一个GEO项目，DeepSeek提及率为0，客户却来了询盘，并给我们点赞。

首发公众号：助君数智营销  https://mp.weixin.qq.com/s/iJE7egg5IxiWpUDeojb5Fg

最近做了一个GEO项目，第一轮数据出来以后，效果很差，需要捂着眼睛看的那种差。

一共监测了220个问题，DeepSeek品牌提及率为0。其他几个平台也不理想，Kimi只有1.8%左右，豆包1.4%左右，元宝6.4%左右，千问稍微好一些，也只有12.7%左右。

其中112个不带明显地域属性的全国性业务词，在5个平台上的品牌提及全部为0。真正开始出现客户品牌的，主要是部分区域性问题。

这个结果和我们平时做的大多数项目差距很大。我们目前做的大多数GEO项目，品牌提及率基本上都做到70%以上，部分项目抽样监测甚至可以达到100%，每次跟客户汇报，都有一种走路带着风的嚣张。

从目前做过的项目来看，这是初期测试表现最差的一个。第一轮数据出来时，我自己的第一反应也是：这次明显低估了项目难度。

一、项目做了两周，执行时间并不长

客户属于企业商务服务行业，具体企业名称、业务方向和所在区域本文都会隐藏。

企业本身也比较新，2025年才成立。整个项目到现在只有两周左右。第一周基本都在梳理企业资料、业务范围、目标客户、服务能力，再根据这些信息设计监测问题、撰写稿件并交给客户审核。

客户业务并不是一个简单的标准化产品，而是涉及多种企业服务场景，不同地区、企业类型和实际需求，对应的搜索方式都会发生变化。

一开始做监测词的时候，我们已经尽量覆盖不同用户意图。有找服务商的，有看价格的，有做对比的，有具体业务需求的，也有区域性的采购问题。从覆盖面来看，我觉得已经比较充分。

结果第一轮跑出来，还是给我吓得坐地上了。

二、客户项目群里却突然说：来了询盘

看到数据以后，我已经准备这几天重新分析一遍项目，毕竟结果不好就是不好。不可能因为我们是服务商，就一定要从一个很差的结果里面拿放大镜找几个亮点，然后告诉客户效果已经非常不错。

我当时准备做的是：重新研究竞争对手、信源和监测词，再调整下一轮方案，同时把现在的真实情况直接告诉客户。已建设了23个信源，得到的效果却很差。

客户突然在项目群里反馈：来了询盘。客户挺开心，还在群里给我们点了赞。

我们自己都非常意外。因为如果只看监测报表，这根本不像一个已经开始产生询盘的项目。DeepSeek是0，其他平台提及率也很低，全国性的主要业务词更是基本没有结果。

但真实询盘偏偏出现了。当然，我不会因为出现信源发布的第二天就出现一个询盘，就马上反过来说这个项目已经成功。一条询盘证明不了整个项目成功，同样，一批监测问题表现不好，也证明不了AI端完全没有获客机会。

三、这两天复盘，发现这个行业比我们想象中难得多

深入分析竞争环境以后，第一轮数据差的原因慢慢清楚了。客户所在的企业商务服务行业，本身已经非常成熟。AI在回答相关服务商推荐问题时，经常会出现大型国企、跨国公司以及已经经营多年的成熟企业。

这些企业最大的优势，不只是业务能力。而是它们已经在互联网上存在很多年。官网、媒体报道、客户案例、招聘信息、行业活动、B2B平台、社交媒体以及各种第三方页面，长期积累下来，已经有大量公开信息。

而我们的客户是一家2025年才成立的新企业。现实业务做得不错，不代表互联网已经形成了同样强的品牌认知。客户提供的服务和这些大型企业之间，也并没有特别明显、特别容易让AI识别的差异化。

当用户直接询问：“国内XX服务商推荐？”

一边是已经存在十几年甚至几十年、公开信息非常丰富的大型企业；另一边是一家刚成立不久的新公司。AI优先选择前者，其实很正常。现在回头看，我一开始确实低估了这种长期信息积累带来的差距。差距并不是多建设几篇信源内容就可以迅速抹平差距的。

四、全国词几乎为0，区域词却开始出现

第一轮数据里，让我觉得还有研究价值的，是区域词。全国性的宽泛业务词基本没有客户，但问题加入区域以后，部分词开始出现品牌提及。

这个现象其实很好理解。

全国性问题面对的是整个市场，候选企业可能有几十家甚至上百家，其中还有大量成熟机构和大型企业。加入地区以后，候选范围会明显缩小。如果再叠加具体业务场景，竞争范围还会继续缩小。

对一家成立时间不长、互联网积累有限的企业来说，这类细分问题反而更容易获得机会。这也让我开始怀疑另外一个问题：我们一开始设计的监测词，可能并没有完全覆盖真正产生询盘的用户提问方式。

虽然当时已经尽量做了意图覆盖，但我们并不知道那个真实咨询客户，到底向AI问了什么。他很大可能根本没有问：“XX服务商推荐。”

而是问了一个非常具体的问题，把地区、企业情况、业务需求甚至某个特殊场景全部说了进去。这种真实对话，很难通过提前准备的几十个、几百个标准问题完全覆盖。

这里也需要说明：品牌提及率本质上还是抽样监测。

DeepSeek提及率为0，准确的意思是：我们这次监测的220个问题里，没有监测到客户品牌。并不是说DeepSeek所有可能的问题、所有真实用户的对话里，永远都不会出现这个客户，这是两码事。

五、项目难是一方面，我们第一轮执行也有问题

复盘的时候，我也不想把所有原因都归结成“竞争对手太强”和“监测词不准”。第一轮执行本身，也确实存在调整空间。比如部分信源的选择，后来重新看，选择的并不是特别适合。

此外同一套GEO方法交给不同的人执行，最终结果确实会存在差异。但这个问题，我也不能简单推给同事。因为最初的项目执行计划，本身就是我参与制定的。

我一开始低估了竞争难度，自然会影响后面信源选择、内容方向和执行优先级。第一轮效果差，我占有最主要的责任。现在真正应该做的，不是谁来背锅，而是把第一轮当成一次测试结果重新拆开：

· 哪些问题完全没有机会？

· 为什么区域词反而开始出现？

· 竞争对手长期依赖哪些信源？

· 我们第一轮信源哪里选错了？

· 用户真实的搜索方式和监测词之间，可能差在哪里？

这些问题弄清楚以后，再继续调整。

六、这次也让我重新理解了“品牌提及率”

我一直认为GEO必须监测。因为连品牌提及率、排名、引用信源这些数据都不看，很容易变成服务商自己感觉良好。

这个项目也再次提醒了我：提及率很重要，但提及率不是最终的商业结果。整体数据很差，全国词几乎没有结果，但部分区域词已经出现品牌，同时真实询盘也已经发生。

GEO不能只盯一个百分比。

提及率、推荐位置、引用信源、问题覆盖当然都要看，但最终还是要结合有没有真实咨询、咨询质量怎么样、最终能不能成交。监测数据是帮助我们判断项目的，不是让项目为了一个漂亮的提及率而存在。

七、不太好看的案例，我觉得也应该写出来

现在大家看到的服务商GEO案例，大部分都是非常漂亮的。

· 提及率从0做到90%；

· 一个月覆盖几百个问题；

· 某个平台做到大部分词条第一；

· 一个月带来多少询盘。

· 这些案例当然真实存在，我们自己也有不少。

只把效果最好的项目拿出来，容易让企业产生一个误解：好像GEO只要做了，数据就一定一路上涨。

实际项目不是这样。

有的行业竞争很弱，客户本身又有多年互联网积累，稍微建设一些优质信源，很快就会有结果。有的客户成立时间短，品牌积累又少，面对的却是一群存在十几年甚至几十年的成熟企业，难度天然就高。

这种项目第一轮效果不好，我觉得没有必要藏着。

更没有必要从几十个0里面找到一个1，然后把这个1拿着放大镜进行放大包装，再告诉客户项目已经非常完美。做得好，就把好的数据告诉客户；做得不好，也把真实数据告诉客户，然后继续找原因、想办法调整。至少客户知道钱花在哪里，我们自己也知道下一步应该做什么。

八、项目总有成败，关键是怎么面对

这个项目目前还远远谈不上成功。DeepSeek品牌提及率为0，其他平台整体表现也很差，全国性的核心业务词甚至是我们目前项目里少见的差成绩。

但真实世界偏偏又第二天就出现了询盘。这不是一个“提及率没有意义”的案例。它让我更加清楚地认识到：提及率能够反映一批指定问题中的AI可见度，但它无法完整还原所有真实用户和AI之间发生的对话。

做项目总会有顺利的，也一定会遇到难做的。我们能做的，就是效果好时认真总结，效果不好时主动承认判断偏差，及时和客户沟通，再继续调整。

客户愿意和我们一起测试，我们就尽量把项目继续做好。

GEO最终也不是一场提及率比赛。真实用户能够通过AI找到企业，并最终形成咨询和生意，才是我们做这些监测、内容和信源建设真正想解决的问题。