AI搜索识别意图的方式,和传统搜索有本质区别:用户输入的是一句带场景、带比较、带约束的自然语言问题,而不是几个堆起来的关键词。系统要在很短时间内判断出这句话要的是一条知识、一个选型结论、一个入口地址、一次购买还是一项本地服务,再决定拆成几个检索式、各自去查什么。也就是说,"用户到底在问什么"这件事不再由用户自己表达清楚,而是由系统在内部完成一次翻译。企业内容要做的,是覆盖不同意图的多种问法,而不是押注某一种问法。
五类意图在AI检索里的不同走法
把常见问法按用户真正想要的结果归类,大致落在五类意图上。它们的检索路径、答案形态和内容承接方式都不一样。
| 意图类型 | 用户典型问法 | 答案的主要形态 | 内容侧要准备的东西 |
|---|---|---|---|
| 信息型 | 什么是X、X的原理是什么、怎么做X | 一段解释或定义,通常不涉及具体品牌 | 定义页、原理页、术语页 |
| 比较型 | A和B哪个好、A和B有什么区别 | 多个来源并列,常按维度做表 | 对比页、选型页、维度说明 |
| 导航型 | X官网、下载入口、客服电话、文档地址 | 直接给出目标链接 | 清晰的导航结构、稳定的服务入口 |
| 交易型 | X多少钱、在哪买、有没有现货、怎么下单 | 价格、渠道、库存与购买路径 | 价格页、渠道页、下单或询价说明 |
| 本地型 | 附近有吗、当地有没有服务商、能上门吗 | 带地理位置的服务方或门店 | 地址、服务半径、网点与本地服务说明 |
这张表里有一个容易被忽略的事实:同一句提问里往往同时含有多类意图。"多少钱"背后既有交易型,也有比较型——用户其实在拿别家的价格做参照。系统在改写时会把这类复合问题拆开,分别检索价格与对比信息,再汇总成一段带多个来源的回答。企业如果只准备了价格页、没有准备对比依据,那么在复合提问里往往只能进入答案的一部分。
查询改写:一个自然语言问题在检索前被拆成什么
意图判断完成后,系统不会拿原句直接去搜,而是先做查询改写:把省略的主语和限定词补全,把口语表达替换成更适合检索的表述,加入同义词与近义概念,必要时扩展成多个并行的检索式。
比如用户问"这种设备能不能用在小作坊"——原句里"这种设备"指代不明,"小作坊"也不是规范术语。改写环节要做的事是:结合上下文或实体识别补出设备品类,把"小作坊"扩展为"小型生产车间""轻工业作坊"等相关表述,再形成几条不同措辞的检索式并行执行。
对内容侧的含义很直接:只写一种说法等于只覆盖一条子查询。页面里需要同时出现行业规范术语和用户实际使用的口语说法,需要覆盖上位词与下位词(例如既写"食品加工机械"也写"小型灌装生产线"),需要在同一主题下把几种常见叫法并列写出。术语与口语之间的这层映射,页面里没有,检索端就无从建立。
实体识别:品牌名、型号、地区名与通用词的分流
实体识别负责把问题里的专有名词挑出来并判断它们指向谁:品牌名称、产品型号与系列名、标准编号、法规名称、地区与城市名、行业通用词。识别结果直接决定检索式怎么写——识别到明确品牌时,检索会围绕该品牌构造带限定的检索式;问题里只有通用词时,检索式会偏向综述型,答案也会偏向通行的行业说法而不是某一家企业。
这里有三个实践中最容易出问题的点。
一是别名与旧名没有声明。企业改名、换品牌、型号升级之后,同一主体在网页上出现多个名字,识别端就可能把它们当成不同实体,答案里也就分成了两段。在内容中显式写出同指关系——"XX现更名为YY""YY为XX系列第3代型号"——是成本很低但很有效的一步。
二是品牌名与通用词撞车。当品牌名同时也是一个行业常用词时,识别结果会摇摆,检索到的内容往往不是用户想要的。解决办法是在页面开头用一句完整句把品牌界定清楚:"YY是国内较早从事ZZ制造的厂商",并把这一句放在能被独立抽取的位置。
三是型号写法不统一。同一型号在不同页面上写成"A-100""A100""A 100",会分散成几个不同的检索目标。型号写法需要在站内保持一致,并在出现变体的地方写清等价关系。
意图对应的内容型态:同一款产品要准备哪几种页面
把意图分类落到站点结构上,一款面向明确用户的产品通常需要准备一组对应不同意图的页面,而不是把所有信息堆在一个详情页里。
定义页承接"是什么、解决什么问题";选型页承接"怎么选、有哪些参数、适用什么场景";价格页承接"多少钱、怎么计价、有哪些档位";对比页承接"与常见替代方案的区别、优劣在哪";渠道与服务页承接"哪里能买、有没有上门、覆盖哪些地区"。这五类页面对应五种意图,每一类内部还要再覆盖几种不同的问法写法。
页面型态与意图的对应关系可以这样核对:
| 页面型态 | 要覆盖的问法 | 页面必备要素 |
|---|---|---|
| 定义页 | 是什么、解决什么问题、常见疑问 | 一句话定义、可核对的组成与作用 |
| 选型页 | 怎么选、按什么标准、适合多大产能 | 参数表、选型判断依据、适用边界 |
| 价格页 | 多少钱、怎么算、有什么档位 | 计价口径、档位表、价格版本与生效日期 |
| 对比页 | 与同类差别、哪种更适合 | 按维度对齐的对比表、差异原因说明 |
| 服务页 | 哪里能买、能不能上门、覆盖哪些地区 | 网点与地址、服务半径、联系方式 |
有一个判断标准可以直接用来验收:把每类意图的典型问法在AI搜索里问一遍,看引用的页面是不是这一类。如果问价格时引用的是选型页,问参数时引用的是首页,说明页面的意图信号互相干扰,需要重新拆分内容边界,而不是继续在同一页上加内容。
意图误判的常见来源
意图识别在检索端是有偏差的,内容侧要做的是减少偏差落到自己页面上的概率。常见的几个来源如下。
一,一个页面承载过多意图。标题写"XX产品介绍与报价",正文既有参数表又有客户故事,检索匹配到主题后,切块得到的片段意图信号被稀释,哪一类意图都匹配不实。解法是把意图拆到不同页面。
二,标题与正文意图不一致。标题为了点击率写得宽泛,正文却只讲一件事,检索按标题判断相关性时容易把页面归到另一个意图下。标题应当直接对应页面承接的那一类意图。
三,同一意图存在多个互相竞争的页面。比如有三页都在讲同一个产品的价格,内容互有出入,检索会在三者之间分散取材,答案里的数字可能来自不同版本。这需要确定一个对外口径,并把其余页面转为内部支撑材料。
四,缺少反向问法的覆盖。用户常常从否定式提问切入——"XX是不是骗局""XX是不是智商税""XX有没有必要买"。这类问法对应的内容是风险与限制说明,多数站点完全没有这一块,答案里出现相关问题时只能引用外部页面。
铭赞经验:识别意图最省力的办法,是反过来做——把自家产品能想到的意图型态列成一张问法清单,每种挑两三个真实口吻的写法,逐一在主流AI搜索入口里问,看答案引用的是谁、给的是什么。这张清单同时也是内容排期的依据:清单里没有对应页面的问法,就是当前最明确的缺口,比凭感觉判断"该写什么"要可靠得多。
下一步行动
想知道你的产品在各类意图问题里能不能被AI找到、引用的是不是你的页面?铭赞提供免费行业AI可见性诊断——按意图型态分组的测试问题集,测多个AI引擎,输出意图覆盖缺口与页面结构改造建议。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。