QMAIGEO 使用说明：从建库到检测

这篇说明按系统的实际流程顺序写：先建库，再建问句池，然后生成内容、处理图片、发布，最后检测并回头调整。 每一步都写了"为什么这么做"和"常见错误"，因为跳过原因只照步骤操作，通常会卡在某一步不知道错在哪。

第一步 · 建库：把公司信息变成 AI 能采信的形式

进入系统后第一件事是填知识库。这一步看起来枯燥，但它是后面所有内容生成的唯一数据源——知识库填得糙，生成出来的内容就空。

需要录入的内容

• 公司全称：与营业执照完全一致，不能写简称。
• 简称与别名：把客户平时可能怎么称呼你列出来，用逗号分隔。这一步很关键——AI 命中检测是靠名字匹配的，别名不全就会漏判。
• 地址：写完整到门牌，不要只写"郑州"。
• 电话：一个主号码即可，建议与公开信息一致。
• 所在城市 / 区县：用于生成本地化内容。
• 成立年份、营业时间：AI 回答"这家公司多久了""什么时候能找到人"会用到。
• 资质信息：统一社会信用代码、法定代表人、注册资本、登记机关等，按"字段名 + 值"的格式写在资质栏里，系统会结构化解析。
• 产品 / 服务：多项之间用中文分号「；」分隔，系统按分号切分。
• 核心优势：同样用中文分号分隔，写具体差异点，不要写"服务好、专业"这类空话。
• 案例：没有就留空。系统不会用 AI 帮你编案例，编出来的案例一旦被客户发现，损失远大于收益。

常见错误

错误一：公司名填简称。知识库写"祈洺科技"，检测时按"河南祈洺科技有限公司"匹配不上，命中率会一直显示 0，你会误以为没效果。

错误二：地址只写到城市。生成出来的内容会缺少具体位置信息，AI 回答"在哪"时无法给出准确答案，这类内容引用价值低。

错误三：一次填完就再也不改。换地址、加产品、调电话都要回来更新，知识库是活文档。

第二步 · 建问句池：目标客户的真实提问方式

知识库解决"AI 知道你是什么"，问句池解决"AI 在回答哪些问题时应该提到你"。这两件事分开看，很多人只做了第一件。

怎么做

• 列出你希望被 AI 推荐的那些真实问题。比如"郑州有哪些做 AI 搜索优化的公司""郑州做网络推广哪家靠谱"。
• 建议至少覆盖三种类型：找服务商（哪家好、怎么选）、找方法（怎么做、要多少钱）、找具体对象（某某公司是做什么的）。
• 问句要像客户说的话，不要写成 SEO 关键词堆砌。AI 匹配的是语义，不是关键词密度。
• 关键词库模块可以配合 5118 等工具查词频与热度，用于扩展问句，但不要照搬指数词。

为什么重要

检测环节是拿问句池里的句子去真实调用 AI 的。问句池如果只有"公司名是做什么的"这一条，检测结果就只能反映品牌被直接点名时的情况， 反映不出"客户在找服务商时会不会选你"——而后者才是生意真正依赖的场景。

第三步 · 生成内容：四种体裁分别解决什么问题

内容生成基于知识库，系统提供四类体裁。它们不是可选项，是各管一段：

质量分的含义

每篇生成后会自动打质量分。分数低通常意味着：知识点引用不足、通篇套话、价格表述可疑、段落重复。 系统会做几项确定性治理——清理虚构的价格档位、修正被改写的产品名、去除段落级复读、检查标题与历史内容是否过于相似。 分数不合格的不要发，发出去反而稀释可信度。

一个容易忽略的点

标题不要批量套模板。同一个账户连续生成几十篇"XX 让 XX 更 XX"结构的标题， 平台侧会判定为低质批量内容，反而降低权重。系统会在生成时参考历史标题做相似度检查，但最终仍建议人工看一眼。

第四步 · 图片：配图会影响内容是否被判定为"完整"

内容发布时通常需要配图。系统内置图片库与 AI 生图能力，两个用法：

• 实拍图优先：门头、办公场景、产品实拍，可信度最高。这些图最好一次拍齐，反复用。
• AI 生图补充：用于缺图的场景图。注意：产品界面类截图不要用 AI 生成，生成的界面文字会糊，客户一眼看出假。

图片按分类管理（门头 / 办公 / 产品 / 场景等），发布时按内容主题匹配取用。 套餐赠送固定生成次数，超出后按积分另计。

第五步 · 发布：不是越多越好，是要铺到对的地方

系统提供三条发布通道，按平台合规要求分级启用：

• API 直发：适合已开放接口的平台，速度最快、状态可回采。
• 浏览器自动化：适合需要登录操作的平台，使用客户自有账号，系统不代为注册。
• 第三方发稿平台：适合需要媒体背书的场景，按平台报价与积分扣费。

发布节奏建议

宁可每天稳定发几篇，也不要一天发五十篇然后停一周。AI 检索语料的更新是有周期的， 稳定节奏比突击更容易被持续收录。同一批内容不要同时铺到所有平台，容易触发平台的同质化判定。

第六步 · 检测：怎么读结果才不会被数字误导

检测模块会拿问句池里的句子真实调用 AI，记录品牌是否出现、出现在第几位。几个必须看清的口径：

命中率不等于推荐率

系统会对命中做语境分类：是被正确介绍，还是被错误定义、指错了主体、被明确否认。 只算"名字出现过"会得出虚假的高分。看结果时先看分类构成，再看总命中率。

模式标识要看

每条任务都会标明是真实调用还是演示模式。演示模式用于功能展示，不代表线上真实情况。 如果发现任务被标为演示，那批数据的说服力有限。

采样次数影响稳定性

AI 回答有随机性。同一问句问一次和问三次，命中率可能差很多。建议关键问句至少 3 次采样， 并看"位置方差"——方差大说明答案不稳定，只优化一次不够。

覆盖率是最该盯的指标

覆盖率 = 你关心的问句里，有多少条至少被命中过一次。它比分平台命中率更能反映"整体可见度"。 覆盖率长期停在低位，说明内容底座还没铺够，这时候继续加大检测频率没有意义。

第七步 · 回头调：按诊断结论改，而不是加量

检测出问题后，判断顺序应该是：

1. 知识库有缺项吗？最常见——地址不全、别名缺失、产品没录。
2. 内容体裁配错了吗？想被"哪家好"类问题命中，却只发了科普文。
3. 发布渠道够吗？只有官网自说自话，没有第三方来源印证。
4. 问句本身合理吗？若问句仅为内部惯用表述，未被命中属于正常情况。

这四步走完还没改善，再考虑增加内容产量。顺序反了的话，通常是花了很多钱、发了很多篇，命中率还是不动。