做生成式引擎优化，第一步不是改官网，是列问题。原因在于检索方式变了：用户问一句话，AI 平台并不是只执行一次搜索，而是把这句话拆成若干子查询并行召回，再把结果拼成一段答案。灵至 GEO 在 2026 年 1 月的抽样监测里提到，同一品牌问题被扇出为 4 至 9 个子查询的比例超过七成，单一落地页覆盖全部子查询的情况较少。截至 11 月 10 日，这个机制在公开资料里被反复描述，但真正把它落到问题库设计上的团队并不多——多数人还在用关键词表代替问题库。
一个问题会被拆成四到九次检索
查询扇出的直接后果是：一篇只覆盖单一关键词的页面，很可能在子查询召回阶段就缺席。以「生成式引擎优化如何获客」为例，平台可能同时检索「GEO 与 SEO 区别」「AI 搜索流量特征」「内容被 AI 引用的条件」「答案占有率的监测方法」，分别召回再融合。品牌如果只写了其中一条，答案里就只能出现一部分，剩下的位置会被写得更全的竞品占掉。
问题库怎么分层
可行的分层是三段：品牌词问的是「你是谁」，品类词问的是「这类东西哪个好」，场景词问的是「我这种情况怎么办」。三段的作用不同，监测重点也不同。品牌词看描述准确度，品类词看答案占比与竞品占位，场景词看是否被列入推荐清单。三段混在一起做，得出的数字没有解释力。
三层的比例怎么配
多数品牌的合理配比接近三成品牌词、四成品类词、三成场景词。品牌词数量最少但必须全覆盖，因为它决定了答案里的基础事实是否准确；品类词是竞争最激烈的一段，也是竞品占位的高发区；场景词数量最多、变化最快，适合按季度轮换，把上一季表现差的问题替换掉，保持集合的稳定性与新鲜度之间的平衡。
问法矩阵比问题数量更重要
同一个需求有很多种问法。「送长辈的茶叶礼盒哪个好」「茶叶礼盒送人推荐」「给爸爸买茶叶买什么」指向同一件事，但召回的内容池可能完全不同。因此问题库里每个需求至少要有三到五种问法，形成矩阵。只测一种问法，得到的答案占比不能代表真实分布，这也是很多团队觉得「数据忽高忽低」的真实原因。
| 层级 | 示例问题 | 监测重点 |
|---|---|---|
| 品牌词 | 某某品牌的产品线有哪些 | 描述是否与官网一致、价格与规格是否过期 |
| 品类词 | 3000 元以内送礼首饰怎么选 | 答案占比、出现在第几句、竞品占位数量 |
| 场景词 | 小户型厨房怎么收纳 | 是否被列入推荐清单、推荐理由是否具体 |
| 对比词 | A 和 B 哪个更适合送礼 | 被比较时的表述是否中立、是否被列为首选 |
采集口径要固定
有了问题库，采集才有意义。固定口径包含四件事：平台清单、提问时间、提问方式（是否新开会话）、记录字段。四件事里最容易出错的是提问方式，因为同一个账号连续追问会被上下文影响，答案里可能带上前一轮的信息。规范做法是每个问题新开会话，避免上下文污染。
记录字段至少要包括：问题原文、平台、采集日期、品牌是否出现、出现位置、引用来源、竞品出现情况、描述准确度。字段固定后，数据才能跨期比较。行业里常见的问题是每次记录的字段不同，三个月后回看，发现无法做纵向对比，只能重新开始。
答案占比的计算口径也要写清楚：分母是问题总数，分子是品牌被提到的次数，同一问题被多个子查询召回时只算一次。口径不一致，团队之间就会对同一个数字产生分歧，讨论会从策略退回到定义。
这周就能做完的四步
问题库不需要等工具，也不需要复杂系统。用一张表就能起步，关键是先跑起来，再逐步补全。四周之后再决定要不要上监测面板。
常见问题
问题库和关键词表有什么区别？
关键词表是词，问题库是句子。AI 检索按语义召回，一个问题会被拆成多个子查询，因此问题的完整表述比词的组合更接近真实输入。用关键词表做监测，测到的是词的覆盖，不是答案里的位置。
为什么同一个问题每次问，答案都不一样？
因为答案受索引更新、上下文、平台策略影响。这也是为什么必须固定采集口径、按周期重复采集，用趋势判断而不是单次结果。单次截图只能作为证据，不能作为结论。
答案占比要按平台分开算吗？
要。不同平台的召回池与答案风格差异明显，合在一起算会互相抵消。建议先按平台分别计算，再看总体趋势，这样能定位问题出在内容还是平台。
问题库多久更新一次？
建议每季度做一次结构性更新，把表现最差的 20% 场景词替换掉，核心品牌词与品类词保持稳定。频繁改动会让历史数据失去可比性。
