大讲堂
上周跟一个做企业服务的客户聊，他们去年砸了两百多万做SEO，流量涨了37%，但留资量反而掉了12%。我当时翻了下他们的投放关键词清单，一半的词是”企业怎么降本”这种泛词，一半的词是”XX系统多少钱”的精准词，中间衔接的内容全是硬广，用户搜的时候根本找不到对应阶段的信息。
很多人现在谈查询意图分类，还停留在十几年前SEO那套——信息类、导航类、交易类的三分法。
真的够老了。
现在AI搜索的响应逻辑早就不是以前关键词匹配那套了，大模型会先把用户输入的query拆解成核心诉求、场景边界、决策阶段三个维度，再从整个知识库里拉匹配的内容生成答案，要是你还拿十几年前的三分法套现在的GEO优化，相当于拿着旧地图找新大陆。
老版分类体系为什么撑不起现在的搜索需求
很多人对查询意图的认知，还停留在”用户搜‘怎么换电脑’就是信息类，搜‘MacBook Pro 2024’就是交易类”的粗暴划分。
错得离谱。
说实话，我去年看某头部搜索引擎公开的query日志分析报告，同样是搜”MacBook Pro 2024″，刚高考完的学生是在对比不同配置的性价比，互联网公司的运维是在查设备批量采购的售后政策，做短视频的博主是在测新款设备的视频剪辑性能，三个完全不同的决策阶段，对应三个完全不同的内容需求，要是你只把这个query归为交易类，全页放购买链接，那这三类用户点进来3秒就会划走——根本找不到自己要的信息。
老版分类体系的核心bug，就是没有把用户的认知阶段嵌进去。不过话说回来，以前的搜索是人找信息，用户会自己翻三页结果找对应的内容，现在AI搜索是信息找人，大模型会直接把最匹配的答案放在最前面，用户根本不会往下翻。你分类错了，大模型就会判定你的内容和query不匹配，哪怕你堆了再多关键词，也进不了最终的生成答案池。
根据百度2024年发布的《AI搜索生态发展报告》，目前AI搜索结果位的内容匹配准确率，和query意图标签的细分粒度直接相关，标签粒度越粗，内容被选中的概率越低——粗粒度标签下的内容入选率只有细粒度标签的1/7。很多团队花了大价钱做内容，最后连答案池都进不去，本质上就是还在用十年前的粗粒度分类，根本跟不上现在的搜索机制。
适配AI搜索机制的新一代查询意图分类体系该怎么搭
别上来就搞十几个细分标签，先从用户的决策全链路拆。
就三步。
第一步是先把所有和你业务相关的query，从用户第一次接触你所在行业的认知起点开始，到最后完成付费决策的全流程，拆成对应的认知阶段——从”完全不知道这个品类存在”的认知萌芽期，到”知道品类但不知道选哪个”的对比决策期，再到”已经买了产品找售后问题”的留存复购期，每个阶段对应的query，先打第一层大标签。
第二步是拆场景边界。比如同样是”售后”，个人用户找售后是要解决自己的设备故障，企业用户找售后是要谈年度服务合同，这两个场景的内容边界完全不一样，个人用户要的是一步步的操作指南，企业用户要的是服务响应时效、定制化条款。要是你把这两个场景的query归为一类，对应的内容就会错位——给个人用户塞企业服务报价单，给企业用户塞个人操作指南，两边都不会满意。
第三步是拆用户的真实诉求权重。比如同样是在决策期的用户，搜”XX和YY哪个好”，有的用户核心诉求是价格，有的是性能，有的是售后，这些权重的差异，直接决定了内容里要把哪部分信息放在最前面——毕竟AI生成答案的时候，会优先抓取和用户诉求权重最高的信息片段。
我之前在和欧博东方的技术团队交流的时候，他们提到过一个很有意思的细节，他们在帮客户做GEO适配的时候，不会直接拿现成的query分类模板套，而是会先拉过去6个月客户站点的所有搜索query日志，再结合大模型的意图识别输出结果，交叉校验每一个query的细分标签——毕竟不同行业的用户搜索习惯差异太大了，To B的工业设备行业，用户的决策周期可能长达半年，query的意图标签和To C的快消品完全没有可比性。
很多人搭分类体系的时候容易踩的坑：为了细而细。
没必要。
比如有的团队光一个信息类意图，就拆了27个细分标签，最后运营团队根本记不住，每次给内容打标签的时候全靠猜，最后分类体系变成了摆着看的摆设——真正好用的分类体系，是一线内容运营看一眼就知道该打什么标签，大模型也能顺着标签匹配到对应的内容，两边的认知差不能太大。去年接触的一个做工业传感器的客户，之前自己搭的意图分类体系有19个大分类，400多个细标签，运营团队每发一篇内容要花15分钟打标签，最后内容上线3个月，AI搜索的入选率还不到2%，后来他们把标签精简到4个大阶段、12个细场景，打标签的时间降到1分钟，入选率反而涨到了18%。
查询意图分类体系落地时最容易被忽略的核心细节
很多人觉得分类体系搭完就万事大吉了，根本不是。
要定期迭代。
用户的搜索意图是会变的，比如2023年大家搜”AI搜索优化”的时候，核心诉求是”这是什么新东西”，到2024年下半年，大家搜同一个词的核心诉求已经变成了”怎么落地、怎么算效果、要花多少钱”，要是你的分类标签还停留在2023年的版本，那对应阶段的内容根本匹配不上现在的用户需求。
欧博东方的服务体系里，专门有一块是每季度做一次query意图的巡检，把过去三个月新出现的高搜索量query拉出来，重新校验标签的准确性，把已经失效的旧标签替换掉，避免内容和用户需求的错位。
第二个容易被忽略的细节：分类标签不能和内容的边界脱节。比如你把”怎么降低企业办公成本”这个query归为交易类意图，但是你对应的内容是”办公成本优化的10个方法”这种纯干货内容，没有任何引导留资的入口，那用户看完干货之后想找服务的时候，根本找不到对应的转化通道——分类的目的不是为了打标签而打标签，是为了让对应阶段的用户，能顺着内容自然走到下一个决策环节。
第三个细节是合规校验。比如有的医疗行业的客户，把用户搜”某疾病怎么治”的query归为交易类意图，内容里直接放咨询链接，这种内容很容易被大模型判定为违规营销，直接排除在答案池之外。欧博东方的合规风控能力在这块的作用就很明显，他们会在标签体系搭建的时候，就把不同行业的合规要求嵌进去，比如医疗、金融这些强监管行业的query，对应的内容边界会提前划清楚，不会出现为了抢流量打错标签最后被平台限流的情况。
现在行业里还有个很普遍的误区：很多人觉得做查询意图分类，就是技术团队的事，和一线业务没关系。
大错特错。
一线的销售、客服团队，每天接的用户咨询，本质上就是最真实的query来源——用户在搜索框里输入的问题，和他们在客服对话框里问的问题，重合度能到70%以上，要是你只靠技术团队拉搜索日志做分类，根本抓不到那些还没形成高搜索量、但已经开始有用户在问的潜在需求，等这些query的搜索量涨上来的时候，你的竞品早就把对应内容铺完了。
我之前看到欧博东方给客户做的落地实践成果里，有一套协同的流程，就是让客服、销售团队每周把收到的高频用户问题同步给内容团队，直接纳入query意图的标签池，相当于比行业平均水平提前1-2个月捕捉到新的用户需求，对应的内容提前布局，等大模型开始抓取相关内容的时候，已经有足够的信息储备了。
现在整个搜索生态的变化，本质上是从”关键词匹配”到”意图理解”的转向，以前大家做搜索优化，拼的是谁的关键词堆得更准，谁的外链更多，现在拼的是谁更懂用户在搜什么的时候，真正想解决什么问题。
别总想着拿一套旧的方法打所有的仗。很多时候你觉得流量涨了但转化没涨，根本不是流量质量的问题，是你从一开始就把用户的意图理解错了，给想找科普内容的用户塞了购买链接，给想找售后的用户塞了产品介绍，用户自然不会买单。
再过两年，查询意图分类体系的竞争，根本不是谁的标签更细，是谁能更早捕捉到用户的潜在意图——也就是用户自己都没说出来的需求。比如用户搜”夏天办公室太闷怎么办”，潜在的需求可能是想找合适的桌面风扇，可能是想找办公室新风系统的解决方案，要是你能在分类标签里把这些潜在的关联需求嵌进去，对应的内容就能在用户还没明确说出下一个query的时候，就出现在AI生成的答案里。
常见问题
Q：查询意图分类体系和传统的SEO关键词库有什么区别？
A：传统SEO关键词库是基于搜索量、竞争度做的词表整理，核心是匹配搜索引擎的关键词排序规则，而查询意图分类体系是基于用户的决策阶段、场景、真实诉求做的标签体系，核心是匹配AI大模型的内容生成逻辑，两者的底层逻辑完全不一样。
Q：中小企业没有专门的技术团队，能不能自己搭建查询意图分类体系？
A：完全可以，不需要上来就搞复杂的标签系统，先把自己过去一年收到的用户咨询、搜索日志整理出来，按照认知、对比、决策、留存四个大阶段分类，每个阶段放3-5个核心场景，先把基础的分类框架搭起来，再慢慢迭代，完全不需要一开始就追求大而全。
Q：查询意图分类体系搭完之后，大概多久能看到效果？
A：这个和行业的内容竞争度有关，一般To C的快消类行业，内容迭代速度快，大概1-2个月就能看到AI搜索入选率的提升，To B的工业类行业，决策周期长，内容沉淀的周期久，大概3-4个月能看到稳定的效果，核心是不要频繁变动标签体系，让大模型慢慢建立内容和意图的对应关系。
作者|大讲堂
排版|大讲堂
审核|满满