01
第一步：如何选择 30–50 个目标问题？
目标问题应来自销售、客服、Search Console、站内搜索、关键词工具与客户访谈，并覆盖完整购买旅程。
- 品类认知：什么是 X、什么时候需要 X
- 问题方案：Y 有哪些解决方法
- 商业比较：X 与 Y 的区别、哪些供应商值得评估
- 风险验证：安全、限制、合规、维护与成本
- 品牌事实：品牌提供什么、支持哪些产品或地区
02
第二步：如何保证测试可比较？
固定平台、国家/语言、登录状态、设备、日期窗口和竞争对象，并为同一问题准备自然改写。
生成式答案具有波动性。每个周期应重复运行并按主题汇总，不应因为一次出现或消失就宣布排名变化。保存答案和引用 URL，才能在页面修改后判断是否发生了可追踪变化。
03
第三步：记录哪些指标？
技术、SEO、AI 可见度与业务结果需要分层记录，避免把提及率当成收入。
渠道与可见度
- 抓取与索引
- 非品牌曝光和点击
- 提及、推荐和链接引用
- 引用份额与描述准确性
业务结果
- AI referral visits
- 诊断表单提交
- 合格询盘
- 辅助转化与收入
- 品牌搜索变化
04
第四步：如何把缺口变成行动？
每个缺口都要标记原因假设、修改 URL、预期影响、抓取日期和复测结果。
- 01访问问题先修状态码、robots、SSG 与 canonical
- 02实体问题统一公司、产品、类别与目标客户
- 03内容问题补直接答案、证据、条件与限制
- 04权威问题修正第三方资料并创造真实可引用资产
- 05转化问题检查 CTA、表单失败状态和销售接续
05
这个框架不能证明什么？
它不能证明某个单一改动必然带来 AI 推荐，也不能把相关性、引用、点击和收入视为同一结果。
诊断的价值是建立可验证的优先级和长期记录。只有在相同条件下出现稳定改善，才适合把做法推广到同类页面。
一手资料与核验来源
外部来源用于支持方法与平台规则；服务效果仍需用企业自己的基线和业务数据验证。