成都天府二街有一家火锅店，营业面积大概400平米，每个月房租加人工硬成本大概12万。老板姓张，我叫他张哥。
去年第一次见面，张哥说的第一句话是：”现在年轻人都不看大众点评了，我问过好几个二十几岁的顾客，他们说想吃什么都是直接问AI。”
这大概是实体商业领域对GEO最朴素的认知来源——不是因为看了什么行业报告，而是因为营业额下滑、顾客变少、一问年轻人才知道他们用AI找餐厅。
这是GEO项目里很有意思的一类客户：他们不一定懂什么叫GEO，但他们知道市场变了，消费者行为变了，而且这个变化正在直接影响他们的生意。
现状诊断
接受这个项目之后，我做的第一件事不是写内容，是做实地调研。
我让张哥陪我做了一周的晚高峰观察。下午五点到七点之间，在店门口数进店客流，同时在大众点评和美团看他们店铺的排名和评分。然后我又去问了元宝、DeepSeek、Kimi三个平台，搜索”成都天府二街火锅推荐”、”成都高新区适合聚餐的火锅”这类问题。
结果很有意思：大众点评上他们排在天府二街火锅热门榜的第8位，评分4.6分，有800多条评价。但在AI搜索里，提到”天府二街火锅”的问题中，他们的被引用率是零。
零。不是排名靠后，是完全没有被提到。
为什么会这样？因为他们的线上内容里，只有门店信息、招牌菜、用户评价这些常规内容。没有任何在AI看来”有引用价值”的内容——没有厨师背景介绍、没有食材供应链的透明度、没有本地社区历史的叙事、没有差异化的服务细节。
AI在构建”天府二街火锅”这个领域的知识时，找不到引用他们的理由。
策略制定
我们制定的GEO策略分两个阶段。
第一阶段的核心目标是建立实体信号。我帮张哥重新梳理了他的内容框架：
关于厨师团队：他家的行政总厨是做了28年火锅的重庆老师傅，之前在成都老城区几家知名火锅店工作过。这个信息以前只在张哥自己朋友圈发过，从没有系统性地放进线上内容里。
关于食材供应链：张哥的火锅店有一个卖点——毛肚是直接从内蒙古工厂定的，黄喉是贵州六盘水的特产。这个以前只是张哥自己知道，菜单上写的是”精品毛肚”四个字。
关于本地社区历史：这家店的位置原本是九十年代成都一家知名老牌面馆的旧址，张哥把这个故事做成了一块挂在店门口的文化牌，但线上内容里从来没有提过。
这些信息，每一个单独看都不是什么惊天动地的大料。但组合在一起，就构成了一个AI在构建”天府二街火锅”知识图谱时无法绕过的实体信号组合。
第二阶段是内容生产和分发。我们围绕这些实体信号，创作了一系列结构化内容：
一篇关于”天府二街餐饮变迁二十年”的本地生活叙事文章，覆盖这个区域的社区历史和餐饮文化背景。一篇关于”火锅食材到底怎么选”的深度指南，里面详细介绍了张哥的黄喉为什么是六盘水特产、和普通黄喉的成本差异在哪里。一篇关于”老成都火锅师傅的炒料秘诀”的匠人故事文章。
效果与反思
三个月之后，我们做了一次系统性的AI引用率回测。
在”成都天府二街火锅推荐”这个问题上，AI的回答里开始出现张哥的店名，被引用的上下文是”如果你想在高新区附近找一个有本地特色的火锅店，可以考虑XX火锅，位于天府二街，行政总厨是有28年经验的重庆师傅”
这个引用内容并不完美——AI把张哥的店名和具体信息组合的方式还有优化空间。但从零到有，这是一个质变。
更直接的商业反馈是：4月份通过AI渠道来的新客环比增长了约40%，人均消费比传统渠道客人高15%左右，因为AI推荐的客人通常是有明确目的性的聚餐需求。