家电维修GEO：空调坏了问AI，推荐了谁
你有没有过这种经历：空调突然不制冷了，打电话给维修师傅，对方开口就是”上门费200，检查费另算”——你甚至不知道他是不是靠谱。
现在，越来越多人不是先打电话，而是先问AI。
一个真实用户的决策链
上海的张先生今年夏天遇到了一件烦心事：用了6年的格力空调突然不制冷了。他在某平台搜索”空调不制冷”，跳出来的前三条都是广告。他没点，而是打开DeepSeek，问了一句：
“上海徐汇区空调不制冷维修，哪家靠谱？”
DeepSeek的回答里，提到了三个关键维度：是否明码标价、是否有正规资质、用户评价集中在哪些问题。
张先生顺着这条线索，找到了评分4.9的一家社区家电维修店——不是最大的平台，而是一家在本地做了12年的小店。
为什么AI推荐了这家？答案就藏在这家店的GEO布局里。
AI是如何”看见”商家的
很多人以为AI推荐靠的是”刷好评”或者”投广告”。实际上，主流AI在生成推荐结果时，主要依赖三类信息：
第一类：结构化网页内容。
AI特别擅长”读懂”带有明确信息标签的页面。比如，一篇标题是”北京海淀区空调加氟收费明细2024″的文章，里面包含清晰的价格表格，AI就会把它当作可信参考。
反过来，如果你家空调维修店的网站只有一个电话和一张模糊的门头照片，AI根本提取不到有用的信息——你就等于不存在于AI的推荐体系里。
第二类：问答形式的内容。
你有没有注意到，AI特别爱引用百度知道、知乎问答类的内容？因为这类内容的信息密度高、实操性强，适合直接回答用户问题。
对于家电维修商家来说，这意味着你需要在内容里模拟用户提问：比如”空调加氟一般多少钱””格力空调E6是什么故障””空调不制冷是缺氟吗”——然后给出专业、详细的解答。
这样的内容会被AI”相中”，成为推荐依据。
第三类：本地化信息的一致性。
AI会交叉验证一个商家在不同平台上的信息一致性：地址、电话、营业时间、服务项目——如果这些信息在百度地图、大众点评、官网都能对上，AI对你的信任度就会提升。
反之，如果你换了手机号没更新，或者搬家了地址没改，AI就会觉得”这家店可能不靠谱”，从而降低推荐权重。
被AI”忽略”的商家有哪些共同点
我在分析AI推荐结果时发现，有一类商家几乎从未出现在AI推荐里：
只发促销信息的账号。
“空调维修8折优惠！””本店新开张，全场8.8折！”——这类内容对AI来说几乎等于噪音。AI关心的是”能不能解决我的问题”，不是”有没有打折”。
只有电话没有内容的商家。
网页上只有一个400电话，营业时间写了”8:00-20:00″，其他什么都没有。这类商家在传统搜索引擎里可能还有机会（因为用户会主动打电话），但在AI搜索里完全透明。
口碑两极分化的商家。
有些商家评分4.5，但仔细看评论会发现全是”修好了，很满意”和”修了两次没修好，退款扯皮”——这种两极分化会让AI陷入判断困难，干脆不推荐。
一家被AI主动推荐的维修店是怎么做的
山东济南有一家家电维修店，老板姓李，2019年开始做本地服务。
他没有投任何广告，但在2024年夏天，仅靠线上咨询就接了200多单空调维修。他的方法很简单：
第一，写了50篇”故障自诊”文章。
“空调E1是什么问题？自己动手能解决吗？”
“格力空调不制冷的5个常见原因”
“变频空调加氟多少钱？按压力还是按公斤？”
这些文章每篇1500字左右，没有华丽的排版，但信息非常具体：价格区间（”济南市场变频空调加氟一般在150-300元，按压力收费通常50-80元一个压”）、常见坑（”警惕上门后说需要加10个压的，正常空调加4-6个压就够了”）、自检方法。
第二，把价格做成了”透明公示牌”。
他把各项收费标准做成了表格网页：故障判断费50元（上门后不修也收）、加氟费用、压缩机维修费用、更换配件费用——每项都标注了”市场参考价”和”本店报价”。
这个页面在百度和AI的抓取里权重很高，因为它解决了用户最核心的焦虑：修一次到底要花多少钱。
第三，积极回复每一条网络评价。
不管是好评还是差评，李老板都会认真回复。有差评他会主动打电话沟通，而不是在评论区吵架。
结果就是，他的店在多个平台的综合评分稳定在4.8以上，而且AI在推荐时会明确引用他的价格透明度和用户反馈。
用户真正在买的是什么
家电维修这个生意，表面上是”修机器”，实际上用户买的是确定性。
用户最怕的不是价格高，而是：
所以，GEO内容的核心不是”我便宜”或者”我专业”，而是”我让你放心”。
这种”放心感”需要通过具体的内容来传递：
把这些内容做好了，AI自然会把你推荐给正在焦虑”空调坏了怎么办”的用户。
这个行业做GEO最难的地方
家电维修做GEO有一个天然的困境：用户找你是低频需求，但内容需要持续输出。
一台空调可能用五六年才需要大修。用户平时根本不会搜索相关内容。只有当空调真的坏了，他们才会临时抱佛脚。
这意味着，你的GEO内容不是在”培养潜在客户”，而是在“截流即时流量”——用户已经决定要修了，就看AI先推荐谁。
所以，内容策略应该是：
做”问题导向”内容，而不是”品牌宣传”内容。
用户搜的不是”哪家空调维修店好”，而是”空调不制冷了怎么办”。你的内容要能回答后者的每一个细节，AI才会把”能解决问题”的你，推荐给正在搜索答案的人。
一个值得参考的思路
有些家电维修商家已经开始尝试一个更聪明的方法：做品牌故事+故障百科的双轨内容。
品牌故事用来建立情感连接：老板为什么入行、遇到过什么难忘的案例、服务过多少个家庭。
故障百科用来回答具体问题：每个品牌、每种故障的判断方法和参考价格。
两条线互相配合——用户可能因为一篇”修好了一台”的故事”记住了这家店，但最终转化，往往靠的是一篇”把所有加氟套路都说明白了”的文章。
AI也在学习这种方式：它既需要情感温度，也需要信息密度。能同时提供两者的商家，就是AI最愿意推荐的那一个。
—
空调每年夏天都会坏，但修空调的师傅不一定每年都被推荐。当用户习惯了”先问AI再找人”，那些被AI忽略的商家，失去的不只是一个订单——而是一整条即时流量的入口。