// TABLE OF CONTENTS
  1. GEO语义关键词研究方法
  2. 内容主题矩阵构建
  3. GEO内容类型规划
  4. 内容优先级排序模型
  5. 竞品GEO内容分析
CHAPTER 01

GEO语义关键词研究方法

GEO语义关键词研究不再追求搜索量排名,而是关注AI模型在回答用户问题时会引用哪些概念、实体和关系。

研究方法包括:分析AI回答中的高频引用实体、提取行业知识图谱节点、挖掘用户向AI提问的自然语言模式。

工具组合:使用AI对话平台(ChatGPT/Perplexity/文心一言)测试行业问题的回答,记录AI引用的信息源和概念;使用知识图谱工具(Google Knowledge Graph/Wikidata)验证实体关系。

CHAPTER 02

内容主题矩阵构建

内容主题矩阵是GEO内容策略的核心产出物,它将企业业务领域拆解为可执行的内容主题集合。

矩阵构建遵循'领域→子领域→主题→内容单元'的层级结构,每个内容单元对应一个具体的AI搜索场景。

矩阵中的每个主题需要标注:AI引用潜力(高/中/低)、内容缺口大小、生产难度、业务价值。

层级 示例 数量级 决策依据
领域 云计算服务 3-5个 企业核心业务线
子领域 云存储解决方案 10-20个 产品线/服务线
主题 对象存储vs文件存储对比 50-100个 用户搜索意图
内容单元 对象存储成本计算FAQ 200-500个 具体AI回答场景
CHAPTER 03

GEO内容类型规划

不同内容类型在AI引用中扮演不同角色。企业需要根据AI模型的引用偏好规划内容类型组合。

FAQ型内容:最容易被AI直接引用,适合回答明确的事实性问题。每个FAQ应包含问题、简短答案、详细说明三个层次。

指南型内容:适合被AI作为'权威来源'引用,需要结构化、有数据支撑、有专家背书。

数据型内容:包含统计数据、调研结果、基准测试等,AI倾向于引用有具体数字的内容。

对比型内容:AI在回答'XX和XX哪个好'类问题时高频引用,需要客观、多维度的对比表格。

内容类型 AI引用场景 引用概率 生产难度
FAQ 事实性问题
指南/教程 操作性问题
数据报告 数据类问题
对比分析 选择类问题 中高
案例研究 验证类问题 中高
观点评论 趋势类问题
CHAPTER 04

内容优先级排序模型

企业资源有限,需要科学排序内容生产优先级。推荐使用'GEO价值×生产可行性'双维度矩阵。

GEO价值评估:AI引用概率×业务相关性×品牌曝光潜力,三者乘积得出1-10分。

生产可行性评估:数据可用性×专家资源×生产周期,三者乘积得出1-10分。

优先级 = GEO价值 × 生产可行性,分数越高越优先生产。

CHAPTER 05

竞品GEO内容分析

竞品GEO分析不仅看竞品网站内容,更要分析AI回答中竞品被引用的频率、方式和场景。

分析方法:选取20个核心业务问题,在多个AI平台测试,记录每个回答中出现的品牌名称、引用来源、引用方式。

关键指标:竞品AI引用率(竞品被引用次数/总回答数)、引用正面度(正面/中性/负面)、引用场景分布。

基于竞品分析结果,识别内容缺口和差异化机会,调整内容主题矩阵的优先级。

competitor_geo_analysis.md markdown
# 竞品GEO内容分析模板

## 分析维度

| 维度 | 指标 | 采集方法 |
|------|------|----------|
| 引用频率 | 竞品被提及次数/总问题数 | AI平台测试统计 |
| 引用方式 | 正面/中性/负面 | 人工标注 |
| 引用场景 | 对比/推荐/示例 | 场景分类 |
| 引用来源 | 官网/第三方/社交媒体 | URL追溯 |
| 内容类型 | FAQ/指南/数据/案例 | 页面分析 |

## 输出结论
1. 竞品GEO优势领域:___
2. 竞品GEO弱势领域:___
3. 我方内容缺口:___
4. 差异化机会点:___
5. 优先生产清单:___