去年这个时候，问「附近哪里能买到」还要打开三个 App 比价；今年这句话已经可以直接问给 AI。即时零售的供给在这一年里铺得很快：截至 2026 年 10 月，京东七鲜已开出约 75 家门店、覆盖 11 城，京东秒送仓覆盖 2800 余个县区；盒马在厦门完成 8 个前置仓备案，覆盖湖里、海沧、翔安、思明四区；山姆签约烟台，首次布局北方普通地级市（即时零售一周热榜）。问题在于，这些供给在 AI 回答里能不能被看见。以下观察以 11 月 10 日的公开信息为界。
本地问句是最难被引用的一类
本地问句难，是因为答案需要三样同时成立：门店存在、商品有货、配送范围覆盖。模型能读到第一样，读到第二样的概率低很多，读到第三样的概率更低。于是回答往往给出「可以去某类门店看看」这种安全表述，既不指向具体门店，也不承诺有货。对品牌来说，这种回答等于没有出现。
这和商品页的问题是同一个问题的两种形态。商品页丢的是参数，门店页丢的是范围。参数丢了，进不了比价类问句；范围丢了，进不了本地类问句。而本地类问句恰恰是即时零售最值钱的那一类，因为问的人已经在决定去哪买。AI 搜索按问句召回内容，本地问句召回的是门店页；问题库不覆盖这三类问句，评估就没有落点。
门店信息要写成可抽取的句子
可抽取的门店信息不复杂：门店名称、所在区、覆盖的街道或商圈、营业时间、可配送的时段、最远配送距离。这六项写在纯文本里，模型才拿得到；做成地图截图或仅在小程序内可见，等于不存在。很多品牌把门店信息放进需要交互才能展开的组件里，人对人友好，对抽取不友好。
三类本地问句要分开测
第一类是「有没有」，问某个城市某个品类能不能买到；第二类是「哪家近」，问门店与商圈；第三类是「多久到」，问配送时效。三类问句对应三种不同的内容资产：品类页、门店页、时效说明。混在一起测，测出来的差异无法归因。这三类问句构成城市问题库的骨架，缺一类就会把差异算到错误的资产上。
| 问句类型 | 典型问法 | 需要的内容资产 | 失败表现 |
|---|---|---|---|
| 有没有 | 这个城市能买到某品类吗 | 城市级品类页 | 回答只给电商平台，不给本地门店 |
| 哪家近 | 附近哪家门店有 | 门店页与商圈信息 | 回答给出城市不给门店 |
| 多久到 | 下单多久能送到 | 时效说明与覆盖范围 | 回答给全国口径不给区域口径 |
竞品占位在本地更集中
本地问句的候选集天然更小，一个商圈能覆盖的门店就那么几家，所以占位比全域问句更陡：被展开比较的往往只有两三家，剩下的品牌连备选都算不上。这也意味着本地内容的边际收益更高，把门店信息写清楚，比在品类词上多加十个关键词更有效。
时效口径是最容易失真的一项
时效在页面上的表述通常是「最快 30 分钟」，在回答里容易被复述成「30 分钟送达」。差别看起来只是两个字，实际是从覆盖承诺变成全域承诺。一旦用户按全域承诺预期，超出范围的订单就会变成投诉，而投诉又会回到商品评价里。写法上把「最快」和「部分区域」放进同一句，是让模型复述时带上边界的唯一办法。
结构与事实密度决定能否被抽取，这一点在通用内容上已经反复验证（优采云）。本地内容还多一层要求：地理位置必须作为实体写出来，而不是作为图片或地图组件存在。GEO 的竞争单元是被引用，而本地问句的引用单元是门店（海鹦云）。
复测要按城市切片
全国平均没有意义。同一个品牌在上海被引用、在烟台不被引用，是很常见的状态，因为语料密度不同。复测按城市切片，每个城市固定五到十个问句，记录是否提到门店、提到哪家、是否给出时效，三列一起记。
把本地可见度纳入日常
第一步，把六项门店字段写成纯文本，放进门店页与城市页；第二步，按城市建本地问句集，覆盖有没有、哪家近、多久到三类；第三步，按周复测并按城市切片记录；第四步，把时效表述统一成带边界的一句话，全渠道一致。
常见问题
本地问句为什么要单独建问题集？
因为本地问句的答案是门店，不是商品。用商品问句去测本地可见度，只会看到电商平台的名字，看不到门店，测出来的结论也无法指导门店页的内容。
门店信息放在小程序里算不算公开？
对人算，对抽取不算。模型读不到需要交互才展开的内容，也读不到地图截图。写在纯文本页面里，才算进入可引用范围。
时效为什么容易被复述错？
因为「最快」和「部分区域」这两个限定词经常被省略。把边界写进同一句话，并在各渠道保持同一表述，能显著降低复述失真的概率。
按城市切片要切多细？
切到城市即可，重点城市可以切到商圈。再细就会样本不足，结论不稳定；不切则全国平均会掩盖真实的强弱分布。
