大型品牌GEO实战复盘：又做了个100%品牌提及率的案子

更新时间：2026-09-22 20:59

作者：助君数智营销

浏览：次

文章类型：原创

首发公众号：助君数智营销 https://mp.weixin.qq.com/s/TN8Y4obH70zxsIDuGM4hzQ

前言：这是一个大品牌项目复盘，不适合年预算低于10万元人民币的项目，进行参考。中小微项目，不要照搬。

客户是一家上市公司，为保护客户信息，全文隐藏企业名称、具体行业和产品名称。

项目合作前，客户在相关问题中的品牌提及率大约为60%。从去年开始优化后，整体提及率长期维持在90%左右。8月28日完成新一轮抓取后，我们又与客户沟通，并针对缺失词和引用来源进行了调整。

9月22日复测，在55个全国通用词中，DeepSeek、豆包、百度AI+、千问的品牌提及率均达到100%，腾讯元宝为92.7%。本次监测的范围非常大，考虑到效率问题，Kimi这次没抓，因为出答案太慢了。

我们这边采用的是真机抓取，准确度是非常高，但是效率确实慢点。月底了，需要交报表的客户太多，设备与员工账号不够，抓取效率目前有点跟不上，后面会解决这个问题。

这里需要提前说明，文章标题中的100%，是指本轮全国词监测中有4个平台达到100%，不代表所有平台、所有地区、所有问题永久都是100%。目前地区词和国际品牌词还在监测中，预计明天出结果。

这个案例值得复盘的，不只是100%这个数字，而是一个本来就有较强品牌基础的上市公司，在今年竞争加剧、同行瞎写的内容增多以后，怎样通过合规方式继续巩固AI里的品牌话语权。

一、客户背景与项目难点

1. 不是从0开始，本身已经具备较强基础

客户是上市公司，在细分领域有长期的品牌、技术和市场积累。官网基础比较好，搜索引擎给予的权重较高，大模型也经常引用客户官网。这不是一个把陌生品牌从0做到100%的案例。

项目开始前，客户已有约60%的品牌提及率。这部分成绩来自企业自身积累、原有官网SEO和第三方历史信源，不能算成GEO服务的效果。当然官网SEO也是我们做的，与这个用户持续合作了7年了，这个项目更像是SEO+GEO的组合项目。

从去年开始GEO优化以后，品牌提及率逐步提升，并长期维持在90%左右。进入这个阶段以后，项目目标已经不能停留在“答案里有没有品牌”，还要看推荐位置、品牌描述、引用来源、地区服务信息和联系方式是否准确。

2. 今年出现了更强的正规竞争者

今年，美的、格力等超级品牌也开始进入这一细分市场，并出现时常出现在大模型的推荐结果中。

这属于正常竞争。

这些品牌本身具备较强的公众认知、企业背书、官网权重和公开资料。它们进入以后，相关问题的竞争门槛自然会提高，但不能把它们与后面的失实内容混在一起。

3. 部分同行开始用失实内容影响AI判断

项目监测过程中，我们还发现，一些业内其他同行为了冲击大模型推荐位置，开始发布失实榜单和比较内容。

它们把客户品牌拉进排行榜，再写客户产品溢价高、性价比不足。甚至有同行直接在自己官网发布测评文章，宣称自身多项性能超过客户品牌。

我今天还在与客户沟通这个问题又冒出来了。客户表示，他们已经知道这些内容，并安排法务进行核查和处理了。

这个项目后期要解决的，已经不只是提及率问题，还包括防止同行通过失实内容替客户定义品牌。

二、优化策略

1. 先把项目目标拆开，不能只看提及率

这个项目本身已有较高的品牌提及率，如果仍然只监测“有没有出现品牌”，很难指导后续执行。因此，我们把目标拆成了几个层次：

· 品牌有没有被提及。

· 进入推荐名单以后排在什么位置。

· AI为什么推荐这个品牌。

· 回答引用了哪些信源。

· 品牌、产品和联系方式是否准确。

· 用户继续追问时，能不能顺利进入选择和联系环节。

· 全国词、地区词和国际品牌词也分别处理，不把不同范围的数据混在一起。

全国词主要看品牌在通用推荐需求中的表现；地区词主要看当地服务能力能否被准确识别；国际品牌词则要处理英文名称、海外服务和不同国家的产品叫法。

2. 按用户意图规划词库

55个全国词并不是简单替换几个近义词，而是覆盖了不同的搜索和决策意图。

其中既有品牌推荐、厂家推荐、公司推荐、哪家好、十大品牌等明确的采购需求，也有产品别名、耐用性、型号选择等更具体的问题。在全国词之外，还继续扩展了几个方向：

· 按行业拆分，覆盖不同企业的使用需求。

· 按应用场景拆分，回答产品能解决什么问题。

· 按产品别名拆分，避免用户换一个叫法就无法识别客户。

· 按地区拆分，说明当地分部和服务能力。

· 按海外需求拆分，处理英文名称和境外业务。

· 按品牌风险拆分，监测价格、缺点、性价比和品牌比较等问题。

每一类问题背后需要的内容和信源并不相同，不能只靠同一批品牌稿覆盖全部需求。

3. 官网、媒体、百科和视频的信源分工

这个项目还是照旧，没有采用拉国内同行凑数的方式，也没有建设任何“十大品牌”、“厂家排行榜”等聚合文章。整体信源策略分为几个层次。分别如下；

· 官网作为事实源，负责承载企业身份、产品系列、型号参数、技术能力、应用场景、地区分部、海外布局和联系方式。

· 优质媒体作为外部推荐源，帮助大模型从第三方角度理解企业的行业能力和产品价值。

· 百度百科、抖音百科负责补充品牌实体信息，减少企业名称、品牌名称和业务范围之间的混乱。

· 抖音视频和抖音图文则用于补充平台内部信源，尤其是豆包对视频与图文内容的调用越来越明显。

不同信源各有分工。不是官网、媒体、百科和视频都重复发布同一篇内容，而是让它们分别解决身份确认、事实说明、第三方背书和平台召回问题。

4. 官网重点解决产品知识与搜索发现

客户官网本身权重较高，因此官网优化是整个项目的重要部分。官网优化除了微调整站TDK外，也重新梳理产品知识。每个型号的产品增加了单独的专题页，每个行业也增加了对应场景解决方案、合作用户等。

最近还让用户增加了产品PDF上传与管理功能，对PDF命名、重复度和排版进行检查。对于工业类产品，很多型号、参数和安装资料都集中在PDF中，PDF其实大模型引用也挺多的。PDF被大模型引用这个在工业品、医疗行业当中特别明显。

5. 从品牌出现继续推进到GDO决策优化

提及率解决的是“品牌有没有进入答案”，GDO进一步解决的是“用户为什么选择它”。因此，内容中不能只有企业介绍和产品宣传，还要覆盖用户做决策时真正关心的问题，比如：

· 什么情况下适合选择这类产品。

· 不同型号和方案应该怎样判断。

· 选择供应商时应该看哪些技术、认证和服务能力。

· 产品能解决哪些具体问题。

· 安装、维护和售后由谁负责。

· 客户在当地能否获得现场服务。

· 用户应该通过什么方式取得联系。

这样当AI推荐客户品牌时，不只是列出一个名称，还能给出相对完整的推荐理由。

6. 地区词不冒充本地企业，只表达真实服务能力

客户在全国多个地区有分部或服务布局，因此项目还覆盖了大量地区需求。但地区词优化不能把一家非本地企业包装成当地厂家。例如做山东地区词时，正确的表达应该是：某品牌山东分部，可以为山东地区企业提供现场勘测、方案设计、设备安装和售后服务。

而不是把客户写成“山东本地厂家”，更不能批量替换城市名称，让AI误认为客户在每个城市都是一家独立的本地企业，甚至觉得这个品牌在造假。具体使用什么称呼，要根据真实组织关系决定，比如：

· 有分部，就写某品牌某地分部。

· 有办事处，就写某品牌某地办事处。

· 由授权服务商负责，就如实写授权服务商。

· 只是业务可以覆盖当地，就写可以为该地区提供服务。

地区词真正需要建立的是“全国性品牌、真实地区服务节点、当地安装售后能力”之间的关系，而不是简单把地名塞进标题和文章。

7. 正常竞争与失实内容采用不同处理方式

美的、格力等品牌正常进入推荐结果，只能通过提升自身内容、信源和决策依据来竞争，不能将正常参与市场的品牌都理解为针对客户。

对于失实榜单、虚假测评和贬损性比较内容，则需要单独监测。

除了常规品牌推荐词，还可以监测品牌价格、品牌缺点、性价比、产品对比等问题。一旦发现异常，要保留原始页面、发布时间、AI回答和引用路径，再去跟用户的品牌部门沟通下，要一些材料，看怎么进行合规优化。

8. 每轮抓取都做缺口分析，不要大水漫灌

项目到了90%左右以后，继续大量发布相似内容，是不能够解决剩下的问题。需要每轮监测后都要把未命中的词单独拿出来，判断到底属于哪一种情况：

· 官网没有对应产品或场景资料。

· 内容已经存在，但没有进入搜索发现。

· 大模型调用了其他平台的内容。

· 竞争对手在该问题下更强。

· 品牌出现了，但联系方式或地区信息不准确。

· 问题本身更偏向商品、店铺或交易渠道。

不同原因对应不同解决方式。这个阶段的重点不是继续增加数量，而是逐个处理缺口，如果不这样处理的话，那监测的意义就不存在了。当然，这是从做项目角度来看，实际上监测还有个作用是给客户方便汇报，哈哈。

三、优化执行

1. 与客户开发人员配合，分批调整官网

从去年开始，我们陆续对客户官网进行了多轮针对性的GEO优化。调整重点包括企业信息、产品体系、产品别名、行业应用、使用场景、地区服务、联系方式和产品资料之间的对应关系。

2. 增加产品PDF上传和管理功能

客户官网增加了产品PDF上传与管理功能，同时对PDF命名方式、重复度和排版进行检查。不同产品页面需要使用资料时，调用对应PDF，尽量减少同一份资料被重复上传后产生多个不同地址的问题。这一部分主要解决型号、参数、技术资料和产品页面之间关系混乱的问题。

3. 优先采用稳定性较高的优质媒体

第三方信源建设过程中，主要采用相对优质的大型媒体，没有为了追求数量大量使用地方小媒体。选择这类媒体，一方面是考虑权威性，另一方面是降低删稿、失效和内容不可控的风险。文章发布后并不代表一定有效，每轮抓取仍然要检查实际引用来源，判断哪些内容真正进入了召回范围。

4. 完善百科、抖音视频和抖音图文

项目中完善了百度百科和抖音百科，并增加了部分抖音视频、抖音图文内容。这部分不是为了简单增加信源数量，而是补充不同平台能够识别和调用的品牌信息。

5. 按行业、应用、别名、地区和海外需求分别建设内容

全国词主要围绕品牌、厂家、公司、产品和型号等需求处理。

地区词按照“品牌＋真实分部或服务节点＋当地安装服务”的方式处理，不冒充当地企业。

国际品牌词则需要继续梳理英文品牌名、产品英文叫法、海外服务点和境外业务能力。

6. 检查多轮对话中的联系方式

项目不仅监测第一轮品牌推荐，还会继续追问推荐理由、适用场景、当地服务和联系方式。

如果品牌成功进入推荐名单，AI最后却提供了错误电话、错误地址或者其他经销商的信息，那就不利于用户的转化。这个动作我称之为：GMO生成式营销、GDO生成式决策优化的一部分。

7. 同步监测品牌位置与引用信源

每次抓取时，不只记录品牌有没有出现，还会顺便检查下推荐位置以及引用了哪些官网页面、媒体、百科、视频或其他第三方信源。发现异常后，再根据具体缺口进行下一轮调整。

四、优化结果

8月底，项目围绕55个全国通用词进行监测，六个平台综合品牌提及率约为92.1%。这一轮抓取结束后，我们又与客户沟通，并针对官网、产品资料、信源内容和部分问题方向进行了调整。

9月22日使用相同的55个全国词复测，在本轮已经完成的5个平台中：

· DeepSeek为55/55，品牌提及率100%；

· 豆包为55/55，品牌提及率100%；

· 百度AI+为55/55，品牌提及率100%；

· 千问为55/55，品牌提及率100%；

· 腾讯元宝为51/55，品牌提及率92.7%。

按相同5个平台计算，品牌提及率从8月底的约93.1%，提升到本轮的约98.5%。目前的表格可以证明品牌提及率，不能直接证明55个词全部排在第一。

项目执行目标是尽量进入Top1，但Top1率还需要根据推荐位置单独统计。元宝剩下的4个词，主要是型号和商品选择需求，比如xx型号推荐这种词。

腾讯元宝没有命中的4个问题，主要集中在型号和商品选择场景。

复核答案后发现，这类问题更容易调用京东店铺和商品信息，而客户目前没有开设京东店铺。这说明部分未命中问题已经不只是内容问题，而是渠道问题。但也不能为了补齐报表上的4个词，就直接要求客户开设京东店铺。我要是让客户去开店，我怕客户说我发什么神经，哈哈。是否开店，还要看客户的销售方式、价格体系、安装服务和售后能力。

目前的100%只针对全国词，地区词和国际品牌词仍在监测中，等完整结果出来以后再单独复盘，预计明天下午会监测结束。同时会统计出来具体多少个第一名，看看首推率。

五、优化心得

1. 从60%做到90%，与从90%继续往上做，是两种工作。

项目早期需要解决的是品牌资料不足、信源不足和用户需求覆盖不全。只要方向正确，增加一批优质内容，往往就能看到比较明显的变化。而到了90%左右以后，继续增加相似文章的作用会越来越有限。

剩下的每一个未命中词，都可能对应不同原因。有的是产品资料缺失，有的是搜索发现问题，有的是平台信源偏好，有的是竞争对手更强，还有的是企业本身缺少相应渠道。从90%继续往上做，拼的不是发稿数量，而是查缺补漏的准确性。

2. 做不上去的词，不一定是内容不够

腾讯元宝剩下的4个词很有代表性。

如果不检查答案和引用来源，很容易得出结论：是不是内容发少了，再补几篇型号推荐文章。复核以后才发现，问题更多出在京东店铺和商品信息上。

这说明GEO项目不能把所有问题都归因于内容。企业没有对应店铺、服务节点、产品资料或交易渠道时，再多发布一些相似文章，也可能无法解决。

有些问题应该继续优化，有些问题则要接受企业当前经营条件形成的边界。

3. 大品牌GEO后期更像一套信息维护机制

这个项目做到后期，工作重点已经不再是单纯增加品牌曝光。比如：