给一个产品做 GEO（生成式引擎优化），很容易从一个看似简单的问题开始：用户问什么，AI 才会推荐我？
接下来，人们通常会列出一批词：产品推荐、最好用、哪个好、替代品。再让模型扩成几百条问题，开始监测提及率。
问题在于：这些题可能很像搜索词，却未必像目标用户的真实需求。即使某条题测出了不错的表现，也不能证明很多人会这样问，更不能证明产品适合他们。
更可靠的起点，不是围绕品牌无限扩词，而是围绕用户正在完成的决策，建立问题库。
本文以为 NewMax 设计 GEO 问题库的讨论为背景，将公开研究、问题分类、拓展方法和统计边界整理成一套可执行框架。文中的题目是候选设计，不是已经验证有流量的关键词，也不构成对 NewMax 全部功能的承诺。
资料整理日期：2026 年 10 月 28 日。研究事实、方法推断和问题示例在文中分别说明。本文提出的框架不是某篇论文已经验证的统一标准。
先说结论：做覆盖矩阵，不做伪精确的搜索量排名
第一版问题库建议采用四个维度：
决策意图 × 使用场景 × 限制条件 × 对话阶段。
初期优先覆盖具体任务、带条件选型、方案比较和能力验证，再用产品自己的用户证据校准。
公开研究能帮助判断哪些类型值得覆盖，却不足以告诉我们：中国目标用户在某个平台，每月会问多少次某个具体问题。问卷比例、评测集构成、某个垂直平台的请求占比，都不能自动变成 NewMax 的关键词热度。
一、研究能支持什么，不能支持什么
B2B 用户常常带着场景、比较对象和条件来问
Semrush 的《How AI tools shape the B2B buying process》于 2026 年 7 月发布。调查在 2026 年 3—4 月进行，获得 622 份有效问卷；报告后续分析基于其中 519 位在工作中使用 AI 的美国 B2B 从业者。[1]
在研究供应商时，受访者自报：
| 行为 | 比例 |
|---|---|
| 描述具体使用场景或问题 | 61% |
| 要求直接比较供应商 | 56% |
| 加入预算、必需功能或兼容性限制 | 45% |
| 通过追问不断细化问题 | 43% |
这些数字支持优先设计场景题、比较题、约束题和追问题。但行为可能重叠，不能相加；它们也不是四类问题在全体查询中的流量占比。
软件采购不仅需要发现产品，也需要比较和验证
G2 的《The Answer Economy: How AI Search is Rewiring B2B Software Buying》调查了 1,076 位全球 B2B 采购决策者或影响者，调查时间为 2026 年 3 月。[2]
报告把“比较供应商优缺点”列为主要用途的首位；其他用途包括了解品类、发现供应商、验证特定场景、验证初始推荐、缩小候选名单，以及了解价格与套餐。
对软件产品而言，问题库不应止于“有什么工具”，还应覆盖“为什么选择它”和“什么情况下不应该选它”。但用途排序仍不等于逐类查询量。
有些用户一步给全条件，有些用户逐轮补充
Semrush 的消费者研究于 2025 年 12 月调查了 1,030 位尝试过 AI 工具的美国消费者。其中，52% 表示会预先说明预算、功能、兼容性或用途等限制；33% 会通过多轮往返细化问题；43% 会先问宽泛问题，再逐步缩小范围。[3]
因此，问题库应同时保留“完整条件的一次提问”和“逐轮补充的追问链”。这些是自报行为，不是后台日志中的真实请求次数。
真实对话数据有价值，但外推边界同样重要
2026 年的 arXiv 预印本《Shopping with a Platform AI Assistant: Who Adopts, When in the Journey, and What For》研究了携程平台的 AI 助手使用行为。[4]
论文的对话分析涉及 188,647 位有记录的用户、213,460 个会话和 280,350 条请求。表 A10 中的类别比例以请求为分母，例如景点类约占 42.1%。它不能被理解为“42.1% 的人都在问景点”，更不能迁移成软件推荐问题的分布。
该研究的启发在于保留自然需求的完整语境，而不是照搬旅游类别的比例。它还是观察性研究和预印本，不应被当作普遍因果结论。
GEO 论文与站内搜索研究，适合提供方法，不适合冒充需求量
KDD 2024 论文《GEO: Generative Engine Optimization》主要研究如何通过内容调整提高生成式回答中的可见性。它的混合评测基准不是自然消费者推荐问题的抽样调查，不能据此给具体产品分配问题类型权重。[5]
Baymard 的电商站内搜索研究则提供了精确产品、品类、功能、用途、兼容性等查询视角，可用于检查分类是否遗漏。但它研究的是站内搜索，不是 AI 推荐问题的总体分布。[6]
购买行为研究帮助决定测哪些问题；GEO 优化研究帮助思考如何改内容；两者不能互相替代。
二、按六类决策意图组织问题
以下分类是一套工作框架，不是互斥的市场统计口径。同一个问题可以有多个标签，但应选定一个主要决策意图。
| 决策意图 | 用户正在解决什么 | 候选问题示例 |
|---|---|---|
| 问题与方案探索 | 有麻烦，但还不知道需要哪类产品 | 每周收集竞品更新很耗时间，有什么办法提高效率？ |
| 品类与候选发现 | 知道大致品类，需要候选名单 | 适合非技术人员的 AI 工作助手有哪些？ |
| 场景适配与条件筛选 | 找到符合任务和限制的方案 | 不会写代码，想整理多个网站的信息并形成报告，可以用什么？ |
| 比较与取舍 | 明确几个方案各自适合什么 | 聊天式 AI 和能执行任务的 AI 助手，分别适合什么工作？ |
| 替代与迁移 | 现有方案不合适，考虑换一种 | 现在的自动化工具配置太复杂，有没有更容易上手的替代方案？ |
| 验证与购买决策 | 确认能力、风险、成本与购买理由 | 选择能操作浏览器的 AI 工具，需要确认哪些权限与限制？ |
这里最容易犯的错误，是把“适合产品经理”“预算有限”“不写代码”也当成与六类意图平行的分类。
它们更适合作为修饰标签：一个用户可以同时是产品经理、不会编程、预算有限，而主要决策意图是比较两个候选方案。把这些条件拆成互斥类别，会造成重复统计。
三、用六个槽位拓展，而不是机械全排列
可以把一条需求写成：
谁，在什么情境下，要完成什么任务，受到哪些限制，现在用什么，准备做什么选择？
| 槽位 | 需要记录什么 | 示例 |
|---|---|---|
| 用户角色 | 谁在做决策 | 产品经理、运营、小团队负责人 |
| 核心任务 | 希望完成什么 | 竞品研究、资料整理、周期性报告 |
| 任务情境 | 为什么现在需要 | 每周重复、资料很多、多个网站来回切换 |
| 限制条件 | 哪些要求不能放弃 | 不写代码、中文、Windows、预算、权限控制 |
| 现有方案 | 当前如何解决、哪里不满意 | 手动复制、聊天工具、复杂自动化平台 |
| 决策动作 | 希望 AI 帮忙做什么 | 找方案、列候选、比较、替换、验证 |
假设我们要研究的需求是：产品经理每周做竞品研究，不想写代码。
围绕它，可以得到一组不同的决策问题：
- **问题探索：**每周手动查竞品官网和更新记录，有什么办法提高效率？
- **候选发现：**有哪些适合产品经理做竞品研究的 AI 工具？
- **约束筛选：**不会写代码，想收集多个网站的信息并生成报告，可以用什么工具？
- **方案比较：**用聊天式 AI 做竞品研究，和使用能执行浏览器任务的助手，有什么区别？
- **替代需求：**自动化流程搭建太复杂，有没有更简单的竞品监测方案？
- **能力验证：**怎么判断 AI 生成的竞品报告有可靠来源，而不是编造内容？
这六个问题对应不同决策任务，不是把“推荐”“哪个好”“最好用”轮流换一次。
**建议先形成需求问题簇，再为每个问题簇保留少量自然语言变体。**角色和条件的组合应有用户证据，或者明确标为待验证假设，不必一开始生成所有排列。
四、把独立问题和多轮追问分开测试
同一个需求，可以有两条测试路径。
路径 A：一开始就给完整条件
我是一名不会编程的产品经理，想每周收集竞品信息并整理成报告，有哪些方案？请比较上手难度、费用和限制。
路径 B：逐步补充要求
- 第一轮：有哪些 AI 工具适合做竞品研究？
- 第二轮：我不会写代码，希望尽量少配置。
- 第三轮：需要保留信息来源，并且每周重复执行。
- 第四轮：前面几个方案的费用和限制有什么区别？
两种路径应分别记录结果，不能混成一个提及率。对于重点问题簇，可以观察：
- 第一轮是否进入候选名单；
- 新增限制后是否仍被保留；
- 推荐理由是否改变；
- 是否因为事实错误而被排除；
- 最终回答有没有可核查的依据。
单次测试没有出现品牌，不等于永远不会出现；一次出现也不代表普遍会出现。测试平台、入口、模式、日期、上下文和原始回答都应保留。
五、必须补上“反证与排除”问题
只问“什么产品最好”，容易让问题库停留在候选发现阶段。
但用户还会做筛选：某项能力是不是原生支持，是否需要额外配置，风险是否可接受，换一个重要条件后推荐是否仍成立。
因此，可以为每个重点候选或方案补一组反证题：
- 什么情况下不适合选择这个产品？
- 按同一套要求比较，几个候选各自缺少什么？
- 哪些能力可以直接使用，哪些需要额外配置、接入服务或付费？
- 如果最看重上手难度、任务可靠性或权限控制，推荐会不会变化？
- 推荐的依据是什么，有哪些信息暂时不能确认？
这组题是本文提出的设计建议，不是已经测得的高频查询列表。它的用途是检查产品能否经得住进一步筛选，而不仅是能否出现在第一轮名单里。
涉及 NewMax 的品牌验证题也应单独记录。例如“NewMax 在什么条件下不适合我”，不能与未提品牌的发现题混在一起计算品牌提及率。
六、先依据证据排序，再考虑规模化扩展
研究支持的是初始方向，不是精确配额。第一版可以优先覆盖以下三组：
- **具体任务加关键约束：**用户要做什么、什么条件不能妥协。
- **方案比较与替代：**候选之间的取舍，以及现有方案的不满意之处。具体替代对象需要用户证据补强。
- **适配与风险验证：**能力边界、上手门槛、费用、兼容性和可信度。
品类推荐题仍应保留。宽泛科普题是否优先，则要看它与目标用户任务、产品能力和后续决策的关系。
这是一种策略推断，不是搜索量排行榜。具体问题的投入顺序，可以用五个维度判断：
| 维度 | 应记录的证据 |
|---|---|
| 需求存在 | 有多少位不同的目标用户提出过？原话与来源是什么？ |
| 产品适配 | 产品是否真的能解决？有什么限制？ |
| 决策接近度 | 用户是在泛泛了解，还是比较、替换、准备试用？ |
| 当前缺口 | 采样中是否出现品牌？描述正确吗？缺哪项公开依据？ |
| 可执行性 | 能否补充真实案例、演示、说明页或对比材料？ |
还可以为问题来源分级：
- **A 档：**多个不同目标用户自然提出过。
- **B 档：**只有少量用户证据，但任务与产品适配明确。
- **C 档：**来自行业研究或搜索代理信号，尚未在目标人群验证。
- **D 档：**仅由研究者或模型生成的假设。
这是内部工作规则，不是学术标准。未知需求应标记为待验证，不要当成零需求，也不要仅因句子听起来合理就标为高需求。
七、量化时，至少区分用户、会话和请求
一个人围绕同一需求追问十次，与十个人各问一次，都可能产生十条请求，但需求广度不同。
建议至少分别记录：
| 指标 | 回答什么问题 |
|---|---|
| 不同用户覆盖数 | 有多少人存在这一需求？ |
| 会话数 | 这一需求出现过多少次独立研究过程？ |
| 提问与追问次数 | 这一需求引发了多少次询问、比较与验证？ |
一个可用的样本指标是：
问题簇样本覆盖率 = 提出该需求的不同目标用户数 ÷ 本次研究的目标用户总数。
例如访谈 30 人，其中 9 人自然提到某类需求，可以记录“本次样本 9/30”，不能直接写成“市场上 30% 的用户都有这个需求”。
同样，真实 AI 对话、传统搜索日志、问卷回忆、实验指定任务和模型生成的问题应分开标注，不能混在一起计算自然需求频率。
如果记录用户研究材料，应取得适当授权，优先保留必要的脱敏信息。原始聊天、个人身份、附件和敏感链接不应因为研究需要而默认公开。
八、把问题库做成可复查的工作表
每一行代表一个需求问题簇，而不是一个同义词变体。建议保留以下字段：
| 字段 | 用途 |
|---|---|
| 问题簇 ID | 稳定追踪，避免换一句话就失去可比性 |
| 用户原话与来源类型 | 区分真实需求和生成题目 |
| 主要决策意图 | 归入六类之一 |
| 人群、任务、约束、现有方案 | 支持筛选与合理拓展 |
| 标准测试问题与变体 | 兼顾重复测试与措辞敏感性 |
| 独立问句或追问链 | 保留上下文差异 |
| 是否包含品牌 | 分开衡量发现与品牌验证 |
| 不同用户数、会话数、请求数 | 避免混淆需求广度与询问强度 |
| 产品适配、限制与证明材料 | 防止争取不适合的需求 |
| 需求证据等级 | 安排投入优先级 |
| 平台、入口、模式、日期、原始回答 | 支持结果复查 |
| 品牌提及、描述准确性、引用与候选变化 | 分别衡量不同信号 |
特别要把两类问题分开：
- **非品牌发现题：**适合非程序员的 AI 工作助手有哪些？
- **品牌验证题：**NewMax 适合非程序员使用吗？
前者检查能否被发现，后者检查被点名后是否被准确理解。两者都重要，但不应混算。
九、第一轮怎么开始
作为控制试验范围的工作建议，可以先整理 20—30 个问题簇，而不是立即生成几百条问题。这个数量不是研究得出的最优值。
执行顺序可以是：
- 收集经授权的目标用户原话，提取任务与不满意之处。
- 按六类决策意图归类，保留真实语境。
- 补齐有依据的限制条件和比较对象。
- 为重点问题簇设计独立问题、追问链与反证题。
- 按需求证据、产品适配、决策接近度和可执行性排序。
- 跨平台采样，保留原始回答与测试条件。
- 根据缺口补充真实材料，再以一致口径复测。
监测结果不应只剩下一个分数。品牌提及、推荐理由、事实准确性、引用来源，以及补充条件后的候选变化，回答的是不同问题。站点访问和转化还需要另一条测量链，不能从回答表现直接推出。
结语：问题库应该围绕真实决策，而不是围绕品牌自问自答
为 NewMax 做 GEO，不必先问“怎样让 AI 尽可能多地提到 NewMax”。
更值得先回答的是：
目标用户做哪些真实决策时，NewMax 应该成为一个有依据的候选？
用“发现候选 → 带条件比较 → 验证与排除”组织问题，再用真实需求和产品证据校准优先级，才能让问题库同时服务获客、内容建设和产品理解。
先有需求问题簇，再有表达变体；先有证据，再有优先级；先明确统计分母，再讨论所谓热度。
参考资料与证据边界
[1] Semrush：How AI tools shape the B2B buying process: A survey of 600+ US business professionals。B2B 问卷研究，行为比例不等于查询流量占比。https://www.semrush.com/blog/how-ai-shapes-b2b-buying/
[2] G2：The Answer Economy: How AI Search is Rewiring B2B Software Buying。软件采购问卷，用途排序不等于自然问题频次。https://learn.g2.com/g2-2026-ai-search-insight-report
[3] Semrush：How AI Tools Influence the Modern Buyer Journey: A Survey of 1,000+ US Consumers。美国消费者问卷，不直接代表中国软件用户。https://www.semrush.com/blog/ai-tools-the-modern-buyer-journey-study/
[4] Yan 等：Shopping with a Platform AI Assistant: Who Adopts, When in the Journey, and What For。2026 年 arXiv 预印本；样本与分母见 §2、表 A9/A10；旅游平台自然行为数据，不能外推通用软件选型。https://arxiv.org/abs/2603.24947
[5] Aggarwal 等：GEO: Generative Engine Optimization。KDD 2024；内容可见性优化及混合评测基准，不是消费者推荐问题分布调查。https://arxiv.org/abs/2311.09735
[6] Baymard Institute：电商站内搜索查询类型研究。用于分类视角参考，不作为 AI 搜索量依据。https://baymard.com/research-articles/ecommerce-search-query-types