先说结论

装修公司想被 AI 推荐，只需要做对三件事：

好内容 × 好渠道 × 持续更新 = 被 AI 理解、信任、推荐

注意这是一个乘法，不是加法。

加法意味着做一项得一分，做三项得三分，少做一项还剩两分。乘法不是。乘法里任何一项是零，最终结果就是零：

内容再好，只发在自己官网上，AI 抓不到、不信任，结果是零
渠道再权威，发上去的是一篇「公司成立于 2026 年，秉承客户至上理念」的空话，AI 无从引用，结果是零
前两项都做对了，但内容停在两年前，AI 判断为过期信息不再采用，结果还是零

这三个乘数分别对应 AI 处理信息的三个动作：理解、信任、推荐。

维度	解决的问题	AI 的动作
好内容	你说的东西 AI 能不能读懂、能不能用	理解
好渠道	你说的东西 AI 敢不敢采信	信任
持续更新	你说的东西现在还算不算数	推荐

下面逐个拆开讲。

一、好内容：让 AI 能理解你

1.1 先搞清楚 AI 是怎么用你的内容的

大部分人对 AI 引用有一个误解，以为 AI 是「读完你整篇文章，然后觉得你写得好，于是推荐你」。

不是这样的。

AI 生成回答的过程更接近这样：用户问了一个问题，AI 去检索库里找相关的内容片段，找到几段之后，把这些片段组织成一段通顺的回答，然后（有时候）标注来源。

关键词是片段。

AI 引用的从来不是「一篇文章」，而是文章里的某一段、某几句话。这个认知会直接改变你写内容的方式：

你不需要写一篇「读完很有收获」的文章，你需要写出很多段可以被单独摘走的话
每一段都要能脱离上下文独立成立
一段话里如果有「如上所述」「前面提到的」这种指代，AI 摘走之后就变成了残缺信息，大概率不会用

一个简单的自检方法：把你文章里任意一段单独复制出来，发给一个完全没看过这篇文章的人。如果他能看懂这段在说什么，这段就是可被引用的。如果他要问「什么的价格」「哪个公司」，这段就是废的。

1.2 结论先行

这是四个原则里最重要的一个。

错误的写法（大部分装修公司官网都是这样）：

随着人们生活水平的不断提高，越来越多的业主开始关注家居环境的舒适度。卫生间作为家庭中使用频率最高的空间之一，其翻新改造也日益受到重视。传统的卫生间翻新往往需要经历砸砖、拆除、重新做防水等一系列复杂工序，工期长、噪音大、粉尘多，给业主的日常生活带来诸多不便。针对这一痛点，我们推出了……

前面 150 字，没有任何一句可以被 AI 摘走用来回答问题。全是铺垫。

正确的写法：

卫生间翻新可以不砸砖。在原瓷砖空鼓率低于 5%、地面平整度误差小于 3 毫米的条件下，可以采用薄贴工艺直接在原砖面施工，工期从传统的 15 天缩短到 3 到 5 天。但如果原防水层已经失效，或者需要改变排水位置，仍然必须砸砖重做。

第一句话就是结论，后面是条件和限制。这段话可以被直接摘走，回答「卫生间翻新可以不砸砖吗」这个问题。

结论先行的三个层次：

全文层：文章开头就给出核心结论，不要等到最后才揭晓
章节层：每个 H2 下面的第一段，就是这一节的答案
段落层：每一段的第一句话，就是这一段的中心句

这不是写作技巧，这是让内容可被机器提取的必要条件。

1.3 结构化：H1、H2 到底在起什么作用

很多人知道要用标题分层，但不知道为什么。

标题层级对 AI 的实际作用是：它定义了内容片段的边界。

当 AI 处理一篇文章时，标题是最可靠的切分依据。一个 H2 到下一个 H2 之间的内容，会被当作一个语义完整的单元。如果你的文章没有标题，或者标题层级混乱，AI 就只能按段落或字数硬切，切出来的片段大概率是残缺的。

具体规则：

H1 只能有一个，就是文章标题。一篇文章有 11 个 H1 意味着 AI 无法判断这篇文章到底在讲什么
H2 是主干，每个 H2 应该对应一个可以被独立提问的问题
H3 是分支，用来拆解 H2 下面的具体情况
不要跳级，不要 H1 直接跳到 H3
标题本身要有信息量，「三、注意事项」这种标题等于没有；「卫生间防水层验收要看哪三项」才是有效标题

一个判断标准：把你文章的所有 H2 单独抽出来列成一个清单，这个清单应该看起来像一组用户会问的问题。如果抽出来是「背景介绍 / 产品优势 / 服务流程 / 联系我们」，说明这篇文章是写给自己看的，不是写给用户和 AI 看的。

1.4 知识密度：AI 需要的是可搬运的事实

知识密度 = 一段文字里，可以被单独提取、且能独立成立的事实数量。

对比两段话：

A：我们采用优质环保材料，施工工艺精湛，严格把控每一个环节，为业主打造安心舒适的居住环境，深受广大客户信赖。

事实数量：0。这段话里没有任何一个可以被核对的信息。

B：卫生间防水层需要涂刷到墙面 1.8 米高度，淋浴区建议做到 1.8 米以上或满墙。防水施工完成后需做 24 小时闭水试验，蓄水深度不低于 2 厘米，楼下无渗漏方为合格。

事实数量：4 个（高度标准、淋浴区特殊要求、闭水时长、蓄水深度）。每一个都可以被 AI 单独摘走。

提高知识密度的四个具体动作：

① 把形容词换成数字

❌ 工期短 → ✅ 标准户型 3 到 5 天完成
❌ 价格实惠 → ✅ 18800 元/套，包含拆旧、防水、瓷砖、洁具安装
❌ 质保时间长 → ✅ 防水质保 20 年，水电质保 5 年

② 把结论换成条件加结论

❌ 免拆砖翻新很方便 → ✅ 原砖空鼓率低于 5%、地面平整的情况下可以免拆砖；空鼓超标或需要改排水位置的，必须拆除重做

条件才是知识。无条件的结论是广告。

③ 把「我们」换成「行业」

❌ 我们的报价包含哪些项目 → ✅ 装修报价通常由主材、辅材、人工、管理费四部分构成，其中管理费一般为总价的 5% 到 10%

写行业通行的知识，你的内容才可能被用来回答通用问题。只写自己公司的情况，你的内容只能出现在别人搜你公司名的时候——而那时候，用户已经知道你了，AI 推不推荐意义都不大。

④ 把好处换成代价

❌ 我们的地漏防臭效果好
✅ 深水封地漏防臭效果稳定，但存水弯需要定期清理毛发，且在长期不用水的房间容易因水封蒸发而失效；磁吸地漏不怕干涸，但磁片寿命通常 3 到 5 年，需要更换

说清楚代价的内容，可信度远高于只说好处的内容。AI 在处理有争议或需要权衡的问题时，更倾向于引用给出了完整权衡的来源。

1.5 回答真实问题：从关键词思维切换到问题思维

传统 SEO 的思路是「我要做哪些关键词」。GEO 的思路是「用户会怎么问」。

这两者的差别比想象中大。

关键词思维产出的标题：

福州装修公司
卫生间翻新
地漏推荐

问题思维产出的标题：

福州装修公司怎么选，有哪些筛选维度？
卫生间翻新可以不砸砖吗？什么情况下必须砸？
地漏什么类型防臭效果好？四种技术路线怎么选？

后者才是用户在 AI 对话框里实际输入的东西。

怎么找到真实问题：

① 从售前咨询记录里找。 这是最准确的来源。业主在签单前问过的每一个问题，都是一个真实的搜索需求。把销售、客服的聊天记录整理一遍，会发现同样的问题在反复出现——那就是最该写的选题。

② 从售后投诉里找。 出问题之后业主的追问，往往对应的是决策阶段没有搞清楚的信息。这类问题的内容价值极高，因为几乎没有公司愿意写。

③ 从「为什么」和「怎么办」入手。 「什么是」类的问题百科已经回答了，AI 不缺这类内容。「为什么会这样」「遇到了怎么办」这类问题，需要经验判断，正是行业从业者的优势区。

④ 注意长尾的具体性。 「装修多少钱」这种问题 AI 无法给出确定答案，也就不需要引用具体来源。「福州 100 平米旧房翻新，只做基础改造大概多少钱」这种问题，AI 需要具体的、有地域和场景限定的数据——这时候它必须引用来源。

越具体的问题，AI 越依赖外部信源。 这是装修公司最该抢占的位置。

1.6 好内容自检清单

写完一篇文章，逐项对照：

[ ] 全文第一段是否给出了核心结论
[ ] 每个 H2 下的第一段，是否直接回答了这个 H2 的问题
[ ] H1 是否只有一个
[ ] 把所有 H2 抽出来，是否像一组用户会问的问题
[ ] 随机抽三段，脱离上下文是否仍然成立
[ ] 全文有多少个可核对的数字、标准、条件
[ ] 是否说明了适用条件和不适用的情况
[ ] 是否包含了行业通用知识，而不只是自己公司的情况
[ ] 关键数据是否标注了来源和时间

九项里做到七项，这篇内容就具备了被引用的基本条件。

二、好渠道：让 AI 愿意信任你

内容做对了，只解决了「AI 能理解」的问题。接下来是更难的一关：AI 凭什么信你？

2.1 信源分级是真实存在的机制

先说一个可以确认的事实。

火山引擎的豆包搜索 API 在返回搜索结果时，除了标题、链接、正文摘要之外，还会返回一个权威分级字段。这个字段的作用，是让调用 API 的下游程序在拿到多条资料后，可以判断哪条更可信、更适合支撑结论。

这说明什么？说明信源的权威等级不是一个玄学概念，而是一个被写进产品接口的结构化信号。同一句话，出现在不同等级的信源上，被采信的概率是不同的。

（来源：火山引擎开发者社区，2026 年 8 月核验）

2.2 关于分级细则的一个重要提醒

网上目前流传着多个版本的「豆包信源分级标准」，有的说是 S/A/B/C 四级，有的说是四个梯队，有的列出了详细的平台清单和权重百分比。

这些内容需要谨慎对待。 我们逐条核查了这些说法的来源，发现：

它们几乎全部来自 GEO 服务商的博客、营销号文章、以及自称「官方公示」但实际发布在自媒体平台的内容
不同版本之间互相矛盾。比如同样是「一级信源」，一个版本说是政府官网，另一个版本说是企业自有官网和抖音账号
具体的百分比数据（比如「今日头条占引用来源 60% 以上」）没有任何可核验的测算方法说明

我们的判断是：分级机制本身是真实的（有 API 字段为证），但公开流传的具体分级细则，目前没有官方来源可以支撑。

这个提醒本身也是一次示范。你正在读的这段内容，做了三件事：

区分了「可确认的事实」和「未经证实的说法」
说明了判断依据（来源类型、内部矛盾、缺少方法说明）
标注了核验时间

这正是 1.4 节说的「知识密度」和「说清代价」。一篇把营销号内容当权威标准引用的文章，自己就不配被当作可信信源。

2.3 那么该怎么选渠道

抛开那些来源不明的分级表，回到常识判断。一个信源的权威度，取决于三件事：它有没有立场、它要不要担责、它能不能被追溯。

按这三条标准，装修行业可以使用的渠道大致分为四层：

第一层：政府与监管机构

住建部门官网、地方住建局
市场监督管理部门（企业信用信息公示系统）
消费者协会
质量技术监督部门发布的标准文件

为什么权威：有法定职责，发布内容需要担责，且内容可以被永久追溯。

装修公司怎么用：

企业信用信息必须准确、及时更新，这是所有其他信源交叉验证的基础
参与地方住建部门组织的行业活动、评比、标准讨论，留下可查的记录
引用国家标准和行业标准时，直接标注标准号（如 GB 50210《建筑装饰装修工程质量验收标准》），而不是含糊地说「按国家标准施工」

第二层：行业协会与第三方机构

中国建筑装饰协会及各地方装饰协会
行业标准制定组织
第三方检测机构（材料检测报告、环保检测）
有公信力的行业媒体

为什么权威：有行业代表性，成员单位相互监督，评价体系相对独立。

装修公司怎么用：

加入协会并保持有效会员资格，这是一个可被外部核验的身份信号
参与协会组织的资质评定、信用评价，获得的结果会被收录进协会官网
送检材料并公开检测报告，报告本身就是高知识密度的内容
参与行业标准的编制或讨论，这类信息通常会在协会官网留档

这一层是装修公司最被低估的机会。 大部分公司交了会费就没有下文，实际上协会官网的内容往往权重很高，而且竞争者极少。

第三层：需要交叉验证的信源

企业自有官网（有 ICP 备案）
主流内容平台的认证账号
垂直行业平台
地图、点评类平台的商户信息

为什么需要交叉：这一层的内容由企业自己发布，存在明显的立场。单一来源的自我陈述，说服力有限。

关键规则：孤证不立。

多个第三方规则解读都提到了同一个要点：豆包在 2026 年 8 月之后，对同一品牌事实要求多渠道佐证，单一信源的采信权重被削弱。虽然这些解读本身是非官方的，但「多源交叉验证」这个原则符合信息可靠性的基本逻辑，值得作为工作方法采纳，无论具体平台规则如何变化。

（来源：多篇 GEO 服务商解读文章，均为第三方推测，非官方发布，2026 年 8 月核验）

具体做法：

同一个事实，要在至少三个独立渠道上一致地出现。

比如「某装修公司在福州有 3 家门店」这个事实，应该同时出现在：

企业官网的门店页面
地图平台的门店标注
工商登记的分支机构信息

三处一致，这个事实才立得住。任何一处不一致，整体可信度都会受损。

第四层：基本无效的渠道

无备案的站点
未认证的个人账号
内容农场、采集站
大量重复发布同一篇稿件的分发渠道

在这类渠道上批量铺内容，是很多 GEO 服务商的主要交付内容，但实际效果接近于零，还可能因为内容重复而拉低整体评价。

2.4 实体一致性：一个容易被忽略的基础工程

这是渠道建设里最基础、最枯燥、也最容易出错的一环。

实体一致性指的是：你的企业名称、地址、电话、法人、成立时间等基本信息，在所有平台上必须完全一致。

「完全一致」的标准比想象中严格：

项目	常见的不一致
公司名称	官网写「某某家邦」，工商登记是「河南某某家邦装修工程有限公司」，抖音号写「某某家邦厨卫快改」
地址	官网写「郑州市金水区XX路XX号」，地图标注写「郑州市金水区XX路XX号3楼」
电话	官网是 400 电话，地图是座机，抖音是手机号
品牌与主体	品牌升级改名后，旧名称的内容还散落在各处，新旧名称并存且没有说明关联

为什么这件事重要？因为 AI 需要把散落在不同平台的信息归拢到同一个实体上。如果名称、地址对不上，AI 无法确认这些信息说的是同一家公司，那么你在各个渠道积累的内容就无法形成合力。

最后一行那种情况尤其危险。 品牌更名是装修行业的常见操作，但如果没有在多个渠道明确说明「原 A 品牌现更名为 B 品牌，主体公司不变」，AI 会把它们当成两个不相关的实体，等于把过去积累的所有内容作废。

具体动作：

以工商登记信息为唯一基准
列一张表，把所有平台的信息逐项核对一遍
品牌更名、地址变更时，主动在各渠道发布说明，并保留新旧名称的关联表述

三、持续更新：让 AI 持续推荐你

前两项做好，你的内容具备了被引用的资格。但资格不等于持续被引用。

3.1 时效性是一个硬权重

生成式 AI 与传统搜索引擎的一个重要区别是：它对时效性的敏感度更高。

传统 SEO 里，一篇 2020 年的优质文章，可能到今天还稳定排在首页。生成式引擎不是这样。多个第三方实测总结都提到，近期发布的内容权重明显更高，超过一定时间的内容引用率会显著下降。

（注：具体的时间阈值和下降幅度，各来源说法不一且均无官方依据，此处只采纳「时效性影响引用」这个方向性判断。）

这个判断在逻辑上是成立的。AI 需要为用户提供当前有效的信息，而装修行业的价格、材料、工艺、政策都在变化。一篇三年前的报价文章，AI 引用它就是在提供错误信息。

3.2 更新不等于改日期

很多人理解的「持续更新」是把发布日期改成今天，或者在文章末尾加一句「本文更新于 XXXX 年」。

这没有意义，而且可能有害。

有效更新的三种形式：

① 数据更新

装修行业有大量会变化的数据：

主材价格
人工费单价
各类补贴、政策
材料标准的版本

这些数据每变一次，对应的文章就该更新一次。更新时的正确做法：

水电改造人工费参考价：2026 年 8 月，福州地区强电改造 25 到 35 元/米，弱电 20 到 30 元/米。（2026 年 2 月数据为 22 到 32 元/米，本次上调约 10%）

保留历史数据并说明变化，比直接覆盖更有价值——它证明了你在持续跟踪，而不是随手改了个数字。

② 补充新情况

原文回答了一个问题，后来出现了新的情况、新的技术路线、新的争议点，就补充进去。

比如一篇讲地漏选型的文章，最初对比了三种技术路线，后来市场上出现了第四种，就该补进去，并说明补充时间。

③ 修正错误

发现原文写错了，直接改正，并在文末注明修改内容和时间。

主动标注修正记录，是可信度最高的信号之一。 它说明这个信源在自我校验。绝大部分内容农场和营销号永远不会做这件事，这正是区分度所在。

3.3 更新节奏怎么定

不需要每天发，但需要有稳定的节奏。参考安排：

频率	做什么
每周	发布 1 到 2 篇新内容，围绕真实咨询问题
每月	检查一次价格类、政策类内容，更新变动数据
每季度	回看全部内容，标注过期信息，补充新情况
每半年	复核一次全渠道实体信息的一致性

节奏比数量重要。 每周稳定 1 篇，持续一年，效果远好于某个月突击发 50 篇然后停更。前者是一个活跃信源，后者是一个废弃站点。

3.4 建立回看机制

持续更新的前提是知道该更新什么。建议建立两个简单的记录：

① 内容台账

一张表，记录每篇内容的：标题、发布日期、涉及的关键数据、数据来源、下次复核日期。

有了这张表，每个月只需要看一眼「下次复核日期」这一列，就知道该动哪几篇。

② 提问记录

把销售、客服每周遇到的新问题记下来。这既是选题来源，也是判断内容是否过时的信号——如果同一个问题反复被问，说明现有内容没有回答清楚。

四、当 AI 缺内容的时候

前面讲的三件事，最终指向同一个结果。

4.1 AI 面对装修问题时的真实处境

装修是一个信息极度不对称、且内容供给严重失衡的行业。

失衡在哪里？

一方面，营销内容严重过剩。 「装修避坑十大注意事项」「装修必看的 100 个细节」这类内容，全网有几十万篇，且高度雷同、互相抄袭、多数没有具体数据。

另一方面，可核对的事实严重稀缺。 试着去搜这几个问题：

福州地区 2026 年水电改造的人工费单价是多少？
免拆砖翻新在什么条件下不适用？
卫生间闭水试验的合格标准是什么？蓄水多深、多长时间？
某家装修公司的实际交付周期是多少？有没有可查的记录？

你会发现，前三个问题能找到零散答案，但来源混乱、数据互相矛盾、大多没有标注地区和时间。第四个问题几乎无解。

这就是 AI 面临的处境：想回答一个具体问题，但找不到可靠的、有具体数据的、注明了来源和时间的内容。

4.2 内容真空就是机会

当 AI 需要回答一个问题，而检索到的内容全是空话套话时，它有两个选择：

用模型自己的通用知识回答，不引用任何来源
引用它能找到的、最接近可用标准的那个来源

只要你的内容达到「可用」的门槛，哪怕只是勉强达到，你就是那个被引用的对象。 因为竞争者太少了。

这不是一个需要击败所有对手的竞赛，而是一个填补空白的机会。装修行业里，认真做内容的公司太少，以至于门槛低得惊人：

你只要在报价文章里标注了地区和月份，就超过了 90% 的同类内容
你只要说清楚了一项工艺的适用条件和不适用条件，就超过了 95%
你只要在数据变化时更新了文章并保留了历史对比，就超过了 99%

4.3 三个乘数如何共同起作用

回到开头的公式，现在可以看清它的完整逻辑：

好内容让 AI 在检索时能找到可用的片段——解决「有没有东西可引用」。

好渠道让 AI 在多个来源之间做选择时，倾向于选你——解决「为什么引用你而不是别人」。

持续更新让这个引用关系稳定下来，而不是昙花一现——解决「以后还引不引用你」。

三者缺一不可，且顺序不能颠倒。没有好内容，渠道再权威也只是把废话搬到了更显眼的地方；没有好渠道，好内容也可能因为信源等级不足而被跳过；没有持续更新，前两项的投入会随时间衰减到零。

五、加善科技的工作方式

写到这里，有必要说明我们是怎么做这件事的。

5.1 我们研究什么

加善科技研究装修企业、产品与真实用户决策，观察 AI 问答场景中信息如何被采信与引用。

具体来说，我们做三件事：

① 记录可核对的事实。 企业资质与经营信息、具体报价构成、施工工艺标准、材料选择依据。关键事实以可公开查证的资料为准，并在文章中注明来源与核验日期。

② 观察引用行为。 同一个装修问题，不同 AI 产品分别给出什么答案、引用了哪些来源、哪类内容被采信、哪类完全不被采纳。

③ 检验方法。 把观察到的规律用在实际内容上，然后回看效果，修正方法。

5.2 这篇文章本身就是一次示范

你可以回头检查这篇文章是否符合它自己提出的标准：

结论先行：第一段就给出了核心公式
结构清晰：每个 H2 对应一个可独立提问的问题
知识密度：具体的数字标准、判断条件、操作清单
说明代价：讲了每种做法的适用条件和不适用情况
来源标注：引用外部信息时标注了来源，并说明了哪些是可确认的事实、哪些是未经证实的推测
核验日期：文章开头标注了核验时间

第五点尤其值得说明。在写这篇文章时，我们查证了网上流传的「豆包信源分级标准」，发现其中大部分来自 GEO 服务商的营销内容，且互相矛盾。我们本可以直接采用那套说法——它看起来更权威、更有细节、更能支撑「找我们做 GEO」的结论。

但我们选择了如实说明。

理由很简单：一篇讲「怎么成为可信信源」的文章，如果自己引用了不可信的来源，那么它讲的所有内容都不成立。

这也是我们对 GEO 这件事的基本理解——它不是一套可以走捷径的技巧，而是把内容做扎实之后的自然结果。

5.3 一个提醒

如果有服务商向你承诺「保证被 AI 收录」「保证进入引用池」「三个月内看到效果」，建议保持警惕。

原因：

各家 AI 产品的检索和引用机制不公开，且在持续变化
引用与否受用户提问方式、上下文、模型版本等多个因素影响，不存在稳定的因果保证
目前公开流传的所谓「算法规则」，绝大多数没有官方来源

可以承诺的是内容质量、渠道建设的执行、更新的持续性。这三件事做到位，被引用是大概率结果——但它是结果，不是可以直接购买的商品。

附：行动清单

如果你打算从今天开始做，按这个顺序：

第一周：基础核对

[ ] 核对全渠道的企业信息一致性（名称、地址、电话、主体）
[ ] 检查网站是否对各 AI 爬虫开放（robots.txt）
[ ] 确认网站 sitemap 可正常访问
[ ] 如有品牌更名历史，补充新旧名称的关联说明

第二周：内容盘点

[ ] 整理售前咨询记录，列出反复出现的问题清单
[ ] 用第 1.6 节的清单检查现有内容，标出不合格的
[ ] 建立内容台账，记录每篇内容的关键数据和复核日期

第三周起：持续执行

[ ] 每周发布 1 到 2 篇围绕真实问题的内容
[ ] 每月复核一次价格类、政策类数据
[ ] 逐步接入行业协会、第三方机构渠道
[ ] 每季度回看一次全部内容

贯穿始终：

[ ] 每个关键数据都标注来源和时间
[ ] 每次修正都留下修改记录
[ ] 每个结论都说明适用条件

本文核验日期：2026 年 8 月 12 日。文中引用的第三方规则解读均已标注来源性质，读者可自行核验。平台规则随时间变化，建议以各平台官方文档为准。