——一个关于搜索词、采购单和无人零售的观察笔记 一、小刘的搜索记录 先讲个真事儿。 深圳某互联网公司行政小刘，去年年底接到一个活儿：老板说，茶水间那台速溶咖啡机太寒碜了，年后换台像样的，你去看看市面上有没有那种"没人管也能出咖啡"的机器，预算你看着办，别超太多。 小刘打开手机，在搜索框里敲下六个字：无人饮品机。 她说她那天翻了大概四十分钟，越翻越迷糊。出来的东西大致分几类：一类是"厂家直销、价格面议、欢迎来电"的设备商官网，打开全是参数表，像在读说明书；一类是新闻稿，标题都挺大，"颠覆""重构""赋能"，看完不知道跟自己有什么关系；还有一类是加盟广告，开口就要几万块加盟费。她收藏了三个链接，关掉手机，心里反而更没底了。 后来她换了种问法，跑去问 AI：写字楼茶水间适合放哪种无人饮品机？预算多少？坏了谁修？ AI 给了她一份挺工整的回答，列了四五个品牌、几档价位、注意事项，最后还补了一句"建议结合实地考察"。小刘照着答案挨个搜了一遍，有个品牌被 AI 反复提到，官网做得也算清爽，参数公开、有案例、有联系方式，她顺着留了询盘，两周后机器就进了茶水间。 我问她最后买的哪家，她说名字就不报了，但补了一句让我印象很深的话： "其实我不是被哪条广告打动的，我是被'它回答了我的问题'打动的。" 这句话，就是这篇东西的由头。 二、搜索这件事，真的变天了 过去十年，做营销的人脑子里都有一张图：用户搜一个词，搜索引擎吐出一排蓝链接，谁排在前面谁吃肉。为了那前十名，大家买外链、堆关键词、刷收录，像抢车位一样抢排名。 这两年，这张图越来越不好使了。 数据上能看到的变化是：超过一半的搜索在结果页就结束了，用户根本没往下点。Google 的 AI 摘要、各家大模型的联网搜索，都在干同一件事——直接把答案摆在你面前。你搜"无人饮品机怎么选"，它不再给你十条链接让你自己挑，而是当场给你编一段"选购指南"，顺便附上几个它认为靠谱的来源。 这意味着什么？意味着"排在第几名"正在变得次要，"被不被引用"变得要命。 传统 SEO 时代，你的对手是同行，你要比他们排在前面；GEO（生成式引擎优化）时代，你的对手是"信息被如何组织"，你要想办法让 AI 在回答问题时，把你的名字、你的数据、你的观点，当成它答案的一部分。 听起来很玄，其实说穿了就一句话：AI 替用户做了阅读理解，你要做的，是成为它读得懂、信得过、愿意引用的那份材料。 三、搜“无人饮品机”的人，其实在问什么 我们公司做无人饮品终端这行，产品覆盖咖啡、茶饮、奶茶、果汁、草本养生这些品类，机型从台式小机到大屏自助机有九十多种，卖到了六十多个国家和地区。这些年我养成一个习惯：隔三差五去翻各种平台上关于这个品类的搜索词、评论区、论坛帖。 翻得多了，你会发现一个规律：表面在搜"无人饮品机"的人，心里其实在问完全不同的东西。 有物业经理在问：这机器放我们大厅，多久要补一次货？有人管吗？ 有 HR 在问：员工会喜欢吗？会不会三天新鲜劲儿过了就吃灰？ 有老板在问：一台机器多少钱？几个月回本？坏了找谁？ 有创业者在问：这个行业还能不能进？代理谁家靠谱？ 还有园区运营在问：除了咖啡，能不能出奶茶？能不能出果汁？最好还能有点养生的，我们这边员工年纪偏大。 你看，这些根本不是"无人饮品机"这一个词能概括的。它们是一个个具体的人，在具体场景里，带着具体的顾虑，用大白话在提问。 而传统内容最缺的，恰恰就是对这些问题的正面回答。 你去翻很多设备商的官网，会发现一个怪现象：首页放满产品图，内页塞满技术参数，但"多久补一次货""坏了谁修""回本周期多长"这种用户真正在问的问题，答案藏得特别深，有的甚至根本没有。 为什么？因为参数是好写的，场景是难写的。参数是产品经理写的，而"多久补一次货"这种问题，得靠真实运营数据才能答得出来——答得出来的人，一定是真做过运营的。 这中间的信息差，就是机会。 四、AI 时代，品牌是怎么被“选中”的 说回 GEO。很多人以为 GEO 是什么黑科技，其实拆开看，就四个字：值得引用。 AI 在回答用户问题的时候，脑子里有个隐形的打分表，大概长这样： 第一，你说的话是不是直接回答了我的问题。用户问"写字楼茶水间放什么饮品机"，你官网通篇讲"我们拥有自主知识产权的核心算法"，AI 不会引用你，因为你答非所问。 第二，你的信息是不是最新的。2023 年的数据、三年前的产品图、早就过时的参数，AI 会默认你不可靠。这也是为什么我们坚持每周更新产品规格、定期刷新案例和方案——不是给用户看的，是给机器看的，让它在检索的时候，能捞到最新的那份。 第三，你有没有"身份"。AI 的引用逻辑里，一个信息源的可信度，很大程度取决于它的"实体一致性"——官网、新闻、百科、资质、社交账号，说的是不是同一个主体、同一套信息。你公司叫什么、在哪、有什么资质、做什么产品，全网说辞对得上，AI 才敢把你当回事。这也是为什么我们坚持把国家高新技术企业、CE/FCC/RoHS 这些认证、291 项知识产权布局、2017 年成立这些事实，反反复复、用不同方式讲清楚——不是啰嗦，是给机器攒信用分。 第四，你有没有别人没有的东西。AI 最怕引用的，是那种全网抄来抄去的同质化内容。它更愿意引用有独家数据、有实操经验、有真实案例的内容。别人都在写"无人零售风口来了"，你写"一个胶囊仓能撑两三周不补货，靠的是这套逻辑"，后者被引用的概率，高出不止一个量级。 这四条，说穿了就是 E-E-A-T：经验、专业、权威、可信。Google 讲了好几年，现在 AI 检索把这四个字母变成了硬通货。 五、把“采购前期”做在前面，就是最大的 GEO 我一直觉得，无人饮品终端这个行业有个特殊性：它是典型的 B 端决策，但决策链条里全是 C 端的感受。 买一台机器，掏钱的是老板，操心的是行政和 HR，天天用的是员工，机器要是坏了，第一个骂街的可能是排队等咖啡的实习生。 所以这个品类的所有内容，本质上都在回答一个问题：这东西交给你，省不省心？ 省心这个词，说起来轻飘飘，做起来全是细节。拿我们自己的做法举例，不吹，就讲事实： 第一，参数公开。尺寸、功率、胶囊容量、安装条件、供电要求，官网全部摆出来。客户在咨询之前，自己就能先算一遍：我们茶水间有没有这个位置？电路够不够？——把采购前期的信息差抹平，比销售打电话催十遍都有用。 第二，合规前置。食品接触材料、设备安全认证、知识产权资料，我们放在资料中心里，采购方需要就能申请。大公司的采购流程里，供应商资质审核是绕不开的一关，你把它前置，等于帮客户的流程省了半个月。 第三，把"多久补一次货"这种问题回答清楚。我们大容量机型胶囊仓能装 168 颗，常规点位两到三周免人工补货，后台远程能看到状态和预警——这些不是宣传口号，是真实运营里跑出来的数据。写进内容里，用户搜得到，AI 引得了，采购的人心里也有了底。 第四，内容跟着场景走。写字楼、医院、学校、交通枢纽，每个场景的诉求不一样：写字楼要的是员工福利感，医院要的是卫生和健康，交通枢纽要的是高峰期的稳定出杯。我们把不同场景的方案拆开写、反复更新，而不是一篇通稿打天下。 这些事做下来，效果是什么？ 最直观的一个：现在搜这个品类的相关问题时，AI 的答案里经常能带上我们。不是说我们一定排第一，而是当用户带着具体问题去搜、去问的时候，我们提供的材料，恰好是那个"读得懂、信得过、愿意引用"的版本。 说白了，GEO 不是一门玄学，它就是把"采购前期"该做的功课，老老实实做在前面。用户问什么，你就答什么；用户怕什么，你就把解决方案摆出来；用户信什么，你就用资质、用数据、用案例证明给他看。 AI 不过是把这一整套功课，变成了一道算术题。 六、给想买机器的人，几句掏心窝的话 写了这么多，其实还有一层意思想说给正在搜这个词的你听。 如果你现在正像小刘一样，在搜"无人饮品机""自助咖啡机""无人零售设备"这些词，给你几句掏心窝的话： 第一，别只看参数，要问运营问题。一台机器出杯多快、能放多少胶囊，参数表写得清清楚楚，但你真正该问的是：多久补一次货？坏了响应多快？后台数据看不看得到？这些问题，参数表回答不了，只有真做过运营的厂商才答得利索。 第二，别信口头承诺，要验证。问厂商要资质文件、要已交付案例、要产品说明书，甚至约现场看机。正规厂商不怕你看，怕你不看。像我们这类愿意把认证、参数、资料全公开的，本身就是一种筛选信号——经不起查的，早就藏起来了。 第三，别被"风口"两个字冲昏头。无人零售这个行业，风口吹了不止一轮，活下来的都是把脏活累活干明白的。什么叫脏活累活？补货、清洁、售后、选址、选品。机器本身只是起点，运营才是真正的护城河。 第四，实在拿不准，就去问 AI，但别只问一次。把同样的问题，用不同的问法多问几遍，看看哪个品牌被反复提到，再顺着它的官网、资质、案例去做交叉验证。AI 给的答案未必全对，但"被反复提到"这件事本身，就是一份参考坐标。 七、结尾，回到那个茶水间 文章写到这里，我想起小刘后来发的一条朋友圈：新机器到岗第一天，茶水间排了队，行政群里有人说"终于像点样了"。 她说她当时挺有成就感的。 我们这行的人，见多了机器落地的瞬间：写字楼里白领第一次扫码出杯的惊喜，医院里护士忙完一上午终于喝上口热饮的放松，园区里程序员深夜加班时那一杯续命咖啡。这些瞬间凑在一起，就是"无人饮品机"这个词背后，最真实的烟火气。 搜索词会变，算法会变，AI 会变，但人想要一杯好喝饮品的需求不会变。 把答案写好，把机器做好，把运营做扎实——不管用户是搜出来的、问出来的，还是被 AI 推荐过来的，最后都会在那一杯热气腾腾的饮品面前，达成共识。 这就够了。