI不得不引用。这句话后来被贴在了内容组的墙上。

需要提醒的是，这套方法并不适用于所有机构。它成立的前提是：所在品类有明确的决策问题、有可核查的本地事实、有能持续产出内容的一个人。如果一个机构连价格和课时都说不清楚，那第一步不是做GEO，而是先把业务本身理清楚。

常见问题

预算有限的小机构，GEO第一步应该做什么

先做事实校准，不要先写内容。把所有对外渠道上的机构名称、地址、电话、营业时间、主营工种、办学资质核一遍，改到完全一致。这件事几乎不花钱，只花时间，但它决定了后面所有内容的可信度。第二步是把最贵的那个课程做成一个完整页面，把报考条件、费用区间、课时安排、考试节点、证书类型全部写清楚，用这一个页面跑通整个流程，再复制到其他工种。

多久能看到效果，前一个月没变化正常吗

正常。从内容上线到被AI采纳，通常需要四到十周，取决于平台的更新频率与页面被抓取的速度。启衡的项目在前六周几乎没有数据波动，第七周才出现第一批引用。建议把预期设成三个月看趋势、六个月看结构，第一个月只做基线测量与动作记录，不要急着判断成败。

需要写多少篇内容才够

数量不是标准，覆盖度才是。判断方法是：把学员最常问的三十个问题列出来，逐个检查现有页面能不能给出明确答案。如果三十个问题里有二十五个能被现有内容直接回答，覆盖度就够了，剩下的靠定期更新。启衡最终是四十一个独立页面加三十一个问答段落，服务七个工种，这个体量对一家年培训四千人的机构是合适的。

怎么衡量AI带来的咨询，会不会算不准

算不准是常态，因为多数AI答案不带可追踪链接。可行的做法是三个指标交叉看：咨询首句自报来源、品牌词搜索量与直接访问量的变化、固定问题集的提及率变化。三者同向变化，基本可以确认有效。不要追求精确到个位数，GEO的归因只能做到方向正确、量级可信，这一点必须提前和老板说清楚，否则后期一定会因为数据对不上而翻车。

把价格写清楚，会不会被同行抄或者被比价

会被看到，但不写的代价更大。学员在AI那里已经拿到一个价格，如果你页面上的信息模糊，AI就只能引用别人的数字，学员带着错误预期来咨询，流失发生在第一句话。写清楚的好处是把不合适的人提前筛掉，把合适的人提前说服。真正的竞争力在班型设计、实操课时、师资和考试服务上，这些是抄不走的，价格本身从来不是护城河。

没有技术团队，一个人能不能做

能，但要接受节奏慢一些。内容改写、问题库整理、平台信息校准这三件事占工作量的八成，全部不需要写代码。技术部分可以先做最基础的三项：页面能被正常抓取、关键信息在正文里而不是图片里、加上问答与机构的结构化标记。这三项让外包做一次，后续维护成本很低。真正需要长期投入的是每月一次的监测和每季度一次的信息巡检，这两件事必须有人固定负责，否则内容做得再好也会慢慢失效。