很多人搞GEO的时候，一上来就问“这个关键词怎么优化”，好像用户意图分析就是看搜索词字面意思。我跟你说，这差得远了。 上个月在徐汇一个共享办公室，一个做IT培训的老板拉着我吐槽。他说他们按照“Python培训”这个词做了大量内容，又是真题解析又是就业前景，但AI搜索里推荐出来的全是别人家的线下校区信息，他们明明主打线上直播课，但连影子都看不到。 他问：“我这内容不也挺专业吗，怎么就推不上去？” 我看了下他们整个内容架构，问题很典型——他们把“Python培训”当成一个意图来处理了。但在AI生成答案的时候，这个词背后至少有四种不同的意图：有人是想了解Python培训到底学什么（信息型），有人是已经学完了想找就业方向（导航型），有人是想对比线上和线下的价格（交易型），还有人是公司HR想统一采购内训。 你用一套内容去接四种人，AI根本判断不出来你擅长回答哪一类。结果就是，你可能四种人都接不住。 这事儿我自己也踩过坑。2024年刚开始做GEO的时候，我们曾经把“税务筹划”这个词所有带这个词的搜索都归为一类意图，堆了一堆通用文章，结果AI推荐完全打偏。后来重新拆意图，才慢慢摸出规律。 我常用的一个分析框架其实是把用户意图拆成几个层次来看，大致可以这么走：
flowchart TD A[用户输入搜索词] --> B(字面意图提取) A --> C(搜索场景推断) B --> D[信息型意图] B --> E[交易型意图] C --> F[导航型意图] C --> G[隐性需求意图] D --> H(解答、教程类内容策略) E --> I(产品页、案例页策略) F --> J(品牌词、服务页策略) G --> K(跨阶段内容铺垫策略) H & I & J & K --> L[AI搜索推荐概率提升]说白了就是，不能只看他打了什么字，还得猜他打下这行字的时候，正处在什么状态里。这个状态，往往比字面意思重要得多。 # # 那个培训老板的意图到底错在哪 回到那个IT培训的案例。我让老板把他们近三个月从AI搜索进来的流量词拉出来看，大概不到200个有流量的词。其中“Python培训”这个词带了最多的点击，但转化率低到几乎没有。 进一步看，这些通过“Python培训”进来的人，他们在对话里的提问其实分成几种：有一类是问“Python培训要学多久”，有一类是问“上海Python培训哪个机构好”，还有一类是直接问“XX机构学费多少”。 但因为他们网站上的内容，几乎全是“Python培训课程大纲”“Python培训学习路线”这类信息型文章，AI推荐的时候，只会在“想了解Python培训是什么”这个场景下给他们曝光。而那些带地名、带比较、带价格的搜索词，AI基本不会引用他们的内容，因为这些搜索背后是交易型和导航型意图。 我跟他说，你这个不是内容不够好，是你用信息型内容去接交易型意图，AI觉得你不匹配，就不推你了。 后来我们做了一轮调整。针对“Python培训”这个词，不再只是一篇课程介绍打天下，而是按照不同意图，生成几个完全不同的内容单元：有一篇专门回答“学Python要多久、适合什么人”（信息型），有一个页面专门对比线上直播课和线下脱产班的费用和效果（交易型），还有一个合集页整合了全国各个校区地址和客服入口（导航型）。 大概两个月后，他们从AI搜索里拿到的高意向咨询量翻了快两倍。不是内容量变多了，是匹配度上去了。 # # 怎么找出用户没说出口的意图 这个方法里最难的不是分类，而是你怎么知道用户没说出口的那层需求是什么。毕竟AI推荐的时候，依据的是大模型对意图的理解能力，不是关键词密度。 我之前跟一个做AI技术开发的朋友聊，他说现在这些大模型分析意图，靠的是两个东西：一个是搜索词本身的语义，一个是跟你这次搜索关联的前后对话上下文。特别是上下文，经常把人真正的意图暴露出来。 他举了个例子：一个人如果直接搜“私域流量怎么做”，你可能以为是学习意图。但如果他上一轮对话问的是“有没有便宜好用的SCRM系统”，那这一轮“私域流量怎么做”其实是在找工具解决方案，不是真的想学方法论。 这在GEO里意味着什么？意味着你不能再孤立地看搜索词，你得把自己想象成一个正在跟用户对话的人。你得琢磨他问完上一句，下一句可能会问什么，然后提前把答案准备好。 说实话，这个要求比传统SEO高了不少。过去你可以靠一个关键词一个落地页去打，现在你得根据一连串可能的对话路径，去规划你的内容结构。 但我们做过的一些项目来看，有一个实用的笨办法：去AI搜索里亲自问。你就用目标词的几种典型问法去问AI，看它给你推荐什么内容，然后再改变一下问法，加上“多少钱”“哪个好”“怎么做”这类后缀，再看推荐结果怎么变。多试几轮，你大概就能摸清楚，在这个词上AI认为哪些意图是主流的，你的内容有没有卡住这些主流意图的节点。 不好说这个方法百分之百准，但至少比你坐在那里猜要靠谱。 # # 意图信号到底怎么做到内容里去 光分析出意图不够，你还得让AI知道你的内容是为这个意图服务的。这就有讲究了。 我自己的经验，三个层面的信号比较关键： 第一层是语义标签。你的标题、摘要、小标题里，要把意图对应的场景词写清楚。我见过太多标题还是那种“XX行业解决方案”，但用户搜的时候带的是“XX行业方案多少钱”“XX行业小公司适用吗”。你标题里不体现价格、不体现规模，AI就很难在那个意图下把你抓出来。 第二层是内容的问答结构。AI推荐尤其是在对话式搜索里，特别喜欢抓取那种“问题-答案”结构清晰的内容。你如果能在文章里自然地把用户可能追问的问题列出来，然后给出直接答案，这个内容被引用的概率就会高不少。 之前有个做法律咨询的客户，他们把一篇关于劳动合同纠纷的文章改了一下，在结尾加了三个常见追问（“没签合同能仲裁吗”“试用期被辞退有赔偿吗”“公司调岗降薪算不算变相裁员”），每个追问下面用一两段直接回答。就这个改动，那篇文章在AI搜索里的引用次数短时间涨了将近一半。 第三层是页面之间的意图承接关系。很多网站的页面是孤立的，讲完一个点就结束了，但用户在真实搜索里是会追着往下问的。你在内容里留出自然的内链或相关阅读引导，指向下一个意图的内容页，就等于帮AI铺好了这条对话路径。 # # 可复制的几条经验 做过这么些项目，我自己会反复用几条比较靠谱的方法： 1. 不要把意图分析做成一次性的活。意图是会变的，尤其是新政策、新技术出现的时候，用户关注的点可能突然拐弯。每隔一两个月，去AI搜索里重新跑一轮目标词，看看推荐内容和一个月前是不是一样，如果变了，就得跟着调。 2. 用对话的方式去测意图。别光看搜索词，试着在AI对话框里跟它聊，第一句问什么，第二句追问什么，看AI怎么理解。很多时候你会发现，你原来认定的主要意图，可能只是对话里的一个跳板。 3. 内容单元要对应意图分支，而不是一个页面包打天下。同一个核心词，至少分出3-4个内容单元，各自面向一种清晰的使用场景。做起来麻烦，但效果差异确实明显。 我也不敢说这就是唯一正确的路子。毕竟GEO这行变化太快，今天管用的方法，可能几个月后就得换个姿势。但有一点我比较确定：只要AI搜索还是靠理解用户意图来推荐内容，那谁对意图理解得更准、拆得更细，谁就有更大的机会被看见。 --- FAQ Q: 我分析了用户意图，也做了对应内容，但AI还是没推荐我的页面，是不是方法有问题？ A: 不一定是你方法错。有可能你的内容上线时间还太短，AI的索引还没更新。也有可能是你的页面技术基础没打好，比如渲染方式、结构化数据标记不到位，AI根本就没抓到你页面里的有效信息。建议先排查技术层面，再回过头看意图匹配的精度。有时候就是慢，等一两个月很正常。 Q: 是不是每个搜索词都得拆出四五种意图？小公司资源有限怎么办？ A: 没有必要每个词都拆那么细。你可以优先挑那些带转化潜力的核心词深挖意图，长尾词用比较通用的内容单元去覆盖。小公司的做法是先集中火力把业务最相关的几个词做透，其他的先放一放。我见过一些团队就是太想全覆盖，结果每个意图都做得浅，反而哪个都没捞着。