本地商家做 GEO 的 8 周排期:每周做什么、交付什么、怎么验收
先说结论:GEO 不是一次性动作,是可以排期的工程。8 周一个周期,前 2 周把现状摸清,中间 4 周把信息铺出去,最后 2 周看数据决定下一步。下面这套排期适合单店和门店数在 10 家以内的连锁直接照做。
排期总览
| 周次 | 阶段 | 主要动作 | 交付物 |
|---|---|---|---|
| 第 1 周 | 基线诊断 | 整理 20 个客户问题,8 个平台跑一遍 | 基线报告 |
| 第 2 周 | 差距定位 | 逐条比对 AI 说的和你实际的情况 | 错误清单 + 待补信息清单 |
| 第 3 周 | 信息重构 | 公司信息、服务项目、价格区间统一口径 | 标准信息表 |
| 第 4 周 | 内容生产 | 问答段、服务说明、案例描述重写 | 内容包(官网 + 公众号 + 平台) |
| 第 5 周 | 信源铺设 | 高权重位置定口径,垂直平台补细节 | 铺设清单与链接 |
| 第 6 周 | 本地信号补强 | 地图、点评、门店档案、评价整理 | 门店信息一致化记录 |
| 第 7 周 | 复跑监测 | 同一批问题再跑一遍,对比第一周 | 周报(含原始截图) |
| 第 8 周 | 策略调整 | 换问题、加信源、定下个周期目标 | 复盘 + 下期计划 |
第 1—2 周:基线诊断,先把现状摸清
这一步最容易被跳过,也最不该跳过。没有基线,后面所有「有变化」都无法证明。
具体做法:列出 20 个客户真实会问的问题,要口语、要具体,比如「沈阳浑南哪家装修公司不增项」「附近哪家口腔诊所周末开门」。然后到 8 个平台逐个提问,记录三件事:有没有提到你、提到时说的是什么、同时提到了哪几个同行。
第 2 周做的是比对:AI 说的地址、电话、营业时间、服务项目,和你实际的是否一致。常见的问题是电话是旧的、营业时间少了周末、服务项目里漏了主推的那一项。这一周产出一份错误清单,比写十篇文章有用。
第 3—4 周:信息重构,让 AI 有话可说
信息重构的顺序是:先统一口径,再写内容。口径不统一,内容写得再好,AI 拿到的也是互相矛盾的三份资料。
第 3 周:标准信息表
- 公司全称与简称,全网统一,不要官网写全称、地图写简称、公众号写店名
- 地址写到门牌号,附周边地标(哪条街、哪个路口、附近什么商场)
- 电话只留一个主号,多门店各自留本店号码
- 营业时间精确到周末和节假日,注明是否需要预约
- 服务项目列清单,每项一句话说明适合谁
- 价格写区间和计价方式,不写「面议」——AI 无法引用「面议」
第 4 周:内容生产
内容不是写作文,是给 AI 准备素材。四类内容按这个优先级做:
- 问答段:把 20 个客户问题原样写成问题和答案,答案第一句给结论。这是被引用率最高的一类
- 服务说明:每项服务写清做什么、怎么做、多久、多少钱、适合谁
- 边界说明:什么情况不接、什么情况要加价、什么情况建议去别处。这一段看起来吃亏,实际上是可信度来源
- 真实场景:具体到某个客户的情况和处理过程,去掉姓名和隐私信息
第 5—6 周:信源铺设,把同一句话说到处都是
铺设的逻辑是分层:高权重位置定口径,垂直平台补细节,本地位置补距离和场景。
- 定口径层:官网的结构化数据、公众号简介、地图档案。这一层只放最核心的事实,一个字都不要改
- 补细节层:行业垂直平台、点评类站点、问答社区。这一层放服务细节和真实评价
- 补场景层:门店照片、周边地标、到店路线、停车信息。本地提问最吃这一层
第 6 周专门处理本地信号:把点评平台上的真实好评整理成可引用的句子,把高频差评的回应写出来。注意只整理真实评价,不要自己编。
第 7—8 周:监测与调整
第 7 周用第 1 周那 20 个问题原样再跑一遍,逐条对比。这时候你会看到三种情况:进去了、有波动、完全没动静。三种情况的处理方式不一样——进去的稳住,波动的加信源,没动静的换问题。
第 8 周做复盘,定下一个周期的目标。GEO 的效果是累积的,第一个周期通常只能看到品牌词和被说错的信息被修正,行业词的推荐位要第二个周期才明显。
五条验收标准
- AI 回答里的公司名、地址、电话、营业时间全部正确
- 20 个问题里,至少有一半能查到你的品牌名(品牌词层面)
- 官网、地图、公众号三处的核心信息完全一致
- 每周报告带原始提问和原始回答截图,能自己复跑核对
- 明确知道哪几个问题进不去、为什么进不去、下期怎么打
三个常见问题
8 周之后还要继续做吗?
要,但强度可以降。前 8 周是建设期,之后是维护期:每周复跑、每月补新内容、季度做一次复盘。停掉维护后,AI 那边的引用会慢慢衰减,通常一两个月能看出来。
连锁门店怎么排?
品牌层面一套口径,门店层面分开建档,按门店数分批排。第一批先做 3 到 5 家主力店,跑通流程后再复制,不要一次全铺——全铺之后数据混在一起,哪家店出了问题都定位不到。
能不能缩短到 4 周?
诊断和重构可以压缩,监测不能。AI 的抓取和更新有延迟,两周之内的变化大多是噪音,看不出真实趋势。想快的话,先把品牌词和被说错的信息修掉,这部分通常 2 到 3 周能看到结果。
一句话总结:GEO 的排期是「先摸清、再统一、后铺设、最后用同一批问题复跑」,8 周一个周期,验收看信息是否正确、品牌词是否出现、报告是否可核对。
想看看自己的品牌在 AI 里现在是什么样?
8 个平台跑一遍,出一份基线报告,说清哪里被提到、哪里被说错。