AI 凭什么推荐你家隔壁那家店——本地推荐的三层采信逻辑

本地生活 GEO 专栏 · 第二篇 · 机制篇

结论先行：AI 推荐门店不是玄学，而是一条可以拆开的采信链——先听懂问句，再圈出门店候选池，最后用证据决定把谁放进答案。 三层里每一层，都有门店自己能左右的事可做。看懂这条链，你就知道自己的店是在哪一层被漏掉的，也知道劲儿该往哪使。

这是「本地生活与到店消费 GEO」系列的第二篇。第一篇讲了入口迁移：本地消费的第一次接触已经发生在 AI 的答案里。这一篇往里走一步，把「顾客问一句、AI 推荐一家店」的完整过程拆开讲清楚。

一、一单烤鱼的完整旅程

先把一次真实的推荐过程在纸面上完整推演一遍。需要说明：这是基于各平台公开机制的逻辑推演，非实测数据，但每一步都有平台公开信息支撑。

周五傍晚六点，顾客打开一个 AI 入口，输入：「周五晚上想带爸妈吃烤鱼，要包间，停车方便，人均一百以内，离家两公里内。」

AI 拿到这句话，做的第一件事不是找店，而是听懂这句话。它把这段话拆成几个要素：品类是烤鱼；场景是带父母的家宴，所以安静、包间是加分项；硬条件是停车方便、人均一百以内、两公里内。这里的每一个词都不在传统关键词匹配的字典里——顾客一个字没提「江团」「活鱼现杀」「包间费」，但 AI 必须把这些需求翻译成门店的具体属性才能继续。

第二件事，是圈出门店候选池。AI 不会把全城几千家烤鱼店都拿来逐一比较——那既慢又不现实。它会先按位置、品类、营业状态筛出一个小的候选集合，通常来自地图的门店数据库、平台的团购供给、榜单入围商家这些「登记在册」的店。你家店如果根本不在这个池子里，后面的一切都与你无关——不是输给了隔壁，是压根没上场比赛。

第三件事，才是采信证据、排出答案。候选池里可能有七八家店，AI 要从问句出发逐项核对：哪家有包间？哪家门口有停车场或者商场自带车位？哪家的人均价格能对上「一百以内」？证据从哪来——商家自己登记的信息、平台校验过的真实评价、用户的行为数据（导航、到店、复购）、跨平台的口碑一致性。最后，AI 把证据充分、匹配度高的两三家放进答案，还常附一句「已为你核验商家信息」。

美团在介绍 AI 管家「问小团」时公开描述过类似的工作方式：基于平台上商户地址、营业时间、门店设施等基础信息，以及海量真实评价，为用户提供匹配的商家信息，并进行二次校验。据南方都市报报道，春节期间问小团为用户核验了 1.2 亿次休闲玩乐商家信息、校验了 1.4 亿条真实评价。高德扫街榜的逻辑也类似，不过是把证据换成了用户行为——导航、搜索、到店，官方的原话是「高分店铺可能是刷出来的，但到店行为不会骗人」。

这个旅程拆完，三层结构就浮出来了。下面逐层细看。

二、第一层：听懂问句——本地问句的「三高」特征

本地消费的问句，和电商搜索、通用问答都不一样，可以概括为「三高」：高场景、高条件、高即时。

高场景：问句里几乎总带着「和谁去、什么场合」——带爸妈、约客户、闺蜜聚会、孩子生日。场景决定了推荐方向：同样的烤鱼，带爸妈要安静有包间，同事聚餐要热闹能喝酒。AI 必须理解场景才能选对店。

高条件：位置、预算、时间、设施，常在一次提问里同时出现——「两公里内」「人均一百以内」「要停车方便」。条件越多，能同时满足的店越少，这恰恰是机会：谁的门店信息把这些条件写得越清楚，谁越容易在多条件筛选里剩到最后。

高即时：本地问句常在消费前一两小时发生，「现在还营业吗」「今晚有位置吗」。这意味着 AI 采信的信息必须是新鲜的、可核实的——营业时间过期、搬迁未更新的门店，会在这一步被直接甩出去。

美团技术团队在搜索 3.0 的公开博客里介绍过，他们正依托大模型技术重构本地生活搜索底座，用语义表征理解用户的模糊化、多条件、复杂化需求。翻译成门店老板能懂的话：平台正在全力听懂顾客的长问句，而你的门店信息还停留在「关键词时代」的话，就接不住这波听懂。

这一层门店能做的事很明确：把顾客问句里高频出现的词——场景词（家庭聚餐、朋友小聚）、条件词（包间、停车、人均）、时效词（营业到几点、周末不打烊）——写进自己的门店介绍、团购详情和内容里。顾客怎么问，你就怎么把答案提前写好放在 AI 找得到的地方。

三、第二层：圈出候选——不在池子里，连被考虑的资格都没有

这一层最容易被门店忽视，却是最硬的一道门槛。

AI 推荐的门店候选池从哪来？综合各平台公开信息，主要四个来源：地图门店数据库（名称、位置、营业时间等基础 POI 信息）、平台团购供给（上了团购、能直接交易的商家）、榜单入围商家（扫街榜这类行为榜单的入驻商家）、平台生态内的商家主页（评价、图片、菜品档案都在其上）。

这四个来源有一个共同的名字：登记在册。AI 是按册索店，不是满街扫店。一家店如果地图上没有准确标注、主流平台没有经营主页、没有可交易供给，它在 AI 眼里就是「查无此店」——顾客的问句再精准，它也进不了候选集合。

有个数据可以说明「进池子」的价值：据高德 2026 年 1 月发布的数据，扫街榜上线 100 天有超 86 万商家主动入驻，入驻商家平均营业额环比增长超过 270%。主动入驻这个动作本身，就是把门店放进了一个新的候选池。

这一层门店能做的事同样明确：把四个池子挨个查一遍，缺哪个补哪个。 地图标注做了没有？名称、地址、电话准不准？主流本地生活平台的主页开着没有？团购供给有没有挂？区域性的榜单报名入口知不知道？很多小店不是被 AI 淘汰的，是根本没报名参赛。

连锁门店在这一层还有个特殊功课：分店信息要一家一家建、一家一家核。常见的事故是总部统一上传的图文里，各分店的地址、电话互相污染——A 店的页面挂着 B 店的地址，两家店在 AI 眼里都成了「信息可疑」的店。这个坑，第四篇会专门展开。

四、第三层：采信证据——AI 用什么决定是你还是隔壁

到了这一层，候选池里的店同台竞技，AI 手里拿着一把「证据秤」。综合问小团、扫街榜等产品的公开机制，秤上的砝码主要有四类。

第一类：商家登记的事实信息。 招牌菜、人均价格、设施（包间/车位/无线网络）、营业时间。这是 AI 核对问句条件的基础材料。问小团的做法是拿这些信息做二次校验，再结合真实评价给出推荐——也就是说，登记信息不只是「填了就行」，它会被交叉验证，填得和事实不符，反而扣分。

第二类：真实评价的量与质。 评价多不多、新不新鲜、有没有细节。AI 读评价不是数星星，是找具体事实——「包间宽敞适合老人」「门口好停车」「牛骨汤是现熬的」这类描述，正是回答顾客问句时要用的话料。问小团春节校验了 1.4 亿条真实评价，说明评价核实已是推荐前的标准动作。

第三类：用户行为数据。 这是高德扫街榜的招牌逻辑：导航到店、专程前往的里程、反复到店的频次。行为数据难造假——你可以说自己的菜是全城领先，但几千公里专程导航而来的人不会说谎。扫街榜的菜品榜评分公式（专程前往距离、反复到店频次、菜品点赞比例）公开体现了这种「用脚投票」的采信取向。

第四类：跨平台口碑一致性。 AI 在多个来源之间交叉验证：团购平台上的价格、评价里的价格、AI 问答时说出的价格，对得上吗？招牌菜这边说是 A、那边说是 B，可信度就打折。一致性越好，采信越果断；矛盾越多，越容易被绕开。

这四类砝码放进天平，AI 给出答案。回答开头那个问题——AI 凭什么推荐你家隔壁那家店而不是你家？逐层检查就知道了：它在候选池里吗？它的高频问句词写清楚了吗？它的证据秤上四类砝码齐不齐？

五、补一层认识：通用大模型和平台 AI 是两套考场

讲完三层，还要补一个容易被忽略的结构问题：本地推荐其实发生在两个考场上，题目和评分方式并不相同。

第一个考场是平台 AI。 问小团、扫街榜、点评的 AI 助手、抖省省的智能推荐，都长在交易平台上。它们的优势是「离店近」——手里有门店的基础信息、真实的交易与评价数据，推荐完可以直接领券、下单、核销。这个考场考察的重点，是你平台内的经营动作：主页信息、供给、评价、行为数据。

第二个考场是通用大模型。 顾客在通用 AI 助手里问「附近哪家烤鱼店适合家庭聚餐」，这类问答没有交易平台的数据底座，模型依赖的是全网语料：平台的公开页面、地图数据、榜单结果、媒体报道、社交平台上的讨论。这个考场考察的重点，是你的店在全网留下的痕迹够不够多、够不够一致——平台主页上的招牌菜介绍、评价里的具体描述、榜单上的名次，都可能成为通用大模型组织答案的素材。

两个考场不是割裂的，而是一条流水线：你在平台 AI 里积累的真实评价和行为数据，沉淀为公开页面上的口碑痕迹；这些痕迹被通用大模型收录进语料，又在通用问答里替你说话。高德扫街榜的上榜结果之所以值得门店在意，不只因为它自己带来曝光，还因为它成了全网可见的「信任背书」，会流进通用大模型的答案里。

给门店的启示是：证据做一次，考场考两场。 把招牌菜说清楚、把评价养厚实、把信息对齐，同样的功夫在平台 AI 和通用大模型两边同时生效。反过来，只盯着一个平台刷数据、做单点优化，另一个考场上你依然是空白。

六、三层各有一件事可做：把这篇文章变成检查表

机制讲完，落到门店手上就是三件事，一一对应三层。

第一件，把问句写进内容。 整理一份「顾客最可能怎么问我」的问句清单——带场景、带条件的那种长问句，然后逐条检查：这些问句需要的答案（包间？停车？人均？营业时间？），在我的门店信息里找得到吗？

第二件，把门店开进候选池。 地图标注、平台主页、团购供给、榜单报名，四个池子逐一登记。这事的性质是「报名」，一天就能办完大部分，却决定你有没有参赛资格。

第三件，把证据摆到明处。 登记的事实要准确且和真实一致，评价要有厚度有细节，行为数据靠真实的到店体验积累，跨平台信息要对齐不打架。

三件事按顺序做，但不是做完一次就结束——问句在变、供给在变、口碑在长，这条采信链每周都值得重走一遍。

下一篇，我们进入三件事里最花功夫的一件：内容。AI 不会推荐「一家很好的店」，只会推荐「一家说得清的店」——招牌菜、价格带、场景适配、到店细节，这些「说得清」的事实要整理成什么样子、放在哪些地方，才能被 AI 顺手就引用进答案？第三篇给出一份可以直接照着填的门店内容资产清单。