GEO 在房地产领域如何运作？

房地产是多数人一生中研究过的最大一笔购买，而这项研究已经明显转移到 AI 工具里。82% 的美国人现在用 AI 获取住房市场信息，其中他们点名最多的平台是 ChatGPT（67%）和 Gemini（54%）（Realtor.com 调查，2025 年 10 月）。在正在购房的人群中，Veterans United 的 2026 年 Q2 调查显示，45% 的意向买家使用 AI 工具——一年内上升八个百分点——而搜索房源是最常见的用途，占 52%。向助手询问该在哪里买房的买家，已不再是例外；按美国数据，这接近全部活跃买家的一半。

答案层也在吃掉片区内容曾经赢得的点击。当 Google 结果中出现 AI 摘要时，用户点击普通结果的比例为 8%，没有摘要时为 15%；而在这些搜索之后完全结束浏览会话的比例为 26%，没有摘要时为 16%（Pew Research，2025 年 7 月）。AI Overviews 现已覆盖 200 多个国家和地区、40 多种语言。一份曾经能赢来一次访问的社区指南，如今直接在结果页被摘要；剩下值得争夺的位置，是成为这份摘要所引用的来源。

这对中介和开发商是一个窗口。门户主导着房源查询——"3-bedroom apartments in Palm Jumeirah"——在那里与它们竞争没有意义。但每笔购买最先出现的决策查询——该在哪里买、该不该买、该信任哪个项目——答案来自远更宽的来源池，而在大多数城市，还没有人做出可被引用的版本。这正是 GEO 要为这个垂直领域解决的问题。

意向最高的房地产提示词都带有城市或社区限定词："best areas to invest in Dubai"、"buy vs rent in Austin"、"new developments in Lisbon for foreigners"。限定词在机制上很重要，因为它改变引擎从哪些来源检索。国家级问题——"is Portugal a good place to buy property"——答案来自全国性媒体、银行报告和侨民指南，单个中介很少能在这个池子里浮出。社区级问题——"best areas of Lisbon for families"——答案来自片区指南和本地来源，这个池子足够薄，一份结构良好的中介页面就能成为现有的最佳答案。

同样的提示词类别在各个市场重复出现：片区投资、买房还是租房、新盘与期房、外籍人士的迁居与购房资格，以及服务商选择——选哪家中介、哪家开发商。每个类别奖励不同的可引用资产，严肃的项目按类别分别建设资产，而不是指望一篇博客扛下全部五类。

房产建议紧挨着 YMYL——搜索质量术语里的 "your money or your life"（事关钱财或生命）内容——引擎也据此行事：它们倚重主张可核验的来源。房地产提示词被引用的是一套可辨认的组合——带数字的市场报告、带具名数据的片区指南、门户，以及本地媒体——共同线索是每条主张都带着一个数字、一个日期或一个具名地点。普林斯顿的开创性 GEO 研究直接测到了同一偏好：在页面中加入引语、统计和出处，使其在生成答案中的来源可见性最多提升 40%。

多数房地产内容的失败出在机制上，而不是文笔上。"A vibrant waterfront community with stunning views" 给模型留不下任何可提取的东西；"average price per square metre in the marina was X in Q2, up Y% year on year, average gross yield Z%" 则是一句答案可以原样摘走、并附上你名字的句子。发布由具名统计构成的答案优先片区页面的中介或开发商，会在整类提示词上变得可被引用——这个位置门户基本上空着，因为它们的片区页是房源轮播，不是答案。

诚实会放大这个效果。一份写明某个片区弱点的页面——学位容量、交通短板、物业费水平——比把每个区域都夸一遍的页面更安全，模型更愿意引用，因为它不必自己加上保留。在买家害怕被推销的品类里，这句保留本身就是引用资产。

房地产是我们经手的跨境程度最高的垂直领域：俄语买家研究迪拜，西语买家遍布美国都会区，外籍人士比较里斯本的项目。底层的机制事实是：同一套房产分别用英语、俄语和西班牙语提问，会得到三种不同的答案，因为每种语言从自己的来源池检索——只以一种语言发布的品牌，在另外两种答案里根本不存在。

这一规律写在我们的市场指南里。在迪拜，俄语房产提示词——«лучшие районы Дубая для инвестиций»——是一个密集的高意向细分，可引用语料比阿拉伯语还薄，因此一份结构化的俄语片区页面几乎不必为这个位置竞争。在美国，西语购房问题被大规模提出，而关于本地市场的西语语料却远薄于英语——你的英语与西语声量占比之间的差距，就是机会的大小，直接以数字呈现。

这些赛道我们按母语级执行——我们自己的网站以九种语言运行，我们出售的每一项技术都先用在它身上。落到操作上，意味着同一份片区页面按买家语言分别上线、各版本主张对齐，并且每种语言有单独的提示词组，因为同一迪拜项目的英语曲线和俄语曲线很少同步变化。

房地产实体比多数品类更乱：门店对外使用的品牌名、牌照上的法定名称——迪拜的 RERA 编号、美国的州经纪牌照——以及各门户上的资料名称，常常互不一致。模型必须先把它们全部归为同一个实体，引用才能累积；否则权威会拆到三个半熟悉的名字上。做法并不光鲜，就是口径一致：网站、Zillow 或 Rightmove 或 Property Finder 或 Idealista 资料、Google 商家信息和本地名录上使用同一名称、同一描述、同一牌照细节，并用结构化数据明确声明组织及其牌照。

测量遵循我们的标准协议，按城市、按语言执行：提示词组在第一天固定，在 ChatGPT、Perplexity 和 Gemini 上以退出登录的干净会话采样，引用率与声量占比对照第一天的基线跟踪。对开发商来说，意味着按项目、按买家语言分别建提示词组；对中介来说，按它想占据的社区分别建。合作期间提示词组中途不换——第三个月的数字之所以可比，靠的就是这一点。

我们不会做的是：拿另一位客户的结果当证明，或承诺某一天出现某一条特定答案——生成的答案在不同测试之间会变化，而这个垂直领域从来不缺假装不是这样的供应商。诚实的起点是一份测过的基线：你自己的提示词、你自己的城市、你的买家实际使用的语言。