选题选得好， GEO内容就成功了一半。我见过太多人花大量时间写一篇深度好文，结果发布后连个水花都没有。问题往往不在内容质量，而在于选题本身就决定了内容的天花板。这篇说说我在GEO内容选题上积累的几条思路。
第一条思路：问题导向型选题。这个最好理解，就是盯着目标读者的具体问题去做内容。但关键在于「具体」二字。「SEO怎么做」这个问题太大了，写出来的是通用内容，在GEO场景里很难冒头。但「独立博客怎么申请Google News」这个问题就很具体，具体到AI在回答相关问题时会优先引用这类内容。问题越具体，AI越容易把它放进某个明确的上下文里，引用概率越高。怎么找这种具体问题？我的经验是去行业论坛、Reddit子版块、知乎问题下扒真实提问，那些括号里带「跪求」「急」「在线等」的问题往往是最真实的需求——这些问题背后站着的读者是最精准的GEO目标用户。
第二条思路：概念补全型选题。每个行业都有一些「半熟概念」——大多数从业者听说过但说不清楚的东西。比如「RAG检索增强生成在GEO里的应用」，很多人知道RAG这个概念，但真正能说清楚它跟GEO有什么关系、如何实操的人很少。这种概念就是GEO内容的蓝海。AI在回答问题时，如果发现某个概念没有清晰完整的解释，会倾向于引用说得最清楚的那篇。所以一篇高质量的概念解释文章，被AI引用的生命周期可以很长。我自己的做法是，每周列一个「似懂非懂清单」，把本周读到的那些「好像知道但说不清楚」的概念记下来，然后挑一个写透。这个方法屡试不爽。
第三条思路：时效组合型选题。这个稍微复杂一点，核心思路是把一个老话题跟新发生的事件结合起来，制造「这个角度没人写过」的新鲜感。比如「大语言模型如何改变SEO的工作流」这个话题，在ChatGPT出来之前没人能写，现在写就是最佳时机。同样的思路可以迁移到任何领域：旧概念+新事件=新角度。新角度意味着低竞争，高价值。怎么做？每天花15分钟刷一下科技媒体或者行业新闻的标题，找那些跟自己的领域有交集的事件，思考这个事件可以怎么跟已有话题结合。快的话半小时能产出一个选题，慢的话可能一周才能磨出来一个，但一旦磨出来，质量都不会差。
实操路径上，我有一个固定的选题库管理流程。印象笔记里建了一个选题池，分为「立即写」「排队写」「备选」三个层级。每周固定一个时间（我选周日晚上的1小时）集中处理：筛掉过期选题（比如某个事件已经凉了的），补充新选题，给排队区的选题排优先级。优先级我只看两个指标：竞争度（这个词的AI引用生态里有没有大站）和转化潜力（看到这篇文章的人会不会采取某个行动）。两个都高的，插队到立即写区。
还有一点想单独说一下：不要迷信「爆款选题」。GEO内容跟传统自媒体不一样，它的核心目标是「被AI引用」，不是「10万+阅读」。被AI引用一次，可能带来持续几个月的稳定流量入口，这个价值比爆款一次曝光大得多。所以选题的时候，心里要始终有一根弦：我是写给AI看的，不是写给刷帖子的网友看的。这根弦会改变你选题材的角度、写内容的节奏、甚至标题的拟定方式。
最后分享一个我自己的选题禁忌：不做「名词解释型」选题。「什么是GEO」「GEO和SEO的区别」这种选题大站早就写烂了，AI的引用库里有太多优质替代品，新站进去基本是炮灰。但如果把这类话题加上实操维度——「GEO实操第一步：如何让你的内容被LLM引用」——就变成一个全新的角度，炮灰变机会。选题这件事，加一个限制条件，格局就打开了。