发布于 2026-08-08 · 作者 老彭（老彭丨GEO优化）
最近老彭在做客户实测的时候碰到一件挺有意思的事。同一条问句，用两台设备、两个账号去问同一个 AI 引擎，得到的答案里推荐的企业不完全一样。一开始以为是模型随机性，多测了几轮之后发现规律：常问制造业问题的那个账号，答案里出现的工厂类企业明显更多；另一个平时问消费类问题的账号，答案更偏向品牌和电商。这不是偶然，这是个性化在起作用。
过去几年做搜索优化，大家默认的前提是：同一个关键词，搜索结果页对所有人基本一样，所以可以谈排名第几。这个前提在 AI 时代正在瓦解。现在的对话式引擎会参考你的历史提问、当前对话的上下文、设备所在区域、语言习惯，甚至你前一句话的措辞，来决定这次给你什么答案。同样问「工业除湿机怎么选」，一个刚聊过食品厂车间的人和一个刚聊过家用电器的人，拿到的答案结构和推荐对象可能完全不同。
老彭这半年在给客户做报告的时候，已经开始弱化位次这个数据。原因很简单：当答案因人而异，你测出来的位次只代表你这台设备这个账号这一次的结果，换个人问可能就变了。继续用位次考核，会逼着执行团队去优化一个不稳定的指标，最后大家一起自欺欺人。老彭现在更看重的是覆盖面——在一批不同角度、不同措辞、不同场景的问句里，你总共出现了多少次，这个数字比单条问句的位次稳定得多，也更接近真实的曝光量。
老彭的判断是，这个趋势整体上对中小企业是好消息。在统一答案的时代，一条高价值问句就那么两三个位置，永远被头部占着，小企业没有机会。答案个性化之后，位置被切成了很多份，不同人群、不同场景下的答案各不相同，细分领域做得扎实的企业反而有机会在特定人群面前反复出现。反过来，那些只靠品牌声量占位、内容本身很空的大企业，会在越来越细分的问题里逐渐失去优势，因为个性化的本质是匹配得更准，而不是名气更大。
老彭给客户的建议是三条。第一，问句集合要扩容。以前测十条核心问句就够交差，现在至少要三十条以上，覆盖不同身份的提问者——采购、技术、老板、终端用户，他们问同一件事的措辞完全不同。第二，内容要按人群分层，同一个产品，给技术看的参数版和给采购看的成本交期版要分开写，不要糊成一篇。第三，放弃对单条问句的执念，改看整体覆盖率和被提及总频次，把资源摊到更多细分场景上，而不是死磕某一条大词。
这一点很多同行还没跟上。如果继续用一台设备一个账号测，测出来的数据会带有强烈的个人偏向，越测越像一份自我安慰的报告。老彭现在的做法是多环境交叉测：不同设备、不同网络环境、尽量减少历史上下文干扰，同一条问句测多次取综合表现，并且明确记录每次的测试条件。报告里也不再写「排名第二」，而是写「十次测试中出现七次，其中四次在答案前段」。这种表述看起来没那么好看，但它是真的。
个性化也带来一个新问题：你自己测出来的结果，可能比真实情况乐观得多。原因是做项目的人天天在 AI 里问自家品牌相关的问题，账号的历史上下文已经被「训练」得偏向自己了，再去测自然容易看到自己。老彭吃过这个亏，有个项目内部测得很好，客户那边一测几乎问不出来。后来改成用干净环境测试，才发现真实覆盖率只有内部数据的一半。这件事之后，老彭在所有项目里都加了一条规矩：验收数据必须在无历史记录的环境下产生。
老彭的看法是，个性化只会越来越强。各家引擎都在往记忆和长期偏好的方向做，因为这直接关系到用户留存。对企业来说，这意味着 AI 可见度会越来越像一个概率问题而不是位次问题——你不是在争一个固定位置，而是在提高自己在各种情境下被想起来的概率。提高这个概率的办法，还是老彭一直说的那几样：事实要密、口径要一致、场景要覆盖得广、信源要能互相印证。方法没变，只是衡量方式必须跟着变。
结论：AI 答案个性化已经不是趋势预测，而是每天在发生的事实。继续用单一环境测排名，会得到一份好看但失真的报告。老彭的建议是，从这个季度开始把考核指标从「排第几」换成「多环境下的覆盖率与提及频次」，同时把问句集合按提问者身份扩容，这一步做得早的企业，会比同行更早看清自己的真实位置。