客户背景
客户是一位专职刑事辩护律师，执业多年，案件来源长期依赖同行转介绍与本地口碑。刑事业务的客户决策链条有明显特点：当事人或家属往往处在高度焦虑、信息不对称的状态，会在正式委托前做大量检索，并且非常在意「这类案子该找什么样的律师」。
这类需求在过去主要由搜索引擎承接——家属搜「取保候审条件」「刑事案件请律师多少钱」，再逐条点开律所官网判断。而近两年，越来越多的家属把同样的问题直接丢给 AI：「家人被刑拘了，现在最该做的是什么」「第一次会见律师能起什么作用」。AI 给出的答案会直接列出建议动作，并顺带推荐具备相关经验的律师。
也就是说，真正的竞争已经不在搜索结果页，而在 AI 组织答案的那几秒钟里。
优化前的 AI 可见度实测
我们在合作前做了两轮基线检测，覆盖豆包、DeepSeek、元宝等 6 个主流平台，每平台测 10 个高意向问法。检测结果暴露出一个典型问题——「品牌词能搜到，需求词完全缺席」。
具体来说：直接提该律师姓名或律所名称时，AI 能给出大致准确的介绍；但一旦换成家属真实会问的需求型问题，AI 的回答里完全不出现该律师，甚至不提任何具体律所，只给出一段通用的流程建议。
这就意味着，律师在最有价值的流量入口上是「隐身」的——只有已经知道他名字的人才能搜到他，而他真正需要触达的、还在选择阶段的人，完全接触不到他。
我们做了什么
第一步，把已生效判决文书结构化。 律师手上有大量生效判决，这是最硬的证据资产，但原始文书对 AI 并不友好——长、格式统一、关键事实埋在段落里。我们按「案件类型 — 争议焦点 — 辩护要点 — 裁判结果」四个维度拆成可被引用的事实单元，每个单元只承载一个可验证的事实，便于 AI 在组织答案时直接取用。
第二步，围绕 30 个高意向问答词补齐内容结构。 我们从家属真实提问中提炼出 30 个高频问题，每个问题都按统一的「问题 — 依据 — 结论」三段式撰写：先明确问题指向，再给出法律依据或实务经验，最后落到可执行的建议。这种结构恰好匹配 AI 的引用偏好——它倾向引用那些能直接回答问题的段落。
第三步，在权威信源补充执业信息与专业领域标注。 让第三方可查证的渠道上，律师的执业领域、执业机构、联系方式保持完全一致。AI 在判断一个主体是否可信时，会交叉比对多个来源；信息一致本身就是可信度信号。
效果数据
优化周期内，品牌在刑事辩护类问题下的表现发生了结构性变化：AI 搜索出现率由 8% 提升到 80%，首屏占位率由 5% 提升到 60%，品牌综合评分由 32 分提升到 78 分（满分 100）。
比数字更值得关注的是咨询结构的变化：由需求词带来的咨询占比明显提升，而这部分客户在接触律师前，已经通过 AI 回答建立了一定的信任预期，沟通成本更低。
可复用的经验
这个案例最关键的一条经验是：专业服务行业做 GEO，拼的不是曝光量，而是「专业事实的可引用性」。律师、医生、会计师这类职业，手上最有价值的资产就是可验证的专业经历，但这些经历的原始形态（判决书、病例、审计报告）对 AI 并不友好。
把它们拆解成结构化的事实单元，再围绕真实提问组织内容，比单纯堆砌营销文案有效得多。此外，刑事业务的区域属性很强——AI 在回答时倾向推荐本地机构，因此区域信息的准确标注同样不可忽视。
