做 GEO 的人对「问题」最敏感，因为问题就是检测的输入。最近两组数据放在一起看，值得把手里的问题清单重新过一遍。

一组来自 BCG 今年对全球 300 位 CMO 的调研：96% 的 CMO 说 AI 正在端到端地重塑营销，但 42% 承认自己还在少数流程里把生成式 AI 当个人助手用。另一组是 BCG 引用的 Google 数据：AI Mode 里用户提问的长度，已经是传统搜索的 3 倍，而「which one（选哪个）」这类决策型短语，是涨得最快的问法。

认知和动作之间差着一截。这篇把「问法变了」拆开，看看对 GEO 实操具体意味着什么。

提问变长，意味着用户把 AI 当顾问

在搜索框里，用户打的是词：「CRM 推荐」「投影仪 性价比」。到了 AI 对话里，用户打的是句子：「团队 30 个人、预算每年 10 万，选哪家 CRM，最好能对接企业微信」。

问题长 3 倍的背后，是用户把背景、约束、偏好都塞进了问题里——他们不再自己翻十个结果做筛选，而是让 AI 读完条件直接给答案。这正是 BCG 那组漏斗数据说的：91% 的 B2C CMO 和 76% 的 B2B CMO 认为，「不点击的发现方式」正在重塑获客漏斗。

对品牌来说，没进对话，就没进候选。

决策型问题正在成为主战场

「选哪个」涨得最快，说明用户越来越把最后一步决策也交给 AI。这类问题有两个特点：

  • 答案高度集中。AI 通常只给两三个名字加一段理由，不会像搜索页那样铺一排链接
  • 给理由比给名单更重要。AI 会解释为什么推荐 A 不推荐 B，这个理由来自它能检索到的公开内容

第二点常被忽略。AI 推荐 A 而不推荐 B，往往不是 A 更有名，而是关于 A 的内容里，「适合什么、不适合什么、和谁比、差别在哪」这些决策信息更完整、更容易被引用。

关键词库要往「决策句」扩

多数团队的关键词库还是按搜索词的习惯建的：短、偏品类词。按四类场景搭库的方法没错，但权重该调了——选择对比类和场景需求类问题，该加量。

具体可以补三类问法：

  • 带条件的比较：「预算 X 万以内选哪个」「适合小团队的某某」
  • 差异澄清：「A 和 B 有什么区别」「某某和某某怎么选」
  • 决策确认：「某某值不值得买」「A 比 B 好在哪」

这三类问题测的不只是「有没有被提到」，更是「被推荐时，理由站不站得住」。

内容要能接住决策型问题

AI 要在几十个来源里挑两三个当推荐依据，挑的是能直接支撑结论的句子。内容上对应的改法：

  • 关键结论放开头，一句话说清「适合谁」，别让 AI 自己总结
  • 敢写对比表和「不适合谁」，有取舍的内容比全面但含糊的内容更容易被当成决策依据
  • 数据和适用条件写在同一句里，方便 AI 原样引用

用户已经换了问法，内容和关键词库还在按搜索时代的习惯配，中间那道缝就是被 AI 跳过的部分。先把「选哪个」这类问题测起来、接住，是眼下性价比最高的一步。