大多数人把 GEO 理解成多写几篇文章，于是写完一百篇之后发现 AI 还是不提自己。问题不在数量，而在结构：按 11 月 10 日的公开资料，每个知识原子都要绑定实体、属性、值、适用范围、证据来源与核验日期六项，再按 0 至 3 分做证据评分，2 分以上的证据覆盖率不低于 75%。缺了这套结构，写得再多也只是散落的素材，模型抓得到，却拼不出一句可以引用的结论。
问题树把素材变成结构
问题树的作用是把散落的素材组织成可检索的结构。做法是从用户真实提问出发，按品类、场景与决策阶段分层，每个叶子节点对应一个具体问题；每个问题下面挂一到两个知识原子，也就是一条能被单独引用的事实（SheepGeo）。叶子节点与产品知识图谱一一映射之后，模型在任何一层子查询里都能找到对应的答案。
这套结构的好处是可诊断。优化没效果时，能定位到具体是哪一层缺内容：是品类层没有定义，还是场景层没有证据，还是决策层没有对比。没有结构的堆量做不到这一点，只能笼统地说「内容不够」，然后继续加量。
证据分级与写作规范
证据分级：把「专业领先」换成可核验的参数
0 至 3 分的评分标准很朴素：0 分是没有证据的口号，3 分是参数、来源与日期齐全。公开案例里，B2B 精密制造企业把笼统的精度描述改成「部分关键尺寸可达 ±0.01mm」并附检测方法，就是把这句宣传从 0 分拉到 3 分。同一句话，模型对两者的处理完全不同。
写作规范：结论前置，小标题改问答式
专业服务场景的三大痛点被总结为：内容结构不适配提取逻辑、缺乏第三方权威信号、语义与用户提问错位。对应的改法也很具体：每段 3 至 5 句、开头先给结论；小标题从「我们的优势」改成「为什么选择 XX」；增加结构化摘要，让每段都能被单独抽走。这三项改完，内容总量没变，被引用的概率会明显不同。
三个指标，一张周表
把问题树落到一张周表上，三个指标就能跑起来。它们的共同点是可以重复采集，而不是靠一次抽查。
| 指标 | 含义 | 采集方式 |
|---|---|---|
| 提及率 | 问题集里被提到的比例 | 每周重复采样 |
| TOP3 率 | 进入答案前三的比例 | 同题并采对比 |
| 首推率 | 被排在第一位推荐的比例 | 固定措辞复采 |
指标之外还要看证据覆盖率。2 分以上的证据占比低于 75% 时，提及率往往上不去，因为模型能抓到内容但抽不出可引用的结论。这个数不需要工具，把每个叶子节点的知识原子按 0 至 3 打分，统计 2 分以上的比例即可。
不同行业，落点不同
不同行业的落点差别很大，照搬会失效。工业与 B2B 场景的重点是纠偏模糊宣传，把参数与适用范围写死；专业服务场景的重点是补第三方权威信号与问答式结构；面向消费者的品类则要围绕细分需求搭分层问题树，把产品属性与结构化标记一一对应。三类场景共用的部分只有一条：每个结论都要能追溯到证据。
所以第一步不该是「写多少篇」，而是「列出多少个问题」。从客服记录、站内搜索词与销售问答里抽出 50 条真实提问，按三层归档，再给每条问题标出当前是否有可引用的答案。空白的那些就是接下来的内容清单，也是问题树的初始版本。
以上判断基于截至 11 月 10 日的公开方法框架。评分标准与覆盖率阈值来自行业实践，不是平台官方规则；不同模型对结构的偏好也可能不同。稳妥的做法是先在一个品类上跑满四周，用提及率与首推率验证结构是否有效，再横向复制。
常见问题
问题树和关键词库有什么区别？
关键词库是词，问题树是问题加答案的结构。前者告诉你用户搜什么，后者告诉你用户在哪个决策阶段、需要什么证据，以及你当前缺哪一层内容。
证据评分 0 到 3 分，具体怎么打？
0 分是无依据的口号，1 分有描述但无来源，2 分有来源但缺适用范围或日期，3 分参数、来源、日期与适用范围齐全。打分的目的是找出可核验性的缺口，不是给文案评级。
覆盖率 75% 是硬指标吗？
它是行业实践里的参考线，不是平台规则。低于这条线时，AI 回答里的提及率通常难以上升，因为模型能抓取到内容但抽不出可引用的结论。先按这条线自查，再按实际数据调整。
每个行业都要重新搭一套问题树吗？
层级结构可以复用，叶子节点必须重搭。行业之间的差别在具体的证据形式：工业看参数与检测方法，专业服务看案例与资质，消费品看场景与对比。
