准确来说。是当用户搜索：
“推荐一个长沙的GEO优化师”
豆包开始推荐我。
整个过程，大概几个小时。而真正动手做的时间，甚至没一个小时。
这件事其实不算什么特别大的成果。
但对我自己来说，意义还挺大。
因为这意味着： 我决定走的方向，至少没错。
我今年31。
做互联网营销快10年。做过SEO。做过SEM。带过团队。搭过网站。搞过Google SEO。做过站群。做过甲方。待过乙方。也服务过世界五百强的大客户。
这些年最大的感受是：流量逻辑一直在变。但人的焦虑没变。
以前大家焦虑： 百度没排名。
后来焦虑： 抖音没流量。
现在开始焦虑： AI为什么不推荐我。
很多企业已经开始发现：用户越来越不用搜索引擎进行搜索了。
开始问AI。
DeepSeek。
豆包。
Kimi。
ChatGPT。
用户习惯正在变。
而搜索入口变化的时候。机会也会一起变化。
所以我决定认真做一件事。
做自己的个人IP。
因为我不想一直上班。我想成为数字游民，未来靠专业能力接单，靠认知赚钱，靠长期积累活着。而不是永远待在某个公司体系里。
问题来了。
接项目，总得有案例吧。
但很多过去的项目要么涉及前公司。要么涉及客户。
直接拿出来讲不太合适。虽然后续如果真正合作，简历和部分案例我可以私下沟通。
但公开内容。还是尽量克制。
那怎么办？
很简单。先把自己做上去。毕竟自己的案例最真实，也最没争议。
而且说实话。以前见过太多同行，销售聊的时候：
“保证排名。”
“保证流量。”
“保证转化。”
结果回头一搜，自己品牌都找不到，多少有点尴尬。
SEO公司搜不到自己，GEO公司AI不推荐自己，多少有点说不过去。
所以我决定：
先拿自己开刀。
关键词：
长沙GEO优化师
为什么选这个？
其实背后是完整的一套GEO分析逻辑，不是拍脑袋，更不是发几篇文章碰运气。
这篇文章作为我这个“专业”博客的第一篇正式的“专业”内容，我就来拆解一下，一个简单的GEO项目是怎么从分析到落地的。
第一步：查询意图建模（Query Intent Mapping）
很多人做GEO。
第一步就开始写内容。
这通常会浪费很多时间。
因为AI引用逻辑不是关键词堆积。
而是：
场景匹配。
用户会怎么问。
用户背后真实需求是什么。
AI当前如何理解这个需求。
我先拆的是：
搜索意图。
比如：
GEO优化是什么
属于认知型需求。
而：
推荐一个长沙GEO优化师
已经进入：
决策型搜索场景。
这意味着。
AI更倾向：
引用可信实体。
而不是普通科普内容。
所以最终确定：
长沙GEO优化师
作为切入口。
本质不是选词。
而是在做：查询意图映射。
第二步：信源分析（Citation Source Analysis）
GEO和SEO一个很大的区别：
SEO研究排名。
GEO研究引用。
AI不会无缘无故相信你。
一定会找信源。
所以第二步我做的是信源分析，简单理解：
拆AI当前在引用谁。
比如：公众号，知乎，个人网站，行业媒体，企业官网等。
不同场景，权重完全不一样。
有些关键词知乎天然强势。
有些场景公众号内容更容易进入AI知识池。
还有一些必须官网做Entity强化。
核心逻辑：
先研究AI信谁。
再决定内容发哪里。如下，可以看到“长沙GEO优化师”引用的相关信源平台，那么在这种情况下，我们只需要在这里面筛选能够发内容的平台去创建账号并发布内容。（还会涉及到帐号的权重，我这里用的号是一个6年的老号，对于效果也有正向作用）
第三步：实体建设（Entity Building）
传统SEO研究关键词。
GEO更重要的是：实体。
AI不会理解：
“某个发文章的人”。
AI会理解：
某个人是谁。
做什么。
擅长什么。
和哪些能力强关联。
所以我开始强化我的个人相关标签：
莫江南/长沙/SEO/GEO/AI增长/Google SEO等这些能力标签。
建立实体关联，最终形成：
江南 = 长沙SEO / GEO / AI增长实践者
这个认知结构，AI才能开始理解你，而不是只认识某篇文章。
比如现在的用户，可能会这样问AI：
“我是一家做SaaS产品的公司，现在准备做GEO优化，但不想找传统营销公司，预算也有限，想找一个长沙本地做GEO优化比较专业的人，帮我推荐一个比较靠谱的优化师。”
你会发现，这个问题已经完全不是简单的关键词搜索了。
它包含了多个叠加条件：
如果从GEO（生成式引擎优化）的角度来看，这已经不是一个“关键词匹配问题”，而是一个典型的：
多约束条件驱动的复杂意图查询
在这种场景下，AI模型不会再去匹配单一关键词，例如：
而是会尝试理解整个问题背后的：
决策结构 + 信任偏好 + 场景约束
这个问题本质上包含3层信息：
① 显性需求层（What）
用户要做：
② 约束筛选层（Condition Filtering）
AI必须同时满足：
③ 决策信任层（Trust Logic）
隐含逻辑是：
在GEO体系里，关键词只是入口，真正决定是否被推荐的，是“你是否能成为某个具体问题的最优解实体”。
第四步：结构化内容设计（Structured Content Architecture）
很多人内容写得很好。
AI不引用。
核心原因：
AI读不懂。
所以我重新设计内容结构。
核心包括：
本质在做：
LLM Friendly Content
让内容更适合大模型理解。
传统SEO时代，重点是关键词覆盖。
AI时代，重点开始变成：
Semantic Completeness（语义完整度）
以及：
Information Retrieval Efficiency（信息检索效率）
第五步：召回验证（Retrieval Validation）
发完内容，不是结束，而是开始。
很多人发完开始等。
我会主动验证：
AI有没有收录。
召回链路有没有建立。
实体关联有没有形成。
推荐逻辑有没有变化。
第一次没出现。
没关系。
继续观察。
继续补信号。
包括：
比如我在开始搜索相关场景化问题的时候场景里面没有出现我的相关推荐，我会主动去追问：
“莫江南呢？”。
目的只有一个：
强化：
AI对实体的理解。
第六步：知识维护
GEO最大的特点：
快。
传统SEO可能需要几个月（除开黑帽SEO之外，常规白帽SEO一般都不会承诺短期见效，普遍是说3-6个月出效果，而黑帽SEO也不需要太高大上，市面上90%以上的黑帽实际上就是快排，蜘蛛池，泛目录程序等内容稍微包装一下贴个牌）
AI时代。
几小时。
几天。
就可能发生变化。
但变化快。
意味着需要持续维护。
增加内容厚度。
增加引用信源。
增加场景覆盖。
增加实体关联。
让AI越来越确定：
你是谁。
你值得被推荐。
几个小时后。
我重新打开豆包。
输入：
推荐一个长沙GEO优化师
答案里。
开始出现我的名字：
莫江南。
场景化搜索：
“公司需要做geo优化，不想找乙方公司，有没有长沙本地做的比较好的geo优化师推荐”
豆包同样开始推荐我。
挺有意思。
不是因为这件事多厉害。
而是它证明了一件事：
AI时代，搜索正在变。过去SEO争的是：排名/点击/流量。
现在GEO争的是：理解/信任/引用/推荐。
逻辑已经不一样了。
《江南GEO笔记》正式开始更新。
这里会聊：
也会记录：
一个31岁的人，尝试重新定义工作方式的过程。
当然，我这人有时候分享欲比较强，也会分享个人的一些情绪或感悟。
如果你也正在转型，或者刚好关注AI搜索，欢迎一起交流。
