2.1 GEO 关键词锁定：从关键词到问题

这一节我们先解决一个观念问题，再解决一个方法问题。观念问题是：GEO 时代做关键词研究，重心要从抢词转移到接问题。方法问题是：怎么把一个光秃秃的关键词，扩展成用户真实会问出口的问题。

从抢词到接问题：我踩过的坑

早年做 SEO，关键词研究的工作流是这样的：找一个搜索量大的词，分析竞争对手，然后把这个词塞进标题、首段、小标题里，密度越高越显眼。本质上是抢，抢一个词的排名位置。

我后来做 GEO 项目时，一开始也沿用这套思路，把目标词埋好，坐等 AI 引用。结果发现一个尴尬的事实：AI 回答用户时，几乎从不直接复述用户输入的词，而是把问题理解成一件事，再去找能完整回答这件事的内容。你埋的词能帮 AI 知道你在讲什么，但不能保证 AI 认为你能回答用户那个具体的问题。

举个例子。一个做企业服务的朋友，内容页把 CRM 这个词优化得很到位，但 AI 被问到适合 10 人小团队的免费 CRM 有哪些时，从来不提他。因为 AI 需要的不是一篇讲 CRM 是什么的文章，而是一段能直接回答小团队、免费、有哪些这三个限定条件的内容。用户的问题比关键词长得多、具体得多，谁能接住完整的问题，谁才在候选名单里。

这就是我要说的核心转变：SEO 时代用户输入的是词，AI 时代用户输入的是一句话、一个问题。关键词是问题的缩写，而 GEO 要的是完整原句。

从关键词到问题的三个扩展维度

怎么把关键词还原成问题？我的经验是往三个方向扩展：加场景、加限定、加比较对象。

• 加场景：给关键词补上用户是谁、在什么情况下遇到这个问题。比如理财课程这个词，加上场景就变成上班族想利用下班时间学理财，有哪些靠谱的线上课程。场景一加，AI 就能判断你的内容跟提问者是不是一类人。
• 加限定：补上预算、人数、时间、地域、门槛这些约束条件。适合 10 人小团队的免费 CRM，比 CRM 多了团队规模和成本两个限定。限定的本质是缩小包围圈——用户加限定，是在请求 AI 帮他筛掉不合适的选项，你恰好落在圈子里，命中率反而更高。
• 加比较对象：把单个词变成 A 和 B 之间怎么选。做网站选 WordPress 还是定制开发、Notion 和飞书哪个适合知识库，这类问题用户特别爱问 AI，因为它自己搜两边信息太累，直接让 AI 帮忙比。

三个维度可以叠加使用。场景加限定加比较，就能扩展出非常接近真实提问的长问题。下面这张示例表，是三个维度叠加的直观演示：

可以看到，扩展后的问题自然、口语、带条件——这正是用户对 AI 提问的原生形态。你的内容只要能完整回答其中一个问题，就有被 AI 提起的机会。

问题从哪来：四个不用花钱的渠道

扩展有了方向，原材料从哪来？我不建议闭门造车，这四个渠道都是现成的、免费的：

• AI 输入框的下拉联想：在主流 AI 问答产品里输入你的核心关键词，不要按回车，看输入框弹出的联想问题。这些联想来自真实用户的提问记录，是最贴近实际问法的一手素材。换不同的前缀多试几轮，比如输入 CRM 会联想、输入 CRM 哪个会联想、输入 CRM 免费又会联想一批。
• 自己问 AI，看它怎么追问：拿你的业务场景去问 AI 一个笼统的问题，比如我想做会员管理。好的 AI 会先反问你：多少人用？要不要和收银打通？预算多少？——它追问的每一个条件，都是一个限定维度，反过来就告诉你用户的问题里通常带哪些条件。AI 的追问清单，就是你的扩展维度清单。
• 客服与社群的真实提问：客服记录、售后工单、用户社群里的聊天，是最真实的原声问题。用户在社群里不会说关键词，只会说人话：我这个月扣款怎么失败了两回。把这些原话收集起来，稍微归一化，就是高质量的问题素材。我自己的习惯是建一个文档，客服每回答一次重复问题，就把问法记进去，一个月下来问题清单自然成型。
• 竞品内容的评论区：去看竞品的文章、视频、店铺评价下面用户在问什么。评论区的问题往往是用户看完内容后没被满足的部分——竞品没接住的问题，就是你的机会。

四个渠道轮流跑一遍，把所有问题先不加判断地记下来，你会得到一张几十条起步的问题清单。这张清单有点杂、有重复，没关系，下一节我们用搜索意图给它们分类，2.4 节再装进关键词池统一管理。先收集，后筛选，是问题研究的正确顺序——过早筛选，会漏掉那些你没想到但用户真的在问的问题。