AI 凭什么把你写进推荐名单——设计服务问答的采信逻辑

设计服务行业 GEO 专栏 · 第二篇 · 机制篇

同一位业主，问了两个 AI 一个问题：「杭州擅长极简风格的设计工作室有哪几家推荐？」第一个 AI 给出三家，第一家以「本地老牌工作室、案例集中」为理由；第二个 AI 给出另外两家，理由是「社区讨论里的口碑反馈」。业主糊涂了，工作室主理人更糊涂：AI 推荐到底怎么定的？为什么两家的名单不一样？

糊涂的根源，是把 AI 推荐当成一个整体在猜。第一篇立了「设计可见性」的目标，这一篇把目标背后的机器拆开：AI 从接到问题到给出名单，中间每一步在做什么、看什么。机制明白之后你会发现，AI 的推荐名单不是玄学，而是一张可以被逐格检查的评分表——只是大多数设计公司从没看过这张表。

需要说明的是，本文拆的是生成式 AI 共同遵循的可观察逻辑，依据平台公开说明、行业研究与可复现的测试行为，不涉及任何平台的内部参数——那些品牌拿不到，也不需要拿到。真正有用的，是所有 AI 回答设计问句时共同走的那四步，以及设计行业在这四步里的特殊规律。

一、两套考场：通用 AI 助手与垂直平台 AI

设计公司在 AI 端面对两套考场。第一套是通用 AI 助手（豆包、文心一言、Kimi、腾讯元宝、DeepSeek 等），用户直接问「找哪家」，AI 基于训练语料与联网检索作答，证据来源宽泛：案例平台、社区讨论、媒体报道、官网都可入卷。第二套是垂直平台内嵌的 AI 能力（家装平台的智能推荐、点评平台的 AI 总结、内容社区的 AI 问答），候选池天然限定在站内商家，参数与站内口碑权重更高。

两套考场的共性大于差异——都要走四步机制——但入卷材料不同：通用助手看全网证据，垂直平台看站内档案。设计公司两边都要备料，不能只赌一边。对多数设计公司而言，通用助手的候选人范围更宽、变数更大，是本系列讨论的主考场。

二、四步机制：AI 怎么生成一份推荐名单

第一步，问句理解。AI 把客户的自然语言拆成结构化条件：城市（杭州）、品类（设计工作室）、风格（极简）、隐性约束（大概率是住宅、大概率有预算敏感）。这一步的难点在设计行业的「行话翻译」——客户说的「奶油风」「老破小」「动线不顺」，需要映射到设计师语料里的对应概念。AI 翻译场景所用的词典，来自全网语料中场景词与设计概念的对应关系。设计公司内容里用的词如果与客户问句的词对不上（你写「现代简约」，客户问「极简」；你写「空间重塑」，客户问「老房翻新」），第一步就已经错位。

第二步，候选圈定。AI 从知识面里圈出符合条件的候选名单。设计问句的答案通常只出现三到五家——这个名单就是客户接触你之前的全部世界。能不能进圈，取决于品类与地域匹配，以及公司在公开语料里的定位清晰度：一家既做家装又做工装又卖建材的公司，AI 圈候选时反而犹豫——它说不清你该接哪一问。

第三步，采信判定。这是核心一步：对候选名单逐家掂量证据。专业证据（案例、专长、资质）、口碑证据（业主反馈、社区评价）、第三方背书（媒体、奖项、行业身份）逐项核对，并交叉验证多源信息是否一致——官网说的、平台显示的、业主讲的相互印证，采信度上升；相互矛盾，AI 倾向回避或降位。第一篇的三维度（出现、准确、位次）主要在这一步定局。

第四步，答案生成。AI 把采信结论组织成推荐表述：主推荐加理由、备选加差异，常附一句「建议实地考察」。表述风格各平台不同，但骨架来自前三步。

三、设计问句的三类形态：灵感、筛选、执行

设计客户的 AI 问句不是一种，而是三类，采信侧重各不相同。

灵感类问句：「小户型怎么设计显大」「老房子的横梁怎么处理」。这类问句占比高、发生在决策最早期，AI 的答案以设计知识为主，顺带引用解答得好的内容来源。它不直接产生名单，但决定了客户早期「学着」谁的答案——在灵感阶段被引用的设计公司，天然获得后续筛选阶段的印象分。

筛选类问句：「这个城市擅长某风格的设计公司」「预算三十万找哪家」。这类问句直接产生名单，是设计可见性争夺的主战场。AI 采信时最看重的依次是：本地交付证据、专长匹配证据、第三方口碑证据。名单位次的争夺，本质是这三类证据的厚度之争。

执行类问句：「半包全包怎么选」「水电改造验收注意什么」「设计费一般怎么收」。这类问句发生在签约前后，AI 的答案引用流程、标准、避坑类内容。它不直接带客，但影响客户在签约过程中的信心与预期管理——执行类问句的答案里反复出现的公司，是客户心里的「专业感」来源。

三类问句贯穿客户旅程：灵感启程、筛选定名单、执行稳交付。多数设计公司只备了灵感类的内容（效果图），而筛选类与执行类问句的证据几乎空白——这解释了为什么案例刷得不少，AI 的名单里却没有你。

四、三条采信规律：本地性、信任前置、全链路

规律一：本地性是第一道筛子。设计服务强本地交付，AI 处理设计问句的第一道筛子就是城市与区域。公司公开信息里城市表述模糊（只在介绍里提了一句总部地址）、案例不标注所在城市、服务平台上的服务范围没写清，都会让公司在本地问句的第一道筛上就落选。实操要求：企业信息、案例档案、平台店铺、媒体报道里的城市与服务范围表述统一且明确。

规律二：信任证据决定敢不敢写。设计客单价高、不可逆，AI 在「敢不敢把名字写进答案」上极其保守。据 Houzz 与 Angi 数据的交叉分析，在 AI 推荐中占优的往往是「有专业媒体曝光与行业认可」的服务商，而非评论数量领先者——编辑性、专业性的信任信号权重高于纯数量型口碑。对国内设计公司，这条规律对应的三类信任证据是：行业组织身份（如中国室内装饰协会及地方协会的会员与认定体系）、专业奖项与媒体作品发表、平台真实业主评价。信任证据稀薄的公司，AI 宁可绕开——写错一家的代价，比少写一家的代价高。

规律三：全链路问句决定要备多少料。设计决策从灵感到签约横跨数月，客户会问几十个问题，每一问都是一次 AI 采信的机会，也是一次被略过的风险。第一篇案例里拆过：一条「老房翻新找设计公司」的问句背后，需要本地性、专长、信任、过程四类证据支撑。全链路的含义是：证据建设不能只盯着「推荐名单」这一类问句，灵感类内容决定早期印象，执行类内容决定签约信心，三类问句的证据要成体系地备。

五、证据位自查清单：把机制变成一张表

四步机制可以落成一张自查清单，对自家公司逐格检查。

格一，定位表述：用一句话能否说清「在哪、做什么、擅长什么」？在官网、平台店铺、社交账号三处表述是否一致？AI 第一步的行话翻译，靠的就是这三处的一致表述。

格二，本地标记：所有公开渠道是否明确标注服务城市？案例是否逐条标注城市与面积段？本地筛子能不能筛到你？

格三，案例深度：案例是否有面积、造价区间、工期、改造难点与解法的文字描述，还是只有一组效果图？AI 采信专长时引的是文字事实，不是图片氛围。

格四，信任背书：协会身份、奖项、媒体报道、业主评价四类信任证据，各有多少条在公开可查的位置？

格五，服务透明：报价方式、服务流程、周期说明是否公开成文？执行类问句引用的正是这些内容。

五格逐项打分，掉分的格子就是后面三篇的工作清单——第三篇补案例深度与定位表述，第四篇补全链路问句覆盖，第五篇补信任背书。

六、三个误区辨析

误区一：把 AI 推荐当成竞价排名，花钱就能上。AI 不看广告位，只看证据。投放解决的是「人看到你」的概率，证据工程解决的才是「AI 说出你」的概率。两条线要并行，但后者当前几乎无人认真做，是差异化的空位。

误区二：答案有波动就断定不可运营。同一问句重问三次结果不同，恰恰说明采信是概率行为——证据越厚、多源越一致，概率越高、位次越稳。运营的对象是概率与趋势，不是单次结果；追求每问必中是误解，追求「目标问句下稳定出现」完全可以实现，第六篇的度量体系就是为验证这一点设计的。

误区三：内容做得越多越可能被推荐。AI 采信看的是证据的针对性、可核验性与一致性，不是总量。上百张无说明的效果图，不如十个完整的项目档案；口径打架的多平台内容，反而互相拆台。

案例分析

用一个可复现的观察实验来落地机制：对同一城市做「三类问句」的对比抽测。假设一家主打老房改造的设计公司，测三组问句：「北京老房翻新设计公司推荐」「北京小户型怎么设计显得大」「北京装修水电改造验收注意事项」。三组问句的采信侧重完全不同：第一组是筛选类，AI 需要「北京加老房专长加信任」三证齐备的公司才会点名；第二组是灵感类，AI 引用的是把「显大」讲得清楚的设计知识内容——拆非承重墙的边界、镜面与浅色的运用、收纳的立体化，讲得越具体越可操作，越容易被引；第三组是执行类，AI 引用的是把验收标准写成条目的流程内容。

实验揭示两个机制级结论。其一，同一家公司在三类问句里的存在感可以完全不同——这家老房改造公司可能在第一组问句里缺席（信任证据薄），却在第二组里被反复引用（知识内容扎实）。这说明设计可见性是按问句类型分账的，不存在笼统的「AI 里有没有我」，只存在「哪一类问句里有没有我」。其二，三类问句之间存在转化关系：灵感类被引用的公司进入客户收藏与追问，筛选类名单里出现频率高的公司获得实地到访，执行类被引用的公司在签约环节心里占优。三本账要一起算，这正是第四篇问句地图的方法论起点。

再补一个来自海外交叉分析的机制佐证：OpenLens 对 Houzz 与 Angi 数据的分析发现，「本地厨房改造造价」是家装垂直品类月提问率居前的 AI 问句，而公开预算区间的服务商在成本类问句中被引用的比例显著更高。机制原因很直白：AI 回答成本问题需要可引用的公开数据，报价黑箱的公司在任何成本类问句里都无料可引。国内设计公司普遍的报价保密习惯，等于在最高频的一类问句上主动弃权——把报价结构写成透明的区间与构成说明，是机制层面收益立竿见影的一步。

总结

机制讲完，收拢成一句话：AI 的推荐名单是四步机制跑出来的评分表——问句理解靠行话对齐，候选圈定靠定位清晰，采信判定靠证据厚度，答案生成靠前三步的积累；本地性是第一道筛，信任证据决定敢写，全链路问句决定备多少料。

对设计公司的三个行动提示：第一，用五格自查清单给自家做一次机制体检，找出掉分最多的格子；第二，把自家的问句按灵感、筛选、执行三类分组抽测一遍，看清每一类里自己的存在感；第三，把「运营采信概率」写进团队认知——目标不是每问必中，而是目标问句下稳定出现、理由准确。

下一篇进入内容篇：机制知道证据要什么了，设计公司手里最值钱的资产——案例——该怎么从「摄影集」改造成「档案库」？项目档案怎么写 AI 才引得动，风格与专长怎么表述才对得上客户的问句，案例内容的三层结构与可核验三条件怎么落地。