南昌老板的焦虑：为什么 AI 推荐里没有你的货？

上周二晚上，一个在洪城大市场做了十几年家纺批发的老板老周约我吃饭。刚落座，茶还没倒满，他就把手机拍在桌上，屏幕里是一个 AI 对话框，问题是「南昌冬天湿冷，晚上睡觉肩膀总是冻醒，买什么被子合适」。AI 给了一个答案，推荐了三个品牌，两个是杭州的 DTC 品牌，一个来自南通家纺产业带的工厂店。老周在南昌有自己的棉被加工厂，给省内好几个商超供货，淘宝店开了八年，直通车没少烧，但在这条 AI 回答里连个影子都没有。

他问我：「我做了这么多年，在江西家纺圈也算有点名气，怎么 AI 连提都不提我一句？」

我把他的产品页点开，第一屏是「精选新疆长绒棉，A 类母婴级标准，蓬松度 780+，抑菌防螨……」。我问他：「你冬天半夜肩膀冻醒的时候，会这么搜吗？」他夹了一筷子南昌炒粉，没说话。

这个场景，过去半年我在南昌至少见了五次。做军山湖大闸蟹的、做文港毛笔的、做青山湖针织服装的、做进贤医疗器械的，几乎每个老板都在问同一个问题：我明明做了搜索优化，为什么 AI 推荐里没有我？

答案其实不复杂，但和南昌商人骨子里那套「货好不怕巷子深」的逻辑，完全是两回事。

AI 推荐的不是你的货，而是你的页面能不能成为那个问题的答案。

TL;DR：AI 推荐逻辑和传统搜索完全不同。它不看你的关键词密度和直通车出价，只看你的页面能不能结构化地解决一个具体任务。南昌本地企业要拿到 AI 推荐位置，得把产品页从「商品介绍」改成「问题解答」，用结构化数据让 AI 读懂你，再用南昌本地能撬动的外部信号让 AI 相信你。这篇文章用四个步骤讲透。

先看总览：

Ⅰ 南昌老板的思维惯性：把产品页当成了「货架卡」

老周的问题特别典型。南昌的商业底色是「流通」和「制造」——洪城大市场、深圳农产品批发市场南昌分场、向塘物流枢纽，这些地方长大的老板，骨子里相信的是「货好、价实、渠道硬」。反映到电商产品页上，就是拼命讲参数、讲产地、讲工艺，像一张电子货架卡。

但 AI 不吃这套。

AI 在生成推荐时做的是语义理解。它先拆解用户的问题——「南昌冬天湿冷，肩膀冻醒，买什么被子」——然后去海量页面里找那些最像在回答这个问题的内容块。你的页面如果从头到尾在讲棉花产地和蓬松度，AI 的语义模型里，这些信息和「湿冷」「肩膀冻醒」之间的关联度极低，你的页面根本进不了候选池。

我后来帮老周分析了一个被 AI 推荐的家纺品牌页面，发现一个规律：那个页面的中段有一段话，直接回应了「湿冷天睡觉肩膀冷」这个场景。大意是：「南方冬天湿冷，体感温度比北方更低，建议选择填充量在 6 斤以上的棉被，被角要有加厚设计，侧睡时能裹住肩膀。」就这几句，AI 就能精准匹配。

所以第一步，南昌的老板们必须换脑子：AI 做的不是信息检索，是任务匹配。你的产品页需要从「我有什么」切换到「我能帮谁解决什么」。比如你做南昌拌粉预包装食品，别只写「江西米粉，爽滑筋道」，要写「在南昌，拌粉是早餐，不是午餐。如果你早上只有 10 分钟，怎么煮出一碗不坨的拌粉？」——这才是会被 AI 抓取的问题。

Ⅱ 光写得好不够，AI 得读得到

很多南昌老板听到这里，觉得回去改改文案就行了。但现实更骨感。AI 能不能读到你的内容，取决于你的页面技术结构。

我做过一个青山湖针织服装的客户，他们的文化衫产品页写得非常场景化，有「南昌夏天 38 度户外跑单穿什么 T 恤」「公司团建印 logo 选什么面料」这种内容。但用 AI 工具搜「南昌夏天户外工作穿什么衣服凉快」，根本搜不到。后来看源码，发现那几段场景描述是用 JavaScript 动态加载的，爬虫抓不到。而且整页没有结构化数据标签，搜索引擎不知道哪段是产品介绍、哪段是 FAQ、哪段是评价。

这就是第二步：让 AI 能轻松读懂你的页面。两个关键动作。

第一个动作：上结构化数据。 用 Schema.org 的标签把产品页信息明确标注出来。Product 类型标注名称、描述、价格、库存、评分；FAQPage 类型标注问答式内容；Review 标注用户评价。这些标签相当于给 AI 递了一张信息索引卡，告诉它「这段话回答 A 类问题，那段话回答 B 类问题」。AI 检索时效率高很多，也更可能引用你的内容。

第二个动作：内容格式要「AI 友好」。 别把关键信息藏在图片、视频或复杂交互组件里。用清晰的标题层级把不同场景的问答组织起来，每一段问答尽量短而完整。比如：

• H2：南昌冬天湿冷，睡觉肩膀总冻醒怎么办？
• 正文：一段 200 字左右的直接回答，包含原因分析、产品建议、使用参数。

这种格式 AI 理解起来零门槛，被引用的概率自然高。

Ⅲ 你说自己好不算，AI 得看到别人说你好

结构化和场景化只是入场券。真正决定 AI 推不推荐你的，是信任度。AI 怎么判断权威？看别人有没有提到你，怎么评价你。

在南昌，这一步其实有本地化的玩法，很多老板还没意识到。

第一类：本地媒体和垂直渠道的评测。 南昌有《江南都市报》《南昌晚报》的消费栏目，有「南昌吃货团」「南昌周边游」这类本地生活自媒体，还有江西省商务厅每年搞的「赣鄱好物」评选。如果你的产品被这些渠道写过评测，而且文章本身在搜索引擎里有一定权重，AI 就很容易顺着链接找到你，并把那篇文章当信任背书。

我见过一个做进贤毛笔的小品牌，他们给几个书法类公众号寄了样笔，换来几篇深度评测，标题都是「200 元以内适合新手的毛笔推荐」。这些文章完美匹配任务型搜索，AI 推荐率特别高。南昌本地的文港毛笔产业带，产品力不输湖州，但在 AI 推荐里的声量差了一大截，差的就是这种外部信号。

第二类：带场景描述的用户评价。 很多南昌企业依赖淘宝、京东的封闭评论区，AI 抓不到。但如果你在独立站或第三方评价平台有大量真实、详细的评价，AI 会把这些评价当作产品页的一部分直接引用。比如用户写：「我住红谷滩，冬天房间没暖气，这个被子盖了三天，早上起来肩膀不冷了。」这种评价本身就是任务导向的答案，比任何官方文案都管用。

第三类：站内知识页面的联动。 如果你有一个专门讲「南昌冬天怎么选被子」的博客文章，里面链接了你的产品页，这篇文章又在搜索引擎里排名不错，AI 可能把两页内容结合起来推荐。这种内部链接，实际上是在帮 AI 建立你产品页的知识图谱。

南昌老板做这一步有个天然优势：本地关系网密。找本地媒体、找本地 KOL、找老客户写详细评价，都比一线城市容易得多。问题是大多数人没把这些关系用在 AI 推荐这件事上。

Ⅳ 你以为做好了，AI 可能还是没推荐你

做完前三步，不是终点。AI 搜索结果是动态的，不同工具的逻辑也不一样。你觉得自己优化到位了，实测可能还是没你。

我的习惯是，每优化一轮，用至少三个 AI 工具模拟搜索。设定一个南昌本地消费者的场景，比如「我在南昌高新区上班，通勤骑电动车，冬天冷风刮脸，想买个保暖面罩」，分别去问 ChatGPT（带联网）、Bing Chat、Perplexity。看它们会不会推荐我的产品页，推荐了引用哪段内容，排在什么位置。

这里有个反直觉的发现：有时候 AI 推荐了你的页面，但引用的是你完全没想到的一句话。比如我做的一个南昌拌粉产品页，AI 推荐时没有引用产品描述，而是引用了买家评价里的一句：「米粉煮 3 分钟就散，不会粘成一坨，早上赶时间特别合适。」我这才意识到，AI 认为「3 分钟不坨」是解决「早餐赶时间」这个任务的关键信息。于是我回产品页加了一段关于煮制时间的详细说明，标注了 FAQPage 结构化数据。下一轮测试，推荐率明显上升。

第四步本质上是一个持续监测和迭代的过程。建议做一个简单表格，每周固定时间跑一轮，记录不同 AI 的推荐结果，分析引用内容，调整页面结构或外部信号。

这个阶段没有银弹，拼的是谁更勤快，谁更愿意琢磨 AI 的口味。南昌老板的优点是务实、肯干，缺点是容易把「做了」当「做完了」。GEO 这件事，恰恰需要持续做。

常见问题

问：我是南昌做本地生意的，不做电商，还需要管 AI 推荐吗？

需要，而且可能更需要。南昌本地消费者的 AI 使用率正在快速上升，尤其是年轻人在微信里用 AI 搜索「红谷滩哪家赣菜馆适合请客」「南昌周边周末带娃去哪玩」。如果你的店在美团、大众点评、小红书上的信息结构混乱，AI 根本不会推荐你。本地生意的 GEO 优化，比电商产品页还简单，因为你的「产品页」就是那些平台上的店铺信息和用户评价。

问：我不会写代码，结构化数据怎么弄？

不用自己写。如果你用 Shopify、WordPress 建站，大部分电商模板已经内置了基础的 Schema 标记。你要做的是把 FAQ 内容填进去，模板会自动生成 FAQPage 标记。如果是淘宝京东店铺，平台自带的结构化数据已经覆盖了基本信息，你要补的是站外内容——比如在知乎、小红书、本地论坛发布问答式内容，让 AI 从这些渠道抓取到你的信息。

问：南昌本地企业做 GEO，优先做哪一件事性价比最高？

先做「场景问答内容」。在现有产品页里嵌入至少 3 个具体使用场景的问答段落，用 H2/H3 标题标出来，直接回答南昌本地消费者会问的问题。这是成本最低、见效最快的一步。结构化数据和外部信号可以后续补，但如果页面内容本身不匹配任务，其他动作都是空转。

延伸阅读

• GEO 和 SEO 到底差在哪：一篇说清 AI 搜索优化的底层逻辑
• 电商产品页结构化数据实操清单：从 Schema 到 FAQPage
• 怎么用 AI 工具模拟测试你的 GEO 优化效果

参考资料

1. Aggarwal, P., et al. (2023). GEO: Generative Engine Optimization. arXiv preprint arXiv:2311.09735. https://arxiv.org/abs/2311.09735
2. GEO vs SEO：AI 搜索时代，你的优化策略该换了
3. Schema.org - Product 类型定义
4. Google Search Central - 结构化数据简介