越来越多人不在百度搜，直接问 ChatGPT、豆包、Kimi。如果你的网站没做 GEO，AI 回答时不会提到你。这不是玄学，有具体做法。
以前客户找供应商：打开百度 → 搜关键词 → 翻几页 → 挑几家打电话。
现在的路径变成：打开 AI → 描述自己的情况 → 看 AI 推荐哪几家 → 只联系其中一两家。
区别在哪？百度给你十个链接让你自己挑，AI 直接给你结论。 如果 AI 的答案里没有你，你连被挑的机会都没有。
大模型回答问题时，不是随机编的。它要么调用自己训练时记住的信息，要么实时去网上抓页面再总结。
对于「XX 地区做 XX 的公司有哪些」这类问题，主流做法是实时抓取。它抓什么？抓那些结构清晰、事实明确、能被直接引用的页面。
反过来，这几种页面 AI 抓了也用不上：
全是图片没有文字的页面（AI 读图能力有限）
满屏营销话术的页面（「行业领先」「品质卓越」这类词没有信息量）
用 JavaScript 动态渲染的页面（很多 AI 爬虫不执行 JS）
内容藏在 PDF 里的（AI 一般不去下载附件）
第一，结构化数据。 在页面里用 JSON-LD 标注「这是什么」：公司、服务、常见问题。AI 读到结构化数据，能准确知道你做什么。
第二，站点说明文件。 在根目录放一个 llms.txt，用纯文本告诉 AI 这个站是干什么的、有哪些页面值得看。这是 2024 年后新出现的约定，越来越多 AI 会读。
第三，可摘取的答案块。 每个页面开头放一段 40–60 字的直接回答。AI 最喜欢摘这种独立成段、信息完整的文字。
第四，内容要有事实。 具体数字、具体流程、具体案例，比形容词有用一万倍。AI 引用的是事实，不是形容词。
这个要实事求是：GEO 不像竞价广告，投了立刻有量。
正常情况是：做完后 2–4 周，AI 抓取你的页面；1–3 个月，在部分问题的回答里开始出现你的内容。
影响速度的因素有三个：网站本身的权重、内容的事实密度、以及你覆盖了多少个「客户可能会问的问题」。
所以 GEO 不是一次性工作，是持续生产内容。 客户会问的问题有多少个，就该有多少篇内容。
GEO 不是技术活，是「把你脑子里知道的事，写成 AI 能读懂的形式」。
很多公司不是没内容，是内容都在业务员脑子里、在 PPT 里、在报价单里，网上一个字都没有。AI 当然找不到你。
