Prompt Discovery

关键词研究映射的是人们输入的搜索词，而 prompt discovery 映射的是人们向助手提出的完整、对话式的问题，例如“适合 Y 的最佳 X 是什么”“品牌 Z 值不值得买”“这些当中我该为 … 买哪一个”。这些提示词更长、意图更丰富，而且往往打包了多个限制条件，因此 discovery 过程必须以问题和购买场景来思考，而不是单个关键词。

好的 prompt discovery 会覆盖整个购买旅程和竞争格局：品类与比较类问题、产品契合度与异议类问题、使用场景与送礼类问题，以及关于您和竞争对手的品牌类问题。其产出是一套结构化的提示词集合，也就是那些一旦赢得就能带动营收的问题，而这又成为 prompt tracking 的输入。

discovery 是持续进行的，而非一次性的。新产品、季节和竞争对手的动作会催生新的提示词，而人们向 AI 提问的措辞也在不断变化。把提示词集合当作一份不断被精简和扩充的动态清单来对待，才能让 GEO 计划始终瞄准那些依然重要的问题。

对于一家商店而言，prompt discovery 能让 GEO 不再靠猜测。为凭空想象的问题随意优化页面只会白费力气；找出购买者真正使用的具体提示词，则能按优先级告诉您该修复哪些页面、该赢得哪些回答。

它还能诚实地衡量机会大小。看清真实的问题集合，以及哪些提示词您已经赢得、正在失去或与竞争对手共享，就能把“我们应该在 AI 方面做点什么”变成一份具体、有优先级、且与购买意图挂钩的待办清单。

示例场景：某护肤商店进行 prompt discovery 时发现，购买者会问“适合敏感肌又不含香料的产品是什么”“矿物防晒和化学防晒哪个更好”。这些便成为受追踪的提示词，而本应回答这些问题的页面则成为首批优化目标。