上一篇结尾我让你做了一件事：用无痕模式问AI三个关于你品牌的问题，把回答截图存下来。

《0基础GEO实战手册》第1讲｜GEO到底是什么？先把"和SEO什么关系"说清楚

如果你做了，大概率会看到三种结果之一：AI提到了你，位置还不错；AI提到了你，但排在竞品后面；或者，AI压根没提你。

不管哪种，你可能都有一个疑问：AI凭什么这么选？ 它凭什么推荐A不推荐B？凭什么把某条信息放在答案开头，把另一条塞进末尾甚至完全不提？

这一篇就是来拆这个黑盒的。我把它拆成四步：意图理解 → 深度分析 → 内容排序 → 生成引用。每一步，我会告诉你两件事：AI在这一步挑什么，你的品牌就该喂什么。

先给一个总判断，你可以先记住，后面每一步都是在验证它：这四步里，AI的算法对你都是黑盒，你无法知道它具体怎么算的。你唯一能控制的变量，只有两个，你输出什么内容以及你把内容发在什么信源上。

第一步：意图理解，AI看的不是关键词，是"意图"AI在这一步做什么

传统SEO的逻辑是关键词匹配：用户搜"新能源车"，你就在文章里堆"新能源车"。但大模型不这么干。它的第一步是意图理解，把用户那句可能很长、很口语的话，拆解成一个"意图"，再根据这个意图生成一组"关键词根"。

举一个很具体的例子。用户说：

"我想换辆车，节能的车。我是一个三口之家，主要用于家庭出游。预算是30万，你给我一个推荐。顺便看下在哪里买合适。"

AI不会把这当成一个长尾词，也不会简单拆这句话里的关键词。它会锚定这句话背后的意图"家庭用车、预算30万、偏节能"，然后拆出一组关键词根：换车、新能源车、家庭、SUV、2026款、30万、北京朝阳、4S店，等等。这组关键词共同锚定了一个意图。

这意味着什么？无论用户怎么换问法"新能源车哪家好？"、"推荐一款适合家用的电车"、"30万买什么SUV适合一家人"只要背后的意图和关键词根一致，AI就会把它们归为同一类意图。这对品牌意味着什么

优化的核心单元，不再是单一的"词"，而是"意图"。

过去做SEO，你盯的是"XX产品"、"XX品牌"这几个词。现在做GEO，你要覆盖的是由多个词构成的"意图簇"。而且要注意一个细节：大模型会补全关键词，很多关键词并不来源于用户的问句里。 用户没说"北京朝阳"，但AI根据上下文或用户画像补进去了；用户没说"2026款"，但AI默认按最新款来推荐。

所以，品牌在这一步该喂什么？不是喂关键词，是喂"意图覆盖"。 你要在内容里把用户可能关心的意图维度：人群、场景、预算、地域、使用目的——都覆盖到，让AI在拆解意图时，无论拆出哪组关键词根，都能在你的内容里找到对应答案。

这也解释了为什么第5篇要专门讲"意图挖掘"：你得先知道用户会怎么问、AI会怎么拆，才知道内容该覆盖什么。

第二步：深度分析，AI在"采信"，不是"收录"AI在这一步做什么

拆出意图之后，AI会调用搜索引擎或内部知识库，返回海量内容。但返回不等于使用。AI会对这些内容做"阅读理解"，它不看你的网页标题和Meta标签，它看的是：内容的结构化程度，以及内容的"信任状"。

什么是"信任状"？数据、奖项、权威认证、第三方背书、可验证的参数。AI通过算法判断内容的"可信度"。

一个很直观的对比：一篇稿子只是空洞的形容词，比如"我们的产品最好"；另一篇引用了具体的第三方调研数据、获奖情况和详细的技术参数。AI在深度分析这一步，会天然倾向于后者。

此外，低质、重复、甚至AI批量生成的垃圾内容，在这一轮会被大量剔除。这对品牌意味着什么

内容必须具备"AI可读性"。

什么叫AI可读？三个特征：

结构清晰：分段、分层、有摘要、有结论，不是一大段散文。

实体丰富：品牌名、产品名、参数、场景，都是明确的"实体"，AI能识别、能提取。

信任状明确：有数据、有资质、有第三方举证，AI能判断"这条信息靠不靠谱"。

反过来，什么样的内容在这一步会死？通篇形容词、没有具体数据、没有来源、结构混乱、一看就是批量灌水的。 这也是为什么第7篇要专门讲结构化写作和EEAT：不是教你写漂亮文章，是教你把内容改造成AI愿意采信的样子。

第三步：内容排序。不是"排名"，是"权重"AI在这一步做什么

经过筛选，AI手里有了一个候选内容池。第三步是排序。但这不是简单的相关性排序，而是基于"信源权重"和"内容可信度"的综合打分，是一个多因子模型的计算过程。

两个关键机制：

第一，信源权重不同。 政府网站、权威媒体、知名百科的权重，通常高于个人博客或低质论坛。你内容写得再好，发在一个AI根本不信任的站上，权重也上不去。

第二，交叉验证。 如果多个高权重信源都提到了A品牌在某项技术上的领先性，那么A品牌在这一维度的可信度得分就会极高，排序自然靠前。反之，如果内容存在矛盾、缺乏佐证，即便通过了筛选，也会在排序中靠后。这对品牌意味着什么信源选择至关重要。 这一步是很多品牌最容易忽略的环节，他们花大量精力打磨内容，却随手把内容发在低质渠道上，结果在排序这一步输在了起跑线。

将内容发布在高权重、高可信度的平台上，能直接提升在AI眼中的'信用评分'。这要求品牌不仅要优化内容本身，还要优化内容的来源地。

这就是第9篇要讲"三层信源"的原因。但这里先埋一个伏笔：信源不是"越多越好"，是"层级要对、权重够高、口径一致"。 海量群发低质站群，不但不加分，还可能被判定为垃圾营销，把品牌整体权重拉低。

第四步：生成引用。一个"全或无"的游戏AI在这一步做什么

前三步都是为了这一步。AI根据排序结果，选取最可信、最相关的内容片段（通常来源于几篇内容），把它们作为"引用来源"，融入到它生成的最终答案里。

注意两个关键词："引用"和"重组"。

引用，意味着AI不是简单复述你的内容，而是把你当作"信源"来使用。重组，意味着AI会用自己的语言逻辑，把引用到的信息组织成一段流畅的回答，它可能把你的话拆开、改写、和其他信源的内容拼在一起。这对品牌意味着什么

这是GEO和SEO最根本的差别所在。

在传统搜索结果页，哪怕你排第8、第10，用户滑动屏幕也能看到你。但在AI对话里，如果AI只推荐3—5个品牌，而你没被选中，那么对用户来说，你就是不存在的。 这个叫"零和博弈"，不是"曝光少一点"的问题，是"在不在场"的问题。

所以，这一步给品牌的启示很直接：优化的目标不是让AI"看到"你，而是让AI"引用"你。 只有成为AI生成答案时的引用源，才算真正完成了GEO的闭环。"被看到"只是过程，"被引用"才是结果。为什么这是个"黑盒"？以及你唯一能控制的是什么

四步讲完，必须说一句实话：这四步中每一步的算法逻辑，对第三方来说都是黑盒。

你无法知道AI具体怎么拆解意图

（第一步），无法知道它内部的筛选标准

（第二步），也无法知道它具体的排序算法

（第三步），"我们唯一能控制的变量，就是'我们输出的内容'以及'内容发布的信源'。"

顶尖的GEO服务商采用的不是"猜算法"，而是"算法思维"——通过大量数据去学习AI喜欢的"特征结构"，提高内容被引用的概率。但这里涉及的内容变量因子是动态的，而且针对不同层级（通用、行业、品牌）、不同场景的Query都不一样。靠人工去解读，是解不完的。

所以，回到这一篇的核心结论：四步黑盒你拆不开，但你可以把可控的两个变量做到极致，内容的质量和结构，信源的层级和一致性。

工具卡｜本篇卡点

卡在哪里：理解了"信源权重"是第三步排序的关键，但不知道怎么把信源"分层"落地，容易变成"到处发一点，哪层都不够"。

对应原理：第三步"内容排序"拼的是信源权重和交叉验证。AI会看：权威媒体有没有说你靠谱、官方认证号有没有证明你是官方、素人评价有没有印证"别人用了好不好"。这三层信息一致时，AI才更容易把品牌标记为"高信任实体"。

智域蒲公英的做法：把这套"三层信源"直接做成可执行的账号和渠道动作

顶层（权威媒体）：官网、新闻媒体、行业媒体，解决"品牌靠不靠谱"，对应AI信源权重里最高的那一层。

中层（品牌认证号）：蓝V、企业号、员工号，解决"是不是官方信息"。

基础层（用户证言）：素人号、KOC真实评价，解决"别人用了好不好"，用于交叉印证。

工具侧提供账号矩阵管理和媒体投放模块，品牌号、员工号、素人号分层配置，付费媒体按行业→地方→全国梯度投放。它不改变"信源权重"这个原理，只是把"分层铺信源"这件事从概念变成可执行的清单。本周动手

上一篇你存了三张AI回答的截图。这一周，做一件进阶的事：挑其中一张截图，看AI引用了什么信源。

具体做法：

看AI回答里有没有标注来源链接、脚注或"据XX报道"之类的引用提示。

如果有，点进去看：是官网、权威媒体、百科，还是低质聚合站、论坛帖子？

如果没有显式来源，就看你自己的内容：你品牌的核心信息，目前主要发在哪些渠道？这些渠道属于三层信源里的哪一层？缺了哪一层？

把答案记下来。 这就是你品牌在"第三步：内容排序"里的当前站位——你发在哪里，决定了AI给你多少权重。第9篇我们会系统讲怎么补这三层，这周先看清现状。

下一篇预告：第3篇《GEO服务商有哪几派？自建、外包还是工具+陪跑》——媒介资源派、技术+资源综合派、黑帽操作派，0基础品牌部怎么判断、怎么选，以及自建团队的最小配置和三种合作方式的适用场景。