实体金字塔：从关键词到 AI 能理解的概念

💡 核心摘要：SEO 时代你优化的是关键词——用户敲进搜索框的那串字符。GEO 时代你优化的是实体和提问意图——AI 理解的概念、属性和关系。这一篇把关键词金字塔平移成实体金字塔：塔尖是核心实体（你是谁、卖什么品类），塔身是实体属性（规格、认证、场景），塔基是实体关系与提问意图（和什么搭配、解决什么问题）。建好这座金字塔，AI 才能把你认成一个清晰、完整、可引用的对象，而不是一堆零散的关键词。

一、为什么关键词金字塔不够用了

如果你读过 SEO 关键词系列的第一篇，应该记得那座金字塔：塔尖是 T1 核心词（LiFePO4 Battery、Battery Manufacturer），塔身是 T2 场景规格词（Solar Battery、48V Server Rack Battery），塔基是 T3 长尾词（12V 100Ah LiFePO4 with BMS）。

这套体系在传统搜索里很有效，因为 Google 返回十个蓝链接的逻辑，本质是「把用户敲的词，匹配到布了这个词的页面」。你布的词越准、越全、越有结构，越容易排进前十。

但 AI 搜索的逻辑变了。当用户在 ChatGPT 里问「48V 机架储能电池哪家工厂能定制，需要什么认证」，AI 不是去匹配某个词串，而是：

理解问题 → 拆解成几个实体和属性
（48V 机架电池 / 定制能力 / 认证要求）
→ 在知识里找哪些来源把这几件事讲清楚了
→ 综合成一段答案 → 选择性引用信源

这里没有「第一名」，只有「答案」和「答案引用了谁」。AI 拼的不是关键词密度，而是它对实体和实体关系的理解程度。你的内容如果只是堆了对的词，但没把「48V 机架电池是什么、有哪些属性、和什么相关」讲清楚，AI 读完仍然不知道该不该引用你。

⚠️ 核心转变：关键词金字塔回答「用户会搜哪些词」，实体金字塔回答「这个东西是什么、有哪些属性、和什么相关」。前者让你被检索到，后者让你被理解、被引用。GEO 不是推翻金字塔，而是在它上面换一层视角。

二、关键词 vs 实体：到底差在哪

先把两个概念彻底分清，后面所有动作都建立在这个区别上。

关键词是字符串。 LiFePO4 battery 就是用户敲进去的那 14 个字符。它没有内在含义，只是一个待匹配的符号。

实体是概念。 「磷酸铁锂电池」是一个客观存在的事物，它有确定的属性：化学构成是磷酸铁锂、标称电压 3.2V、循环寿命数千次、适用于储能和动力场景、涉及 UN38.3 运输认证、由某些厂商生产。它还和其他实体有关系：装进储能系统、配合逆变器、需要 BMS 保护、对标铅酸电池。

举个具体的例子。同样围绕「12V 100Ah LiFePO4 电池」，关键词思维会想：要布 12V 100Ah LiFePO4 battery、100Ah lithium battery 12V、12 volt 100 amp hour battery 这些变体，覆盖用户可能的搜法。

实体思维则会想：这个实体的核心属性有哪些必须讲清——容量 100Ah、标称电压 12.8V、循环寿命、内置 BMS 规格、工作温度范围、重量、UN38.3/UL 认证、可否并联扩容；它和哪些实体有关系——可替换 12V 铅酸电池、适配房车/船舶/太阳能系统、需要匹配的充电器电压。

💡 判断标准：写完一个页面，问自己——一个完全不懂电池的 AI 读完这页，能不能准确复述「这是什么、有哪些关键参数、能用在哪、和什么兼容」？能，你就建好了实体；不能，你只是堆了一堆关键词。

三、实体金字塔的三层结构

把关键词金字塔的三层，对应升级成实体金字塔。结构相似，内涵不同。

        ▲
       / \
      /   \      L1 核心实体层：你是谁 / 主营品类
     /_____\     数量少，定义你的身份
    /       \    例如 磷酸铁锂电池制造商 / LiFePO4 电池
   /         \
  /___________\  L2 实体属性层：规格 / 认证 / 场景
 /             \ 数量中等，刻画实体的完整画像
/_______________\例如 48V机架电池[容量/协议/认证/可并联]

L3 实体关系 + 提问意图层：和什么相关 / 解决什么问题
数量极大，承接 AI 直接回答的自然语言问题
例如 "48V机架电池能并联扩容吗" / "配哪种逆变器"

L1 核心实体层：定义你的身份。不是一个词，而是一个有明确边界的概念——「中国磷酸铁锂电池定制制造商」是一个实体，它告诉 AI：这是一家做什么的公司、属于哪个品类、核心能力是什么。这一层决定 AI 在「找电池工厂」这类宽问题里，会不会把你纳入候选。

L2 实体属性层：把核心实体和它旗下的子实体（具体产品、产品系列）逐个属性讲清。「48V 机架储能电池」作为一个实体，它的属性包括容量档位、通信协议、循环寿命、可并联数量、认证、适配场景。属性补得越全，AI 越能在具体问题里准确引用你。

L3 实体关系 + 提问意图层：这是 GEO 独有、SEO 金字塔里没有显式存在的一层。它包含两件事——实体之间的关系（48V 电池↔逆变器↔太阳能板↔BMS），以及用户用自然语言提的具体问题（「48V 机架电池能并联到多大容量」）。AI 答案的入口大量是这类问题，这一层直接决定你被不被引用。

💡 三层的承接载体：L1 落在首页、关于我们、品牌实体信息（含 Organization 结构化数据）；L2 落在产品分类页、产品详情页、规格表；L3 落在 FAQ、技术博客、对比文章、问答模块。这和关键词金字塔的页面映射一脉相承，只是每个页面要多做一件事：把词写成可被机器理解的实体描述。

四、L1 核心实体：先让 AI 知道“你是谁”

L1 的目标不是抢流量，而是建立身份。AI 在回答「有哪些靠谱的 12V 锂电池工厂」时，会先在脑子里圈出一批「电池制造商」实体，你得先进这个圈。

核心实体通常由「品类 + 身份 + 关键限定」组成：

但 GEO 比 SEO 多要求一步：实体要有可被机器确认的“身份证”。光在标题里写「我们是 LiFePO4 电池制造商」不够，还要：

• 用一致的公司全称、品牌名，全站不要一会儿叫 A 一会儿叫 A 科技
• 在关于我们页给出可核实的事实：成立年份、产能、工厂面积、认证资质、服务客户类型
• 加 Organization / LocalBusiness 结构化数据，把公司名、官网、logo、所在地标注成机器可读
• 在外部权威来源（行业目录、领英、展会页）保持同名同实体，帮 AI 把分散信息归到同一个对象上

⚠️ 实体消歧问题：如果你的品牌名很泛（比如就叫「力源电池」），AI 可能把你和另外三家同名公司混淆，导致引用张冠李戴。L1 阶段就要用「品牌名 + 主营品类 + 地理位置」的组合，帮 AI 把你和同名实体区分开。这是 SEO 关键词阶段根本不会考虑的问题。

五、L2 实体属性：把每个产品讲成“完整画像”

L2 是 GEO 工作量最大、也最值钱的一层。AI 要引用你回答「48V 机架电池循环寿命多少」，前提是你的页面里真的把这个属性讲清楚了。

对每个核心产品实体，列出它必须补全的属性清单。以「48V 机架储能电池」为例：

注意第三篇会专门讲怎么把这张清单写成可被抽取的答案块，这里先建立意识：属性要具体、可核、带条件。

弱属性（AI 不敢引用）：循环寿命长、性能稳定、质量可靠
强属性（AI 乐于引用）：25°C、0.5C 放电下循环寿命约 6000 次，
                      工作温度 -20°C 至 60°C，支持最多 16 台并联

SEO 关键词系列第五篇讲过「把相关词转成 H2 模块」，那其实已经在做属性补全的雏形。GEO 只是把这件事做得更自觉：你不是为了塞 cycle life 这个词，而是为了让 AI 读出「这个实体的循环寿命属性 = 具体某个数值 + 测试条件」。

💡 属性优先级：不必每个产品都补全所有属性。优先补「买家最关心、且竞品没讲清」的属性。电池品类里，认证、循环寿命、可并联性、低温性能通常是高价值属性——它们直接影响采购决策，也最常出现在 AI 被问到的问题里。

六、L3 实体关系与提问意图：AI 答案的真正入口

L3 是实体金字塔区别于关键词金字塔的关键层，包含两个互相咬合的部分。

第一部分，实体关系。 一个产品实体从不孤立存在。48V 机架电池要接逆变器、配太阳能板、装进机柜、用 BMS 管理、对标铅酸方案。把这些关系讲清楚，AI 才能在「太阳能系统用什么储能电池」这类涉及多个实体的问题里，把你的电池作为关系网中的一环引用出来。

太阳能板 → 充电控制器 → [48V LiFePO4 机架电池] → 逆变器 → 负载
                              ↑ BMS 管理
                              ↓ 可替换：48V 铅酸电池组

第二部分，提问意图。 AI 搜索的大量入口是自然语言问题，不是关键词。同一个意图，在 SEO 里是长尾关键词，在 GEO 里要当成「AI 可能直接拿去回答的问题」：

SEO 长尾词              →  GEO 提问意图
48V battery parallel    →  48V 机架电池最多能并联几台扩容？
LiFePO4 low temp        →  磷酸铁锂电池在 -20°C 还能正常放电吗？
battery shipping cert    →  海运锂电池需要哪些认证文件？

这两部分的素材来源和 SEO 关键词系列第三篇一致：People Also Ask、询盘邮件、销售 FAQ、技术支持记录。区别在于处理方式——过去你把它们聚类成关键词布到页面，现在你要额外整理成「实体关系图」和「提问清单」，作为 GEO 的工作面。下一篇会专门讲怎么系统地挖这些提问意图。

⚠️ 不要只做 L1：很多外贸站的 GEO 误区是只优化首页身份（L1），产品页和 FAQ 还是老样子。但 AI 答案的高价值引用，恰恰发生在 L3 的具体问题上。L1 决定你进不进候选，L3 决定你被不被引用，两头都要做。

七、把实体金字塔变成可填的矩阵

和关键词系列一样，实体金字塔不能停在脑子里，要落成一张可执行的表。在原有关键词矩阵上，给每个核心主题增加实体维度：

这张表是后续所有 GEO 工作的地图。它和关键词矩阵不冲突——关键词矩阵管「布什么词、映射哪个 URL」，实体矩阵管「这个 URL 上的实体讲全了没、问题答清了没」。两张表叠在一起，你的内容既能排名，又能被 AI 引用。

💡 落地顺序建议：先给商业价值最高的 5-8 个核心产品建实体卡（填 Core Entity、Key Attributes、Target Questions）。不要一上来给所有长尾都建实体，那会陷入无穷无尽的整理。先在最值钱的产品上把金字塔搭起来。

八、实体思维的三个常见误区

误区一，把实体当成“更高级的关键词”。 有人理解 GEO 后，就去堆更长、更全的关键词，以为这就是实体优化。不是。实体的核心是「讲清一个事物的属性和关系」，哪怕用词朴素，只要把循环寿命、并联能力、认证条件讲具体了，就是好实体；反之堆再多同义词，AI 仍读不出完整画像。

误区二，跳过 SEO 直接做实体。 AI 搜索的信源绝大多数来自传统索引——没被收录、没有排名、没有权威信号的页面，AI 同样不会引用。实体金字塔是盖在 SEO 地基上的，关键词系列的拓词、布词、内链一样要做。实体层是加盖，不是另起炉灶。

误区三，为了机器牺牲人。 把实体属性写成生硬的参数罗列、为“可被抽取”而注水重复，AI 和用户会一起惩罚你。最好的实体描述，恰恰是对真人也清晰、准确、有据的内容——这和好 SEO、好内容的方向完全一致，只是把目标从「排名」延伸到了「被理解、被引用」。

这三个误区的共同根源，是把 GEO 当成一个能脱离内容质量的独立技巧。它不是。AI 奖励的，正是那种把一个事物讲得清楚、准确、可信、结构良好的内容。

📌 核心收获

• ✓ SEO 优化关键词字符串，GEO 优化实体（概念、属性、关系）和提问意图。
• ✓ 实体金字塔三层：L1 核心实体（身份）、L2 实体属性（完整画像）、L3 实体关系与提问意图（AI 答案入口）。
• ✓ L1 要解决实体消歧，用「品牌+品类+地理」组合让 AI 不把你和同名公司混淆。
• ✓ L2 属性必须具体、可核、带条件——「6000 次循环」远胜「寿命长」。
• ✓ L3 是 GEO 独有层，承接实体关系和自然语言提问，是被引用的真正入口。

🚀 立刻行动

1. 挑出商业价值最高的 5-8 个核心产品，每个写一张实体卡：Core Entity、Entity Level。
2. 为每个核心实体列出必须补全的关键属性清单，标出哪些是「买家最关心、竞品没讲清」的高价值属性。
3. 画出每个产品实体的关系图：和哪些产品/系统/标准相关联。
4. 从 PAA、询盘和销售 FAQ 整理每个实体的目标提问清单。
5. 把上述内容汇总成实体矩阵，和现有关键词矩阵并排，作为后续 GEO 工作的地图。

来源：系列原创整理 | 本文为「GEO 意图与实体体系」系列第 1 篇，与关键词金字塔对称设计