反向挖掘选题：5 步从豆包/元宝的热搜里挖出 100 个 GEO 选题

TL;DR：GEO 选题不是凭空想，是反向挖 AI 引擎已经在引的高频问题。5 步法：3 平台（豆包 1 亿 + 元宝 5000 万 + Kimi 3000 万）× 4 类问题（怎么做 / 是什么 / 哪家好 / 多少钱）× 3 类行业变体 = 36 条原始记录；筛 18 平台长尾 = 100 个选题。附 30 天迭代曲线（100 → 73 → 41 跑赢率），新手可直接复用。

上个月一个做医美机构的王总给我打电话： 我反问他：你先别想”我要写什么”，你先去看豆包/元宝在引什么。

他愣了：那不是同行写的内容吗？我抄过来 AI 不会判定重复吗？

我说：你看的是「同行写的内容」，不是「AI 引用的内容」。这俩不是一回事。AI 引用的内容 = AI 引擎的「答案库」已经替你验证过的问题。AI 引擎每回答一次问题，就相当于替你做了一次用户调研。你要做的是把这些被验证过的问题挖出来，整理成选题清单，然后比同行写得更好。

他照做，30 天挖出 100 个选题，挑了 30 个写，豆包引用次数从 0 涨到 12 次。

这就是”反向挖掘”——AI 在引什么你就写什么。

核心原则：GEO 选题 = AI 引擎已经在引用的高频问题，不是凭空想出来的。「搜什么 → 看什么 → 怎么汇总 → 18 平台挖 100 选题 → 30 天迭代」，5 步走完就是 100 个经过验证的选题清单。

先说结论：5 步挖 100 选题速查

TL;DR

• 反向挖 AI 引擎的「答案库」，不是凭空选题——AI 引擎每回答一次问题就等于替你做了一次用户调研
• 5 步法：① 搜什么（4 类问题 × 3 平台）→ ② 看什么（参考资料区）→ ③ 怎么汇总（去重分类排序）→ ④ 18 平台挖 100 选题 → ⑤ 30 天迭代补长尾
• 3 平台互补：豆包（日活 1 亿，覆盖广）+ 元宝（微信生态，私域强）+ Kimi（长文本检索，专业深）
• 18 平台 = 6 大 AI 搜索 × 3 类行业变体，挖 100 选题的基线
• 30 天 4 周迭代：第 1 周挖 100 → 第 2 周去重 60 → 第 3 周补长尾 80 → 第 4 周跑前 30 名

这张表就是 5 步法的速查版。想了解每一步为什么这么做，往下看 Ⅰ-Ⅴ 节的因果链。

Ⅰ. 搜什么：4 类问题 × 3 个 AI 平台

反对 1：凭感觉选题，结果 80% 内容没人看。

很多老板做 GEO，第一步是拍脑袋：“我这个行业，用户关心什么？“然后写出 30 个选题，结果发出去 30 篇只有 5 篇被 AI 引用，另外 25 篇全部打水漂。

凭感觉选题 = 拍脑袋 = 80% 浪费。GEO 是「AI 引擎的内容供给」，不是「我想说什么就说什么」。选题必须从 AI 引擎的「答案库」里反推，AI 引什么你写什么。

怎么做？4 类问题 × 3 平台 = 12 条原始记录。

4 类问题模板

实操步骤：每个平台各跑 4 类问题 = 12 条原始记录。

比如财税行业：

1. 豆包搜「如何申请高新企业认定」→ 看答案 + 参考资料区
2. 豆包搜「什么是研发费用加计扣除」→ 看答案 + 参考资料区
3. 豆包搜「哪家财税公司做高新认定靠谱」→ 看答案 + 参考资料区
4. 豆包搜「高新企业认定代办多少钱」→ 看答案 + 参考资料区 5-8. 元包重复上面 4 个问题 9-12. Kimi 重复上面 4 个问题

跑完 12 条记录，每条记录都包含：① 完整问题 ② AI 答案摘要 ③ 参考资料区 URL 清单。

参考 AI 搜索引擎偏好差异 可以了解 3 平台更细的算法差异。

Ⅱ. 看什么：参考资料区是被验证过的问题

反对 2：只看 AI 答案，不看「参考资料」区。

很多老板看到豆包给了一个答案就走了，不往下翻。错。豆包/元宝/Kimi 每个答案底部都有「参考资料」区，列出 AI 引用的来源 URL。

这就是 GEO 选题的「金矿」。AI 引用的内容 = AI 引擎的「答案库」已经替你验证过的问题 + 来源。你要做的就是：

1. 把这些 URL 全部复制下来
2. 每个 URL 点进去看具体内容
3. 把 URL 对应的「问题」提取出来当选题
4. 把 URL 对应的「内容角度」记下来当写作参考

参考资料区 3 个关键信息

实操：跑完 12 条记录后，把 12 条记录的「参考资料区」URL 全部整理到 1 张 Excel 表：

注意「引用频次」这列。同一个 URL 在多个答案里反复出现 = AI 引擎认为这个内容「权威」。这就是你的高价值选题：AI 已经反复引用的 URL 对应的问题，写一篇同等质量甚至更好的内容，AI 就会引用你。

参考 GEO 完整指南 里「内容创作」一节可以了解被 AI 引用的内容结构。

Ⅲ. 怎么汇总：去重 + 分类 + 排序

反对 3：12 条记录直接当选题，重复太多。

跑完 12 条记录后，你会发现：豆包/元宝/Kimi 3 平台对「如何申请高新企业认定」这个问题，AI 给出的答案 80% 相似，引用的 URL 也高度重合。

12 条记录里 80% 是重复的。去重后剩 6-8 条有效选题。

3 步汇总法：

1. 去重：12 条记录按「问题」合并，同一问题只留 1 条。3 平台对同一问题的答案，合并成 1 条「综合答案」
2. 分类：按「商业价值」分高/中/低 3 档
   • 高：客户主动搜、决策权重高（如「多少钱」「哪家好」）
   • 中：客户主动搜、决策权重中（如「怎么做」「是什么」）
   • 低：客户被动看、决策权重低（如科普类、概念类）
3. 排序：按「AI 引用频次」从高到低排，引用频次高的排前面

汇总后 1 张表

⭐⭐⭐ = 第一批写；⭐⭐ = 第二批；⭐ = 第三批。6-8 条有效选题，分配给写手/AI 工具，分 3 批 2-3 周写完。

注意一个常见错误：把「AI 引用频次」当唯一排序指标。错。AI 引用频次高但「商业价值低」（科普类）的不值得写。要按「商业价值 × AI 引用频次」双指标排序。

参考 GEO 行业适用性速查表 可以了解不同行业的选题挖掘优先级。

Ⅳ. 18 平台挖 100 选题

反对 4：只挖 3 平台 = 漏掉 70% 选题。

只挖豆包/元宝/Kimi 3 平台，6-8 条有效选题对大部分行业够用，但还有 3 个问题：

1. 你的客户可能不用这 3 个平台（医美客户更爱问小红书搜索，但小红书不是 AI 引擎）
2. 你的同行可能已经在其他 3 个 AI 平台（文心一言/通义千问/DeepSeek）做了内容
3. 你想挖更多长尾（不只是头部 6-8 条）

18 平台 = 6 大 AI 搜索 × 3 类行业变体。这是 V哥 实战的延伸步骤，3 平台挖 6-8 条是基础，18 平台才能挖到 100 条。

18 平台清单

18 平台 = 6 AI × 3 行业 = 18 个搜索场景。每个场景跑 4 类问题 = 72 条。补 28 个长尾（用 AI 反向提问「还有什么相关问题」）≈ 100 条。

实操步骤：

1. 先用「通用版」跑 6 平台 = 24 条
2. 再用「财税版」跑 6 平台 = 24 条（把问题改写成财税限定）
3. 「法律版」「教培版」同上
4. 用「AI 反向提问」补 28 个长尾
5. 整理成 100 条选题清单

举几个行业变体的改写示例：

每改一个行业变体 = 24 条新选题。3 行业变体 = 72 条。补 28 个长尾 = 100 条。

怎么套？4 步：

1. 跑通用版 6 平台 = 24 条（先打底）
2. 选 3 个你的行业变体（财税/法律/教培/医美/宠物/装修 任选 3）
3. 每个行业变体跑 6 平台 = 24 条 × 3 = 72 条
4. 用 AI 反向提问「还有什么相关问题」补 28 条长尾

100 条选题清单搞完，分配给写手/AI 工具，30 天能写 30 篇。

参考 AI 搜索 6 大平台差异 可以了解 6 平台的具体覆盖差异。

Ⅴ. 30 天迭代补长尾

反对 5：100 条选题一次写完 = 30 天后没选题。

很多老板挖完 100 条选题后，立刻分配写手/AI 工具，30 天全写完。结果 60 天后选题库空了，又要从零挖。

正确做法：30 天迭代 4 步走，把 100 条选题分 4 周用，每周末补长尾。

30 天 4 周迭代

4 周具体动作

• 第 1 周（挖）：18 平台 × 4 类问题 × 3 行业变体 = 100 条原始选题。整理到飞书多维表格
• 第 2 周（清）：去重（同问题合并）+ 分类（高/中/低商业价值）+ 排序（按 AI 引用频次），剩 60 条有效选题
• 第 3 周（补）：用豆包/元宝反向提问「与『如何申请高新企业认定』相关的还有什么问题？」让 AI 自动生成 20 个长尾选题，加到清单到 80 条
• 第 4 周（排）：跑前 30 名排序，按「商业价值 × AI 引用频次」双指标，分配给写手/AI 工具。30 天能写 30 篇

4 周迭代的核心价值

• 第 1-2 周的 100 → 60 是「去重 + 分类」= 保证质量
• 第 3 周的 60 → 80 是「补长尾」= 保证新鲜度（AI 引擎引用频次会变，每周都有新热点）
• 第 4 周的 30 篇 = 把 80 条里的前 30 名写出来 = 保证优先级

注意：4 周后继续下一轮迭代，每周补 20 个长尾，3 个月后选题库 = 100 原始 + 240 长尾 = 340 条。GEO 选题库越挖越深，越迭代越值钱。

参考 GEO 月度维护 SOP 可以了解选题库怎么持续维护。

一张表总结：5 步挖 100 选题速查

核心方法论：GEO 选题 = 反向挖 AI 引擎的「答案库」，别凭空想。

5 步法本质：3 平台挖 12 条 → 去重成 6-8 条 → 18 平台扩到 100 条 → 30 天迭代前 30 名开写。

下一步：你的行业是什么？留言告诉我你的「4 类问题 + 3 行业变体」组合，看是否能套这个 5 步法挖 100 选题。

常见问题

问题：GEO 写什么选题？
反向挖掘 AI 引擎已经在引用的高频问题。具体做法：到豆包/元宝/Kimi 搜 4 类问题（怎么做/是什么/哪家好/多少钱），记录每个问题 AI 给出的「参考资料」区里被引用的内容，汇总成 100 个选题清单。这是 GEO 选题的最快路径，因为 AI 已经替你验证过这些问题有流量。

问题：为什么要反向挖 AI 引擎的搜索？
传统选题 = 凭感觉 + 追热点，结果 80% 内容没人看。反向挖 AI 引擎 = AI 已经在引用的选题 = AI 引擎的「答案库」已经验证这些问题有需求。AI 引擎每回答一次问题，就相当于替你做了一次用户调研：① 问题真实存在 ② 答案有标准 ③ 内容来源可识别。这比拍脑袋选题高效 10 倍。

问题：豆包/元宝/Kimi 哪个平台挖选题最准？
3 个平台都挖，交叉验证。豆包日活最大（2025 年底突破 1 亿），覆盖最广；元宝基于微信生态，私域场景强；Kimi 长文本检索最强，专业内容深。3 平台各挖 4 类问题 = 12 条原始记录，去重后剩 6-8 条有效选题。再投放到 18 个平台（6 大 AI 搜索 × 3 类行业变体）= 100 个选题。3 平台互补，缺一不可。

问题：5 步法的第 4 步「18 平台挖 100 选题」具体怎么做？
18 平台 = 6 大 AI 搜索 × 3 类行业变体。6 大 AI 搜索：豆包/元宝/Kimi/文心一言/通义千问/DeepSeek。3 类行业变体：通用版（面向所有行业）+ 财税版（高新认定/税务筹划）+ 法律版（工伤赔偿/离婚财产）。每个平台跑 4 类问题 = 24 条，再投放到 3 个变体 = 72 条，加 28 个长尾补充 ≈ 100 个选题。

问题：挖完 100 个选题后怎么分配写作？
30 天迭代 4 步走。第 1 周：跑完 18 平台挖 100 个原始选题。第 2 周：去重 + 按「商业价值」分类（高/中/低），剩 60 个有效选题。第 3 周：用 AI 反向提问「还有什么相关问题」补 20 个长尾，到 80 个。第 4 周：跑前 30 名排序，按 AI 引用频次 + 商业价值双指标分配给写手或 AI 工具。30 天后就有 30 篇 GEO 内容上线，豆包引用次数从 0 涨到 8-15 次。

参考资料

1. Aggarwal, P. et al. “GEO: Generative Engine Optimization.” 2023. arXiv:2311.09735. https://arxiv.org/abs/2311.09735
2. Schema.org. “Schema Markup Documentation.” https://schema.org/
3. Google. “How Search Works: AI Features and EEAT.” Google Search Central. https://developers.google.com/search/docs/fundamentals/how-search-works
4. llmstxt.org. “llms.txt Standard Specification.” https://llmstxt.org/
5. 字节跳动. “豆包 AI 搜索数据报告.” 豆包官方. https://www.doubao.com/help/ai-search-data
6. 腾讯. “元宝 AI 搜索用户行为报告.” 元宝官方. https://yuanbao.tencent.com/
7. 月之暗面. “Kimi 长文本检索技术白皮书.” Kimi 官方. https://kimi.moonshot.cn/