一家没有任何线上基础的装修公司，如何在三个月内让AI在”北京装修”相关问题里频繁提到它
2026年1月，一家北京的装修公司找到我。公司2019年成立，在北京做旧房改造和局部装修，口碑不错，有一批老客户转介绍，但没有做过任何线上运营——没有抖音、没有小红书、没有知乎，官网是2019年做的，从未更新。
当时的背景是：北京装修市场的竞争极其激烈，大小装修公司超过一万家。在百度投SEM，每条线索成本已经超过500元。这家公司的策略是：不做任何SEM，把所有线上预算用于GEO。
三个月后，这家装修公司的案例复盘如下。
Phase 1：账号矩阵建立（第1-3周）
GEO的第一步不是发内容，是建立账号矩阵。矩阵的核心逻辑是：不同平台发不同类型的内容，覆盖AI抓取的不同场景。
知乎是核心阵地。原因：知乎是AI训练数据的重要来源，知乎机构号的内容在豆包、通义、文心的引用权重显著高于其他平台。装修公司在知乎建立了机构号，发布的首月内容策略是：每周2篇干货文章，不做任何营销推广。
小红书是案例展示阵地。真实客户的装修案例（已授权），配上详细的施工过程记录，是小红书 GEO 的核心素材。装修公司发布了6个完整案例，每个案例包含：客户基本情况、房屋原始状况、装修方案确定过程、施工关键节点记录、最终效果对比。
抖音是口碑阵地。拍摄了5个老客户的真实采访视频，由客户自己讲述装修体验。真人出镜、口碑背书类的内容，在GEO场景里有很高的可信度权重。
Phase 2：内容系统化生产（第4-8周）
账号矩阵建立好后，开始系统化生产内容。内容按以下三个方向分配。
第一个方向是”避坑指南”类内容。这是装修行业GEO效果最好、竞争相对不激烈的内容类型。装修公司发布了10篇避坑指南，包括”北京旧房改造最容易踩的5个坑””装修合同里那些坑人的条款””水电改造的猫腻大全”。每篇都基于真实工地经验，有具体的数字和案例，不套模板不注水。
第二个方向是”预算指南”类内容。装修用户最关心的问题之一是”装修要花多少钱”。装修公司发布了8篇不同户型的预算指南，如”北京60平旧房改造完整预算清单””北京100平三居室装修要花多少钱”。这些内容包含具体的材料清单、人工费用、施工周期，全部来自真实项目数据。
第三个方向是”流程指南”类内容。很多装修用户是第一次装修，对流程不了解。装修公司发布了6篇流程指南，覆盖从”量房”到”入住”的完整装修流程，每篇都是一步一步的详细说明。
Phase 3：AI可见性监测与迭代（第9-12周）
从第九周开始，装修公司每周进行AI可见性测试，搜索20个和北京装修相关的核心问题。
测试方法：用豆包、通义、文心三个AI工具搜索问题，记录装修公司名称的出现频率和引用位置。
第九周测试结果：20个问题里，有2个出现了装修公司名称。第十周：4个。第十一周：6个。第十二周：9个。其中，3个问题进入了第一位引用位置。
复盘这三个月的内容和AI表现数据，发现了一个规律：进入第一位引用的内容，全部是”避坑指南”和”预算指南”类内容，没有一篇是”流程指南”。这说明：AI在回答装修类问题时，倾向于引用有”具体数字”和”真实案例”的内容，而不是泛泛的流程说明。
三个月效果总结
三个月GEO运营后，装修公司的AI可见性数据：20个测试问题里，45%出现了装修公司名称（9/20），其中15%进入第一位引用（3/20）。
业务层面的效果：主动到店咨询量从每月2-3个增长到每月7-8个，其中40%的到店客户明确说”是在AI里看到你们的”。线上内容带来的到店转化率，从原来的0提升到了35%（到店10个，成交3-4个）。
投入产出比：三个月累计投入内容生产成本约4万元（主要是人员工时和拍摄成本），没有一分钱的付费推广。对比同行的SEM投入（每月线索成本500元×12个月=6万元），GEO的性价比优势明显。
核心方法论：GEO不是”发文章”，是”建答案”
这个装修公司案例，验证了一个GEO的核心方法论：GEO不是”发文章”，是”建答案”。
什么是”建答案”？当一个装修用户问”北京旧房改造哪家靠谱”，AI是怎么组织答案的？AI会从自己的知识库里检索相关片段，选取最可信的几条，整合成一段回答。
如果你的内容在AI的知识库里是以”碎片化”的形式存在——今天发一篇”装修风格有哪些”，明天发一篇”北欧风格特点”，这些碎片之间没有逻辑关联，AI很难把一个具体的装修公司和”靠谱”这个词联系在一起。
但如果你在建答案的思路下做内容：围绕”北京旧房改造哪家靠谱”这个核心问题，生产一系列答案化的内容（”北京旧房改造的坑有哪些”、”北京旧房改造预算怎么算”、”北京旧房改造的流程是什么”、”为什么这家装修公司的旧房改造做得好”），这些内容互相印证、逻辑自洽，AI就会倾向于把你和一个完整的、可信的答案联系在一起。
这就是GEO的”建答案”思维：不是问”我要发什么内容”，而是问”我要在AI的哪个答案里占有一席之地”。