一句话答案：600 个真实消费者问题、2 个问题组、3 个 AI 平台：宽泛问题提及率 1.22%（11/898），具体问题 23.27%（208/894），相差约 19 倍。
这是一次面向美国英文市场 DTC 护肤品牌的 GEO 诊断记录：600 个真实消费者问题、两个问题组、三个 AI 平台，逐题记录 AI 答案全文与正文引用——看当用户用自然语言征求购买建议时，AI 的推荐清单里有没有这个品牌。
本文为问擎GEO（Look4GEO）在执行 GEO 服务过程中完成的真实诊断记录，应客户要求匿名。研究由服务方执行，非独立第三方审计。
这是一家面向美国英文市场的 DTC 护肤品牌（应客户要求匿名），依托独立站与零售平台销售，核心产品线覆盖三类：一款以特色植物成分为主打的面部护理油、一款身体护理油、一款以特定石材制作的面部刮痧工具。
美国消费者在购买这类产品时，越来越多地向 ChatGPT、Gemini、Perplexity 提出完整的购买决策问句，而不是输入关键词：
"干性敏感肌适合用什么面油？"
"有哪些保湿但不油腻、吸收快的面部油？"
"刮痧板选什么材质才不会感觉薄脆像玩具？"
这些问题有三个共同特征，决定了它们与关键词排名是两回事：
对消费品牌而言，GEO（生成式引擎优化）要回答的不是"官网排第几"，而是：当用户用自然语言征求购买建议时，AI 的推荐清单里有没有你，以及它根据什么信息决定提不提到你。
问擎GEO 为该品牌建立了一份 600 题的真实消费者问题集，分两个问题组（lens）分别设计：
| 问题组 | 设计逻辑 | 问句示例（脱敏） |
|---|---|---|
| 宽品类推荐意图（300 题） | 用户只要品类、不要品牌，AI 需自行列举候选 | "适合干性敏感肌的面油有哪些？""不油腻的身体油求推荐" |
| 成分/材质收敛意图（300 题） | 用户主动说出品类中某一具体成分或材质词 | "含某种特色浆果成分的面油怎么样？""某种石材做的刮痧板结实吗？" |
采集在 ChatGPT / Gemini / Perplexity 三个平台执行，逐题记录 AI 答案全文与正文内引用。"宽泛选购场景"与"具体特征场景"回答的是完全不同的购买问题，必须分开设计、分开读数——这是消费品牌 GEO 诊断的第一步。
观察 1｜宽品类问句下：清单里没有这家品牌。在一轮"适合干性敏感肌的面油"提问中，AI 给出的推荐以开架平价与大众渠道品牌为主，并给出具体价格与购买渠道；引用来源是大型媒体的选购报道和美妆内容站。受访品牌未出现在答案中。
观察 2｜收敛问句下：品牌进入清单，但被放在"最贵"的位置。当用户主动说出该品牌的招牌成分词提问时，品牌产品与另外三款同样含该成分的产品并列出现。AI 将品牌描述为"该成分含量最高、定位最高端的选择"，并同时引用成分科普权威站、品牌商品页、大型美妆零售平台三类来源。
观察 3｜工具品类问句下：品牌靠"材质词"获得首位推荐。在刮痧工具材质类提问中，AI 将品牌产品列为"最厚实、雕刻感最强"的首选，与另外三个其他材质（如玉石）品牌并列对比，引用来源是刮痧知识站与竞品官网。
发现 1｜两类问句的在场差异接近 20 倍——问擎按问题组分别读数，精准定位品牌在不同购买意图下的真实在场。宽品类推荐组：约 900 个有效问句中，品牌被提及 11 次（约 1.2%）；成分收敛组：约 900 个有效问句中，品牌被提及 208 次（约 23.3%）；三平台合计 219 次。用户主动说出品牌独有成分/材质词时，AI 会整段复述商品页信息；而宽泛品类问句里品牌缺少入口——这正是优化的突破口。
发现 2｜被提及 ≠ 被引用 ≠ 被推荐，三者必须分开。全部有效答案的正文引用条目共 3,618 条，覆盖 747 个不同域名——引用池由第三方内容主导。其中指向品牌官网的引用高度集中在两款产品页（合计约 166 次，占官网引用约 92%），第三款产品所在品类虽然被引总量不小（约 1,169 次），官网只沾到 4 次。
发现 3｜AI 读不同问题时会去找不同类型的页面。收敛问句中，品牌商品页占约 49.5%，榜单类文章占约 20.0%；宽品类问句中，榜单类文章占约 49.3%，品牌商品页占约 20.6%。即：AI 回答具体问题时去找品牌页，回答宽泛问题时去找榜单。而该品牌尚未进入相关品类的独立编辑榜单——这为优化指出了明确入口：宽泛问句的战场，在第三方榜单与编辑内容。
发现 4｜三个平台的取用结构明显不同。按平台看答案引用构成：某平台榜单类文章占约 44.2%、品牌商品页约 30.4%、品牌自有内容页仅约 0.9%；ChatGPT 对应约 19.7% / 42.3% / 10.7%；Gemini 约 25.3% / 49.8% / 2.7%。同一品牌，在不同平台的"入场通道"完全不同——用一套内容打法覆盖三个平台，是常见的资源错配，问擎的解法是分平台差异化设计。
口径说明：本文为单次基线诊断记录，无对照实验，不给提升幅度；不承诺排名、收录或被推荐。
不说明。它说明产品在具体场景里已能被识别，只是在泛品类问题里竞争更激烈。
这类问题测的是品类混战，几乎不区分产品特性；真实买家接近下单时问法更具体。
能。题集在测量前冻结，复测用同一套题、同样平台与口径。
本案例体现的问擎GEO 工作方式：按"宽泛选购意图 / 具体特征意图"分组设计真实问题集、分组读数；把"被提及 / 被引用 / 被推荐"分开核验；页面改动落地后以同题集同口径复测并输出差异表，让效果可验证、可复核。
如果你的品牌也面临"AI 推荐清单里没有我"的问题，可以先从一次AI 可见性快检开始：提交 10 个你的真实买家会问的问题，我们告诉你 AI 是否提到你、引用了谁、缺什么。