家居生活网站要做好SEO和GEO，核心不是堆砌关键词，而是系统收集真实用户问题。关键词工具只能告诉你“有人搜过什么”，却无法告诉你“用户真正困惑什么”。通过客服记录、站内搜索、搜索平台、社区验证和定期访谈五个渠道，按用户意图聚类并排序，才能建起一个既被搜索引擎收录、也被AI模型理解的问题池。
为什么关键词工具不够用？
关键词工具依赖搜索历史数据，天然偏向已有搜索量的词，而忽略长尾、口语化、低频但高价值的问题。例如，“实木沙发怎么保养”这类问题在工具中可能显示低搜索量，但用户在实际购买后反复询问。Google Search Central明确指出，理解用户查询背后的意图比匹配关键词本身更重要——搜索引擎现在优先判断用户真正需要什么，而不是你写了什么词。
更关键的是，AI模型（如ChatGPT、文心一言）在回答时，依赖的是问题与答案之间的语义关联，而非关键词匹配。如果你的内容只覆盖“实木沙发保养方法”，而用户问的是“实木沙发用久了发白怎么办”，AI可能不会调用你的页面。真实问题池的价值就在于，它捕捉了用户实际使用的语言和场景，而不是工具推测的“热门词”。
客服和销售记录：最直接的问题来源
客服聊天记录、电话录音、销售邮件是问题池的“金矿”。家居生活类产品的用户，在购买前、购买中、使用后都会产生大量真实问题。例如，一个定制衣柜的客户可能在微信里问：“柜门用推拉还是平开好？我家过道只有80厘米。”这类问题关键词工具永远抓不到，但却是用户决策的核心。
具体做法：每周导出客服系统的高频问题，按产品线分类。销售邮件中的客户追问、退货原因、尺寸疑问，都是高价值问题。一个边界案例：某家装平台发现，客服中“甲醛检测仪准不准”被问了300多次，但关键词工具显示搜索量极低。他们围绕这个问题写了一篇对比评测，三个月内自然流量增长40%。注意：不要只记录问题本身，还要记录用户的身份（新房装修、旧房翻新、租房）和决策阶段（了解、比较、购买、售后），这有助于后续聚类。
站内搜索查询：用户主动表达的意图
站内搜索数据是用户在你网站上主动表达的意图，比外部关键词更精准。Google Analytics的站内搜索报告（Site Search Report）可以直接导出用户搜索词。例如，一个家居博客的站内搜索中，“小户型餐桌”出现了200次，但外部关键词工具显示“小户型餐桌推荐”搜索量更高。这说明用户在你的站内更关注“尺寸适配”而非“推荐”，内容方向应调整。
操作步骤：在网站后台开启搜索记录功能（如Google Analytics的站点搜索设置），每月导出一次搜索词。重点关注两类词：一是高频但未被内容覆盖的词（需求缺口），二是低频但多次出现的词（长尾机会）。一个反例：某家居电商发现站内搜索“沙发床”频率很高，但搜索结果页没有相关内容，用户跳出率高达70%。他们补充了沙发床选购指南后，跳出率降至35%，转化率提升12%。
搜索平台与社区：验证和补充问题
百度搜索下拉、相关搜索、知乎、小红书、抖音评论区，是验证和扩展问题池的“外部雷达”。百度搜索下拉展示的是用户近期高频搜索的短语，相关搜索则反映关联需求。例如，搜索“乳胶床垫”后，下拉词可能包括“乳胶床垫有甲醛吗”“乳胶床垫怎么清洗”，这些是用户真实关心的细分问题。
知乎和小红书的评论区是问题池的“富矿”。一篇“全屋定制避坑指南”的评论区，可能藏着几十个真实问题：“颗粒板和生态板哪个防潮？”“柜门拉手怎么选不撞腰？”这些问题的语言风格（口语化、带具体场景）正是GEO需要的。一个边界：不要只复制问题，要分析问题的上下文。用户在评论区追问“你家用的什么板材”，说明ta已经进入比较阶段，需要的是对比信息而非基础知识。
定期用户访谈：挖掘深层需求
用户访谈能挖掘出客服和搜索数据无法覆盖的隐性需求。家居生活类决策周期长、涉及家庭成员多，用户往往在访谈中才会说出真实顾虑。例如，一个准备装修的用户可能在访谈中透露：“我其实最担心的是装修公司增项，但网上搜的都是‘怎么避免增项’，太笼统了。”这种“担心增项但不知道具体问什么”的状态，就是内容机会。
建议每季度做3-5场用户访谈，对象包括已成交客户、流失客户和潜在客户。访谈时不要只问“你有什么问题”，而是引导用户描述决策过程：“你当时在什么情况下开始找装修信息的？”“你搜了哪些词？结果满意吗？”“你最后为什么没选那家？”记录用户的原话，尤其是那些重复出现的短语和比喻。例如，多个用户说“装修就像开盲盒”，这个比喻就可以作为内容标题或FAQ的切入点。
聚类与优先级排序：让问题池可执行
收集到几百个问题后，必须按维度聚类和排序，否则无法落地。推荐四个维度：
- 决策阶段阶段：了解期（“实木地板和复合地板哪个好”）、比较期（“圣象和德尔哪个环保”）、决策期（“实木地板安装费怎么算”）、售后期（“实木地板起拱怎么修复”）。优先覆盖决策期和售后期，因为这些问题的商业价值和复用性最高。
- 搜索量+商业价值：用关键词工具估算搜索量，结合产品利润率和转化率打分。例如，“实木地板保养”搜索量高但商业价值低（用户已购买），而“实木地板品牌对比”搜索量中等但商业价值高（用户即将购买），后者应优先处理。
- AI可回答性：判断问题是否适合AI模型直接调用。结构化问题（“实木地板保养步骤”）比开放性问题（“实木地板好不好”）更容易被AI提取为答案。优先将结构化问题转化为FAQ页面，并标记为结构化数据。
- 竞争程度：如果某个问题已有大量高质量内容覆盖（如“实木地板怎么选”），可以跳过或做差异化；如果竞争低但用户需求真实（如“实木地板被猫抓了怎么办”），应优先投入。
一个可执行的方法：用表格记录每个问题的来源、阶段、搜索量、商业价值、AI可回答性、竞争程度，然后按“商业价值×AI可回答性”降序排列，每周处理前10个问题。三个月后，问题池就能覆盖决策阶段的80%关键节点。
常见问题
问题池需要多大才有效？
没有固定数量，但建议至少覆盖决策阶段的五个阶段（了解、比较、决策、购买、售后），每个阶段不少于20个问题。一个家居电商网站，如果只有50个问题，可能只覆盖了“了解”和“比较”阶段，售后问题完全缺失。目标是让AI模型在回答任何用户问题时，都能从你的问题池中找到匹配项。
如何判断一个问题是真实用户问题还是伪需求？
三个标准：一是来源真实（来自客服、站内搜索、访谈，而非工具推测）；二是语言自然（包含口语化表达、具体场景、情感词，如“纠结”“担心”“预算有限”）；三是可验证（在搜索平台或社区能找到类似提问）。如果一个问题在知乎、小红书、百度搜索中都没有出现，且语言过于书面化，很可能是伪需求。
如果你希望进一步将问题池转化为结构化数据与FAQ页面，可以参考天行GEO的研究页面和FAQ页面，其中提供了从问题收集到结构化输出的完整方法。
内容质量与用户价值原则可参考 Google Helpful Content 官方文档。