房地产 GEO 测试实战手册：如何看出 AI 智能体有没有在给你带来客户

• 适合谁看： 房地产经纪公司、团队负责人和营销负责人。
• 你会学到什么： 如何为一家旧金山房产经纪公司设计、执行并分析 GEO（生成式引擎优化）提示测试。
• 为什么重要： 如果像 ChatGPT 这样的 AI 智能体不提到、不引用你的网站，你对越来越多高意向的买家和卖家来说就等于不存在。

为什么 GEO 对旧金山房产经纪公司很重要

搜索正在从 10 blue links（十条蓝色链接）转向和 AI 助手的对话。

当一个潜在买家说：

“我打算搬去旧金山，有 150 万美元预算，也想要好学校，我应该考虑哪些社区？”

他们越来越多是把这个问题问 ChatGPT 和其他 AI 智能体，而不只是问 Google。

生成式引擎优化（GEO） 的核心，是要确保这些助手能够：

• 了解 你是谁、你专长什么
• 把你的网站当成一个可信、最新的本地信息来源
• 在用户问到相关问题时，真的 引用并推荐你的网站

对一家旧金山的经纪公司来说，这可能意味着：

• 来自异地搬迁买家和本地换房卖家的更多高意向线索
• 更短的“相互了解周期”（从“我是通过 ChatGPT 找到你的”到“不用再花几个星期到处对比官网”）
• 在特定社区或价位段，能更稳地占据“首选专家”的位置

这篇文章会聚焦在 GEO 里的一个关键环节：提示测试——系统性地向 AI 智能体提出真实问题，并衡量你的品牌有没有被提到。

Amantru 在 GEO 项目中就是用这个流程来检查活动是否有效、哪里需要改进。下面是我们为客户使用并不断调整的实战手册。

什么是提示测试？它能（和不能）告诉你什么？

提示测试（prompt testing） 是一种有结构的方法：用目标客户可能会问的真实问题去问 AI 助手，然后：

• 记录你的品牌是否被提到
• 检查你的 网站有没有被引用或被加上链接
• 观察竞争对手出现的频率
• 随着你优化内容和信号，持续跟踪这些结果的变化

可以把它想成是在替自家品牌做 “神秘顾客式”暗访 AI 智能体。

提示测试能告诉你什么

• 你的品牌在常见买家 / 卖家对话里有多“显眼”
• 哪类问题最容易稳定触发对你网站的引用
• 你漏掉了哪些人群（例如首次购房者 vs. 投资客）
• 在 AI 的推荐里，你和本地竞品相比处在什么位置

提示测试不能保证什么

• 像传统 SEO 那样的精确“排名”——AI 的回答是概率性的，会有波动
• 完全透明的模型训练和检索来源
• 100% 可复现的结果——不同会话、时间点、模型版本，答案都可能不一样

没关系，我们要的不是像素级的排名，而是 信号：

“过去一个月里，我们的网站在针对旧金山买家的异地搬迁问题上，引用率从 5% 提升到了 35%。”

第 1 步：把 ICP 变成真实世界里的提问

从这家旧金山经纪公司的 理想客户画像（ICP） 开始。比如：

• 正在搬来的科技从业者，从纽约或西雅图搬来
• 换房买家，想把市内的公寓升级成独栋
• 小型投资者，想找 TIC、多单元或商住混合物业
• 特定社区的房主卖家，在犹豫现在是不是挂盘的好时机

对每个 ICP，把他们会在 ChatGPT 里输入的 真实问题 写下来，而不是写营销文案。

ICP 示例 → 提示映射

搬来旧金山的科技从业者

• 我要搬到旧金山工作，预算是 150 万美元。如果我想要方便步行、有好吃的、通勤去 SoMa 还算方便，我应该优先看哪些社区？
• 现在在旧金山买公寓和买独栋，各自有哪些优缺点？帮我比较一下。

在旧金山内部换房的买家

• 我现在在 Mission Bay 有一套一居室公寓，想在 Noe Valley 或 Bernal Heights 买个更大的地方。价格区间、取舍点和需要注意的事有哪些？

投资客

• 在旧金山，想买 2–4 单元的楼用来出租，哪些社区比较合适？大概什么价位？

卖家

• 我在 Sunset 有一套独栋，想在旧金山找一个靠谱的挂牌经纪，我该怎么选？要问哪些问题？

这一步的目标是：围绕不同人群、预算和你关心的社区，构建一份大约 20–40 条的真实提示列表。

在 Amantru，我们通常会按这些维度来整理：

• Persona（人群）：relocation_buyer、move_up_buyer、investor、seller
• 地理：San Francisco、Noe Valley、Inner Sunset 等
• 漏斗阶段：research、compare、choose_agent

这就是你做 GEO 测试的骨架。

第 2 步：设计一个简单的提示测试矩阵

要把零散的提问变成可以重复的流程，你需要一个 测试矩阵。

建一张表（可以是表格工具，也可以是 CRM 里的对象），至少包含这些字段：

• prompt_id – 简短 ID，比如 relocate_sf_1
• persona – 比如 relocation_buyer
• intent – research、compare_neighborhoods、choose_agent、sell
• full_prompt_text – 你要发给 AI 的完整提示文案
• model – 比如 ChatGPT、X assistant 等
• location_context – 如果相关，用户目前在哪里（例如“用户在纽约，即将搬到旧金山”）
• run_date – 测试日期
• brand_mentioned – 是否提到你的品牌（yes/no）
• site_cited_or_linked – 是否引用或链接了你的网站（yes/no）
• position_in_answer – 在回答里的位置：第一、第二、“诸多选项之一”，或“完全没提”
• competitors_mentioned – 提到了哪些竞争对手
• notes – 质性备注（语气、是怎么描述你的等）

对于一个旧金山房产的 GEO 项目，你一开始可以这样起步：

• 每个人群先准备 5–10 条提示
• 每个人群选 2–3 个重点社区（例如 Noe Valley、Bernal Heights、Inner Sunset、Pacific Heights）
• 先选 1–2 个 AI 助手进行测试

Amantru 的智能体可以自动跑完整个矩阵并记录结果，但你完全可以先手动操作起来。

第 3 步：正确地运行提示测试

团队最常犯的错误，就是把提示测试当成一次性演示：

“我们问了一次 ChatGPT，它有提到我们，说明没问题了。”

那不叫测试，那叫“自我安慰”。

下面是如何把测试做得 真正有用。

1. 保持提问中立、真实

避免这种带品牌导向的提问：

• 在旧金山，[你们公司] 和 [竞品] 哪家经纪更好？

新线索不会这么问。

要用买家或卖家 真实可能会打出来的自然语言提问。前面那些示例就是不错的起点。

2. 每个提示多跑几次

因为 AI 的回答会有波动，所以比较稳妥的做法是：

• 每条提示在一周内跑 3–5 次
• 轻微调整说法（比如“我要搬去 SF” vs. “我要搬去 San Francisco”）
• 记录提及和引用中的 规律性 模式

3. 尽量控制好位置和上下文

如果助手允许你设置用户所在位置或 persona，尽量设置：

你正在为一位目前住在纽约、准备搬到旧金山的软件工程师提供建议。他的预算是 150 万美元。
问题：他应该重点考虑旧金山的哪些社区？你会推荐他和哪些本地的房产经纪或经纪公司聊一聊？

你也可以先写一小段 persona 描述，然后连续问几个问题，只要你有记录是哪个问题触发了哪一条回答即可。

4. 把完整回答都抓下来，而不只是“有没有提到”

不要只记“提到 / 没提到”。你要保存：

• AI 原话是怎么形容你们公司的
• 有没有明显的 社区定位（例如“在 Noe Valley 和 Bernal Heights 有很多经验”）
• 出现的上下文（比如“你可以考虑这几家经纪公司，其中之一是 ……”）

这些质性信息，对你后续优化定位和官网文案非常有价值。

第 4 步：分析模式，找出缺口

当你跑完几轮测试之后，就会开始看到一些模式。比如：

• 在 Inner Sunset 相关问题里，你的网站经常被引用，但在 Noe Valley 相关问题里几乎从不出现
• 针对搬迁买家的提示会提到你，但在 卖家相关的提示里完全没有你
• AI 对你的描述非常通用（“一家位于旧金山的房产经纪公司”），而不是突出你的优势

Amantru 通常会从三层洞察来分析：

1. 覆盖缺口

这类问题有：

• 你希望自己能被看到
• 但你完全没被提到
• 或者某个竞争对手被稳定地反复推荐

示例：

• 覆盖不错：“在旧金山，适合有小孩家庭的社区有哪些？” → 会引用你的社区指南
• 存在缺口：“在 Bernal Heights 怎么选合适的挂牌经纪？” → 推荐的都是竞争对手，不是你

2. 定位缺口

这种情况是：你确实有被提到，但描述和你想要的定位不一致：

• AI 叫你“旧金山的一家房产经纪公司”，而你更希望被看作“专注于 [某几个社区] 的精品小团队”
• AI 没有提到你的优势（比如“新盘 / 新建项目”、“公寓”、“多单元物业”等）

3. 权威缺口

这类信号说明，在 AI 看来你还不是一个足够明确的权威：

• 你只是“众多选项之一”
• 没怎么引用你的网站，而是大量引用第三方目录或点评网站
• 助手更多依靠泛泛的信息，而不是用你的内容来回答

这些缺口会告诉你，下一轮 GEO 优化应该着重发力在哪些地方。

第 5 步：把发现转化为 GEO 优化动作

只有能落地到具体行动，提示测试才真正有价值。

下面是我们在房地产 GEO 项目里常见、也常帮客户落地的几类优化。

1. 围绕高价值提示，新增或强化内容

如果很多提示都长这样：

• “在旧金山，适合有小孩、想要公立学校不错的家庭住的社区有哪些？”
• “现在在旧金山，是买公寓好还是买独栋好？”

那你就需要在这些主题上提供 深入、有用、并且保持更新的内容：

• 你重点社区各自的长篇指南
• 各种对比文章：在旧金山买公寓 vs. 买独栋、TIC 和 condo 的区别等等
• 分别写给搬迁买家、换房买家和卖家的专门内容

同时要确保这些页面上的表述，尽量贴近用户提问的句式：

“150 万美元的预算，在 Noe Valley 够不够买一套独栋？”

当你在页面上直接回答这种问题时，AI 智能体在遇到类似提问时，就更容易把你的内容提取出来。

2. 把你的专长和服务区域说清楚

不要用模糊的文案把自己的优势藏起来。

而不是写：

“服务湾区各地的全方位房地产经纪公司。”

可以改成：

“专注旧金山的精品房产团队，主攻 Noe Valley、Bernal Heights 和 Glen Park 的独栋与公寓。”

当 AI 在解析你的网站和其他引用信息时，这种更明确的措辞能帮助它更好地判断 你适合哪些查询场景。

3. 把真实提示写成 FAQ

把你的提示列表“翻译”成站内 FAQ：

• “Bernal Heights 适合有小孩的家庭吗？”
• “现在 150 万美元在 Noe Valley 能买到什么样的房子？”
• “在旧金山，该如何选择适合自己的挂牌经纪？”

这些内容既有助于传统 SEO，也 有助于生成式引擎。

4. 增强站外信号和引用

AI 助手会非常依赖 第三方来源：

• 本地协会和目录网站
• 点评平台
• 媒体报道
• 社区和街区相关的博客

用你的提示测试结果来反推 该在哪些地方出现。例如：

• 如果助手一直在引用某个本地房产博客，可以尝试看能不能在上面贡献内容。
• 如果某个社区在 AI 的回答里几乎被某个竞争对手“垄断”，就去分析 为什么——是不是他们的点评更多、社区页面做得更好、或者有更多本地外链？

5. 用获客表单和归因把闭环打上

要证明 GEO 真正带来了业务价值，可以在这些地方补上：

• 在线表单加一个“你是怎么找到我们的？”选项，里面包括 AI 助手（如 ChatGPT、Claude 等）
• 在 CRM 里为自报是通过 AI 助手找到你的线索加上标签
• 让经纪在和客户沟通时，留心并记录类似“我是在 ChatGPT 里搜社区时看到你们的”这样的说法

长期来看，你就能把这两者联系起来：

• 提示测试指标的改善（引用率、定位准确度等）
• 对应的 线索数量和销售管道，也就是那些被标记为“通过 AI 助手发现你”的机会

你今天就能用上的示例提示包

下面是几个可以直接开用的提示模板。

搬迁买家提示

我是一名准备从纽约搬到旧金山的软件工程师，预算大约 150 万美元，希望社区安全、餐厅多、适合步行，通勤去 SoMa 也要相对方便。

我应该重点考虑旧金山的哪些社区？你会推荐我去了解哪些本地房产经纪或经纪公司？

卖家提示

我在旧金山 Bernal Heights 有一套独栋，打算在未来 6–12 个月内出售。

我应该怎么着手挑选挂牌经纪？有没有你特别推荐的旧金山本地经纪公司或团队？

投资客提示

我想在旧金山买一栋 2–4 单元的住宅楼，用来长期持有出租。

你建议我重点看哪些社区？大概应该预期什么价格区间？哪些本地房产经纪或经纪公司在多单元物业上比较有经验？

把这些提示在你的目标客户可能会用的几个 AI 助手上各跑几遍，然后把结果记到你的测试矩阵里。

如何衡量你们机构的 GEO 成功与否

下面是 Amantru 在 GEO 项目中会重点关注的指标：

• 引用率（Citation rate）：
  所有测试提示里，有多少百分比至少提到了你的机构或你的网站。

• Top-3 占比（Top-3 share）：
  有多少百分比的提示，会在前 3 个推荐里出现你。

• 站点链接出现率（Site link presence）：
  有多少百分比的提示，会明确引用或链接到你的网站。

• 人群覆盖度（Persona coverage）：
  按不同人群（搬迁、换房、投资、卖家）拆分的引用率。

• 社区覆盖度（Neighborhood coverage）：
  对你重点关注的几个社区，各自的引用情况。

• 线索归因（Lead attribution）：
  被标记为“通过 AI 助手发现你”的线索和商机数量及金额。

随着时间推移，你希望看到的趋势包括：

• 被引用到的提示越来越多
• AI 对你的描述更准确、更贴合你想要的定位
• 越来越多线索会主动提到是通过 AI 助手找到你的

你可以在一周内完成的 GEO 小实验

如果你想先小范围试水，可以用这个简单的 一周实验方案：

第 1–2 天

• 定义 3 类人群（例如搬迁买家、换房买家、卖家）。
• 每类人群写 3–5 条提示（总共 9–15 条）。
• 按前面说的字段，搭一张简单的测试表。

第 3–4 天

• 在一个 AI 助手上，每条提示跑 3 遍。
• 记录有没有提到你、有没有引用链接、以及具体是怎么描述你的。

第 5 天

• 找出：

  • 2–3 个 最大缺口（比如：所有卖家相关提示里都没你、Noe Valley 相关提示里完全不提到你）。
  • 2–3 个你在下个月内可以落地的 内容或定位层面的改进。

一个月后，用同样的测试再跑一遍，看看这些指标是否有明显变化。

Amantru 如何帮房地产团队做 GEO

在 Amantru，我们既用 AI 智能体来服务你的客户，也用它们来 测试并改进生成式引擎眼中的“你是谁”。

对于一家旧金山房产经纪公司，这通常包括：

• 设计 针对不同 persona 的提示包，贴合你真实的线索画像

• 搭建 自动化的 GEO 测试流程，持续向 AI 助手发问、抓取结果并计算指标

• 把洞察沉淀成 可以执行的行动手册：

  • 需要新增或更新哪些页面
  • 怎么围绕特定社区去“打磨”你的定位
  • 在哪些站外渠道建立权威和引用

• 把 GEO 指标和 真实业务结果 连起来，比如 AI 来源的线索数量及销售管道

如果你希望为经纪公司跑一套 GEO 项目，或者想把提示测试这件事真正系统化、流程化，Amantru 可以和你的团队一起，快速设计并落地一个试点项目。

你带来本地专业知识，我们带来智能体、流程和衡量体系。