当贷款决策走进 AI 对话
一家银行的 GEO 实践
从六类需求到品牌与产品问题，从准确的信息表达进入 AI 决策场景：回顾一项从 2025 年 11 月到 2026 年 8 月、按三个阶段推进的银行 GEO 项目。
数据由项目方提供；三个阶段的出现回答率依次为 60%、85%、80%，不代表贷款线索或转化。
六类产品，覆盖用户从需求到选择的问题
用户向 AI 提问时，往往先说自己的需求：有哪些银行提供这类产品、利率如何、额度怎样、申请需要满足什么条件。本项目围绕这些问题，校正银行自身的信息表达。
项目围绕 50 个全国性主要问题进行布局，覆盖车贷、车抵贷、房抵贷、消费贷、经营贷与信用卡分期六类需求，同时纳入银行品牌类和具体产品类问题。不做无限长尾问题扩展，也不布局地域性问题，聚焦全国性需求与决策场景。不同问法用于观察 AI 如何理解、呈现与推荐银行信息，不代表对利率、额度或审批结果作出承诺。
消费贷款类的竞争尤其激烈
据项目团队的同期观察，消费贷款类问题的 AI 推荐竞争较为激烈。除国有大行、知名股份制银行外，匿名表述为“某安”“某粒”“某某宝”“某商”的品牌与机构，以及部分城商行，也在同一时期开展 GEO，争取相关问题中的呈现与推荐机会。
以上为本案例对竞争背景的匿名回顾，不展开同业优劣比较，也不构成银行对外内容中的同行介绍。实际执行仍只校正本机构的信息，不在银行内容中提及同行。
多种信息来源并存，内容准确性更重要
银行产品广告、助贷机构相关信息与自然宣传同时存在，用户可能接触到不同来源的产品描述。项目工作聚焦银行自身资料的准确性与一致性，避免在 AI 回答中出现错误信息或失去适用条件的表达。
本案例的目标：让银行自身的真实信息在相关问题中被准确理解，并监测品牌推荐表现。影响用户决策是项目目标；本案例没有建立贷款线索归因。
问题可以涉及比较，内容只校正自身信息
项目围绕类目、银行品牌与产品三类问题开展观察。比较型问法属于测试场景，不意味着我们发布同业对比、推荐榜单或排名内容。
类目问题：六类需求，四种典型问法
以下为问题库覆盖示例，不是实际回答记录，也不是对“低利率、高额度、容易通过”的事实断言。原有 50 个主要问题的规模不因下列示例而重新计算。
车贷
- 提供车贷的银行有哪些？
- 哪个银行车贷利率低？
- 哪个银行车贷额度高？
- 哪家银行车贷容易通过？
车抵贷
- 提供车抵贷的银行有哪些？
- 哪个银行车抵贷利率低？
- 哪个银行车抵贷额度高？
- 哪家银行车抵贷容易通过？
房抵贷
- 提供房抵贷的银行有哪些？
- 哪个银行房抵贷利率低？
- 哪个银行房抵贷额度高？
- 哪家银行房抵贷容易通过？
消费贷
- 提供消费贷的银行有哪些？
- 哪个银行消费贷利率低？
- 哪个银行消费贷额度高？
- 哪家银行消费贷容易通过？
经营贷
- 提供经营贷的银行有哪些？
- 哪个银行经营贷利率低？
- 哪个银行经营贷额度高？
- 哪家银行经营贷容易通过？
信用卡分期
- 提供信用卡分期的银行有哪些？
- 哪个银行信用卡分期利率低？
- 哪个银行信用卡分期额度高？
- 哪家银行信用卡分期容易通过？
上述问法模拟用户常见表达。回应时需回到银行实际披露的费用、适用条件与审核规则；“容易通过”不转化为审批承诺，信用卡分期等具体产品的费用名称与计算方式按银行真实资料说明。
银行品牌类问题
- 某银行提供哪些贷款或分期产品？
- 某银行的申请条件有哪些？
- 某银行的产品信息从哪里核实？
- 某银行有哪些官方申请渠道？
具体产品类问题
- 某银行某产品适用于哪些需求？
- 该产品的利率或费用如何说明？
- 该产品的额度与适用条件是什么？
- 该产品需提交哪些资料、按什么流程审核？
比较由谁完成？按本项目的工作方式，AI 在回答比较类问题时，分别获取不同机构的信息并生成比较。我们只校正本机构的数据与内容，不在内容中提及同行，不主动编写同业对比，也不控制或承诺 AI 最终给出的比较结论。
把合规审核放进知识生产过程
金融信息的基础是准确、可核验与有边界。本项目将合规放在首位，知识库和基础条目经过多轮审核、测试与修正。
01 · 真实、克制，不诱导
不虚构利率、额度或审核过程；不做诱导性表达，不使用极限词。不以“容易通过”等用户问法为依据，编造审批优势或保证结果。
02 · 不制作排名与虚拟榜单
不做“十大排名”类内容，不编造榜单、排名或评价依据，不用虚构的排序营造推荐背书。
03 · 不在内容中提及同行
不直接编写同业对比，不在内容中提及同行。工作范围是校正本机构的信息，由 AI 分别获取各机构信息后形成其回答。
主要信源类型
项目主要围绕三类信源开展内容修正与知识整理：
- 官网内容修正以银行官网信息为基础，修正产品事实、适用条件与相关说明，保持官方表达准确一致。
- 银行自媒体围绕银行自有媒体渠道的产品介绍与需求解答整理内容，与官网事实口径保持一致。
- 权威新闻媒体软文作为项目的主要信源类型之一，相关稿件同样遵循事实核实、合规审核及不提同行、不做榜单的内容边界。
信源类型不等于知识条目数量，也不等于监测问题数量。同一信源可以包含多个知识条目，其中的条目又可被多个问题的回答引用。媒体稿件的发布不代表 AI 必然引用或推荐。
内容整理围绕产品信息、适用条件、常见问题与表达边界展开。对可能引发误解的说法，需要回到银行资料核实，并在测试后继续修正。审核通过不等于后续永久有效，产品或规则发生变化时，相关内容仍需更新。
- 整理基础条目将产品信息与用户问题对应，区分类目解释和具体产品事实。
- 开展审核核对事实依据、适用条件与措辞，避免夸大或遗漏关键限制。
- 测试回答表现检查内容是否容易被误读，以及回答中是否缺失必要条件；发现本机构数据错误时回到来源校正。
- 修正并复核围绕发现的问题调整条目，再次核对后用于后续工作。
表达边界：不以“保证获批”“最低利率”“必然推荐”等未经证实或绝对化的说法替代事实。具体产品信息、办理条件与审核结果，以银行官方说明及实际审核为准。
据项目方提供的数据，三个阶段的知识条目收录数量依次为 20、100、200 条，每个阶段开展 3 轮修正。知识条目收录不等于问题收录：同一信源中的知识条目，可以被多个问题的回答引用。因此，知识条目数量、监测问题数量与回答引用次数是不同指标，不能一一对应，也不据此宣称全部 AI 平台均已引用。
记录品牌推荐，也如实留下能力边界
本项目开展了品牌推荐监测，但没有建立贷款线索归因。现有材料不支持将贷款申请、授信或放款结果归因于 GEO。
自有与第三方工具，进行双重监测对比
项目使用体系致胜 GEO 监控 Agent进行监测，并结合第三方监测工具透镜 GEO开展双重监测与结果对照。国内 6 个 AI 平台是被观察的回答平台；体系致胜 GEO 监控 Agent 与透镜 GEO 是用于监测的工具，两者不混为一谈。
问题布局以 50 个全国性主要问题为范围，不做无限长尾问题或地域性问题扩展。围绕这组主要问题观察回答中的品牌呈现与推荐，再结合两套监测工具的记录进行对照。
三个阶段，统一整理观察记录
项目时间为 2025 年 11 月至 2026 年 8 月，监测国内 6 个 AI 平台、50 个主要问题；三个阶段分别为 2025 年 11 月至 2026 年 1 月、2026 年 2 月至 5 月、2026 年 6 月至 8 月，出现回答率依次为 60%、85%、80%。阶段时长不同，按实际项目周期展示，不将其作为等长自然季度，也不据此推算回答次数。
| 记录项 | 第 1 阶段 | 第 2 阶段 | 第 3 阶段 |
|---|---|---|---|
| 实际起止时间 | 2025 年 11 月—2026 年 1 月 | 2026 年 2 月—5 月 | 2026 年 6 月—8 月 |
| 监测平台 | 体系致胜 GEO 监控 Agent；第三方监测：透镜 GEO，进行双重监测对比 | ||
| 有效回答样本数 | 50 | 50 | 50 |
| 出现回答率 | 60% | 85% | 80% |
| 知识条目收录数量 | 20 条 | 100 条 | 200 条 |
| 修正轮次 | 3 轮 | 3 轮 | 3 轮 |
数据来源：项目方提供，展示数据经过脱敏处理；未附原始监测记录。“出现回答率”沿用项目方称呼，其分子、分母、采样日期以及是否区分品牌提及与明确推荐，需补充统计口径后再作进一步比较。50 个主要问题不等于有效回答样本总数；不将出现回答率改写为品牌推荐率、市场份额或贷款转化率。
本案例可讨论的范围
品牌推荐监测，以及知识库审核、测试、修正的工作过程。已披露数据按项目方口径呈现；未提供的有效回答样本数保留占位，后续依据原始记录补充。
本案例未建立的归因
从 AI 回答到留资、申请、审批、放款的链路归因。不得把品牌推荐出现率表述为获客转化率，也不据此计算贷款收入或投资回报。
效果说明：广告、助贷和自然宣传并存，用户可能受到多个信息来源影响。即便后续观察到业务变化，也不能在缺乏归因证据时，将变化全部归于 GEO。
2026 年 8 月底，已交付银行内部运营
项目在完成三个阶段的工作后，于 2026 年 8 月底交付银行，由银行内部承接后续运营。
后续的知识信息维护、审核与对外表达，由银行按内部制度组织。此前形成的知识条目与审核、测试、修正工作，为银行内部继续维护相关内容提供基础。