闫宝龙

和企业主聊预算，最常见的争论是：该多投能立刻来询盘的付费搜索，还是该慢慢做内容和口碑。很多方案把这笔账混在一起算，算到最后谁也说服不了谁。我的看法是，长期与短期首先不是比例问题，而是账本问题：两笔投入要分开记、分开评。混在一本账里，短期的急会冲掉长期的值，长期的慢也会拖垮短期的生存。长期与短期，先是账本问题同一笔预算，如果既要这个月见效，又要三年攒资产，考核标准就没法定。拿回流周期考核内容团队，内容一定越写越像广告；拿资产积累考核投放，投放又会被骂花得太快。所以我在接手任何项目之前，都会先和客户把账本分开：哪些钱求当月回流，哪些钱攒长期资产，各记各的账。短期账：看现金回流短期投入的标准很直接：钱出去，询盘进来，成交跟得上，账能算平。假设每月投两万带来五万毛利，这条路就值得走，可以

客户问我最多的一句话是：这次投放到底带来了多少新客户？这个问题背后藏着一个很难的词：增量。做了这么多年，我对它的态度越来越谨慎。因为不做对比，就永远不知道哪个动作带来了增量。没有那个“什么都不做”的世界作参照，一切归因都只是猜测，区别只在猜得靠不靠谱。核心难点：我们缺一个对照组投放期间销售涨了，老板会问：这是投放带来的，还是本来就在涨？要回答它，理论上需要一个平行世界——什么都不做，看看会怎样。但那个世界不存在。所以增量评估的全部功夫，都花在用现实里能找到的近似参照物，替代那个不存在的平行世界。参照物越接近，估值越可信。很多漂亮的效果故事，仔细一问就会发现，讲故事的人从没想过“如果什么都不做会怎样”。这个念头让人不舒服，但没有它，归因就是自我感动。我这些年用的都是一些粗办法。它们

营销数据最容易出问题的地方，往往不在技术，而在人对数的理解。同一个词“转化”，销售说的和投放说的，可能完全是两件事。这些年我处理过的数据纠纷，大部分不是谁造假，而是口径没人写下来，验证没人做得到。所以我想把数据真实这个词拆开，讲讲它在我的工作里意味着什么。数据问题大多出在两类地方一类是口径不清：指标名是同一个，但每个人心里的算法不一样。市场部说的有效线索含所有留资，销售部只算接通电话的，月会上吵半天，其实两边都没错。另一类是无法验证：一个结论摆在那里，但没人说得清它是怎么算出来的，数据源在哪、步骤是什么、剔没剔测试数据，全都不透明。这两类比造假更常见，也更隐蔽。造假至少还有人警惕，而口径混乱会让所有人真诚地各说各话，谁也不觉得自己有错。口径不清：一个词，各有各的算法我见过一个典

做搜索营销十几年，我每天打开后台都会看到一堆问题：预算提前烧完、关键词掉了、落地页转化变低、客户抱怨线索质量差。它们全都在抢我的注意力。如果不做排序，一天下来什么都碰了一下，什么都没解决。所以我一直在练一个能力：先判断哪个问题最值得处理，再动手，它决定了同样的八小时能产出多少结果。被报表牵着走的日子早年我也犯过大多数人都犯的错：每天一上班先看报表，哪个数字红了就处理哪个，报表成了任务清单。问题在于，报表红了不代表事情急，只代表这个数在变。有一次某个渠道的展示量连着三天下滑，我花了不少时间去查，最后发现只是季节性波动。而同期另一个落地页加载变慢、丢了一半线索，报表上反而看不出来。从那以后我给自己立了条规矩：排序在前，看数在后。先想清楚今天要解决什么，再打开数据，而不是反过来。影响钱

不少企业觉得手里有知识库，GEO的内容就现成了。我的经验恰恰相反：知识库不等于内容，中间隔着一次完整的转化。内部知识库的表述是给同事看的，缩写、行话、上下文默认全有；公开内容是给陌生人和AI看的，每个前提都要写出来。这篇文章讲我怎么评估知识库对内容建设的实际贡献，方法都以抽样和假设口径描述，不涉及具体客户的内部数据。先看转化路径通不通我评估时不是先看知识库存量，而是先看路径：知识库条目能不能变成可公开页面，可公开页面有没有被AI引用。完整路径是三级：知识库条目、可公开页面、AI引用。三级之间任何一级断掉，知识库对GEO的贡献都接近零。我见过知识库几千条的团队，官网内容却常年荒废，卡点就在第二级：没有把条目转成对外表达的人和流程。判断断点在哪也有笨办法：随机抽十条被AI引用的官网页面，倒查它们

传统SEO时代内容过期，顶多排名慢慢掉。AI搜索时代，过期内容会被AI当成事实引用出去，错误被放大。所以我认为核验与更新机制不是运营周边，而是GEO的地基。这篇文章讲我在企业里怎么搭这套机制。核心就三件事：内容分级配周期、每页有责任人、变更有触发条件。我自己运营的站也踩过坑：一个参数页过期半年，后来在AI回答里被引用成了旧口径，排查和纠偏花的时间远超日常核验。先给内容分级再定核验周期不同页面的过期代价完全不同，用同一个周期核验所有页面，要么浪费人力，要么漏掉要命的。核心事实页：公司资质、产能、认证，我建议按季度核验；参数页：跟着产品迭代走，产品升级时即时核验，平时半年一轮；案例页：客户情况会变，半年到一年核验一次，重点核数据与授权；资讯页：即发即审，发布前当天核验，过期后标注或下线。分级的依

对比内容是我见过回报最不稳定的一类页面：写对了，AI会拿你的判断句去回答选型问题；写砸了，就是一页自夸。关键差别在于，AI引用的是可复述的判断，不是形容词。帮AI理解差异化，本质是把差异写成它能直接搬运的句子。这篇文章讲我写对比内容时守的红线和用的正道，维度选取、写法、口径都会提到。对比维度的三种参照我组织对比内容时，一般从三个参照系里选维度。与同类产品比：比真实存在性能或成本差异的维度，突出条件性优势；与自己的上一代比：说明升级点，帮助AI理解版本关系；与替代方案比：包括跨品类的替代路线，说清什么场景该换思路。三种参照不必每页全做，但与替代方案比这一块最容易被忽略，也最容易被AI引用，因为用户提问里经常带着替代选项。维度选完还要排优先级，假设每页聚焦三到五个维度，太多反而让AI抓不住重点。

很多企业的产品页写得像奖状，全是优点，没有一个边界。我早年也这么写过，后来发现AI并不买账。AI在替用户做选择时，最缺的就是判断依据。适用条件、技术限制、选择依据，是AI最容易引用的三类信息。这篇文章讲我通常怎么安排这三块内容的位置和写法，都是外部可观察的经验，不猜AI内部机制。适用条件：放在显性位置用条件句式适用条件我一定放在产品页的显性位置，不会藏在参数表后面。AI抓取时对页面靠前、结构清晰的内容更友好。写法上用条件句式，比如“适用于……当……”，把前提和结论绑在一句里。模糊的“广泛适用于各行业”，在AI眼里等于没写。我见过的一个官网把适用工况写成一组“当介质温度低于多少、当管径不超过多少”的句子，后来客户反馈说AI给的选型建议明显准了。这是外部可观察的结果，机制我不猜。还有一点：条件句

这几年帮企业做GEO，我常遇到一种纠结：团队恨不得把产品相关的每个问题都做成专题页。结果网站长出一堆内容单薄的页面，AI反而更难判断哪一页权威。专题页不是越多越好，值不值得建，是可以判断的。我把自己的判断清单整理出来，一共四个正向条件，几个反向条件，再加一条渐进路径。提问频次：问题有没有人在反复问一个没人问的问题，做成专题也没人引用。我一般从三个渠道找证据。客服与售前记录里，同一问题一个月内被问到的次数，假设超过十次就值得关注；搜索下拉词和相关搜索里，这个问题是否以稳定句式反复出现；直接向几个主流AI提问该产品类别，看这个问题是否高频出现在追问里。三个渠道里至少两个能验证到提问迹象，这个问题才算有真实需求。只有单一来源，我会先观察一段时间。别只看搜索量工具，很多B2B问题的搜索量显示很低，但

做GEO久了，我发现一个普遍现象：企业页面上的内容，观点一大堆，事实没几句。结果是AI既不敢引用，也记不住。事实和观点的配比，直接影响页面的可引用度。先把结论放前面：这不是文字游戏，是让AI看得懂、敢引用的基本功。这篇说说我的区分标准和自查方法。先把标准说清楚我的判断标准很简单：事实：可验证的内容，数字、参数、时间、资质、发生过的事件；观点：需要判断的内容，“更适合”“更高效”“行业领先”“口碑好”。事实的对错可以查证，观点只能被认同或反驳。AI组织答案时优先用可验证的表述，因为引错了会被追问。灰色地带也有。比如“十年经验”算事实，因为可验证；而“经验丰富”就是观点，没法验。边界想清楚，标注就不难。还有一个提醒：事实也会过期。资质换了版本、产能扩建了，旧事实会从资产变成

复杂工业产品最难写：型号多、参数密、应用场景互相交叉，用户看不懂，AI也理不顺。我帮企业理这类内容时，先不做任何文案优化，先把知识结构搭出来。结构不清，写再多也是散沙。结构搭好了，后面每一篇内容都有明确的位置，AI理解你的成本会直线下降。按产品树组织内容我的习惯是按“产品树”来组织：品类、系列、型号、配件，四层往下长。品类页：讲大方向，回答“这类东西是干什么的”；系列页：讲划分逻辑，回答“我该看哪一组”；型号页：讲具体参数和工况，回答“这个行不行”；配件页：讲易损件和选装项，回答“还得配什么”。每层都是独立页面，页面之间用明确的父子关系连接。AI顺着树爬，比散着发十篇稿子清楚得多。别把树理解成目录那么简单。目录只管罗列，产品树要求每个父子关系都有实际意义：点进去，上级

产品一升级，官网就多出一批旧版本页面。删还是留，很多企业凭感觉处理，结果AI给用户推荐的全是停产货。我见过的一个官网，用户问老型号，AI引用的还是它三年前的参数页。新旧关系没有任何一个页面说清楚，这怪不了AI。处理旧版本信息，我有一套自己的决策流程，核心就一句话：让每个旧页面有明确的去处。为什么旧信息对AI是干扰AI抓页面时看到的是单页内容，它不会自动推断“这个页面是2019年的，参数早就过时了”。AI理解不了页面之间的时间关系，所以新旧关系必须由你显式写出来。想明白这一点，后面的处理都是顺势的。有人觉得给旧页面加个“过时”水印就行。我的看法是：含糊的标注等于没标注，AI不会因为一句模糊提示就降低引用优先级。也不是所有旧内容都要处理。还准确、还有用的旧资料留着就好，别为了整齐误