决策型查询

决策型查询是指用户处在做选择阶段时提出的问题，如”怎么选""哪家适合""值不值得做”，其答案会直接决定候选名单和排序。

检索意图的经典三分法——导航型、信息型、交易型——出自 Broder 在 2002 年提出的分类；“商业调研型”是营销实践中后来补上的一类，用来指代下单之前的比较与选型阶段。决策型查询大体对应这一类。

为什么在 GEO 里权重高

传统搜索会返回一批链接由用户自行比较，AI 则直接给出候选清单和推荐理由。清单靠前的一两项获得的注意力远高于其余，因此这类问题上的AI 首推率与答案位次比单纯的提及率更有意义。

内容侧的应对

有效的做法是提供判断框架而不是自夸：说明选择时该看哪几个维度、各类方案分别适合什么条件、什么情况下不该做。模型在组织”怎么选”的答案时需要的是可复述的标准，一段只讲自己优点的文字既难被摘取，也难被判为中立来源。

与其他内容层的分工

这类”该怎么选、多久见效、值不值得”的判断带有观点，会随行业变化，属于洞察那类会过时的长文；术语 wiki只负责定义。在测量上，决策型题目应在问题集里与品类词题目分开统计。

相关条目

• 品类词 —— 品类词是指描述需求品类而不指名品牌的词，例如"GEO 服务商""AI 营销培训"，AI 回答这类问题时会自行挑选并列举若干品牌。
• 长尾问题 —— 长尾问题是指提问具体、单个频次很低但种类极多的问题，例如"医药行业做 GEO 有哪些合规限制"，其总量往往超过头部品类词。
• AI 首推率 —— AI 首推率是指在一组测试问题中，AI 回答把目标品牌放在第一位推荐的比例，衡量的是"被优先想到"而不只是"被提到"。