B2B GEO如何按决策旅程拆解问题？从角色、阶段到可回答内容

很多团队做GEO时，第一步是整理一批关键词，然后让AI围绕这些词批量写文章。这样做看起来很快，但很容易得到一堆彼此相似的内容：都在介绍产品，都在强调优势，却没有回答不同角色在不同阶段真正关心的问题。

B2B GEO更适合从决策旅程开始。先判断谁在什么阶段遇到什么问题，再决定需要什么证据和内容，最后才把问题转成AI可能遇到的自然语言提问。

先理解：一个“客户”通常不是一个人

B2B购买往往由多人共同完成。使用者关心是否好用，技术人员关心集成与安全，业务负责人关心结果，采购关心合同与供应商条件，管理层关心风险和投入是否值得。

如果只围绕一个联系人写内容，文章可能对某个角色有用，却无法被带入组织内部继续讨论。第一步要做的是列出参与决策的角色，并写清每个角色承担的风险：

这张表是内容规划的起点，不是对任何具体客户的事实判断。真实角色仍需通过访谈、销售反馈、CRM记录和项目资料校准。

再按阶段拆：同一个角色会连续问不同的问题

B2B决策不是一次搜索完成的。可以先用三个阶段建立最小模型。

意识阶段：问题是什么，是否值得解决

客户可能还没有确定供应商，甚至还没有把问题命名。他们会搜索原因、风险、行业做法和判断标准。这个阶段的内容要帮助读者理解问题，而不是急着推产品。

考虑阶段：有哪些方法，如何比较

客户已经承认问题存在，会比较不同方法、服务类型和实施路径。此时需要解释方法差异、适用条件、投入组成和常见误判。

决策阶段：怎样证明可行，谁来承担风险

客户开始评估供应商、方案和预算，需要案例结构、交付边界、实施步骤、验收方法和内部汇报依据。答案要能被联系人转给技术、管理层和采购，而不是只有营销人员看得懂。

问题从哪里来：不要只凭想象造Prompt

B2B问题需要多来源交叉验证。可以按四类来源建立问题池：

1. 客户原话：访谈、售前会议、销售跟进中出现的原句，优先级最高。
2. 搜索与站内数据：搜索词、站内搜索、页面退出位置和下载行为，用来发现客户如何描述问题。
3. 行业问答与社区：观察同类问题怎样被讨论，补充客户可能不愿直接问销售的问题。
4. 交付与失败记录：项目中反复解释的地方、被退回的线索、实施中的争议，往往最适合做成内容。

同一个问题至少要回答三个检查：它是否真的出现过？属于哪个角色和阶段？读者需要什么证据才能继续做决定？如果三个问题都答不上来，不要急着生产。

把问题变成内容任务

完成角色和阶段拆解后，再给每个问题补五个字段：问题原句、回答目标、必须证据、内容形式和下一步连接。

这样做的结果不是“关键词更多”，而是每一篇内容都有任务。文章回答完整问题，FAQ处理独立问法，词典统一术语，工具页帮助读者自查，案例页提供决策证据。

常见误判

把品牌提及率当成全部结果。 提及率只能说明模型在某些问题中是否提到品牌，不能说明内容是否覆盖了客户角色、是否被引用、是否推动了下一步决策。

把所有阶段写成产品介绍。 早期读者需要先理解问题，决策阶段才需要交付、预算和风险证据。顺序错了，内容再多也很难帮助客户前进。

把一次客户会议当成普遍规律。 一次交流可以形成候选问题，但不能直接证明所有行业、所有客户都这样。需要用更多访谈、搜索数据和交付反馈校准。

把AI生成的自然语言当成真实需求。 AI可以改写问题、补充问法，但不能代替客户研究。没有来源的问题，应标记为假设，不能写成市场事实。

一个可执行的最小流程

先选一个真实业务主题，列出3—5个决策角色；每个角色分别写意识、考虑、决策三个阶段的问题；从客户原话、搜索数据、行业问答和交付记录中核对；为每个保留问题补证据和内容形式；最后再生产文章、FAQ或工具页，并在一个项目周期后复盘哪些问题真的被客户使用。

GEO的工作重点不是让AI替企业说更多话，而是把企业已经理解、验证和交付过的知识，组织成不同角色能够找到、理解和转交的答案。