AI先答谁的问题？

上个月，我们去一家做暖通设备的客户公司开会。市场上的人问我：「客户现在还搜我们吗？」

我说，客户可能一个字都没搜。他打开 AI，敲进去的是——「车间三楼常年 34 度，装什么空调能把温度压下来」。

这句话里没有你的品牌，没有你的型号，甚至没有「空调品牌」四个字。但这一单生意，已经开始了。

一、客户只问一半，剩下一半 AI 替他问

把客户采购时的心事拆开，其实是三个问题。第一问，他自己开口：我的问题怎么解决？第二问、第三问，他往往不再开口——AI 顺着往下答：哪个牌子靠谱？大概多少钱能搞定？

客户的一问，拆开是三个问题——品牌在第二问被点名

过去这三问都得客户自己跑：问同行、翻网页、打电话。现在他只问第一问，AI 就把后面两问补完，顺带把牌子也点了。客户「少问」的那两问，恰恰是品牌被选择的时刻。

二、AI 的回答，窗口只有 2~7 个位置

AI 回答问题时要引用信源。海外营销技术机构 2026 年初发布的抽样统计显示：Perplexity 平均一次回答引用 6.61 个来源，Google Gemini 约 6.1 个，ChatGPT 约 2.62 个。

主流 AI 平台平均引用信源数（第三方抽样统计，2026 年初）

换算成生意：一条问题，AI 平均只摆出 2~7 个位置。挤进去，你就站在答案里；没挤进去，客户在这一问里永远看不见你。

更扎心的是顺序。AI 点名品牌是排位的——第一家被推荐的，和第五家被顺带一提的，拿到的是两种完全不同的生意。

三、问题环：品牌在哪一问被点名

我们把这件事叫「问题环」：客户的一串问题像钟表一样转，每一问都是品牌的一次上钟机会。客户开口的只有第一问，剩下两问由 AI 代答——品牌名的出场，就藏在这代答的两问里。

客户只开口一问，AI 代答两问——品牌点名藏在其中

诊断里常见的真实情况是：第一问，AI 在认真讲方案，提谁都有可能；到了第二问，它必须给出具体牌子——这时它从哪儿取？从它信得过的信源里取。你的内容不在那个窗口里，AI 就只能取别家的。

四、抢位不是玄学，是一道运营题

把「AI 先答谁」变成可执行的日常，我们用的是 GEO 四步法：诊断、纠偏、新知、监测。

GEO 四步法（问题环视角）：从扫描问题到盯住首推率

1. 诊断：围绕业务拆出 50 个核心关键词，扫描 300 条客户高频问题，弄清 AI 到底在答什么。

2. 纠偏：把 AI 答错的逐条修正——历史说错的、资质安错的、口碑引偏的。

3. 新知：持续供给正面内容，目标是挤进那 2~7 个信源位。

4. 监测：盯首推率与位置排名，月度对比，看得见变化。

给一个真实的量级感受：某外资净水品牌接入 GEO 服务时，AI 把它说成有 80 年历史的「行业老牌」，而它的品牌历史只有 30 年——溯源发现，一篇十年前的旧文把它和另一家品牌搞混了，就这么被 AI 编进了答案。纠偏之后，口径才回归准确。这类问题不修，客户第一句话就带着错信息来问，销售全程在「纠错」，而不是「成交」。

五、三个 AI、三副面孔：源头只有一份事实

同一家公司，ChatGPT 一套说法，豆包另一套。客户问三家，得三种答案。

问答口径对齐：三个 AI、三副面孔 → 一个内容底座

解法不是挨家去「维护关系」，而是管好源头：把品牌的官方事实——谁、做什么、什么资质、什么口碑——沉淀成一份统一且 AI 可信的内容底座。源头只有一份事实，谁引用都一样。

400 电话统一了客服时代的入口，官网统一了搜索时代的门面。AI 时代，事实层就是品牌的新证书。

六、四维 KPI：看得见才管得住

我们评估品牌在 AI 里的表现，用一套四维 KPI：可见性（提没提你）、价值性（第几位提你）、质量性（说的是不是真你）、情感性（是好话还是坏话）。

四维 KPI：本篇主角是「价值性」——位置与首推率

本篇的主角是第二维。AI 提你不够，排在第五位也未必够——首推率才是硬指标。在最近一个监测周期的切片里，我们为品牌逐问记录：提没提、第几位、首推没有。「先答谁」这件事，从此有了仪表盘。

七、这场抢位战，我们和谁一起打

四步法加四维 KPI，不是纸面框架。在 3M 净水、谷轮、爱优特这些品牌的 GEO 项目里，纠偏、新知、监测每一环都在按月执行。行业不同，问题环长得不一样，打法相同：先挤进信源窗口，再抢首推位置。

回到开头那间会议室。「客户还搜我们吗」这个问题，真正的问法是：当客户问出第一问、AI 顺着往下答的时候——答案里有没有你？

搜索时代，你争的是排名；AI 时代，你抢的是「先答谁」。这一问，此刻正每天发生在你的客户手机里。