本文完整还原一次楼盘 GEO 诊断的流程与步骤。为保护客户信息，涉及的项目、问法与数据均为脱敏示意，仅用于说明方法论，不含任何效果承诺。
起手式：先定义「要回答什么问题」
最容易走偏的第一步，是把问题定义成「我们被提到几次」。这个问题看起来直观，但它无法指导工作——被提到 30 次，但每次都出现在竞品的对比劣势里，是失败而不是成功。
正确的起点是：购房者在这个项目上会问什么。把这个问题展开，就是一张问法地图。房地产场景下，可以按三个轴切分：
- 22 个购房决策维度：板块区域、预算购房力、学区教育、开发商交付、户型得房率、贷款公积金、政策限购、持有成本、交通便利性、周边配套、物业口碑、楼盘对比、产品类型等。
- 6 类购房人设：刚需、改善、投资、学区、转租买、返乡置业。
- 5 个购房阶段：看房、对比、决策、交易、持有。
三个轴相乘，得到 22 × 6 × 5 = 660 个覆盖单元。这张网格的价值在于：它把「内容有没有覆盖到」从一个感觉，变成了一个可勾选的清单。
第一步：固定问法集
从 660 个覆盖单元出发，生成真实问法。要点是口语化——用购房者会说的话，而不是行业词。例如「得房率」这个维度，真实问法更接近「这个盘公摊大不大、实际能住多少平」。
问法集一旦确定就固定下来，后续所有观测都以它为准。原因很简单：口径不变，纵向比较才成立。
第二步：多平台采样
同一批问法，在多个主流 AI 平台上分别提问，保留原始回答。每一条记录包含以下字段：
| 字段 | 说明 |
|---|---|
| 平台 | 哪个 AI 平台 |
| 问法 | 来自问法集，含所属维度 / 人设 / 阶段 |
| 是否提及 | 答案中是否出现本项目 |
| 提及位置 | 首位、列举中、末尾补充 |
| 描述摘要 | AI 的原话摘录 |
| 语境倾向 | 正向 / 中性 / 负面 |
| 引用来源 | 答案引用了哪些信源 |
| 采样时间 | 用于后续波动分析 |
第三步：按四层模型归类
原始记录是没有结构的，必须归到统一的层级框架里才能形成判断：
| 层级 | 本次关注的问题 |
|---|---|
| 存在 | 提到了吗 |
| 被认可 | 提到时的语境是中性的、正向的，还是负面的 |
| 被信任 | 有没有给出具体、可验证的事实，而不是笼统评价 |
| 被选择 | 是否进入「推荐 / 值得考虑」的结论 |
四层归类的实操价值在于定位问题。典型的错位是：存在层表现不错（提及率高），但被信任层很弱（没有具体事实支撑）。这种情况下继续增加曝光没用，要转去补事实与出处。
第四步：信源诊断
接着追问一个更关键的问题：AI 在描述这个项目时，引用了谁？
把引用来源摸清之后，会得到一张「信源格局」图：
- 哪些来源在支撑你的品牌表述（你要维护好它们）。
- 哪些来源在描述竞品（不是必须争，但要知道）。
- 哪些位置目前无人占位（机会所在）。
第五步：覆盖度热力，找缺口
把 660 个覆盖单元的观测结果画成热力图，一眼就能看出缺口分布：集中在哪几个维度、哪几类人设、哪个购房阶段。
第六步：内容机会清单
把缺口转成可执行清单，排序公式可以简化为三个因子的乘积：
优先级 ≈ 维度价值 × （1 − 竞争强度） × 缺口程度
也就是：高价值、竞争不激烈、且当前确实空白的，优先做。每条机会要写清楚四件事：
- 目标问法（来自问法集，可回溯）
- 建议内容形态（事实说明、对比、问答、场景解析）
- 建议落地的信源位置（依据信源格局选点）
- 验收指标（用哪一层指标衡量是否补齐）
第七步：周期复诊与采样纪律
诊断不是一次性的。用定时任务做周期复诊，产出趋势快照。两点纪律必须守住：
- 用波动带，不用单点。AI 答案波动幅度可观，单次采样的升降不足以构成结论。
- 至少看 4 周。趋势判断需要足够样本，避免把正常波动讲成效果。
交付物清单
完整走完一遍，产出五份东西：
- 品牌诊断报告：项目在主流 AI 平台的存在、认可、信任、选择四层表现
- 信源诊断报告：AI 引用了谁在描述你，缺口在哪
- 竞品对照：同板块竞品的 AI 端声量与内容打法
- 内容机会清单：按价值 × 竞争 × 缺口排序，可直接执行
- 周期趋势快照：定时复诊，带波动区间
结语
这套流程里没有玄学，核心是把模糊的问题拆成可测量、可回溯、可复诊的观测体系。诊断的价值不在于给一个分数，而在于回答两个具体的问题：问题在哪，以及先补哪里。