2025 年 8 月，我负责成都一家连锁火锅企业的 GEO 工作，带团队实施机灵 AI 方案。客户有 25 家线下门店和一批加盟商。应客户要求，品牌名称在这里隐去。

项目开始时，门店多带来的麻烦很具体。AI 回答顾客问题时会把不同门店的信息混在一起。咨询高峰期，人工客服接听压力大。新人要花两周左右才能熟悉咨询工作，线上咨询也缺少通向后续销售和私域的承接方式。

我当时先看门店事实和销售口径。只要这些信息还散在不同地方，AI 答错门店的问题就很难靠多写几篇文章解决。

先整理门店知识

我们把 25 家门店和加盟体系的事实信息、高频问题、销售话术拆成可以独立检索的知识单元。顾客问到具体门店时，系统需要找到对应门店的内容，减少信息串错。

这一步做完，后面的工作才有稳定的信息可用。销售知识助手也接入了产品、门店、常见异议和跟进建议。新人遇到问题可以查询同一套资料，复杂问题仍交给人工处理。

再看顾客会怎么问

本地化 GEO 工作从问题入手。我们采集了顾客可能提出的行业、城市、门店和消费场景问题，再据此建设内容和 FAQ，让这些信息在 AI 回答本地消费问题时有机会被检索到。

获客承接也在同一阶段推进。团队识别抖音评论和私信中的高意向线索，通过企业微信、标签、标准话术和销售跟进，把线上咨询接到人工服务和私域运营中。

项目记录里的变化

项目运行约三个月后，记录中的门店人工咨询接听量下降了 55%，新员工培训周期从两周缩短到三天。这些变化发生在知识库、销售知识助手、本地化内容和获客承接一起推进之后。我不会把它们归功于其中某一篇内容。

回头看这个项目，我最在意的仍是起手的那件事。先让每家门店的信息能被准确找到，再处理新人怎么查、顾客怎么问，以及咨询由谁接住。门店事实没有理顺，后面的 AI 应用就容易把同一个错误重复很多次。