LEARN

问题集怎么建

一个带有固定节点的刚性基础框架,旁边有独立的松散粒子聚集成不断扩大的集群,体现问题集需分为固定监控库与持续扩充选题库
问题集应先收敛为决策问题,再分为固定监控库与持续扩充选题库,不可混用

一句话说明

问题集不是关键词表:先把表层问法收敛成决策问题,再分成固定的监控库与持续扩充的选题库。

问题集不是关键词表。做法是把大量表层问法收敛成有限的决策问题,再按购买旅程分层。收敛之后监控用的库固定不动,选题用的库持续扩充 —— 两者必须分开。

我们的判断

两个库混用是最常见的失效方式。监控库一动,提及率的分母就变了,前后两期不可比;而选题库不扩充,内容规划又会很快耗尽。所以必须是两个库,不是一个库两种用法。

01

怎么收敛

先收集表层问法:真实用户的问法、搜索结果里的相关问题、销售环节被反复问到的问题。这一步要量,不要判断。

再按「问的是同一个决策」合并。表层问法不同但决策相同的,归成一个元语义问题。

最后按购买旅程分层:认知(这是什么)、兴趣(怎么做)、决策(怎么选、和谁比)、购买(价格与落地)。

02

哪些题不进监控分母

定义与机制解释类:实测里这类问题的品牌命中最低,放进分母会长期压低提及率。它们的价值在被引用不在被提及 —— 留在选题库。

题干里点名品牌的题:问「A 和 B 怎么选」等于把答案往那两个品牌上引;点名竞品更是送分给对方。

03

规模与维护

监控库不用大,但要固定。常见做法是 35–40 题,保证分母干净、可逐月比较。

每个语种一套。中英的问法结构与引用源逻辑都不同,直译过去的问句往往不是当地人会问的。

改题必须留档:改了哪几题、什么时候、之前的口径是什么。没有这份记录,后面所有趋势都解释不清。

资料出处

  1. [1]GEO: Generative Engine Optimization.Aggarwal 等,KDD 2024.2024

更新于 2026-08-10