当用户对着手机问“附近哪家墨西哥菜还在营业”时，生成式引擎给出的短名单可能来自一个公开的商家信息库。这不是巧合，而是本地生活平台在生成式引擎优化（GEO）上的可核验实践。Yelp 的公开页面如何成为 AI 答案的一部分，值得拆开来看。

那一句问

“附近哪家墨西哥菜还在营业？”这是一句再普通不过的本地生活问句。在传统搜索里，用户会看到一串蓝色链接，点进去自己翻评论、看时间。但在 ChatGPT、Perplexity 或 Google AI Overview 里，用户希望直接得到一个短名单：两三家还在营业、评分不错、距离不远的餐厅。

这句问改变了短名单的生成逻辑。生成式引擎不会去爬每一个本地商家的官网——很多小餐馆根本没有官网。它需要依赖已经结构化、公开可索引的信息源。Yelp 的商家页面恰好提供了这种信息：名称、地址、营业时间、评分、用户评论。当模型需要回答“附近哪家还在营业”时，这些页面就成了候选来源。

这不是猜测。在维基百科的“Generative engine optimization”词条里，GEO 被定义为优化内容以提高其在生成式引擎回答中的可见度。本地生活平台正是通过在公开页面上提供结构化信息，让模型能够抓取并引用。Yelp 没有公开宣称自己做了 GEO，但它的页面结构本身就是一种可核验的实践。

旧页面为什么答不上

很多本地商家的旧页面答不上这句问。一个典型的餐馆官网可能只有几张图片、一段老板的话，营业时间藏在 PDF 菜单里，地址是图片格式。模型读不到这些信息，或者读到了也无法判断时效性。

更常见的是信息分散：地图平台有一份营业时间，点评平台有另一份，社交媒体上又写着“周一休息”。当生成式引擎试图综合信息时，冲突的数据会让它犹豫，最终可能选择不引用任何一家，或者引用了错误的那家。

Yelp 的商家页面避开了这些问题。它的页面有清晰的字段：商家名称、类别、地址、电话、营业时间、价格区间、用户评分。这些字段以 HTML 结构呈现，模型可以解析。页面还有 robots 规则，允许搜索引擎和 AI 爬虫访问。这意味着，当用户问“附近哪家墨西哥菜还在营业”时，Yelp 的页面内容可以被模型读取，并作为答案的一部分。

这不是说 Yelp 的页面完美无缺。活动页过期、营业时间未更新等问题同样存在。但相对而言，Yelp 的结构化程度更高，信息更新频率也更高，因为商家和用户会不断贡献新内容。

新页面怎样答

如果 Yelp 想进一步优化 GEO，它会怎么改页面？不需要虚构一套方案，我们可以从公开的 GEO 原则推导。

首先，确保页面包含口语化问句的答案。用户问“还在营业吗”，页面应该直接显示“营业中”或“已打烊”，而不是只列出一串时间数字。Yelp 的页面已经做到了这一点：它有一个明显的状态标签，告诉用户现在是否营业。

其次，结构化数据是关键。Yelp 使用 Schema.org 标记，让模型更容易理解页面内容。比如，商家名称用 name 属性，营业时间用 openingHours，评分用 aggregateRating。这些标记帮助生成式引擎提取准确信息，减少歧义。

第三，用户生成内容（UGC）提供了丰富的上下文。评论里会出现“这家店的墨西哥卷饼很好吃”“周末要排队”等口语表达。当模型需要回答“哪家墨西哥菜好吃”时，这些评论可以作为参考，让答案更贴近真实体验。

最后，页面的可访问性不容忽视。Yelp 允许 GPTBot 等 AI 爬虫访问其公开页面。这意味着生成式引擎可以直接抓取内容，而不需要通过第三方缓存。这种开放性让 Yelp 的内容更容易进入 AI 的训练和引用范围。

对销售意味着什么

对本地生活平台的销售团队来说，GEO 不是一个新的广告位，而是一种内容策略的延伸。当生成式引擎开始回答“附近哪家餐厅好”时，销售团队需要思考：我们的商家页面是否足够结构化，是否能被模型理解？

销售团队可以向商家解释：完整、准确的营业时间、地址和类别信息，不仅能帮助用户直接找到你，还能帮助 AI 在回答中推荐你。这不是付费排名，而是内容质量的竞争。商家如果提供清晰的信息，就更有可能被生成式引擎引用。

同时，销售团队需要关注机器人规则。如果商家的官网用 robots.txt 挡住了 GPTBot，那么模型只能依赖第三方信息，比如 Yelp 或地图平台。这反而让 Yelp 的页面成为更权威的来源。因此，平台可以鼓励商家保持信息更新，同时确保自己的页面对 AI 开放。

你要准备的问句

如果你是一家本地生活平台或商家，想要在生成式引擎里获得引用，你需要准备的不是关键词，而是问句。用户会怎么问？

  • “附近哪家咖啡店还开着？”
  • “哪家理发店可以 walk-in？”
  • “这家店有没有素食选项？”

把这些问题列出来，检查你的页面是否直接回答了它们。如果页面只写着“营业时间：9:00-18:00”，而没有状态标签，模型可能无法判断“现在是否营业”。如果页面没有用户评论，模型就缺少“好不好吃”的参考。

Yelp 的页面之所以能被引用，是因为它回答了这些口语化问题。你不需要重新发明页面，只需要确保你的内容结构清晰、信息准确、对 AI 开放。

还容易问的

除了“附近哪家还在营业”，本地生活场景里还有很多容易问的问题。比如：

  • “这家店适合带孩子去吗？”——需要页面提供设施信息或用户评论中的相关提及。
  • “有没有停车位？”——需要商家填写停车信息，或者用户评论中提到。
  • “人均消费多少？”——需要价格区间字段，并且保持更新。

这些问题往往没有标准答案，但生成式引擎会试图从公开信息中推断。如果你的页面能提供这些细节，就有更大机会被引用。Yelp 的页面通过用户评论和商家补充信息，覆盖了这些长尾问句。这正是它在生成式引擎里保持可见度的原因之一。

本地生活的 GEO 不是玄学，而是把用户会问的话，变成页面能答的话。Yelp 的实践证明了这一点：一句问，可以改变短名单。