V哥AI增长 联系V哥

郑州老板的 GEO 课：银基商贸城的档口，为什么 AI 推荐里找不到你？

· 郑州 本地 · ·

上周三晚上，一个在郑州银基商贸城做女裤批发的老板约我在大卫城旁边的咖啡馆见面。他姓刘，做了十几年服装生意，从火车站商圈摆摊起家，现在银基有两间档口，同时在淘宝和拼多多上做零售。刚落座他就把手机推过来，屏幕上是一个 AI 对话界面，问的是「郑州冬天上班通勤穿什么裤子又保暖又不显臃肿」。AI 给出的推荐里，有杭州的一个设计师品牌，有广州一个做功能性面料的 DTC 团队，甚至还有一个从抖音测评视频里长出来的白牌。他自己的产品——加绒直筒西装裤，月销不差，评价也过千——连个影子都没有。

「我这条裤子在淘宝搜『加绒西装裤 女』能排前五，直通车一天烧三百多，AI 怎么就不认呢？」

我让他打开自己的产品页。标题是「秋冬加绒西装裤女直筒高腰显瘦垂感黑色西装裤」，详情页从面料克重讲到缝线工艺，最后用三张图展示模特穿着的正面、侧面、背面效果。我问他：「你在郑州冬天骑电动车上班的时候，会怎么跟朋友描述你需要的裤子？」他想了想，说：「我会说，要一条骑电动车不钻风的，到办公室脱了外套也不像秋裤外穿的。」

「那你的页面里，有这句话吗？」

他沉默了一下，把手机拿回去，又骂了一句。

这件事让我想起在郑州做 GEO 咨询这大半年遇到的一个普遍问题：郑州的老板们对「搜索」的理解，很多还停留在2018年。我们以为用户会输入「加绒西装裤 女 直筒」，但实际上，当用户面对 AI 对话框时，他们输入的是自己真实的生活处境。而郑州这座城市的生活处境，恰恰是高度本地化的——电动车通勤、暖气房内外温差、批发市场里一待就是半天的久站需求。这些场景，你的产品页里写了吗？

AI 推荐产品页的逻辑，不是看你的产品多好，而是看你的页面能不能精准回应一个具体的生活任务。郑州老板要做的，是把产品页从「档口货品说明」变成「郑州生活问题解答」。

郑州的搜索变了：从「关键词」到「生活任务」

郑州的商业生态有个特点：档口思维深重。银基、锦荣、世贸商城这些批发市场里，老板们习惯了「货等人来」的被动逻辑。做电商之后，这套逻辑平移到了线上——把货品的属性词堆满标题，等着用户来搜。但 AI 搜索的底层逻辑完全不同。它做的是语义理解，先理解用户的问题背后是什么任务，再去海量页面里找「最像在回答这个任务」的内容。

举个例子。郑州冬天有个非常具体的场景：骑电动车上班的人，需要在外面套一条防风裤，到办公室脱掉之后，里面的裤子还要能见人。这个任务在传统搜索里可能被拆成「防风裤 骑行」「加绒裤 通勤」「西装裤 保暖」好几个关键词，用户得自己组合搜索。但在 AI 对话框里，用户直接说：「我每天骑电动车到郑东新区上班，想找一条路上防风、到公司不尴尬的裤子。」AI 会去匹配那些「直接回应了这个完整任务」的页面。

如果你的产品页从头到尾都在讲面料成分和版型参数，但在 AI 的语义模型里，这些信息和「骑电动车通勤」这个任务之间的关联度几乎为零。它根本不会把你的页面放进候选池。

我后来帮刘老板分析了几个被 AI 推荐的产品页，发现一个共同点：页面里一定有一段内容，对话式地回应了某种具体的使用场景。比如其中一个杭州品牌在详情页中段写了这样一段：「如果你需要在冷风里走一段路再进暖气房，这条裤子的面料做了双向调节——外层防风涂层挡住骑行时的冷风，内层磨毛在室内不会闷汗。郑州的冬天，从室外到办公室，不用换裤子。」就这几句话，AI 就能精准匹配「郑州冬天通勤」这个任务，而且回答得干净利落。

所以第一步，郑州的老板们需要重新理解搜索：AI 做的不是信息检索，而是任务匹配。你的产品页需要从「我有什么货」切换到「我能帮郑州的消费者解决什么具体问题」。

你的产品页，AI 可能根本没读懂

很多老板听到这里，以为把文案写得像本地生活帖就行了。但问题没那么简单。AI 能不能「读到」你那段精心准备的回答，取决于你的页面结构够不够友好。

我在一个做郑州本地蜂蜜的客户身上做过测试。他们的产品页写得很有场景感，有「河南冬天干燥喉咙不舒服怎么办」「郑州雾霾天多喝什么水」这种内容，按理说应该很容易被 AI 抓到。但一开始用 AI 工具搜「郑州冬天喉咙干喝什么蜂蜜」，根本搜不到他们。后来打开页面源码一看，发现那几段场景描述全是用 JavaScript 动态加载的，AI 爬虫根本抓不到。而且整页没有用一个结构化数据标签，搜索引擎的解析器不知道哪段是产品描述，哪段是用户评价，哪段是 FAQ。

这就是第二步要做的事：让 AI 能轻松读懂你的产品页。两个关键动作。

第一个动作是上结构化数据。 用 Schema.org 的标签，把产品页里的信息明确标注出来。Product 类型标注名称、描述、价格、库存、评分、评价数；FAQPage 类型标注那些问答式的场景内容；Review 标注用户评价。这些标签就像给 AI 递了一张信息索引卡，告诉它：「这段话是回答 A 类问题的，那段话是回答 B 类问题的。」AI 在生成推荐时，检索效率会高很多，也更可能把你的内容作为引用源。

第二个动作是内容格式要「AI 友好」。 尽量不要把关键信息藏在图片、视频或者复杂的交互组件里。用清晰的标题层级把不同场景的问题和回答组织起来，每一段问答都尽量短而完整，最好能独立成块。比如：

这种格式，AI 理解起来没有任何门槛，被引用的概率自然也高。

郑州人信什么，AI 就信什么

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 在选择推荐产品时，会评估一个页面的「权威性」。它怎么判断权威？很简单，看别人有没有提到你，以及别人怎么评价你。

郑州这座城市有个特点：熟人社会的信任链条非常强。一个产品在郑州本地有没有口碑，往往取决于它有没有被本地人反复提及。AI 的逻辑其实类似。我观察过好几个品类的 AI 推荐结果，发现被推荐的产品页背后，几乎都有比较丰富的外部信号。

第一类是本地媒体和垂直媒体的报道。 郑州有《大河报》《郑州晚报》这样的本地媒体，也有像「郑州吃货」「郑州潮生活」这样的本地生活类自媒体。如果你的产品被这些媒体报道过，而且那篇文章本身在搜索引擎里权重不低，AI 就很容易顺着这个链接找到你的页面。我见过一个做新密虾尾的餐饮品牌，他们线上卖预制菜，AI 推荐率特别高，原因就是他们上过本地美食媒体的深度报道，文章的标题经常是「郑州人夏天离不开的这一口，在家也能吃到」。完美匹配任务型搜索，AI 极其喜欢。

第二类是用户生成内容，尤其是带详细体验描述的评论。 很多电商平台自己的评论区是封闭的，AI 抓不到。但如果你在独立站或者第三方评论区有大量真实、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：「我家在管城区，冬天骑电动车到高新区上班，这条裤子真的不钻风，到办公室也没觉得闷。」这种评论，比任何官方文案都管用，因为它本身就是任务导向的答案，而且带着郑州本地的地理标签，AI 更容易把它和「郑州通勤」这个任务关联起来。

第三类是站内其他权威页面的链接。 如果你有一个专门讲「郑州冬天通勤穿搭指南」的博客文章，里面引用了你的产品页，这篇文章又在搜索引擎里排名不错，AI 可能会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」。

因此，第三步的核心就是：不要只盯着产品页本身，要围绕产品页建立一个外部信号网络。让 AI 觉得，关于这个任务，这个页面是被反复提及和认可的。

你以为做好了，但 AI 可能还是没推荐你

做完前三步，是不是就万事大吉了？远没有。AI 搜索的结果是动态变化的，而且不同 AI 工具的推荐逻辑不完全一样。你觉得自己优化到位了，但实际测试可能还是没你。

我现在的习惯是，每优化完一轮，就用至少三个不同的 AI 工具去模拟搜索。我会设定一个郑州本地用户的场景，比如「我在郑州金水区上班，每天坐地铁加步行，想买一双冬天不冻脚踝的鞋子」，然后分别去问 ChatGPT（带联网插件）、Bing Chat、Perplexity。看它们会不会推荐我的产品页，如果推荐了，被引用的是哪一段内容，排在什么位置。

这里有个很反直觉的发现：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。比如我做的一个郑州本地品牌的加湿器产品页，AI 推荐时没有引用产品描述，而是引用了用户评价里的一句话：「郑州冬天暖气太干，这个加湿器的静音模式晚上开着不影响睡觉。」我这才意识到，原来 AI 认为「静音模式」是解决郑州暖气房干燥任务的关键信息。于是我又在页面里增加了一段关于静音模式如何帮助睡眠的详细说明，并标注了 FAQPage 结构化数据。下一次测试，推荐率明显提升。

所以第四步，实际上是一个持续监测和迭代的过程。你需要建立一个简单的测试表，每周固定时间跑一轮，记录下不同 AI 的推荐结果，分析它们是引用了你页面的哪部分内容，没被推荐可能是因为缺少什么信息，然后调整内容、结构或者外部信号。

这个阶段没有什么银弹，拼的就是谁更勤快，谁更愿意去理解 AI 的「口味」。我见过做得最好的郑州团队，是一家做信阳毛尖的电商公司，他们甚至会把 AI 的推荐结果当成产品迭代的线索，因为 AI 推荐的内容，往往反映了用户最真实的需求场景。

常见问题

问：我是做本地生活服务的，比如郑州的餐饮店，也需要做 GEO 吗？

答：需要，而且可能比电商更迫切。AI 搜索在处理「郑州哪里有好吃的烩面」「郑州适合带孩子去的餐厅」这类问题时，推荐逻辑同样基于任务匹配和权威信号。你的店铺页面如果只有地址和菜单，没有结构化数据标注，没有本地用户评价的聚合，没有本地媒体的报道链接，AI 很难把你放进推荐池。本地生活服务的 GEO 重点在于：把店铺页面变成一个「本地生活问题解答页」，比如在页面里回答「来郑州旅游，带家人吃什么不踩雷」，并配合本地媒体和 UGC 信号。

问：我的产品页是平台店铺（淘宝/拼多多），不是独立站，能做 GEO 吗？

答：能做，但限制更多。平台店铺的页面结构你无法完全控制，结构化数据也加不了。但你可以做两件事：一是在详情页文案里嵌入场景化问答内容，把任务匹配做好；二是在站外建立信号网络，比如做独立博客、本地媒体评测、引导用户在第三方平台留下详细评价。AI 在推荐时，可以通过这些外部信号间接找到你的平台店铺页面。如果你有条件，建议同时做一个轻量级的独立站或品牌官网，把完整的产品信息和场景内容放在上面，作为 AI 引用的主阵地。

问：GEO 优化多久能看到效果？

答：GEO 的效果周期比传统 SEO 更短，但也不是立竿见影。一般来说，结构化数据部署后 1-2 周内，AI 就能抓到你的页面更新。场景化内容如果质量高，2-4 周内可能开始出现在 AI 推荐结果里。但稳定被推荐，需要外部信号和持续监测的配合，通常要 2-3 个月才能形成比较稳定的推荐率。建议每周固定时间测试，记录变化趋势，逐步调整。

延伸阅读

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，传统搜索引擎优化还有用吗？
  3. Google Search Central - 结构化数据简介
  4. Schema.org - Product 类型定义