都想抢“哪家好”，没人答“能不能做”——AI 搜索的窄问题缺口

问「XX 哪家好」，AI 给的是平台榜单、行业门户、几年前的问答帖，你的名字不在里面。 问「能不能按图做非标尺寸」，答案里只有一个官网链接——因为你之外，几乎没人写过这个答案。

一、现象：查了十句，九句没有自己

一个很典型的场面。企业负责人让团队在 AI 里查自己的品类，从最宽的那句开始：「XX 哪家好」。 返回的答案有三类东西：跨平台的商家聚合页、某行业门户的年度盘点、问答社区里两年前的求推荐帖。 偶尔夹着两家外地大厂的名字，本地企业一个没有。

团队的第一反应几乎都是同一句：我们得抢这个词。于是加预算、加稿件、加平台，三个月过去， 那句最宽的问题下面，依然没有自己。

第二句就问得具体多了：「XX 能不能按图纸做非标尺寸」。这一次答案短、含糊、还带了个条件从句， 但它给出的参考来源里，有一个是某家小厂的官网产品页。页面很旧，排版粗糙，可它有那一段—— 最大能做多少、超出要怎么处理、交期会延长几天。

同一家企业，同一个品类，两个问题的结果完全相反。差的不是投入，是问题选错了。

这里有个被普遍忽略的事实：宽问题的答案是「评价性文字」，评价这件事平台比你会做—— 它手上有几百家商家的信息，汇总出来的东西天然比你自己说「我们很好」可信。 你在这条赛道上不是输在内容质量，是输在角色：你只能是选手，当不了裁判。

窄问题的答案是「事实性文字」——能做还是不能做、范围多少、交期几天、按什么验收。 这类事实平台没法替你编，因为它不在车间里。谁做过，谁才写得出来。

二、机制：窄问题为什么天然更容易被命中

不用把检索算法想得多神秘，三个朴素的原因就够了。

第一，匹配粒度对得上。检索是按「问题」去找「段落」的，一段话最好只回答一个问题。 宽问题的答案是一段议论，谁都在写、谁写得都不具体，最后胜出的一定是「包含了很多家」的汇总页。 窄问题的答案是一句判定加几个参数，天然就是一个干净的段块，匹配起来毫不费力。

第二，竞争密度差一个量级。一个宽品类词，全行业所有企业加所有平台同时在覆盖，你要赢的是排名。 一个足够窄的问题，通常只有真正接这类活的企业会写，你要赢的只是「有没有」。 排名要靠长期积累，有没有只需要一周。

第三，可摘录性天生更高。AI 组织答案时要摘能直接用的句子， 「可以，常规范围到这里，超出要开模」这种句子可以直接搬进答案； 「我们拥有先进设备与丰富经验」这种句子搬进去等于什么也没说。这个判断在各平台的具体规则上并不公开（公开口径，待核验）， 但方向是稳定的：越具体的句子越容易被摘。

把三条合起来，会得到一个反直觉的推论：窄问题不是「退而求其次」，它是采购流程里更靠前的一步。

真实的采购顺序是：先确认「这家能不能做我要的东西」，再在能做的几家里比「哪家好」。 「哪家好」是短名单内部的比较，而短名单是怎么来的？就是「能不能做」这一步筛出来的。 你在第二道关口上争得头破血流，第一道关口却一个人都没站着——而第一道关口才是入口。

这一点对 B2B 尤其明显。采购方不会先问「哪家强」，他会先发一张图纸或一份规格表， 问「这个能不能做、多久、什么价」。整个过程里，最先回答「能做，条件是这些」的供应商， 往往直接进入下一轮；答得含糊的，连解释的机会都没有。

三、判断：什么样的窄问题值得写

不是所有具体的问题都值得写。有些问题看起来很窄，实际上全行业都在答，那它已经是新的宽词了。 用三条标准加一条否决来筛，比凭感觉挑靠谱。

标准一：带采购意图。问题里要有「买」的动作痕迹——规格、数量、交期、验收、能不能定制、有没有现货、能不能开票。 反例是资讯型问题：「XX 行业前景怎么样」「XX 工艺是什么原理」。这类问题写了也有阅读， 但读到的人不是来下单的，回答得再好也换不来一个询盘。

标准二：答案能被参数化。你回答这个问题时，能写出具体数字或具体条件——尺寸范围、材质牌号、最小起订、交期天数、 适用工况、不适用范围。凡是只能说「可以，具体请联系我们」的，写出来等于没写： 它既摘不出东西，也没帮客户做任何决定。

标准三：问题必须是客户的原话。不是你们内部的命名，不是行业黑话，是客户在微信里、在电话里、 在询价邮件里怎么问的那一句。有个很实用的判断法：把这句话原样粘给同事，同事看一眼就明白在说什么，是原话； 需要先解释一遍才懂，那就是你自己的说法，得换。

一条否决：这个问题你不能真答。凡是需要「编一个参数」才能写完整的问题，一律不写。 原因不在合规，在后果——AI 会把你的答案当事实引用，一旦客户按这个参数下单而你做不到， 这就不是内容问题，是交付事故。而且这类错误一旦扩散到多个平台，改回来的成本远高于当初不写。

四、动作：半小时出一版窄问题清单

不需要工具，不需要开会。四步，第一次做大约半小时，后面会越来越快。

第一步，找原料（十分钟）。翻三处：近三个月销售聊天记录里客户的原话提问、报价单的「技术要求」和「备注」栏、 售后工单的「问题描述」。只抄问句，不抄答案——答案你现在写出来的一定是套话。 目标是先凑三十条，这一轮不筛选，越糙越好。

第二步，过筛（十分钟）。三条标准逐条打勾，能过两条的留下。这一轮会砍掉相当一部分， 这是正常的——问题库的价值在于筛，不在于多。留下来的那批，通常就是你最该写的那批。

第三步，排序（五分钟）。按「离成交的距离」排，越靠前的写得越细。判断标准很简单： 客户问完这句话之后，下一步是不是就要报价、要样品、要参观。是，排前面； 只是了解一下，排后面甚至先不写。

第四步，写（一篇四十分钟）。统一用三段式，一个问题一个页面，标题就是那句原话。

第一段，一句话答案，四十到六十字，带参数。不要铺垫，不要「随着行业发展」，直接给判定。 例：「可以。常规范围在这个区间内，超出需要开模，交期相应延长。」

第二段，成立条件与不适用范围。写清什么情况下做不到、为什么做不到。 这一段是窄问题页面的护城河——平台页写不出这个，同行多数也懒得写， 而客户最想知道的恰恰是「我这种情况行不行」。

第三段，验收与比价标准。给客户一套能自己用的判断方法：看哪几个指标、怎么试、什么算合格、 报价里哪几项容易被漏算。这一段不推销，纯粹给方法，反而最容易被人记住和转述。

还有一件事别忘了：这张清单本身就是销售物料。把三十条问题和对应的标准答案做成一张表， 新人上手第一天就有话可讲。客户还没问，你先答出来，比客户问完你再解释，差别很大。

五、边界：三种情况这套方法不管用

方法都有适用条件，说清楚比说好听有用。

一是品类本身太窄。如果你的产品是极细分的工业件，客户群体本来就小， 窄问题池可能只有很少几条，写完就没了。这时候要向上扩一层——不是退回「哪家好」， 而是扩到「这类工艺怎么选」「这类材料怎么比」这种上一层的问题，用上一层把人引下来， 再用窄问题完成转化。顺序是上一层引流、下一层成交，反过来会卡住。

二是你接不住。窄问题带来的询盘意向很硬，转化率通常也高，但对方是带着具体需求来的。 产能、打样能力、交期承诺跟不上时，把窄问题写满等于给自己制造交付压力。 先确认接得住，再放量；接不住的时候，该做的是把「能做」的范围写得更保守，而不是写得更宽。

三是你的「窄问题」其实是行业常识。有些问题看着窄，实际全行业都在答， 比如「A 材料和 B 材料有什么区别」这类。它早就变成新的宽词了。判断方法： 把这个问题丢进 AI 问一遍，如果答案里已经有三五个来源在完整回答，它就不是窄问题，别浪费篇幅。

还有一条要诚实说：AI 检索与排序的具体规则不公开，也在持续调整。 本文讲的是方向性判断，不是可验证的算法细节。任何声称「知道平台权重公式」的说法，都欠核验。

周期上也不要有幻想。页面被收录通常需要两到四周，进入答案候选集四到十二周， 稳定体现在询盘上多在六十到九十天。我们不做排名承诺，也不承诺「保证被 AI 推荐」—— 平台算法不公开且持续变动，这样的承诺站不住。能承诺的是动作清单、交付基线和每月复测数据，过程可查。

六、三个常见问题

窄问题搜索量小，写了会不会白写？

要看你要的是浏览还是询盘。问出窄问题的人已经在采购流程里——他要的是「能不能做」，不是「了解一下」，所以一条窄问题带来的询盘，和宽词带来的一百次浏览不是一回事。但如果企业现阶段的目标是品牌曝光而不是成交，窄问题不是第一优先级，先铺品类认知再补窄问题，顺序更顺。

一个问题写一页，页面会不会太散？

分散本身不是问题，没有聚类才是问题。同一主题的窄问题页互相内链，形成一个知识簇，站内再加一个索引页把簇列出来，既保住一问一页的粒度，也让检索侧看到系统性覆盖。真正该避免的是把二十个问题堆在一页——每一个都答不完整，等于每一个都没答。

窄问题要写多细才算够？

判断标准不是字数，是客户看完能不能自己做决定。三个检查：参数是否具体到可以直接引用、不适用的情况有没有写、验收或比价标准有没有给。三条都有，三百字也够；三条都缺，三千字也没用。