客户问得最多的 20 个问题，你的官网一个都摘不到

一个做五金冲压的老板，让客服把这半年被问得最多的问题整理出来，一共 20 条：能不能开票、最小起订多少、有没有 RoHS 报告、模具费怎么算、样品几天能到、包装能不能贴我们的标。他把这张单子发给我，问是不是可以放到官网上去。

我回头去看他的官网。产品页 8 个，公司简介 1 页，联系我们 1 页。这二十个问题，一条都没写。

问题就在这里：客服每天在回答的问题，正是 AI 每天在被问的问题；你答在电话里，AI 一个字读不到。这类空白，是所有 GEO 诊断里最先浮出来的一类。

先把边界说清楚。这一篇讲的是 GEO 里官网问答区这一种页面类型怎么用，不适用于连产品页和公司信息都没写全的站——那是顺序问题，得先补地基。也不是所有企业都需要一个独立问答页：产品线单一的，把问答嵌在产品页末尾更合理，多开一页反而分散。另外，问答区只解决「问题被覆盖」这一层，不解决「被不被信任」——同一个问题有十家在答，凭什么引你，那是另一套逻辑。最后一句要留在这儿：生成式引擎优化没有任何办法保证你的问答被引用，能做的只是让答案存在、可读、可核对。

一、AI 被问的，和打你电话的是同一批问题

采购的问题清单其实相当稳定。前期是「这个东西叫什么」「谁能做」，中期是「参数够不够」「能不能小批量」，后期是「多久交货」「出问题谁负责」。同一批问题，十年前问在电话里，五年前问在国际站询盘里，现在问在豆包里。

渠道变了，问题没变。这一点很重要，因为它意味着你不需要凭空发明内容——你的客服记录、询盘邮件、销售被问倒的场面，本身就是一份现成的问句语料库。

大多数工厂的问题不是没素材，是素材从来没有被整理成页面上的一句话。客服回答完就过去了，销售解答完就忘了，经理知道答案但以为所有人都知道。

做 AI 搜索优化做到这一层，动作就变得很朴素：把这些口头答案固定成文字，一条一条写下来。不需要文采，需要准确。

二、FAQ 富媒体停了，问答内容反而更要紧

这里要先拆一个 GEO 里流传很广的误会。Google 在 2026 年 5 月 7 日停止了 FAQ 富媒体在搜索结果里的展示。很多人看到这条就得出一个结论：FAQ 没用了。

这个推论是错的，而且错得很典型。停掉的是「搜索结果的富媒体展示形态」，不是「问答内容本身」。内容还在页面上，照样能被抓、被读、被摘；变的只是它在传统搜索结果里不再折成一个可展开的方块。

同一份官方文档里还有一句更关键的：使用 AI 功能不需要额外的结构化标记或特殊 schema。也就是说，为了「让 AI 能读懂」而去堆一套 FAQ 标记，方向从一开始就偏了。前几年那些「加 FAQ 富媒体就能拿到流量」的教程，今天基本作废。

真正对得上机制的，是另一件事：AI 回答一个问题之前，会把它拆成若干子查询，再从不同页面各取一段。官方的说法是 query fan-out。这个机制对页面形态提出一个很直接的要求——你的页面要能对上那些拆出来的子问题，而不是只能对上那个总问题。

在 AI 搜索优化里，问答区正好是唯一一种「问句和答案同形」的页面。一个问题一个答案，拆得多细它都对得上。这就是它比一篇大文章更占便宜的地方。

三、编出来的问句，AI 不认

但在 GEO 里，问答区也是最容易写废的一种页面。常见废法只有一种：把关键词套进问号里。

「深圳 GEO 服务商哪家好」「五金冲压件厂家哪家强」——这类句子看着像问题，实际是关键词加后缀。它有两个毛病：一是没有人会这样说话，二是答案只能写成一段自夸。

真的问句长什么样？带条件、带场景、带具体数字。「500 件的单接不接」「冲压件厚度 0.8 毫米能不能做到 ±0.05」「模具费在首单里能不能摊掉」「走空运的话包装尺寸有什么限制」。这些话不好看，但它们能被直接回答，也能被直接摘走。

有个数据能说明「写清楚」这件事有多大差别。KDD 2024 那篇论文做过受控实验：给原本排第一的结果加上引用来源，它的被选比例下降了 30.3%；给原本排第五的结果加上引用，被选比例上升了 115.1%。同样的实验里，关键词堆砌是负向的。

这条结论放到问答区上，意思是：决定你被不被选的，不是问题写得多像流量词，是答案里有没有可核对的依据。所以每条答案后面最好能落到一个具体的东西上——一个公差、一个天数、一份报告编号。

四、一个真问题，要写成三层答案

写问答最常见的失败是「一句话打发」和「一段话说完」这两种极端。前者摘不出东西，后者摘出来的是半句。

比较稳的结构是三层，一层比一层具体。

第一层，短答。一到两句，直接回答能不能、是多少。第二层，条件。在什么情况下成立，什么情况下不成立。第三层，证据。依据是什么，能不能核。

拿「最小起订量多少」举例。三十个字的第一层，六十个字的第二层，再加上一句证据，整条不到一百五十字。这比写一段「我们支持小批量、灵活配合客户需求」有用得多，因为后者连一个数字都没有。

这里有个需要提前认下来的事实：AI 的答案是压缩件，压缩过程中丢东西是必然的。arXiv 上有一篇测引用完整度的预印本，给出的区间是 20% 到 25%——也就是说，被摘走的往往只是原句的一小截。

这个数字不是精确规律，但它提示了一件事：答案的第一句必须能独立成立。把条件写在第一句、把结论埋到第三句，被摘走的多半是前半截，而前半截如果只写了场景，摘出来就是一句废话。

所以做 AI 搜索优化，在问答区上最实际的功夫，是把短答写到「抽出来单独看也站得住」。这跟写广告语是相反的训练——GEO 要的是能被抽走的句子，不是能被记住的句子。

五、放在哪、怎么连，决定它能不能被读到

写好了，还得能被找到，这是 AI 搜索优化里最容易被跳过的一步。问答区最常见的三个技术问题，都不难修，但不修就白写。

一是别放在折叠面板里。有些模板把问答做成点击展开，内容靠脚本渲染。抓取端看到的可能只有一个空壳。宁可铺开，长一点没关系。

二是别做成图片。问答截成一张长图贴上去，人看着整齐，机器读到的是零。这一条和产品参数放图里是同一个错。

三是标题层级要对。问题用小标题，答案用正文段落。这样每个问题都是一个独立的段落单元，而不是一大段里的一句粗体。

还有一层是内链。问答区不该是一个孤岛，它需要从产品页指过来，也需要指回产品页。在深圳、东莞这类工厂密集的地方，一个站常见几十个产品页，问答页如果只挂在导航最末，实际被访问和被抓到的机会都会很低。

顺带说一句品牌。Semrush 基于 54 万条以上 AI 回答的研究里，62% 的引用从来没有产生品牌提及。也就是说，AI 大量在转述内容，但不一定说这是谁说的。问答区里每条答案如果能带上主语——「我们工厂」「我们的标准交期」——被转述时留名的概率会高一些。这不能保证，但比通篇没有主语要好。

六、二十个问题怎么挑

GEO 的选题不要靠脑补。现成的来源有五个，按可靠度排：

1. 客服与销售的对话记录。真实度最高，重复度一眼能看出来——同一个问题被问八次，就是必须写的那一条。
2. 询盘邮件里的追问。客户在报价之后又问了什么，往往就是页面上缺的那一块。
3. 售后与投诉。这类问题不好看，但恰恰是决策前最想知道的。
4. 报价单的备注栏。「不含税」「不含运费」「有效期 30 天」这些每次都手写的备注，说明它没被写进页面。
5. 同行页面与行业论坛。用来补自己想不到的角度，不要照抄措辞。

二十条里，通常 12 条是产品与规格，5 条是交易条件（起订、打样、付款、交期、包装），3 条是公司与资质。这个比例不绝对，但能避免写完一整页全是参数、一条交易条件都没有。

还有一条要注意：在生成式引擎优化里，内容不是越多越好。五十条里塞三十条编出来的问句，会把真问题的密度冲淡。二十条真问题，比五十条半真半编的强。

七、三个常见问题

1. 问答区做成独立页面，还是放在产品页下面？

看数量。二十条以内、且集中在一两个品类，放产品页末尾更自然；超过三十条、跨多个品类，单开一页更好管理。两种都行，不要两种都做一半——一半在产品页、一半在一个没人访问的子页面，是最差的状态。

2. 客户问的问题里有些涉及报价，能写吗？

能写口径，不必写数字。含税还是不含税、含运还是不含运、有效期多久、量大怎么算——这些是交易条件，写清楚只会减少无效沟通。具体单价不建议公开，理由和价格页那一篇讲的一样：绝对数会被拿去单点比较，口径才是竞争力。

3. 问答写完之后，怎么知道有没有用？

在 GEO 里，直接看两件事：一是自己去问，把这二十个问题分别丢给豆包、DeepSeek、文心和 ChatGPT，看答案里有没有你的说法；二是翻客服记录，看同类问题的来电是不是变少了。前者看可见度，后者看效率。两件事都有滞后，别按周看。

八、写在最后

回到那个五金冲压的老板。我们做的事很简单：把客服那二十条抄成二十组问答，每条压到一百多字，短答在前、条件在中、证据在后，铺在产品页下方，没有折叠、没有图片。模具费那条写清了「首单可摊 50%，返单不再收」，包装那条写了尺寸上限和贴标的最少起订。

两个月后他自己去问了一遍。豆包在回答「冲压件模具费怎么算」时提到了他的说法，虽然没点名。他说这已经比之前强——之前连说法都没有。

易杭从 2024 年起把重心放到 GEO，此前做的是跨境 B2B 与国际站服务。问答这件事其实是国际站教出来的：平台上每个产品下面都有一个客户提问区，客户问什么、卖家怎么答，全都留痕。搬到官网上，只是把这套留痕习惯从平台搬回自己家。

数据与效果边界：本文引用的 Google 官方口径（FAQ 富媒体于 2026-05-07 停止展示、AI 功能无需特殊结构化标记、query fan-out）来自 Google Search Central 公开文档，其表述范围限于 Google 搜索与 Google 的 AI 功能，不适用于其他引擎的具体实现。KDD 2024 的 30.3% 与 115.1% 为受控实验条件下的相对变化，非线上机制保证。arXiv 的引用完整度 20%–25% 为预印本结论，未经同行评审，且为其特定测试集的统计，不等于任何一次具体引用的表现。Semrush 的 62%（基于 54 万条以上 AI 回答）为厂商自行发布的观察性统计，未经独立复核。以上数据均属机制说明或观察性统计，不等于任何企业的实际结果。所述方法的作用是提高被检索、被摘取的概率，不保证被引用，也不承诺见效周期与业务结果。

参考资料

1. Google Search Central：搜索结果功能更新说明（FAQ 富媒体于 2026-05-07 停止展示；官方文档）
2. Google Search Central：AI 功能与搜索基础文档（使用 AI 功能无需额外结构化标记；query fan-out 机制；官方文档）
3. Google Search Central：垃圾内容政策（「试图操纵生成式 AI 回复」已纳入 spam；官方文档）
4. KDD 2024：DOI 10.1145/3637528.3671900（增加引用使原第 1 名 −30.3%、第 5 名 +115.1%；关键词堆砌为负向；同行评审）
5. arXiv:2410.22349（AI 引用完整度约 20%–25%；预印本，未经同行评审）
6. Semrush：《ghost citations》研究，基于 54 万条以上 AI 回答（62% 的 AI 引用未曾产生品牌提及；厂商发布）
7. SIGIR '26：多系统引用重合度研究（Jaccard 0.18；同行评审）
8. AirOps：《State of AI Search》2026（85% 品牌提及来自第三方页面；厂商发布，观察性统计）