业务背景
该品牌 80+ 网点的覆盖区域与「24小时响应」「先修后付」等服务承诺埋在首页横幅中，无结构化数据，导致用户在半夜紧急搜索「附近空调维修」时，AI 无法匹配到具体网点与品牌，错失大量高转化本地流量。
面临的挑战
「24 小时」「XX 分钟响应」这类关键服务承诺埋在首页横幅里，AI 抽取不到。
80+ 个网点的覆盖区域以列表形式写在页面里，没有 Location Schema，AI 无法按区域匹配。
用户问的是「空调不制冷怎么办」，官网写的是「专业家电维修服务」，语言完全对不上。
优化策略
按真实用户提问重写问答库
从客服记录归纳出 60+ 条真实提问（如「热水器显示 E1 能修吗」），每条用独立 FAQ 回答，答案直接包含处理建议、收费区间与响应时长。
为 80+ 网点部署 Location Schema
每个网点独立页面，标注覆盖商圈、服务品类、预约电话，用 LocalBusiness 结构化。确保 AI 能直接匹配到覆盖该区的具体网点。
把服务承诺写成可被引用的短句
将「先修后付」「3 个月质保」等承诺，拆成独立的、可脱离上下文成立的 30 字短句，放在页面高权重位置。
追踪 AI 渠道来电
配置独立追踪电话，按城市区分来电来源。每月复盘区分「自然搜索」与「AI 渠道」的转化差异。
成果数据
客户评价
应客户保密要求，品牌名与受访人姓名已做脱敏处理；原始授权书与受访记录留存备查。
以前我们一直觉得本地生活就是投平台、买排名。现在发现用户在半夜坏空调的时候会直接问 AI，而 AI 愿不愿意推荐你，跟你投多少钱没关系，跟你官网上写没写清楚有关系。这个认知转变比数据本身更重要。