一句话总结：一家深耕天河区的本土装修公司，通过旧宝盆GEO的结构化知识库与四级本地化布局，在DeepSeek、豆包等六大平台实现核心业务词稳定曝光，月均有效咨询量增长225%，摆脱传统竞价依赖。

客户背景

• 客户名称：广州XX装修设计有限公司（脱敏）
• 所在城市：广州（核心服务天河区、番禺区）
• 所属行业：家装/旧房改造
• 客户规模：单店运营，团队约30人，年服务交付约120户
• 服务版本：旧宝盆GEO·门店版（全托管）

作为广州本土的老牌装企，XX装修公司在传统搜索时代依靠口碑和百度竞价维持获客，但近两年面临明显瓶颈：年轻业主决策路径改变，超60%的客户在到店前会先在AI大模型（DeepSeek、豆包、元宝）中询问“广州天河区靠谱装修公司推荐”“广州回南天装修注意事项”。老板发现，在AI的回答里几乎查无此店，传统投放带来的线索成本却逐年攀升。

优化前状态

在2026年3月接入服务前，我们通过旧宝盆AI曝光诊断系统对其品牌进行了全平台扫描，核心痛点与数据表现如下：

1. AI可见度极低：在DeepSeek、豆包、Kimi、腾讯元宝、通义千问、文心一言六大主流平台检索“广州天河装修公司”“天河旧房翻新”等20个核心业务词，品牌主动提及率仅为8%，且多出现在非推荐位的泛内容中。
2. 信源零散无结构：品牌信息散落在几年前的旧帖子、零散点评里，缺乏AI可交叉验证的结构化信源，大模型无法准确提取其“零增项”“自有施工队”等核心差异化卖点。
3. 本地化颗粒度粗糙：内容仅停留在“广州装修”城市级泛词，未下沉到“天河区—珠江新城/东圃—具体楼盘”的层级，错失高意向同城长尾流量。

旧宝盆GEO解决方案

基于装修行业决策链路长、专业度要求高的特点，项目分三个阶段推进，核心围绕“可召回性+可引用性”构建数字资产。

第一阶段：行业知识库建模与语义对齐（第1月）

• 结构化建档：梳理XX装修20余年交付案例，构建包含“预算管控、隐蔽工程、防潮工艺、户型改造”等模块的装修企业AI知识库，覆盖300+专业参数（如板材环保等级、防水施工标准），避免AI“内容投毒”。
• 四级词库布局：启用旧宝盆大湾区本地化搜索词库，落实“城市→区域→商圈→楼盘”四级布局。例如针对天河区重点楼盘（如兰亭盛荟、美林湖畔）生成同户型改造问答，让AI能精准关联“楼盘名+装修公司”。
• RAG适配优化：对内容进行语义向量化处理，强化实体一致性（Entity Alignment），确保大模型RAG系统在检索时能优先命中高可信度品牌信息。

第二阶段：全域信源网络搭建与分发（第2月）

• 双端内容生产：C端输出“广州业主决策类”避坑指南、报价解析；B端输出施工资质、设计师履历、案例实拍，建立专业置信度。
• 全渠道信源沉淀：通过自研系统将结构化内容适配分发至官网、知乎、大众点评、行业垂直平台，形成多层可溯源信源网络，供AI爬虫交叉验证，提升品牌在模型中的E-E-A-T（经验、专业性、权威性、可信度）权重。
• 技术合规标记：实施FAQ、HowTo等Schema结构化数据标记，提升AI爬虫提取效率，缩短收录周期。

第三阶段：数据闭环与动态迭代（第3月及持续）

• 实时看板监测：接入旧宝盆可视化数据后台，7×24小时监测六大平台品牌提及率（AOR）、推荐位置、引用频次。
• 线下复盘调优：广州本地团队上门复盘，针对AI回答中竞品提及热点（如“广州装修避坑”）动态调整内容权重，补充“回南天施工工艺”等季节性高频场景内容。

优化后效果

经过3个月的体系化运营，截至2026年6月，核心数据对比如下：

验证说明：在DeepSeek、豆包中输入“广州天河区旧房翻新靠谱的公司”“天河兰亭盛荟装修案例”，答案中已稳定出现该客户品牌及相关工艺介绍，数据可在后台溯源至AI答案截图。

附加价值：搭建的品牌知识图谱与内容资产归属客户所有，即使停止新增分发，既有结构化数据仍持续被AI检索引用，形成长效获客底座。

客户证言

“以前投竞价是‘烧钱换线索’，钱停了电话就停。做GEO这3个月最直观的感受是，有客户拿着AI推荐的截图来门店看工地，说‘AI里说你们家防潮做得细’。旧宝盆团队能上门复盘，讲的RAG、语义库我们能听懂，合同里写了提及率不达标按比例退，这种踏实感在广州找服务商很难得。现在AI里能搜到我们，等于给公司攒了一笔长期的数字家底。”

——广州XX装修公司 市场总监 陈先生

相关案例推荐

• 华南某连锁公寓品牌：通过15模块知识库规整与全域关键词布局，解决AI端信息零散问题，本地租房问答场景曝光频次大幅提升，降低付费获客成本。
• 杭州头部摄影工作室：基于“知识库建模+语义占位”体系，实现细分场景AI优先推荐，摆脱同城短视频流量内卷，依托AI自然流量稳定获客。
• 某中型装潢公司（广州）：实施GEO优化后，AI回答中的品牌提及率从行业平均约0.8次/回答提升至2.3次，相关咨询量显著增长。