本地答案的数据从哪来？

用户问 AI「附近推荐一家川菜馆」，引擎没有时间逐站抓取。Gemini 直接调用 Google 商家资料（Business Profile）、地图位置与用户评价；ChatGPT 与 Perplexity 侧则混合 Bing 本地数据、Yelp、TripAdvisor 等第三方目录。结论：本地 GEO 的第一资产不是官网，是你在各平台的商家档案。

Google 商家资料怎么填满？

  • 认领并验证档案，选对主类别与全部次类别（类别直接决定进入哪些答案）
  • 营业时间、节假日时间、属性（Wi-Fi、无障碍、支付方式的细项）全部填完
  • 照片持续更新：门头、环境、招牌菜/项目，近 90 天有新图
  • 用 Posts 发布动态，让档案保持活跃信号

评价资产怎么经营？

评价数量、新鲜度、星级与回复率同时进入引擎的本地排序与生成依据。合规路径：服务完成后递上邀评卡片或短信链接，不返现、不筛选好评（刷评与被过滤的代价远大于收益）。每条评价都回复——回复内容本身也是引擎读取的文本。

NAP 一致性为什么致命？

引擎落地验证时交叉比对各平台档案：官网写「Shop 3, 218 Creek St」，Yelp 写「218 Creek Street #3」，黄页是旧地址——名称/地址/电话任何一个字段冲突，引擎无法确认这些档案属于同一实体，推荐时直接降权或跳过。做一次全网 NAP 审计，逐字段统一，是本地 GEO 性价比最高的动作。

操作清单

  1. 认领 Google 商家资料 + Bing Places，字段填满
  2. 官网部署 LocalBusiness Schema，与商家资料逐字段一致
  3. 审计 Yelp、TripAdvisor、Apple 地图、行业目录的 NAP 一致性
  4. 建立合规邀评与全评价回复流程
  5. 每月在 Gemini App 与 AI Overviews 实测「附近+品类」问题集，留存截图

常见问题

本地小店也需要做 GEO 吗？
恰恰最需要。本地类问题是 AI 答案渗透最深的场景之一，且竞争对手大多还没意识到商家资料之外的优化空间——先动者成本最低。
多门店品牌怎么处理？
每店独立商家资料 + 官网独立门店页（独立 URL、独立 LocalBusiness Schema），总部页用 Organization 统摄；切忌多店共用一个电话或混合地址。