企业官网建设流程全解析

宣传稿 · geouj.com（全文约2000字，功能界面与热度分口径核实自 duser 测试账号实登截图及 discovery.go / probe.go 后端源码）

客户想知道“用户到底会怎么问AI”，往往比“我想让AI推荐我哪些关键词”更难回答——因为真实用户的提问方式五花八门，很少直接用产品或行业术语。GEO优介客户中心「策略优化」菜单下的提示词发现（Prompt Discovery），要解决的正是这个问题：围绕一个关键词或主题，让AI模拟真实用户可能向AI助手提出的完整问题，而不是简单的关键词变体，并按意图分类和热度打分，客户可以一键采纳成场景词，纳入关键词库和后续监测。

图3：提示词发现实际界面（duser测试账号）——输入关键词发现提问，列表含用户提问/来源关键词/意图/热度/状态

一、和拓词矩阵的本质区别：关键词 vs. 完整自然语言提问

提示词发现和「拓词矩阵」都能产出候选词，但产出的东西性质不同。拓词矩阵产出的是关键词/短语（如“广州电阻焊机哪家好”），偏向搜索场景下的查询词形态；提示词发现产出的是完整的自然语言问题（如“国内有哪些靠谱的GEO服务商？”“为什么ChatGPT不推荐我的品牌？”），更贴近用户实际打字问AI时会说的完整句子。这个区别很重要，因为AI问答场景和传统搜索场景的用户表达习惯本来就不一样——搜索引擎里大家习惯打关键词，问AI大模型时大家更习惯用完整的口语化问句，提示词发现生成的正是后一种形态的素材。

二、六类意图分类：推荐、对比、价格、评价、选购、教程

提示词发现生成的每一条提问都会被打上一个意图标签，后端源码里固定了六个意图分类，分别对应用户提问AI时最常见的六种目的：

• ① 推荐：“国内有哪些靠谱的GEO服务商？”“有哪些值得推荐的XX？”——用户在寻求方案/品牌建议。
• ② 对比：“各家有什么区别？怎么对比”“主流XX产品对比分析”——用户在多个选项之间做横向比较。
• ③ 价格：“GEO优化服务大概多少钱？”“XX价格贵不贵？性价比如何”——用户关心费用和性价比。
• ④ 评价：“为什么ChatGPT不推荐我的品牌？”“XX靠谱吗？有没有踩坑的”——用户想了解真实口碑和踩坑经验。
• ⑤ 选购：“如何挑选XX？要注意什么”“XX选型指南：关键指标有哪些”——用户处在决策前的选型阶段。
• ⑥ 教程：“企业如何提升在AI大模型中的曝光？”“XX怎么做？入门教程”——用户想要方法论/操作步骤。

实测账号截图里，围绕“GEO服务商”“GEO价格”“品牌AI推荐”“AI内容生成”“AI可见度”几个来源关键词生成的提问，就分别对应推荐、价格、评价、对比、教程五种意图，覆盖了用户从“了解方案”到“对比选择”再到“关心价格和口碑”的完整决策路径。

三、热度分：AI相对估算值，不是真实搜索量——这一点需要诚实说明

提示词发现列表里每条提问都带一个1-1000的“热度”数字（截图中如92、88、81、76、69），很多用户可能会下意识把这个数字理解成“真实搜索量”或“真实提问频次”，但需要如实说明它的真实计算方式：这个热度分在后端有两条不同的生成路径。

• 真实模式（配置了AI接口）：当客户所在区域配置了真实可用的AI模型接口时，系统会让AI在生成问题的同时，直接给出一个1-1000的整数，提示词原文要求是“相对热度整数”——换句话说，这是AI基于自身训练知识对“这个问题相对于同批其他问题有多常见”做出的主观估算，本质上是大模型的经验判断，而不是接入了真实的搜索引擎指数或问答平台的调用日志统计出来的数字。
• 模拟模式（Mock兜底）：当没有配置真实AI接口、或真实调用失败时，系统会回退到确定性模拟逻辑：热度分直接由随机数生成器算出，取值范围是80到999之间的随机整数（80 + 0~919的随机偏移），和内容本身没有任何统计关联，纯粹用于让列表有高低排序的视觉效果。

因此，提示词发现里的热度分应当被理解为“AI给出的相对参考排序”，而不是“真实搜索量”或“真实提问频次”，两种模式下客户都看不出当前是走的哪条路径，这一点建议客户在做内容优先级决策时留意，把热度分作为参考维度之一，而不是唯一依据，可以结合行动清单里“漏答问题”的实际缺席次数等更接近真实探测数据的指标交叉判断。

四、生成逻辑：区域自动判定 + AI优先、失败自动兜底

客户在页面输入框填入关键词或主题（如“GEO优化服务”），点击“发现提问”，后端会先根据关键词文本中中文字符的占比自动判断这是国内场景还是海外场境（中文占比超过15%判为中国区域，否则判为海外区域），再据此选择对应区域配置的AI模型去生成提问。如果真实AI调用失败（接口异常、超时等），系统会自动无感知地回退到模拟驱动生成兜底结果，保证客户始终能拿到一批可用的提问，不会出现“发现提问”按钮点了却什么都拿不到的情况。每次生成还会自动和该关键词下客户已有的提问做去重，不会重复插入完全相同的问题文本。

五、状态流转与一键采纳：新发现 → 已采纳 / 已忽略

每条发现的提问都有一个状态：新发现（刚生成，未处理）、已采纳、已忽略，页面顶部的“全部/新发现/已采纳/已忽略”四个标签页可以按状态筛选查看。客户对每条提问可以选择：

• 采纳：在数据库事务中把该问题写入关键词库（customer_keywords 表），词类型标记为“场景词”，状态为“推荐”，随后可以到「关键词管理」页面像其他推荐词一样勾选并锁定到订单，正式占用词量配额、进入持续监测；同一条提问不能被重复采纳，事务会校验并阻止“已采纳”状态被二次采纳。
• 忽略：仅将该条提问的状态标记为“已忽略”，不写入关键词库，用于筛掉明显不适合的提问，让列表更聚焦。

截图中“企业如何提升在AI大模型中的曝光？”这一条状态已经是“已采纳”，操作列显示为“—”（不可再操作），印证了“已采纳的提问不能重复采纳”这条后端校验逻辑。

六、和行动清单的联动：未采纳提示词会被主动提醒

提示词发现产出的“新发现”提问如果客户迟迟没有处理，「行动清单」模块会主动把它纳入待办：只要某客户存在状态为“新发现”的提示词，行动清单就会生成一条“有N条新发现的高价值提问待采纳”的待办项，附带“去采纳”按钮直接跳转回提示词发现页面。这意味着提示词发现不是一个需要客户主动惦记去看的孤立工具，而是会被行动清单持续提醒、直到处理完毕。

常见问题

Q：提示词发现和拓词矩阵有什么不同？

A：拓词矩阵产出的是关键词/短语形态的候选词，偏搜索查询习惯；提示词发现产出的是完整的自然语言提问，模拟用户实际向AI助手提问时的口语化句式，两者形态不同、可以配合使用。

Q：提示词发现的“意图”标签有哪几类？

A：固定六类：推荐、对比、价格、评价、选购、教程，分别对应用户寻求方案建议、横向比较、关心费用、了解口碑、选型决策、求操作方法这六种常见提问目的。

Q：提示词发现里的“热度”数字代表真实搜索量吗？

A：不代表。真实AI模式下热度是AI基于自身知识给出的1-1000相对估算值，属于经验判断而非统计数据；无真实AI接口时则是80-999之间的随机数兜底，两种情况都不是接入真实搜索引擎或问答平台数据统计出来的搜索量，仅作为参考排序，不建议作为唯一决策依据。

Q：采纳一条提问后会发生什么？

A：该提问会以“场景词”类型、“推荐”状态写入关键词库，随后可以在「关键词管理」页面像其他推荐词一样勾选、锁定到已支付订单，正式占用词量配额并进入持续监测。

Q：一条提问可以被重复采纳吗？

A：不可以，后端在事务中会校验该提问当前状态，若已是“已采纳”会直接返回“该提示词已采纳”，避免重复写入关键词库产生重复行。

Q：如果一直不处理新发现的提问会怎样？

A：只要存在状态为“新发现”（未采纳）的提示词，「行动清单」就会持续生成一条对应的提醒待办，附带“去采纳”按钮直接跳回本页面处理。

备注：本文所述功能、界面截图与数据口径均核实自 geouj.com 客户中心（duser 测试账号）实际登录截图及后端功能源码逻辑；文中出现的品牌名、数字为该测试账号下的示例/演示数据，非效果承诺，实际效果以签约后客户中心的实测报告为准。