GEO 优化的第一步不是写内容，是列缺口。
缺口分析（Mention Gap Analysis）回答一个极简单的问题：在客户真正问 AI 的那些问题里，哪些完全没有提到你？ 这份清单按商业价值排序，就是未来两个月的内容排期表。
缺口的三种类型
不是所有「没提到你」都一样，处理方式完全不同：
1. 完全缺席（Zero Mention） AI 一口气推荐五个品牌，没有你。这是主战场缺口——通常意味着模型在这个品类问题下已经形成了稳定的「候选池」，而你还没进去。
2. 顺带提及（Passing Mention） 提到了，但排在最后、只有一句、或放在「其他选择」里。说明模型知道你的存在，但不认为你值得重点推荐。这类缺口看情感和位次数据。
3. 描述失真（Misdescription） 提到了，但描述错了——品类归错（把软件说成硬件）、参数过期、场景错配。严格说这不是「缺口」是「偏差」，但危害更大：用户拿着错误信息来问你。
分析怎么做：四步
第一步：圈定问题域
从你的监测问句池里，筛出「与购买决策直接相关」的子集——通常是商业型和对比型问句。别把「公司成立于哪年」这类信息型问句算进来，它们不产生推荐位。
第二步：标定竞品占位
对每条问句，记录：提到了哪些品牌、各自位次、情感分。然后回答三个问题：
- 哪些品牌是「常客」（出现在 80% 以上的相关问句里）？——这是你要挤进去的候选池
- 哪些品牌是「稀客」？——可能说明这些问句的商业价值不高，或该品牌的占位策略不同
- 你自己在各问句下的位次分布？——全是 #4 #5，说明在场但无竞争力
第三步：按「商业价值 × 入围难度」分级
不是所有缺口都值得补。用两个维度排队：
- 商业价值：这个问句背后的客户，客单价多高、离购买多近、是不是你的目标人群
- 入围难度：候选池里竞品的信源占据有多深。竞品在知乎、测评站、比价平台都有内容的问题，比只出现在官网上的问题难攻
优先级 = 高价值 × 可攻克。 高价值但难度极大的问句，拆成更细的长尾变体去打（「500 元降噪耳机推荐」打不动，先打「500 元通勤降噪耳机 女生」）。
第四步：归因到信源
每个完全缺席的问句，都要回答：AI 在这个问题下引用的是哪些来源？ 如果五个被推荐品牌的共同信源是某类内容（比如「2026 年 X 大品牌横评」），你的内容动作就明确了——不是写「我们很好」，而是进入横评、做对比内容、提供结构化数据。
输出物：一张缺口清单表
| 问句 | 你的状态 | 常客竞品 | 商业价值 | 主要信源 | 优先级 | |---|---|---|---|---|---| | 500 元降噪耳机推荐 | 完全缺席 | 索尼、漫步者、QCY | 高 | 知乎、什么值得买 | P0 | | 投影仪怎么选 | 顺带提及 #5 | 极米、当贝、坚果 | 高 | B 站、知乎 | P1 | | XX 和 YY 怎么选 | 缺席 | YY | 中 | 官网 | P1 | | XX 怎么样 | 提到但描述过期 | — | 高 | 百科、旧测评 | P0（纠偏） |
这张表每周更新一次，它就是 GEO 团队的任务看板。
常见错误
- 只盯完全缺席。 顺带提及和描述失真往往修复成本更低、见效更快，先摘低垂的果实。
- 缺口清单没有归因。 知道「没提到你」没用，知道「AI 在这个问题下信谁」才能行动。
- 一次想补完。 按优先级每月攻 3-5 个问题，配合复测验证，比一次性铺 50 篇内容扎实得多。
和监测的关系
缺口分析不是一次性项目，是监测的常规消费方式：监测生产数据，缺口分析把数据变成任务，任务执行后回到监测里验证。 三者构成 GEO 的主循环——缺了中间这一环，监测就只是每周看一次的心情曲线图。