全国不止一个西湖区。如果一套 AI 可见性诊断把两地混着算,你的分数就是假的。“精确到区县”听起来是细节,其实是本地生意做 GEO 的地基。
杭州有一个西湖区,南昌也有一个西湖区。
一个在浙江,一个在江西,隔着四百多公里,客群、竞品、商圈完全不同。但对一套粗糙的定位系统来说,它们叫同一个名字。
如果你在杭州西湖区开一家口腔门诊,而诊断系统把“西湖区 口腔”的召回结果和南昌的混在一起算——你拿到的那个分数,从一开始就是假的。
更糟的是,这种错不会报错。它会安安静静地算出一个数,然后你拿着这个数去决定投多少钱、补哪些平台。
GEO 诊断的核心动作是:用客户真实会问的问题,去问各大 AI,然后统计结果。
那么“问题”里的地域词,就必须对得上你要测的那个地方。
一旦地域对不上,会出现两种错,而且方向相反:
一种是“被淹没”:AI 只认“杭州”,不认“西湖区”。那你在同城几家、几十家同类机构里被稀释,分数低得莫名其妙——但这不是你的问题,是问法不精确。
另一种是“被抬高”:系统把外地的同名区召回进来,那些回答里碰巧提到了你(或者提到了同名的地方),于是你凭空多了几次命中。
前者让你白白焦虑,后者让你白白乐观。两种都让诊断失去意义。
听起来只是加一个字段的事,实际有三层麻烦:
一、同名不是个例。 除了西湖区,还有各种“朝阳区”“鼓楼区”“新华区”——同一个名字在不同城市反复出现。只按区县名匹配,必然出错。
二、区县要挂在正确的上级下。 “西湖区”必须知道自己属于杭州还是南昌。如果只存一个孤立的区县名,等于没存。归属链断了,一切白搭。
三、商圈名不等于行政区。 客户问的是“武林广场附近”“西湖边”,而不是“杭州市西湖区”。商圈、地标、景区名,得能映射到行政区域上,否则真实问法覆盖不到。
产品里做的是三件事:
省 / 市 / 区县三级级联 —— 地域不是自由文本,是从三级行政区划里选出来的,选的时候天然带着归属。
全链 parent 比对 —— 判断“是不是同一个地方”时,不是比区县名,是把整条上级链一起比。杭州→浙江→西湖区,和南昌→江西→西湖区,链条不同,就不是同一个。
{geo} 变量 —— 查询模板里留一个地域占位,按客户档案里的实际地域注入。这样同一套问题模板,换个城市就是另一套问法,而不是靠人工复制粘贴。
因为客户的真实问法就是“附近”。
没有人打开 AI 问“杭州市西湖区有哪些口腔诊所”。他问的是“文一路附近哪家牙科好”。
你越接近他真实的问法,测出来的东西越有意义。 做到区县、做到商圈锚点,不是炫技——是把“AI 眼里的你”还原到客户真正会找你的那个尺度上。
想看看自己在“附近”这个尺度上到底存不存在?做一次真实诊断。
文中关于 AI 行为的描述基于我们多引擎实测的方法论;如需引用具体数据,将以真实来源标注补充。