① 为什么关键词逻辑在失效？
      ↓
② AI 搜索和传统搜索的工作方式有什么本质不同？
      ↓
③ AI 为什么会提到某些品牌而忽略另一些？

传统搜索时代：
  用户想找「智能客服平台的接入方法」
  → 脑子里拆成关键词：「智能客服」「接入」「教程」
  → 输入框只能接受 1-3 个词
  → 搜出来的结果还需要自己筛选

AI 搜索时代：
  用户想找「智能客服平台的接入方法」
  → 直接输入完整问句：「我想给公司的客服系统接入 AI，有没有完整的接入流程？」
  → AI 做 Query Fan-out：1 个问题拆成 8-12 个子查询并行搜索
  → AI 综合答案，标注引用来源

用户提问："智能客服平台接入流程是什么样的？"

Query Fan-out 拆解：
  ├── "智能客服平台 API 接入文档"
  ├── "智能客服平台 注册 配置 步骤"
  ├── "智能客服平台 接入流程 教程"
  ├── "智能客服 部署 私有化 SaaS"
  ├── "智能客服平台 使用方法 操作指南"
  ├── "智能客服 接入前准备 环境要求"
  ├── "智能客服平台 接入 常见问题"
  └── "智能客服 知识库配置 机器人训练"

→ 8 个子查询并行执行 → 返回 8 组候选结果 → 重排序 → 装配最优证据 → 生成答案

传统搜索：每次搜索都是独立的「一锤子买卖」
  "智能客服" → 看结果 → 不满意 → 换关键词 "智能客服平台 推荐" → 再看 → 再换

AI 搜索：一次对话，逐层深入
  "我想给公司接入智能客服，有什么推荐？"
    → AI 回答
  "我们预算有限，中小企业的方案有哪些？"
    → AI 基于上文理解「预算有限」和「中小企业」的限定条件
  "私有化部署和 SaaS 哪个更适合金融行业？"
    → AI 基于前两轮的上下文，给出针对性对比

传统搜索商业逻辑：
  排名第一 → 用户点击 → 进入网站 → 转化

AI 搜索商业逻辑：
  AI 引用了你的内容 → 用户看到了答案 → 用户可能不点击，但已经知道了你的品牌
  或者：AI 没引用你 → 用户根本不知道你的存在

关键词库思维：
  "智能客服" → 写一篇包含这个词的文章 → 堆密度 → 等排名

决策场景库思维：
  场景：CTO 在评估智能客服方案，预算有限，担心接入成本
    → 用户会问什么？
      "中小企业的智能客服方案，接入成本大概多少？"
      "智能客服的性价比怎么评估？"
      "有没有不需要技术团队的接入方式？"
    → 我需要生产什么内容？
      一篇包含「不同方案的成本对比 + 接入人力评估 + 中小企业案例」的结构化文章
    → AI 会在什么情况下引用？
      用户问「中小企业智能客服成本」→ AI 召回我的成本对比表 → 引用

爬虫抓取 → 建立索引 → 用户输入关键词 → PageRank + 200+ 信号排序 → 返回 10 个蓝色链接
                                                                          │
                                                          用户自己点开、自己筛选、
                                                          自己阅读、自己综合答案

用户自然语言提问
    → Query Fan-out（拆成 8-12 个子查询）
    → 并行检索
    → 重排序（打分排序截断）
    → 装配最优证据
    → LLM 综合生成答案
    → 标注 2-7 个引用来源
                                  │
                      AI 替用户完成了「找、筛、读、综合」的全过程
                      用户直接消费答案

① 记忆（训练数据偏好）
      ↓
② 索引（信源入库）
      ↓
③ 查询（实体/意图识别 + 改写）
      ↓
④ 检索（向量召回）
      ↓
⑤ 重排（打分排序截断）  ← ┐
      ↓                      │
⑥ 装配（组织最优证据）  ←  ├── GEO 主战场
      ↓                      │   内容质量直接决定
⑦ 引用（生成最终答案）  ← ┘
      ↓
⑧ 治理（用户反馈优化）

GEO 核心价值金字塔

                         ┌─────────────┐
                         │  品牌推荐     │  ← 最高层：AI 主动推荐你的品牌
                         │  "我推荐 X"  │
                         └──────┬──────┘
                                │
                    ┌───────────┴───────────┐
                    │       引用             │  ← 中间层：内容被 AI 引用为答案依据
                    │  "根据 X 的数据…"      │
                    └───────────┬───────────┘
                                │
                ┌───────────────┴───────────────┐
                │           排名/提及             │  ← 基础层：品牌名出现在 AI 答案中
                │  "X、Y、Z 等品牌提供…"          │
                └───────────────────────────────┘

提及 ≠ 引用 ≠ 推荐。

被提及：AI 知道你的存在，但你只是名单中的一个名字。
被引用：AI 认为你的内容是可信的依据，用来支撑它的回答。
被推荐：AI 认为你是最好的选择，主动推荐给用户。

大多数品牌卡在 L1 → L2 的跨越：
  有百科词条、有官网 → AI 知道你的存在（L1）✅
  但内容没有被 AI 当作「答案依据」引用过（L2）❌
  → 你在 AI 眼里是一个「已知的名字」，不是一个「可信的来源」

AI 是否引用品牌 A 的内容？

        第一层：信源权重
        你在哪个平台说话，决定 AI 听不听
        同内容不同平台，引用率差 100 倍
              │
              ▼
        第二层：9 维内容评分
        内容进了检索池，还要过打分关
        只有 ~15% 被检索的页面最终被引用
              │
              ▼
        第三层：品牌实体清晰度
        AI 看不见模糊的品牌
        全渠道信息不一致 = 实体模糊 = 不被信任
              │
              ▼
        第四层：3 关漏斗转化
        抓→翻→摘，每关都过滤掉大量内容
        被检索到 ≠ 被翻开 ≠ 被摘走
              │
              ▼
        最终结果：被引用 / 被忽略

实体清晰度高：                      实体清晰度低：
  ✅ 百度百科有完整的品牌词条           ❌ AI 训练数据中没有这个品牌
  ✅ 多平台上的品牌信息一字不差         ❌ 不同平台上的品牌描述相互矛盾
  ✅ 官网有 Organization Schema        ❌ 官网无结构化数据标记
  ✅ 创始人/核心团队有独立词条           ❌ 品牌只在自有渠道出现
  ✅ 行业权威媒体报道过                 ❌ 无第三方提及
  ✅ 知乎/垂直社区有讨论和引用           ❌ 无社会证明

第一关「抓」→ 第二关「翻」→ 第三关「摘」
   ~100%          取决于策略        ~15%

品牌 A 的内容：                      品牌 B 的内容（3000 字长文）：
  开头就是答案 ✅                      答案埋在第八段 ❌
  结构化清晰 ✅                       大段连续文字 ❌
  有具体数据 ✅                       泛泛而谈 ❌
  H2 直接回答用户问题 ✅               H2 是「前言」「背景」「概述」❌
  → 被引用                            → 被忽略

品牌 A（四层全强）                  品牌 B（某一层弱）

第一层：知乎深度回答（高权重） ✅     第一层：知乎深度回答（高权重） ✅
第二层：9 维评分全绿 ✅              第二层：大段文字无结构 ❌
第三层：百科 + 官网 + 媒体报道 ✅     第三层：百科 + 官网 + 媒体报道 ✅
第四层：三关全过 ✅                  第四层：卡在第三关「摘不走」 ❌

最终：高引用概率                     最终：低引用概率

→ 即使平台和实体都强，内容不行也会在第二层或第四层被拦截。
→ 即使内容很强，发在低权重平台也不会被检索到——第一层就出局。
→ 四层之间是乘法关系，一个短板拉低整体。

品牌被 AI 提到的概率 = 信源平台权重 × 9 维内容评分 × 品牌实体清晰度 × 3 关漏斗通过率

关键词为什么会失效？
  → LLM + RAG 让机器能听懂人话，用户不再需要把需求拆成关键词
  → 88.8% 用户已大幅改变搜索方式，零点击率飙至 70%

AI 搜索和传统搜索有什么不同？
  → 图书管理员 vs 厨师：一个给你找书，一个给你做菜
  → 8 阶段管线 + 3 关漏斗，85% 被检索的内容从未被引用
  → 68% 被 AI 引用的页面不在 Google Top 10

AI 为什么会提到某些品牌而忽略另一些？
  → GEO 三层目标：提及（L1）→ 引用（L2）→ 品牌推荐（L3），大多数品牌卡在 L1→L2
  → 四层机制：信源权重（100x 差异）× 9 维评分（权威引用 +115%）× 实体清晰度 × 3 关漏斗（~15% 通过率）
  → 最终公式：品牌被 AI 提到的概率 = 信源权重 × 9 维评分 × 实体清晰度 × 3 关漏斗
  → 四层是乘法关系，任何一层短板都会拉低全局