53% 的 B2B 买家因为用例匹配注意到你，7% 因为品牌名：GEO 该怎么选题
53% 的 B2B 买家因为用例匹配注意到你，7% 因为品牌名：GEO 该怎么选题
大多数 GEO 项目的开头都一样：列出几个明显的词——"最好的 X""X 替代品""X 哪个好"，丢给模型扩成四百条 prompt，然后开始盯提及率。等数字出来，没人说得清它是什么意思。四百条没人验证过是否真有人这样问的 prompt，算出来的提及率，分母是未知的。
有一个数字能解释扩词这个习惯为什么会失准。B2B 买家在 AI 回答里看到一家供应商时，53% 说他们注意到它是因为它紧密匹配自己的具体用例，7% 说品牌认知度跟这件事有关系 [1]。
而这些买家对 AI 推荐最常见的抱怨是：33% 说答案对自己的具体用例太笼统 [1]。围着品牌扩出来的宽泛 prompt，正是生产这种答案最快的方式，然后你再拿它给自己打分。
10 月发布在 NewMax 上的一套框架给出了替代做法：围绕用户正在完成的决策建问题库 [5]。下面用买家行为研究把它钉实。
---
快速回答
GEO 的选题清单应该是一组问题簇：一个簇对应一个真实需求，需求保持不动，表达方式在簇内变化。
- 从买家正在做的那个决策出发。 买家的提问里已经自带用例（61%）、直接对比的要求（56%）和预算、必需功能、兼容性这类约束（45%）[1]。
- 每个簇只归一个主要决策意图。 NewMax 框架给了六类，从问题探索一直到验证与购买决策，下文有表 [5]。
- 角色、预算、技能水平是修饰标签，不是分类。 同一个用户可以既是产品经理、又不会写代码、又预算有限，而主要意图只是比较两个候选。拆成平行分类会把同一个人重复计数 [5]。
- 三个分母分别记： 不同用户数、会话数、请求数。一个人追问十次和十个人各问一次都是十条请求，含义完全不同 [5]。
- 第一版保持 20 到 30 个簇。 只给打算复测的那些生成变体 [5]。
一条边界管住全部：公开研究能告诉你哪些类型的问题值得覆盖。没有任何已发表研究、也没有今天市面上的任何工具（包括我们的），能告诉你某个具体问题在某个引擎、某个月被问了多少次。问卷里的行为比例是受访者自报占比，不是查询流量占比。
---
为什么扩品牌词会产出没人问的问题
扩词这个动作假设输入是一个关键词。大规模行为证据说，输入通常是一个处境。
这方面最清楚的一手数据来自 2026 年的一篇预印本，研究携程内嵌的 LLM 助手"问道"，数据覆盖平台 3,100 万用户。作者报告：消费者不成比例地把助手用在探索型、难以用关键词表达的任务上，而景点类查询占被观察到的对话请求的 42% [3]。
两个细节才是重点。"难以用关键词表达"本身就是那个发现：人们恰恰在没法把需求压缩成一个搜索词的时候才去找助手。而 42% 的分母是请求，不是人；该研究是观察性的预印本，旅游平台的品类构成也不能迁移到软件或硬件选型。它告诉你需求的形状，不告诉你它在你这个品类里的规模。
消费者问卷显示同样的具体性。2025 年 12 月对 1,030 位试过 AI 工具的美国购物者的调查中，52% 会一开始就说明约束（预算、必需功能、兼容性或某个具体用途），33% 会和模型来回多轮细化问题，只有 43% 是先问宽泛问题再收窄 [2]。
靠扩"最好的 X"建起来的清单，抓到的是那 43% 开场就问宽的人，漏掉的是决定你能不能活过下一轮的那些条件。
笼统答案是从哪里来的
宽泛提问检索到宽泛页面，宽泛页面产出的答案是五家供应商各配一个形容词。而这正是买家抱怨最多的东西：33% 把"对我的具体用例太笼统"列为首要不满，排在缺乏深度或准确性（28%）、不反映真实合同价格（27%）、可信度顾虑（27%）之前；另有 25% 报告 AI 漏掉了他们本来就知道相关的供应商 [1]。
缺席有可测量的发生率，而它和"被描述得很差"是两个不同的问题。你的清单必须能把这两件事分开，这正是后面归因那一步要干的活。
---
买家往提问里放了什么
以下是 Semrush B2B 研究中确认在工作中使用 AI 的 519 位受访者的自报占比，样本来自 2026 年 3 至 4 月收集的 622 份有效问卷。行为之间会重叠，比例不能相加 [1]。
| 买家在提问里放了什么 | 占比 | 你的问题清单因此要有什么 |
|---|---|---|
| 一个具体的用例或问题 | 61% | 每个真实任务一个簇，用用户自己的话写 |
| 要求直接对比供应商 | 56% | 对比簇要点到替代方案类别，不只是你所在的品类 |
| 约束：预算、必需功能、兼容性 | 45% | 每个簇都带约束槽位，且至少有一条约束会把你排除 |
| 细化问题的追问 | 43% | 每个重点簇配一条追问链，与单轮版本分开记录 |
G2《2026 AI Search Insight Report》在 2026 年 3 月调查了 1,076 位 B2B 采购决策者与影响者，给"用 AI 做软件调研"的主要用途排了序。比较各供应商的优势与短板排在第一位，排在了解品类、识别候选、验证用例、收窄名单、起草 RFP 和了解价格套餐之前 [6]。该报告是美国市场的问卷，用途排序不等于逐类查询量。
如果头号用途是比较，而你的清单只问"有哪些工具"，那你测的恰好是你最不容易被否掉的那个阶段。
同一份报告还指出：关于一个品牌，不存在单一的 AI 答案；聊天工具的偏好随行业和公司规模变化 [6]。只在一个引擎上测过的清单，等于只在一个细分上测过。
---
六类决策意图，以及三个不是意图的标签
下面的分类是 NewMax 的工作框架：一套组织工作的标签，不是互斥分桶的市场研究口径。一个问题可以带多个标签，只要你选定一个主要意图 [5]。
| 主要决策意图 | 用户想弄清什么 | 这里的簇能证明你什么 |
|---|---|---|
| 问题与方案探索 | 有麻烦，还不知道该找哪类产品 | 用户还没有品类词时，你出不出现 |
| 品类与候选发现 | 品类已知，需要一份候选名单 | 你进不进第一份名单 |
| 场景适配与条件筛选 | 哪个方案能同时满足任务和硬限制 | 加上条件之后你还在不在 |
| 比较与取舍 | 每个方案到底适合什么 | 你的描述对上替代方案时站不站得住 |
| 替代与迁移 | 现在的做法不行了 | 从现有方案出发能不能走到你 |
| 验证与购买决策 | 能力、风险、成本、权限 | 你经不经得住进一步审视 |
接下来是框架专门点出的那个错误，它会悄悄毁掉一个问题库：把角色、预算、技术能力当成第七、第八、第九类。"适合产品经理""预算有限""不会写代码"都是修饰标签，同一个人同时带着这三个，而他在做的只有一件事——比较两个候选。把它们提升成分类，你就把这个人数了三遍，再拿一个被放大的分母去报提及率 [5]。
修饰标签应该作为簇上的槽位。框架记七个：谁在做决策、核心任务、为什么现在变得紧迫、不能放弃的约束、现有做法及其摩擦、正在请求的决策动作 [5]。
---
公开研究能支撑什么、不能支撑什么
这一步是选题工作最常跳过的，而跳过它正是一个问卷比例变成编造流量估算的途径。
上面每一条证据的边界已经随它第一次出现时写明了：问卷比例是受访者自报占比，不是查询流量占比；42% 的分母是请求；用途排序不等于逐类频次；美国样本不代表其他市场。还有一条要单说，因为 KDD 2024 那篇 GEO 论文经常被当成给机会定了价。它报告的是：其优化方法能把生成式引擎回答里的可见性最多提高 40%，且效果随领域而变 [4]。那是在人工组装的查询基准上的上限值，作者也明确写了需要领域专用方法。它是关于技术的证据，那个基准从来不是消费者需求的抽样。
所以：类型构成来自公开研究，频次必须来自你自己的用户。
---
怎么把一个簇变成可复测的东西
一个没法在相同条件下重跑的簇，产出的数字没法和上个月的数字比。四条规则决定差别。
三个分母分别记
不同用户数、会话数、请求数回答三个不同的问题：多少人有这个需求、它引发了多少次独立的研究过程、它引发了多少次询问。框架给了一个能让算术保持诚实的指标：问题簇样本覆盖率 = 提出该需求的不同目标用户数 ÷ 本次研究的目标用户总数。访谈 30 人里有 9 人提到，就记成 9/30，而且一直是 9/30，不会变成"市场上 30% 的用户" [5]。
把两条提问路径分开
路径 A 一次给出全部条件，路径 B 先问宽泛问题再分几轮加要求。问卷数据说两种都常见：52% 开场就说约束，33% 跨轮迭代 [2]。两条路径的结果必须分开记，因为把它们平均之后得到的提及率，哪一种都不描述 [5]。
对重点簇来说，有意思的信号都在路径 B 里：你是否进入第一份名单、加入某条约束的那一轮你是否还在、推荐你的理由有没有变、你是否因为一个事实错误被剔除。
把发现题和品牌验证题分开
"适合非程序员的 AI 工作助手有哪些"和"某品牌适合非程序员吗"测的是两件事。前者问你能不能被找到，后者问你被点名之后是否被正确描述。把它们混进一个提及率，两者都读不出来 [5]。
补上反证题
给每个重点簇补上一位谨慎买家接下来会问的问题：什么情况下不该选这个产品、按同一套要求各个候选分别缺什么、哪些能力需要额外配置或付费加购、推荐的依据到底是什么 [5]。
7% 这个数字就是在这里变得可操作的。买家筛的是匹配度，而这道筛子跑在第一份名单之后。一个只测第一份名单的问题库，永远测不到做决定的那个阶段。
---
Innflows 是怎么做这件事的
Innflows 的前提和上面那套框架一致：分析单位是一个带意图的问题，不是一个单独的关键词。下面的描述来自产品自己的方案文档（v3，2026-11-03）与已公布的定价页；前者属厂商自述，定价数字公开可查。
先建品牌库，再按三个轴生成问题，最后用热力值排序
起点是品牌库，不是词表：类目体系、品线特点、竞品友商、产品卖点，加 toC 的人群画像与意图场景或 toB 的案例售后与采购需求，向量化进检索库。问题在三个轴上同时生成。
| 轴 | toC 版本 | toB 版本 |
|---|---|---|
| 旅程阶段 | AIAP：认知（陌生/误解/怀疑）→ 兴趣（场景匹配/功能确认）→ 行动（担心踩雷/关注售后）→ 购买（比价/比功能/比情绪价值） | 认知（问题识别/需求明确）→ 兴趣（场景需求匹配/供应商初选）→ 行动（风险评估/关注售后/效果验证）→ 购买（商务条件/交付保障） |
| 谁在问 | 人群：怀疑者、品类小白、品类极客、精明党、受害者 | 采购角色：业务负责人、技术评估者、采购负责人、财务、法务、预算审批人 |
| 意图抽象 | 这是什么、为什么需要、适合哪些人群、痛点解决方案、真实测评、是否值得买、品牌横评、替代方案等十余项 | 选型标准、立项预算、供应商发现、自建还是外采、兼容验证、案例核实与资质认证、供应与售后能力、合同条件等 |
谁在问，和他在问什么，位于两个不同的轴。 所以上文那个不会写代码、预算有限的产品经理是一个格子，不是三个分类。
格子之间的优先级来自一个复合分，文档里叫热力值 VoC：
热力值 = 搜索趋势 × DSP 竞价 × PAA 广度 × Keyword 难度
四个你实际拿得到的信号，合成一个带档位标签的分数。文档里的吹风机示例：场景类长问题 73 分排最前，PAA 式短问题 65，自有品牌问题 53，横评对比 40。
照它本来的样子读：这是用搜索侧代理信号拼出来的优先级分，权重没有公开，不是 AI 查询量。它做到的是让排序这一步有一个有来源的输入。
NC 与 BC，以及每道题九次运行
上文"发现题与品牌验证题分开"这条，在这里是数据模型里的正式字段：NC 题不带品牌名、测自然发现，BC 题带品牌、测推荐态度。子类再分 NC·场景（长问题）、NC·PAA（短问题）、BC·目标品牌、BC·横评对比。总览页把 FLOWS 评分、NC 提及占比、BC 推荐占比分开报。
代表性问题，文档用分母回答：每道题在所选的三个模型上各跑三次，所以一道题的读数是九次运行，界面按这个口径显示，例如"提及 3/9"。每次运行记录品牌在回答里的排名位置，回答原文全量留底；监控按日或按周跑，主指标看比率趋势而不是单次读数。
这正是文档开篇三个拷问里第一个的答案：问一次，是否具备代表性。
FLOWS 五维，以及某一维低了该去修什么
五个维度按首字母命名，最后一列才是对选题有用的归因。
| 维度 | 测什么 | 这一维低了，该去修什么 |
|---|---|---|
| FI 发现 · Find-ability Index | 提及频率、位置权重、篇幅占比 | 覆盖。你在答案空间里缺席，有东西可写 |
| LO 推荐 · Leading Orientation | 推荐强度、信息详实度、意图匹配度 | 表述。你在场却被跳过，多写不会动它 |
| OV 引用 · Origin Verification | 信息来源的权威性、可信度与溯源覆盖率 | 证据。可被引用的第三方材料 |
| WS 内容 · Website Structure | 官网与技术基础设施的 AI 友好度 | 站点本身，分发现、理解、信任三层 |
| SI 传播 · Spread Index | 在搜索引擎、垂类平台被发现的能力 | 站外存在感 |
FI 对 LO 是最值得记住的分叉：它们在看板上很像，要的动作却相反。
把缺口追回到一个任务
回答追溯从一道未提及的问题进入回答详情：哪个模型、谁被推荐了、AI 怎么描述竞品、引用了哪段原文。引用洞察给出被引网站、媒体类型占比、各 Topic 的信源分布，以及品牌缺席的回答里常见的引用网站。
合起来，它把"我们 AI 排名不好"变成一道具体问题上的一项证据缺口。文档也写明了后者的限制：引用关系用于线索分析，不能直接证明因果。
配额是什么，以及仍然拿不到什么
| 套餐 | 每次检测的问题数 | 每月检测次数 | 每次检测的模型数 |
|---|---|---|---|
| Starter，$99/月 | 50 | 4 | 七个里任选 3 个 |
| Pro，$399/月 | 100 | 6 | 七个里任选 3 个 |
| Enterprise，按需报价 | 不限 | 定制 | 全部模型 |
数据来自 innflows.com/pricing，2026 年 11 月 3 日读取。七个系统是 ChatGPT、Gemini、Google AI Overviews、Google AI Mode、Grok、DeepSeek、Qwen；一个 workspace 覆盖一个品牌一个地区。
每次 50 到 100 题恰好是对的约束：20 到 30 个簇、每个带两三个变体装得进去，四百条扩词 prompt 装不进去。
五条限制直说，因为把它们搞错正是一个测量项目产出自信胡话的方式。
- 不提供 AI 查询量。 意图洞察给的是搜索量估算和热力值复合分，两者都不是某个问题在某个引擎上被问的次数——这个数字目前没有任何公开来源或商业工具能给。选题里"频次"这一半，仍然要来自你自己取得授权的用户研究。
- 热力值的权重没有公开。 用它排工作顺序，并拿你自己的用户证据核对榜首那几条，不要把它当外部权威。
- 10,000+ 题是平台级口径。 单次检测在已公布套餐下是 50 或 100 题，两个数字描述的不是同一件事。
- 付费档每次检测三个模型。 全模型覆盖在 Enterprise 档；在 Starter 或 Pro 上，选哪几个引擎本身就是必须记录的采样决定。
- 引用关系是线索，不是原因——这是文档自己的措辞；而 AWS Marketplace listing 上企业客户最多提升 30% AI 品牌分数、14.2% AI 来源流量的数字，是厂商提供案例里的上限，不是经独立审计的典型结果 [7]。
什么情况下这不是对的工具
如果你没有取得授权的用户研究、没有可挖的客户对话，测量层会忠实地给你自己编出来的清单打分。先修输入：十通录音的销售通话胜过四百条生成的 prompt。另一种情况是你这个品类在检索里完全没有存在感，那更该先做站点审计——对一个空的答案空间采样，返回的零不会告诉你任何新东西。
---
从 20 到 30 个簇开始
用每个簇记录下来的证据排优先级，而不是用一个没人能给出来源的流量估算。五个维度来自 NewMax 框架，判断列是操作层面的读法 [5]。
| 维度 | 要记录的证据 | 它决定什么 |
|---|---|---|
| 需求存在 | 有多少位不同的目标用户提出过、原话是什么、来源是什么 | 这个簇到底要不要进第一版 |
| 产品适配 | 你是否真能解决，以及在什么限制下 | 赢下这个簇值不值钱 |
| 决策接近度 | 泛泛了解、正在比较、准备替换，还是准备试用 | 哪些簇配追问链和反证题 |
| 当前缺口 | 采样中你是否出现、描述是否正确、缺哪项公开依据 | 要修的是内容还是推荐 |
| 可执行性 | 能不能补上真实案例、演示、说明页或对比材料 | 这个修复这个季度能不能交付 |
再给每个簇的证据分级，让优先级保持可审计。框架给的四档：A，多位不同目标用户自然提出过；B，用户证据有限但任务与产品适配明确；C，来自行业研究或搜索代理信号，未在你的人群中验证；D，由研究者假设或模型生成。未知的需求标成待验证，不标成零；一句话听起来合理也不会让它变成 A 档 [5]。
---
常见问题
第一版 GEO 问题库应该有多少个问题？
20 到 30 个簇，给你打算复测的那些配少量自然表达变体 [5]。实际上限是你能在相同条件下重跑多少：在 Innflows 已公布的套餐下，Starter 是每次检测 50 题、Pro 是 100 题，足够装 20 到 30 个带变体的簇。一个你跑不动第二遍的问题库，产出的是一次性读数，不是趋势。
能用问卷比例估算一个问题被问的频次吗？
不能。本文里的百分比都是问卷受访者的自报占比，而携程研究里 42% 那个数字的分母是请求，不是人 [1][3]。把两者任何一个换算成你这个品类的查询量估算，都是在编一个数字。用它们决定该覆盖哪些问题类型，然后从你自己的用户研究里拿频次，并把分母一起记下来。
我们的提及率涨了，是不是说明选题做对了？
单凭这一点还不能说，因为提及率把本该分开的东西聚合了。要查这次上涨来自发现题还是品牌验证题、来自路径 A 还是路径 B、推荐你的理由有没有变。G2 的报告指出不同引擎对同一个品牌会返回不同答案，所以一个跨引擎的聚合值可以上涨，而你最差的那个引擎原地不动 [6]。站点访问和转化需要另一条测量链，不能从回答表现推出来。
问题库里该不该包含我们自己的品牌名？
该，但要单独一组。非品牌发现题测你能不能被找到；"某品牌在什么情况下不适合"这类品牌验证题测你被点名之后是否被正确描述。两者的结果要分开计数，因为合在一起会用本来就含你品牌名的问题去抬高发现题的数字 [5]。
---
结论
买家不是带着你的关键词来的。他带着一个任务、一条约束，通常还带着一个心里的对比对象，而其中 7% 的人在意他听说过你 [1]。
所以选题要回答的问题是：在哪些真实决策里，你的产品应该成为一个有依据的候选？ 按发现、带条件比较、验证与排除来组织问题库；讨论任何比率之前先把分母记下来；两条提问路径和两类问题分开计数；跨引擎测，因为一个引擎就是一个细分；再把每个缺口归到 FI 还是 LO，因为这两者里只有一个能靠多写来解决。
20 个有来源、跑得动第二遍的簇，胜过四百条你跑不动的生成 prompt。
---
参考来源
[4] - GEO: Generative Engine Optimization — Pranjal Aggarwal 等，arXiv:2311.09735，KDD 2024 录用
[5] - GEO 问题库怎么建：从用户决策到可验证的产品推荐 — NewMax，资料整理日期 2026 年 10 月 28 日
[6] - The Answer Economy: G2's 2026 AI Search Insight Report — G2，2026 年 3 月调查（1,076 位 B2B 采购决策者与影响者）