本地生活做生成式引擎优化（GEO）时，最容易犯的错是把所有页面都改一遍。Yelp 上的商家信息页暴露了一个更实际的问题：地图、评论、菜单、营业时间分散在不同 URL，AI 需要自己拼凑。当拼错时，一家还在营业的店会被写成暂停营业，或者把分店 A 的地址安到分店 B 头上。于是有些团队把精力收回来，只做一页——把最可能被 AI 引用的事实放进同一个可核验结构里。Yelp 的公开页面恰好展示了这一页长什么样。

为什么是这一页

Yelp 的商家页并不是一个「内容页」，而是把名称、类别、地址、电话、营业时间、用户评分、评论摘要塞进同一个 URL。生成式引擎在回答「附近哪家餐厅还开着」「这家店有没有无障碍通道」时，需要同时核对多个字段。如果这些字段分散在官网、地图、社交媒体，AI 抓取时可能只命中其中一两个，然后用其他来源补齐，错误就出现在补齐的过程里。Yelp 的做法是把所有基础事实放在同一页，且每个字段都有独立标记，让模型不用跳转就能读完一家店的核心信息。对本地商家来说，这一页不是官网首页，也不是活动落地页，而是那个能回答「你是谁、在哪、现在开不开」的实体页。

生成式引擎优化与 SEO 的关键不同在于，GEO 更看重结构化事实是否在同一上下文里出现。维基百科的「Generative engine optimization」词条指出，GEO 的目标是让内容被 AI 模型在生成答案时引用，而不是单纯在搜索结果页排名更高。Yelp 商家页的取舍正好符合这个逻辑：与其让搜索引擎找到十个相关页面，不如让 AI 在一个页面里找到所有需要的字段。

这一页的结构

拆开 Yelp 的商家页，能看到一种克制的信息架构。最上方是商家名称和类别，紧接着是地址和地图定位，再往下是营业时间、电话、网站链接。用户评分和评论数量跟在后面，但真正被生成式引擎反复引用的往往是前三个区块：名称、地址、营业状态。名称不能只写品牌，还要写清这是哪家分店；地址需要精确到门牌号，而不是「市中心店」；营业时间必须区分节假日，否则 AI 会把特殊营业时间当成常态。

这一页的结构没有放促销文案，也没有堆砌关键词。它更像一张公开的事实表，每个字段都能被单独验证。比如营业时间旁边有「编辑」入口，用户发现错误可以提交更正。评论区的摘要虽然会影响推荐倾向，但生成式引擎在回答「是否营业」这类问题时，更依赖结构化字段而不是评论情感。因此，本地团队的取舍是：把评论优化交给用户，把事实字段抓在自己手里。

从可核验的角度看，Yelp 页面还做了一件重要的事：所有字段都来自同一个 URL，而不是跳转到其他子域名。这降低了模型抓取时的丢失概率。当 AI 需要回答「这家店周日几点开门」，它能在一个响应里同时读到周日营业时间和节假日例外，而不是先读官网再读地图再读社交账号。

他们忍痛没做的

做一页文档意味着放弃很多东西。Yelp 商家页上没有长篇品牌故事，没有菜单的完整图片集，也没有每个分店的独立活动页。这些内容可能对转化有用，但对生成式引擎的事实引用而言，它们增加了噪音。一个典型的两难是：商家想让 AI 推荐「招牌菜」，但 AI 更需要先确认「这家店是否还在营业」。如果连营业状态都读错了，推荐招牌菜反而会放大错误。

另一个被放弃的是多平台一致性维护。许多本地商家同时维护官网、地图、社交媒体、团购平台，每个平台的地址或营业时间稍有出入，AI 就可能采信错误版本。Yelp 的页面策略暗示了一种更集中的做法：选一个平台作为事实源，其他平台只放链接，而不是复制粘贴后各自修改。这样做虽然牺牲了部分平台的曝光，但降低了冲突信息的出现概率。

还有一项忍痛没做的是「关键词优化」。Yelp 的商家页标题就是商家名，没有「附近最好吃的川菜」这类描述。但正因为标题干净，AI 才能准确识别实体名，而不是把品牌名和品类词混在一起。这提醒本地团队：当精力有限时，先保证实体名和地址的准确，再考虑添加描述性词汇。

监测是否仍有意义

一页文档上线后，如何知道它是否被生成式引擎正确引用？一个可核验的方法是直接问 AI。比如在 Perplexity 或 Bing Copilot 里输入「[商家名] [城市] 周日几点开门」，看回答中引用的来源 URL 是否指向你做的那一页。如果 AI 引用的是第三方平台或过期页面，说明这一页的实体信号还不够强。如果 AI 能准确给出时间且来源是你的页面，说明这一页开始生效。

另一个监测维度是冲突率。定期用不同问法测试同一家店，比如「这家店还在营业吗」「这家店的地址是什么」「这家店有没有停车位」，记录每次回答中出现的地址、营业状态是否一致。如果三次回答出现两个不同的地址，说明模型仍在从多个来源拼凑，需要进一步强化事实源页面。监测不需要复杂工具，人工记录几次问答就能看出趋势。

值得注意的是，监测的目标不是「排名第一」，而是「事实被准确引用」。生成式引擎的推荐结果会因用户位置和问法而变化，但事实字段不应变化。如果地址和营业时间在多次回答中保持稳定，那么这一页就完成了它的核心任务。

你的一页选择法

如果本地团队只有精力做一页，应该选哪一页？从 Yelp 的公开结构反推，优先级是：实体名称、地址、营业时间、电话。这四项是所有本地推荐的基础，任何生成式引擎在回答「附近哪里可以吃饭」时都需要先确认这些字段。其次是类别和价格区间，它们帮助 AI 判断相关性。最后才是评论摘要和图片，它们影响推荐质量但不影响推荐正确性。

选择这一页时，可以问自己一个问题：如果 AI 只能从一个 URL 获取这家店的信息，这个 URL 应该是什么？答案通常不是官网首页，因为首页往往在讲品牌故事，而不是列出可核验的营业事实。也不是活动页，因为活动会过期。最合适的页面是那个永远不会过期的实体页，它像一张数字名片，只回答最基本的问题。

对于已经在 Yelp 上有页面的商家，这一页可能已经存在，只是不够干净。比如地址里混入了楼层导览，营业时间里写满了「节假日另行通知」，电话旁边还放着过期的优惠码。做一页选择法，就是把这些杂质清掉，让 AI 不用猜测。

还容易问的

很多人会问：是不是每个平台都要做一页？答案是先做一个，再复制结构。生成式引擎会交叉引用多个来源，但如果你自己都维护不好一致性，AI 更不可能替你修正。另一个常见问题是：改了 Yelp 页面，AI 多久会更新？生成式引擎的抓取周期不固定，可能几天也可能几周，但持续监测问答结果比等待更实际。

还有人担心：只做一页会不会显得内容太少？对生成式引擎而言，内容少但准确，远好过内容多但互相矛盾。本地生活的推荐错误大多来自信息冲突，而不是信息缺失。把一页做对，比把十页做多更有价值。

更多关于 GEO 与 SEO 的区别，可以参考SEO 与 GEO 的差异，以及生成式引擎优化的整体框架。