医疗健康行业GEO专栏：患者走进医院前的第一问，正在搬进AI对话框

医疗健康行业 GEO 专栏 · 第一篇 · 认知篇

引言

2026年8月28日，国家卫生健康委发布《2025年我国卫生健康事业发展统计公报》，其中两组数字值得每一家健康服务机构的管理者放在一起看：2025年，全国医疗卫生机构总诊疗人次达到106.5亿，比上年增加5.1亿人次；而同一年，据中国互联网络信息中心第57次《中国互联网络发展状况统计报告》，全国生成式人工智能产品用户已达6.02亿人、普及率42.8%，其中用过人工智能来解答问题的网民有4.57亿人。

一边是常年稳定在百亿人次量级的就医流量，一边是近两年快速攀升、逼近五亿人口规模的问题流量。两条曲线叠在同一张时间轴上，指向一个许多院长、诊所主理人和健康产业品牌负责人已经隐约察觉的事实：患者踏进你的院区大门之前的那“第一问”，越来越少问给亲戚朋友，越来越少问给搜索引擎的结果页，而是原封不动地丢进了一个AI对话框。

本篇先不打方法，集中回答三个问题：就医入口在怎样迁移；本行业的入口迁移与消费品、制造业有何本质不同；认知阶段决策者最容易掉进哪些判断误区。地基打偏，后面五篇的工程动作都会白做。

一、两条曲线在同一年交汇：就医链条比你想的多了一环

过去二十年，医疗服务行业做患者流量的分析模型，起点通常是“患者走进挂号大厅”或者“打进预约电话”。在这之后的环节——分诊、候诊、检查、复诊——每家机构都有成熟的管理办法；但在这之前的那段路，机构其实一直是盲的：患者为什么选你不选隔壁，为什么挂这个科不挂那个科，信息从哪里来，谁也说不清，只能笼统归因于“口碑”。

现在这段盲区正在被一种可观察的行为填满，而且填它的地方是AI对话框。判断这个入口迁移到了什么程度，有三个可核验的刻度。

第一个刻度是在线就医已常态化。据国家卫生健康委数据，截至2025年9月全国设置互联网医院3756所、2024年互联网诊疗1.3亿人次；据中国互联网络信息中心口径，截至2025年12月互联网医疗用户4.11亿人。“隔着屏幕完成一部分医疗行为”对数以亿计的人不再是尝鲜而是习惯，把线上问病情当作就医流程的第一个动作，顺理成章。

第二个刻度是通用AI已经接住了健康类提问。同样来自中国互联网络信息中心第57次报告的数据，用AI解答问题的用户有4.57亿人。这个数据没有按行业切分，但它意味着一个基本盘：当近一半网民已经习惯“有问题问AI”，身体不舒服、体检报告看不懂、家里人确诊了不知道下一步怎么走，这些“有问题”的场景没道理是例外。

第三个刻度藏在公众信息获取能力结构里。国家卫生健康委2026年1月公布的监测显示，2025年居民健康素养水平33.69%，其中健康信息素养50.83%、基本医疗素养仅32.22%。两个数字的落差值得细读：约每两人有一人具备检索鉴别健康信息的能力，却约每三人才有一人清楚基本就医流程。会找信息、不清楚怎么走流程——这个缺口恰好是AI应答要填的位置，也是医疗机构信息供给应该去占的位置。

就医链条因此变成“对话框里的第一问，到院区里的第一诊”——前一个问题被谁的回答占据，谁就拿到后半条链路的入场券。

二、医疗健康问句为什么迁移得格外快：信息供需的三个特点

把各行业比较会发现，医疗场景向AI对话框迁移不但快，而且迁过去就难迁回来。原因在本行业信息供需的三个特点。

其一，认知落差特别大。医疗术语体系和患者日常语言几乎是两套方言。报告单上的“磨玻璃样密度增高影”，家属口中是“体检发现个结节，要不要紧”。搜索引擎要求提问人自己组织关键词，可这个行业里最焦虑的提问者恰恰最不知道关键词是什么——他连病叫什么都不知道，怎么知道搜什么词。对话框不需要关键词，允许人说人话。一个只会被动输入术语的工具，和一个能听懂大白话的工具之间，患者用脚投票。

其二，情绪浓度特别高。买一台洗衣机，用户在结果页里可以容忍广告、榜单和软文混排，慢慢比；身体出了状况，人在信息面前是脆弱的，期望屏幕对面那个“懂行的人”用平实语言把事讲清楚，AI应答恰好携带这种“靠谱的人在说话”的拟人质感。这个特点对本行业是双刃剑：别的行业机器答错最多让用户多逛一圈，医疗提问场景里机器把你的机构名字、地址、执业范围说错，用户是带着信任接受错误并据此行动的——引用错误在本行业的杀伤力远大于不被引用，这一点到第六篇会变成一个专门的行业指标。

其三，答案必须落到具体可验证的机构身上。“哪个医院看这个病好”的答案天然带着城市、院区、科室、医师这些无法含糊的实体参数；AI要组装含具体机构的答案，前提是语料里存在关于这家机构、机器读得懂、彼此一致的公开信息。机构信息没有结构化挂在网上，线下做得再好，在新入口的答卷上就是缺席的。

三、这不是“又一个投放位”：本行业入口迁移的本质区别

讲到这里，许多机构负责人的第一反应是把这件事翻译成熟悉的语言：又一个广告位出现了，从门户网站的黄金横幅，到搜索引擎的竞价排名，到信息流推荐，再到今天的AI对话框——是不是准备一笔预算就能买位置？

在医疗健康行业，这是认知阶段危险的误读，有三层原因。

第一层，供给逻辑完全不同。广告位靠出价和签约分配，AI回答里机构位置来源是对公开语料的组织与采信——你无法向任何大模型“投放”自己，能起作用的是让关于你的事实以机器可核对的方式存在。前者是采购逻辑，后者是事实权重逻辑。

第二层，这个行业有一条明确的监管边界线，而且这条线的内容策略高度相关。2025年7月，市场监管总局会同国家卫生健康委、国家中医药局发布《医疗广告认定指南》，把医疗广告的发布主体严格限定为依法设立的医疗机构；同时这份文件列明了一批不构成广告的情形——医疗机构公开本机构概况、承担的公共服务职能、重点学科、医务人员信息、医疗服务项目、诊疗服务流程以及医保、价格、收费、投诉方式等信息，只要不带主观推介、不作效果承诺、不与其他机构比较，属于合规的信息公开，不是广告。而带主观色彩的推介、对诊疗效果作保证性承诺、借科普变相带货引流这些形态，是执法的重点：据市场监管总局2025年8月新闻发布会通报，仅2025年上半年，全国市场监管部门就查办医疗领域广告违法案件1666件。换句话说，在这个行业里，推介性内容不但机器不爱吃，法律也不允许喂；而合规的、结构化的信息公开，恰好同时是机器组织答案时需要的原料。这条“合规线”与“引用线”的重合，是医疗健康和消费品、制造业做GEO时很大的行业差别。

第三层，机器对医疗问句自带安全边界。国内主流大模型处理健康类提问时普遍遵循一个分层：涉及临床判断的层面（这个病该怎么治、用什么药）通常只给方向性提示并引导线下就医；涉及就医流程的层面（该去什么类型的机构、挂什么科、预约途径、大概费用、医保是否覆盖）则给出实在的信息。机构能够合法、安全参与竞争的可见性领地，清楚不过：就医流程信息层。认清这个领地边界，本行业GEO的全部动作就有了安全围栏。

四、认知阶段四个常见误判，以及它们的共同病根

三条区别讲透，再逐一检视机构决策层流传的四种典型判断。

误判一：“我们医院口碑好，患者都是托熟人问来的，AI推不推荐无所谓。”熟人问路的时代没有结束，但熟人的手机里也装着AI。互联网医疗用户4.11亿人、用AI解答问题的4.57亿人的基本盘说明，“熟人推荐”这一环本身正在被“先问AI再找熟人验证”替代。等熟人渠道数据滑坡再入场，错过的正是语料积累的时间差——机器对新出现的机构信息，采信速度远慢于对早已在网络中沉淀多年信息的信任。

误判二：“我们宣传科有公众号、有视频号，入口早就在做。”自有媒体矩阵是私域分发，粉丝看到的是推送；AI语料来自公开网络上可被检索、可交叉核对的结构化信息——两套体系的原料与逻辑不同，公众号文章里机构名称、地址、执业许可若与官方登记对不上，机器照样组织不出关于你的正确答案。

误判三：“反正这个行业管得严，少说少错，不做。”被禁止的是广告形态的推介，不是信息公开本身；前面提到的认定指南恰恰给合规公开划出了安全港。反过来说，把该公开的流程信息、价格信息藏着掖着，等于在新入口自动退出——而患者因为找不到信息而产生的不信任，损失更大。

误判四：“找家服务商，把名字'塞'进AI答案里就行。”这类操作在本行业留有清晰的治理记录：2025年国家卫生健康委等14部门印发的纠风工作要点，点名打击假借医学科普或会议活动“引流”“带货”、伪造编造行业人员视频营销牟利等行为。灰产式操作即使短期让某些回答出现机构名字，数字痕迹一旦被模型信源体系标记，机构在机器世界的主体记录会长期受损——在不可逆决策频发的行业，透支的是最贵的资产：可信。

四种误判的共同病根，都是把“可见性”当成了宣传投放问题，而不是信息基建问题。认知篇的结论就一句话：入口在迁移，迁移是结构性的，而本行业的入场券由合规与结构化信息发放。

五、认知阶段的正确姿势：先做一次“可见性体检”，别急着生产

认同上面的判断之后，认知阶段该做的事反而很小：不需要一笔预算，只需要两三个人天。

第一个动作是问句实测。围绕本机构的主攻方向，设计30到50条就医流程层的问句，按“病种或项目、所在城市或区县、具体流程关切”三个参数组合出来（例如本地患者和家属真实会问的表述），在几家主流国产大模型平台逐条提问，把结果分成三类记录：答案里出现了本机构且信息准确；没有出现；出现了但信息有误。第三类值得单独用红笔标注——在本行业，错误引用比缺席更需要优先处理。

第二个动作是信息盘点对标。拿《医疗广告认定指南》列举的合规公开事项做清单，逐项核对本机构官网：概况、学科、医务人员信息、服务项目、流程、价格、医保与投诉渠道，哪些有、哪些没有、哪些有但机器读不懂（例如全部信息装在一张图片里、专家排班只有截图）。

第三个动作是痕迹审计。查一查今天机器对机构的既有认知来自哪里：政务系统的执业登记信息、权威媒体的报道、百科词条、第三方预约与挂号平台页面上的资料——这几处名称、地址、执业范围口径是否一致，哪里存在多年前的过时信息还挂在网络上。

这三个动作产出的不是任何内容，而是一份家底清单。这份清单往后贯穿全专栏：第三篇的内容工程按它补结构，第五篇的证据网络按它接外部，第六篇的度量闭环拿它当基线。

案例分析

以下案例为模拟推演，不指向任何真实企业。

平川市江畔骨科医院是一家二级骨科专科机构，本地经营十几年，手术量和患者评价长期平稳。院长起初对“AI推荐”不以为然，直到市场部报告：上门咨询的年轻患者里越来越多人开口就说“我问了AI，说你们这边关节这块可以做”——来的人不知道这回答从哪来，机构也不知道该为这新渠道做什么。

按认知篇的三个动作做了一次体检。四十多条问句实测里，“平川看骨科哪家强”类问句，模型给出的是三家公立医院的名单，江畔骨科缺席；更刺眼的是另一条——问“髋关节置换术后复查流程”时，某个模型引用了该院2019年的一篇网络新闻稿，其中的院区电话早已停用、门诊地址在2021年搬迁后没有更新。错误引用比没引用更危险，这条判断在体检报告里被验证得透彻。

信息盘点显示问题有迹可循：官网重点学科介绍整页是一张设计图，机器抓不到文字；医生介绍页停更在三年前，两位已调走的专家名字还挂在上面；机构在三个渠道的登记名称写法不一致——全称、简称与对外宣传名混用。

随后三个月，这家机构没有增加一分投放预算，做的全是“信息基建”：官网学科与医生页面改为文字加结构化条目，排班与流程页逐科室上线并标注更新时间与查询路径，各渠道机构名称、地址、执业许可信息与登记信息对齐，搬迁后的旧址页面挂出迁移说明而不是悄悄撤下。半年后用同一批问句复测，准确引用从2条升到11条，错误引用归零。

这个模拟案例想说明的机制是：入口迁移的红利，优先流向“信息在线且机器可读”的机构，而不是“宣传预算最大”的机构。而机构信息从挂上网到被机器稳定采信需要时间，这决定了行动窗口是真实的，不是概念炒作。

总结

本篇把医疗健康行业GEO的地基交代清楚了三件事。第一，就医链条多出来的“院前第一问”环节，正被AI对话框占据：百亿人次的诊疗流量与近5亿人的AI提问习惯在同一年代交汇，问句迁移不是预测，是有官方统计可查的现在进行时。第二，本行业入口迁移有认知落差大、情绪浓度高、答案必落到具体机构三个特点，决定其迁移快、黏性强，也决定引用错误在本行业的特殊杀伤力。第三，本行业GEO的入场券不是预算而是合规与结构化信息：监管文件为合规公开划出安全港，安全港里的信息恰好是机器组织答案的原料；把它当宣传投放做，或因为惧怕监管而彻底离场，是同一个病根的两种表现。

认知确立了“值得做”之后，下一个绕不开的问题是：面对带着症状和焦虑的医疗问句，机器应答有一整套安全护栏，它凭什么敢回答、凭什么敢把某家机构写进答案？下一篇我们把机器采信的四步流水线拆开，看它在这个行业里会发生哪些独有的变形。