本地服务是 GEO 见效相对快的一类生意，原因有两个：地域限定让竞争面收窄，而且这类问题（「XX 区哪家装修公司靠谱」）用户问 AI 的意愿本来就高。
下面这条路径按八周排，是我们实际交付时的常规节奏。具体结果因行业和竞争程度差别很大，这里给的是执行顺序，不是效果承诺。
第 1 周：AI 可见度诊断
列出 15 到 30 条本地客户真实会问的问题，带上地域限定词：「南山区 口腔诊所 哪家好」「深圳 家装 报价一般多少」。在六家 AI 上各跑一遍，记录被点名情况、竞品名单和引用来源。
这一周的产出是一张表，后面每一轮都和它比。
第 2 周：官网体检与修复
本地服务企业的官网普遍有三类问题：整站是 JS 渲染的空壳、没有任何结构化数据、联系方式和地址在不同页面对不上。
这周把这几件事做完：robots 放行 AI 爬虫、确认关页面 JS 后仍有内容、配 `Organization`（含真实地址与电话）、统一全站的主体信息。
成本最低，见效最直接。
第 3–4 周：地图与本地信源
本地问题的答案高度依赖本地信源。这两周补：
- 主流地图平台的商户信息，确保名称、地址、电话、营业时间与官网完全一致。
- 百科词条。
- 本地生活类平台的商户页与真实评价（只做真实评价的引导，不刷）。
一致性在这一层尤其重要 —— 地图上的电话和官网不一样，模型会降低对整个实体的确信度。
第 5–6 周：内容生产
围绕第 1 周整理出的问题写内容，优先决策型和执行型：
- 「XX 区 装修 怎么选公司」这类，给出可核查的判断标准。
- 「装修报价包含哪些项目」这类，给清单和区间。
- 每篇配三到五条 FAQ。
本地内容有个特点：具体到街道、商圈、小区名的内容，被本地相关提问命中的概率明显更高。不要只写「深圳」。
第 7 周：站外投放
把内容压缩后投到行业垂直媒体和 B2B 平台，链回原文。这一步决定「哪家好」这类问题能不能打动 —— 模型回答这类问题时更倾向引用第三方。
第 8 周：复测与复盘
用第 1 周那组问题、同样的条件，再跑一遍。对比三件事：
- 被点名率的变化。
- 引用来源里自有内容占比的变化（这个通常先动）。
- 出现错误信息的地方有没有被修正。
然后决定下一轮的重点。
之后
八周不是终点，是第一个完整循环。后面按月复测，把预算往「来源覆盖率上升最快」的那类信源上挪。
一个提醒：本地服务的转化链路很短，用户看完答案直接打电话。所以接电话时问一句「您是怎么找到我们的」，这条信息比任何后台数据都实在。