GEO 检测的核心是「问对问题」。问的问题不是客户真实会问的，测出来的结果就没有意义 —— 哪怕分数很好看。
搭关键词库可以分三步走。
第一步：按四类场景铺开
用户向 AI 提问，基本落在四类场景里：
行业排名类：想知道这个行业里谁比较强。典型问法如「某某行业哪家好」「某某行业排名前十」「某某行业哪个值得推荐」。这类问题的商业价值最高，因为提问的人通常已经在选型阶段。
选择对比类：知道有几家可选，想知道怎么挑。典型问法如「某某怎么选」「什么某某好用」「某某对比评测」。这类问题考验的是品牌有没有被纳入候选范围。
品牌对比类：已经知道你的品牌，在跟别人比。典型问法如「A 和 B 哪个好」。这类问题的前提是品牌已经被知晓，用来测认知度。
场景需求类：带着具体场景找方案。典型问法如「适合中小企业的某某」「性价比高的某某」。这类问题最容易被忽略，但转化率往往最高。
四类都要有。只测行业排名类，会漏掉大量带着具体需求来的客户。
第二步：补上口碑类问题
上面四类测的是「能不能被推荐」，口碑类问题测的是「被推荐时是什么形象」。
这类问题围绕品牌本身展开：「某某好不好」「某某口碑怎么样」「某某售后怎么样」「某某值得入手吗」。
这些问题的检测结果通常有两种用途：一是看有没有负面内容被 AI 吸收，二是发现哪些具体环节（质量、售后、价格）被提到了不好的一面。
需要提醒的是：口碑类问题的检测，前提是品牌已经有一定知名度。一个 AI 完全没听过的品牌，问它口碑怎么样，AI 通常会回答「没有找到相关信息」，这种情况下的结果参考价值有限。
第三步：删掉不真实的问法
自动生成的关键词清单，一定要过一遍人工。删掉这几类：
- 自己行业里没人这么问的。生成器按模板套，偶尔会产出很别扭的问法。用词不自然的问题，AI 的回答也不具参考性
- 跟业务无关的。比如品牌多元化经营，但某个产品线你不打算推，就不必测
- 重复语义的。「某某哪家好」和「某某哪个好」，在多数平台会得到高度相似的回答，保留一条即可
数量控制在多少合适
关键词不是越多越好。经验值是：
- 单个项目 20 到 60 条，覆盖四类场景各若干条，加口碑类若干条
- 首次检测建议先取 20 条左右跑一轮，看结果分布，再决定往哪个方向加
- 真正需要精细优化的，通常只有少数几条关键问题 —— 大部分条目的作用是判断「有没有系统性缺失」
最后一步：定期更新
关键词库不是一次性的。每隔一两个季度，应该回来看一遍：
- 有没有出现新的行业问法（用户的说法会变）
- 有没有新增的竞品需要纳入对比
- 已经稳定上榜的问题，可以降低检测频率，把预算挪给还没打通的方向
这套方法的核心只有一条：把自己当成客户，想清楚你会怎么问 AI，然后照着那个问法去测。