项目背景：六家门店，六个”时差”
客户是武汉本地一家连锁口腔服务机构（应客户要求匿名，下称”T齿科”），在武汉三镇经营六家门店：武昌两家、汉口三家、光谷一家，成立九年，累计服务患者超过十一万人次。在大众点评和美团时代，T齿科是武汉民营口腔里口碑运营的优等生——六家门店平均星级4.8，年投放预算的七成给到了本地生活平台。
2026年春天，T齿科的运营负责人发现了一件怪事：新客到店登记表里，“信息来源”一栏开始出现一个从前没有的选项被频繁勾选——“AI推荐”。抽样回访了四十位勾选该来源的新客后，得到了一组让他们坐不住的数据：
- 其中31位是通过AI助手问“武汉看牙哪里好”“武昌种植牙哪家靠谱”后，按AI答案到店的；
- AI答案里对T齿科的描述五花八门：有门店写成了八家，有把武昌的门店标到了汉口，还有把早已停用的2019年预约电话当成官方联系方式推荐给用户；
- 最刺眼的一条：一位患者说AI推荐了另一家连锁，“理由是对方是武汉老牌口腔机构”——而那家机构成立才五年。
六家门店，在AI的世界里有六套互相矛盾的档案。这不是营销问题，这是地理实体数据治理问题。
“我们每年花几百万买平台的流量，却从来没想过，AI在免费地、错误地向全武汉介绍我们。”——T齿科运营负责人
诊断：本地服务的GEO逻辑完全不同
T齿科找到见山GEO时，团队内部其实已经讨论过要不要“做GEO”，但参照网上流传的GEO方法——写深度内容、做结构化标记——总觉得对不上：口腔患者不会像采购工程师那样问参数，本地到店服务的AI可见性逻辑跟品牌电商、B2B制造都不不是一回事。
这个判断是对的。项目启动后，山形勘测诊断阶段我们没有用品牌类客户的词表，而是专门构建了一套本地服务查询模型，核心是“地域×需求×意图”三层交叉：
| 查询层 | 典型问题 | 采样量 | T齿科表现 |
|---|---|---|---|
| 地域+需求词 | “武汉看牙哪里好””武昌种植牙推荐” | 96条/3轮 | 出现率21%，且仅在1家门店层面被提及 |
| 商圈+项目词 | “光谷拔智齿””街道口正畸多少钱” | 72条/3轮 | 出现率0% |
| 品牌验证词 | “T齿科怎么样/靠谱吗/价格” | 48条/3轮 | 出现率58%，但信息错误率高 |
| 口碑聚合词 | “武汉口腔医院排名/口碑” | 48条/3轮 | 出现率0%，答案被公立医院和两家竞品占据 |
诊断发现：本地服务的四个独有断层
264条样本聚类分析后，我们确认本地服务类客户的GEO断层与品牌客户完全不同：
| 断层 | T齿科的具体表现 | 对AI答案的影响 |
|---|---|---|
| 地理实体断层 | 六家门店在地图、点评、官网的地址表述不一；两家门店搬迁后旧地址仍被大量页面引用 | AI无法判断哪家店还活着、开在哪，地理匹配直接失败 |
| NAP混乱 | 预约电话有三个版本（400、座机、门店手机），营业时间各平台不一致 | AI把过时电话推荐给用户，信任度归零 |
| 口碑信源断层 | 点评评分高，但AI引用的口碑内容来自百度知道、贴吧的陈旧帖子和两篇投诉帖 | 负面和陈旧信源权重反而高于精心运营的平台评分 |
| 服务语义断层 | 官网只有项目罗列，无”种植牙适合谁””正畸周期与费用构成”等决策型内容 | 用户问决策问题时，AI只能拿竞品的科普内容作答 |
诊断结论：本地服务机构的AI可见性，七成权重不在内容，而在地理实体数据的准确性与一致性。门店地址、电话、营业时间这些最不起眼的数据字段，就是本地GEO的胜负手。
方案设计：本地服务的“小快灵”打法
与品牌客户动辄半年的周期不同，本地服务的问题七成在数据治理而非内容建设，可以做到快起效。我们为T齿科设计了一个“90天冲刺+常态监测”的方案：
| 阶段 | 周期 | 核心动作 | 预期目标 |
|---|---|---|---|
| 见山·实体治理 | 第1-4周 | 六门店NAP统一、地图与目录档案清洗、LocalBusiness部署 | 地理实体数据零冲突 |
| 知山·口碑与语义 | 第5-10周 | 口碑信源重构、决策型内容建设、评价响应机制 | 品牌验证词准确度90%+ |
| 推山·监测迭代 | 第11-13周起 | 本地词周度监测、竞品商圈攻防、口碑维护 | 地域+需求词出现率40%+ |
第一阶段·见山：一场枯燥但决定成败的数据清洗
2.1 六家门店，一份“宪法”
我们做的第一件事，是和T齿科一起制定《门店信息标准档案》——每家门店的法定名称、展示名称、地址、坐标、电话、营业时间、服务项目，锁定唯一权威版本。听起来简单，实际执行花了整整两周：
- 逐店实地核对地址与坐标（发现光谷店在地图上的定位点偏差了400米，指向了马路对面的小区）；
- 确定预约电话策略：统一主推400号码，各平台旧号码能改则改、不能改则降权处理；
- 六家门店的营业时间统一为两档（综合店/专科店），杜绝每店一套时间的混乱；
- 对已搬迁门店，在所有可控信源中执行“旧地址重定向”，并在原地址页面挂新址说明。
2.2 信源清洗：34个档案点逐一过堂
以《标准档案》为基准，我们盘点了T齿科在全网的信息出现点：地图平台、点评美团、百度地图、健康类目录、小程序、招聘网站、工商公示……可控与半可控信源共34个档案点，逐一核对修正。同时对官网部署了六家门店各自的LocalBusiness结构化数据，地址、坐标、营业时间、价格区间全部机器可读。
第4周复测，变化已经出现：品牌验证词的信息准确率从约50%提升到81%，最直接的效果是——AI不再把2019年的旧电话推荐给患者了。
第二阶段·知山：把口碑和知识“喂”给AI
3.1 口碑信源重构：让好评价长出“公开的腿”
诊断中我们发现一个反直觉的事实：T齿科在点评平台有超过9000条评价、平均4.8星，但生成式引擎几乎不引用点评平台的内容——因为多数AI引擎的抓取权限和信源权重设计里，封闭平台内容的权重有限。真正被引用的是开放网络：百度知道、贴吧、知乎、健康门户。
口碑重构的思路因此清晰：把封闭平台里的好口碑，转化为开放网络上的可引用内容：
- 从9000条好评中筛出42条有具体诊疗细节的评价（如”种植牙全程40分钟、术后无肿胀”），经患者授权后整理为脱敏的诊疗体验记录，发布于品牌官网与知乎机构号；
- 针对两篇陈年投诉帖，指导机构完成事实澄清回复并推动平台更新处理状态——AI引用负面内容时常常连带引用官方回应，处理闭环本身就是口碑修复；
- 邀请两位长期复诊患者以第一人称在知乎回答”武汉种植牙体验”类问题，内容真实、优缺点并陈。
3.2 决策型内容：回答患者不敢当面问的问题
口腔医疗内容的最大误区是写成广告。我们的内容策略是只回答患者决策链上的真问题，建了三篇支柱内容：
| 内容 | 覆盖的AI高频问题 | 写作纪律 |
|---|---|---|
| 《种植牙全流程拆解：从检查到戴冠的五个阶段与费用构成》 | “武汉种植牙多少钱””种牙流程” | 费用给区间不给低价钩子，明示可能加项 |
| 《正畸方式怎么选：金属、隐形、舌侧的适应症差异》 | “武汉正畸哪种好””隐形牙套值不值” | 明确”不是所有人适合隐形”，给出反例 |
| 《儿童换牙期家长最容易焦虑的六个问题》 | “孩子乳牙松动要不要拔””几岁矫正好” | 科普为主，仅在结尾自然带出服务 |
这些内容全部由T齿科两位主诊医生署名审校，配合作者页的执业资质公示——医疗内容的EEAT要求比任何行业都严，署名可溯源是AI信任的前提。
第三阶段·推山：商圈攻防与周度监测
第11周起进入常态化监测。本地服务与品牌客户的监测逻辑也有一处关键差异：品牌看“推荐名单”，本地服务要按商圈拆开看。六家门店分处五个商圈，每个商圈的竞品格局、用户提问习惯都不同：
| 门店商圈 | 监测词示例 | 第13周出现率 | 重点竞品动作 |
|---|---|---|---|
| 街道口/武昌 | “街道口看牙””武昌种植牙” | 67% | 竞品A在健康门户铺设了科室科普 |
| 光谷 | “光谷口腔””光谷拔智齿” | 58% | 竞品B的点评笔记被高频引用 |
| 汉口核心 | “汉口正畸””武汉牙齿矫正哪家好” | 44% | 公立医院占据口碑聚合词，需差异化 |
| 汉口滨江 | “江岸区口腔诊所” | 52% | 暂无强竞品动作 |
| 后湖 | “后湖看牙靠谱的” | 61% | 竞品C新开门店，NAP数据尚混乱 |
周度监测输出的迭代动作很具体：街道口商圈失守的词，我们补发了两篇医生署名的科室科普对位竞品A；汉口的口碑聚合词被公立医院垄断，我们调整策略不在“排名”类词上硬拼，转攻“民营口腔体验优势”（预约灵活、复诊等待短）类长尾词——本地GEO不是每个词都要赢，而是赢在转化价值最高的词。
成果：90天冲刺+3个月常态运营后的数据
| 指标 | 诊断基线 | 第26周 | 变化 |
|---|---|---|---|
| 地域+需求词出现率（8引擎均值） | 21% | 56% | +35pp |
| 商圈+项目词出现率 | 0% | 47% | 五商圈全部破零 |
| 品牌验证词准确度 | 约50% | 94% | 门店/电话/项目信息基本无误 |
| 口碑聚合词出现率 | 0% | 38% | 进入4/8引擎的推荐表述 |
| 新客“AI推荐”来源占比 | 约3%（抽样） | 14% | 登记表全量统计 |
| 错误信息投诉（指引到店/电话） | 月均4-6起 | 连续8周为零 | 数据治理直接收益 |
运营负责人在第26周复盘会上的总结：”最值的不是AI多推荐了我们，而是AI不再错误地介绍我们。以前每个月都有患者按AI给的旧地址跑到搬迁前的门店，这种信任损伤是花钱买不回来的。”
案例复盘：本地服务GEO的四条经验
- 先治数据，再做内容：本地服务的AI可见性七成在NAP与地理实体数据。数据不一致的机构，内容做得越多，AI的错误档案反而被更多页面“佐证”；
- 封闭平台口碑需要“开放化转译”：点评再高的分数，引擎引用不了就是零。把真实评价转化为开放网络上的可引用内容，是口碑资产的关键一跃；
- 医疗内容宁实勿美：给出费用区间和不适症的内容，被引用的稳定性远高于低价引流话术，也更经得起监管审视；
- 按商圈作战，不按品牌作战：六家门店就是六个战场。监测、竞品分析、内容补强全部下沉到商圈粒度，这是本地服务与品牌客户在执行层最大的不同。
常见问题
本地服务机构做GEO，最优先做的一件事是什么？
统一并修正全网的门店数据（NAP：名称、地址、电话）。这件事零内容成本、两到四周可完成，且直接决定AI能否正确地向用户介绍你。大量机构跳过这步直接做内容，相当于在错误的地基上盖楼。
我们的门店评分很高，为什么AI不推荐我们？
因为多数生成式引擎对封闭平台（点评、美团类）内容的抓取与引用权重有限。AI需要的是开放网络上可验证的信息：官网结构化数据、地图档案、开放社区的真实讨论。高评分是资产，但需要转译成AI读得到的形态。
医疗内容做GEO有没有合规风险？
有，而且必须前置考虑。我们的做法是：内容全部由执业医师署名审校、不作疗效承诺、费用明示区间、不良反应如实说明。这些合规纪律恰好也是AI引擎评估医疗内容可信度的标准——合规与GEO在医疗行业是同一件事的两面。
90天能到这个效果，为什么别的案例要26周？
起点和结构不同。T齿科的问题七成在数据治理（快修），两成在口碑转译（中速）；而品牌类客户要从零建设内容资产与权威信源（慢功）。本地服务见效快，但护城河也相对浅，需要常态化监测维持——竞品C新店的数据混乱清理完，竞争就会重新开始。
多门店机构每家店都要单独优化吗？
是，但粒度不同。数据层（NAP、结构化标记）每店必须独立且精确；内容层可以品牌统一产出、门店按商圈适配引用。实战中我们按“品牌一套知识库、商圈五套作战词表”的结构执行，兼顾效率与本地匹配度。