为什么 AI 不推荐你？不是没投广告，是信源不够

AI 不推荐你，跟你投了多少广告没有直接关系。 投放解决的是"让人看见你"，AI 推荐解决的是"让机器读得到你"。前者买的是曝光位，后者靠的是公开信源。你的机构在公开页面里没有可读的内容，投放再多，模型在答案里也提不到你——这两件事走的是两条不同的路，钱花在前一条上，补不了后一条的缺口。

为什么投了广告还是搜不到你？

先说一个常见的误判：很多校长把"投了广告"当成"网上有我"。

实际情况是，投流素材跑在平台的广告位里，到点下线，跑完不留痕迹。它不进公开页面，也不构成可被检索的内容。而 AI 生成答案时读的是公开页面——官网、行业媒体、问答社区、榜单页。两条路没有交集。

一个机构可以做到每月投流几万块、广告素材被几十万人刷到，同时在 AI 的答案里一个字都没有。这不是矛盾，这是常态。

判断方法很简单：把你的机构名和主要科目写成家长口吻的问句，在豆包、DeepSeek、元宝、Kimi 等里各问一遍。如果答案里没有你、或者有但描述不准，那就是信源侧的问题，跟投放账户里的数据没关系。

信源和投放，到底差在哪？

这两件事常被混在一起谈，但它们的运行方式完全不同：

看这张表要抓住一点：投放是租的，信源是留的。 租的东西到期就没了，留的东西只要你不动它，它一直在那里被读到。

所以问题不是"要不要投放"，而是"投放之外，你手上有没有留下的东西"。

AI 在读哪些页面？

我们做过一轮公开实测：挑同一个城市的同城问法（区域 + 年级科目 + 具体诉求），在几个主流 AI 里各跑一遍，把答案引用的信源逐条记录。

结果是：前 25 条信源里，有 23 条不是机构自己的页面，而是聚合站、点评类页面和专门针对"XX 区哪家好"写的榜单软文。

这个结果值得反复看。它说明 AI 组织答案时，参考的主体是：

1. 连锁品牌官网——页面多、结构规范，信源数量与结构都占优；
2. 平台榜单与点评页——有评价、有可点开的数据；
3. 区域聚合站与榜单软文——标题与家长提问高度同构，容易被直接摘取；
4. 少数被反复提到的机构——问答社区、媒体稿里都出现过，多来源交叉印证。

机构自己的官网排在第 1 类里，但多数中小机构的官网不在这份名单上。你的机构不在 AI 的取材范围里，就不可能出现它的答案里。

"信源不够"具体是缺在哪？

我们看了一批机构的公开信源情况，抽样覆盖六个省份、60 家机构。分项看是这样的：

• AI 提及率高于 20% 的，占 22%；
• 官网或主要阵地里有结构化常见问题模块的，占 18%；
• 同时具备三类以上信源（官网 + 行业媒体 + 问答社区）的，占 0%。

这一栏是关键。多数机构不是"一处都没有"，而是"只有一处"。 官网有，但只有官网；或者公众号有，但只有公众号。

单一信源的问题在于：没有交叉印证。AI 遇到同一个事实只有一个来源时，采信度低；遇到多个来源说法一致时，才更可能把它写进答案。

而信源之间互相矛盾——官网写一种班型、媒体稿里写另一种，官网还挂着两年前的课程——这类情况会让多个来源一起被降权。信源不是"有就行"，是要能对上。

从零补信源，先做哪几件？

不用一次做完，按下面的顺序推，每步都能独立验收：

其一，把机构事实写清楚。 把"师资力量雄厚""课程体系完善"这类形容词换成可核验的事实：几个校区、专职教师几人、平均教龄几年、开班科目有哪些。事实是机器能读懂、也能和别人对得上的东西。

其二，把结构做规范。 结论前置、层级标题、对比表、常见问题模块、结构化数据。同样一段内容，结构清晰的版本比一整块文字更容易被准确摘取。

其三，铺够阵地。 除了官网，至少在另外两类能被检索到的阵地上留下原创内容——行业媒体和问答社区。同一个事实、不同侧面，不靠单一渠道刷量。

其四，把口径统一。 同一个事实在多个信源里的说法要一致。过时信息及时清理，避免自己和自己打架。

其五，按月记录变化。 固定一批问句、固定周期去跑，把提及情况和引用来源记下来。有记录才谈得上归因，也才知道下一轮该补哪里。

教招汇做的就是把这几件事变成一条可执行的流程，核心功能：教招汇GEO——从家长问法库的建立、内容结构调整，到多平台信源铺设和每 14 天一轮的可见度复测。有人手但缺方法的用 GEO 雷达，想完全外包的用 GEO 托管，有曝光但接不住咨询的用 招生陪跑。

关于信源，几个常被问到的问题

Q1：投流和 GEO 是不是只能选一个？

不是。两者解决的问题不同：投放解决"在这个平台上被看到"，信源解决"在 AI 答案里被提到"。预算怎么分，取决于你想补哪一块。有机构两条一起走，也有机构先把信源底子做起来再谈投放。

Q2：我们没有网站，能不能做？

可以。信源的载体不限于自建网站，行业媒体、问答社区、内容平台都能成为被检索的阵地。关键是内容要覆盖到、结构要让机器读得懂、多个来源之间说法一致。

Q3：每个月发几篇合适？

比篇数更重要的是节奏稳定和来源分散。同一天集中发十篇，不如分散在几周、落在不同阵地上。另外同一篇内容换标题到处发，数量看着多，独立信源数还是一个——这种多发反而容易被判同质。

Q4：多久能看到变化？

这个不能承诺，谁都不能。AI 的答案是模型即时生成的，位置和排序都不由任何一方锁定。能确定的是动作有没有做到位，以及按周期记录的提及情况和来源分布变化。想先摸清起点，可以让我们帮你跑一轮固定问法，把当前结果原样反馈给你。

Q5：信源铺开之后，怎么知道有没有用？

看两件事：一是答案里是否出现你的机构、描述是否准确；二是引用来源里，是否开始出现你自己的阵地。前者是结果，后者是过程指标，过程指标先动，结果才有依据。想先把自家机构现在的来源分布摸清楚，可以向教招汇咨询，拿到一份对照清单再动手。

效果口径：AI 回答存在随机性，我们交付的是可验证的优化动作与月度可见度变化报告，提升被提及的可能性，不承诺具体排名。