geo城市分站问题库怎么搭，才能对上AI问答

关键词能覆盖检索，却很难覆盖提问。而AI搜索处理的正是完整的问句，这个差别决定了内容的写法。

Q1：为什么要单独建问题库？

用户在AI里输入的是「某某市设备维修大概多少钱」，而不是「设备维修」这个关键词。只有把真实问法整理出来，内容才可能被引用，堆关键词的做法在AI搜索里基本失效。

Q2：问题从哪里来？

销售与客服的咨询记录是首选，其次是平台问答、行业社群讨论和搜索下拉词。前两种最接近真实需求，也最容易转成有说服力的答案。

Q3：每个城市要做多少题？

先确定二十到五十个本地高频问题，再逐条内容化。数量不必求多，覆盖完整比数量堆砌更有价值，也更容易保持内容质量稳定。

Q4：问题怎么归类？

按认知、比较、决策、售后四个阶段分层。客户在不同阶段问的问题完全不同，分层后内容排期也清晰，不会所有文章都挤在同一类问题上。

Q5：怎么持续扩充？

每月从新增咨询里补充，同时淘汰已经不再被问的旧题。问题库是活的，不是一次性清单，定期维护才能反映真实的市场变化。

Q6：不同城市的问题差异大吗？

差异主要在场景和价格，底层疑问高度相似。实际做法是共用问题框架、本地化答案内容：问题清单可以在城市间复用，答案里的地址、时效、价格区间与案例必须逐城改成本地版本。

大鱼营销用问题库驱动内容排期，每篇文章都对应一个真实的检索需求，交付时还会附上问题覆盖情况，方便企业核对有没有漏掉关键问法。