上一篇我们聊了竞品分析——怎么知道竞品在 AI 里做了什么。但还有另一个问题，很多品牌甚至没有意识到它的存在：你在 AI 里的表现不好，可能不是因为内容写得差，而是因为你写的内容，跟用户在 AI 里问的东西，根本不是同一回事。
这件事听起来很简单，但实际做的时候，大部分品牌都在靠猜。
TL;DR
- AI 搜索里的用户问法和传统搜索完全不同：用户不再用关键词拼搜索词，而是用自然语言问完整的问题——这些问题背后藏着不同的意图类型
- 意图分布分析回答一个核心问题：用户在 AI 里到底在搜什么类型的问题，而你的内容覆盖了哪些、漏掉了哪些
- 不同意图对应不同的内容策略：灵感型问题需要趋势和案例内容，对比型问题需要参数和测试数据，决策型问题需要口碑和权威背书——一种内容打不了全场
- 知道意图分布，才知道内容往哪里发力：不是"多写内容"，而是"在缺的意图类型上写对的内容"
先看一个反直觉的现象
回到一家瓷砖品牌"南熹陶瓷"的例子。他们市场部去年其实挺努力的：写了一堆官方内容，产品参数、企业资质、品牌故事、招商政策，官网塞得满满当当。
做了一次 GEO 诊断之后，发现一个让人困惑的结果：他们在豆包、元宝这些 AI 模型里的提及率还是不高。
团队想不通：我们内容不少啊，为什么 AI 还是不提我们？
答案藏在意图分布里。系统跑了一遍瓷砖行业在 AI 模型里的真实问句分布，发现业主在 AI 里问的问题，和南熹官网上写的内容，几乎不在同一个维度上——
业主在问："卫生间瓷砖防滑哪种好"（对比+决策意图）
南熹写的是：产品参数表，吸水率 0.5%，摩擦系数 0.6
业主在问："2025 年流行什么颜色的地砖"（灵感+趋势意图）
南熹写的是：公司成立于 2008 年，拥有 3 条生产线
业主在问："瓷砖怎么选才不会被坑"（避坑+决策意图）
南熹写的是：品牌使命、愿景、核心价值观
不是说参数和企业介绍不重要。而是 AI 在回答业主那些具体问题时，不会去翻你的参数表和企业简介——它在找能直接回答问题的内容。你写的东西和用户问的东西之间，有一条"意图鸿沟"。
用户在 AI 里怎么问，和百度里完全不一样
做过 SEO 的人习惯了一个逻辑：用户搜"瓷砖品牌""地砖价格""卫生间瓷砖"，我们围绕这些关键词布局内容。
但在 AI 搜索里，用户的问法变了。他们不再用两三个关键词拼出一个搜索词，而是像跟人聊天一样问完整的问题：
- 不是搜"瓷砖 防滑"，而是问"卫生间瓷砖防滑哪种好，家里有老人小孩"
- 不是搜"装修风格 2025"，而是问"2025 年流行什么装修风格，我家 120 平适合哪种"
- 不是搜"瓷砖 地板 对比"，而是问"客厅铺瓷砖好还是木地板好，地暖的话怎么选"
这些自然语言问题，暴露了比传统关键词丰富得多的信息——不只是"用户在关心瓷砖"，而是"用户在什么场景下、带着什么顾虑、想做什么决策"。
意图分布分析要做的，就是把大量这样的真实问句按意图类型分类，看用户在 AI 里到底在问哪几类问题，每类问题占了多大的比重。
家居建材行业的四类典型意图
我们继续用瓷砖行业举例。系统抓取了豆包、元宝、DeepSeek 等模型里和瓷砖选购相关的上千条真实问句，按意图做了分类。结果大致是这样的：
灵感型（约占 25%）。用户还没有明确的购买目标，在 AI 里找灵感、了解趋势。"2025 年流行什么颜色的瓷砖""小户型怎么选地砖显大""极简风装修用什么砖好看"。这类问题的特点是用户还没有品牌偏好，谁能在回答里出现，谁就进入了用户的初始候选名单。
对比型（约占 30%）。用户已经有了几个选项，需要 AI 帮忙比较。"瓷砖和木地板哪个更适合地暖""亮面砖和哑光砖怎么选""岩板和大理石哪个更耐用"。这类问题是品牌建立差异化认知的关键窗口——如果你能在对比中提供清晰的判断标准，就有机会主导用户的决策框架。
决策型（约占 35%）。用户已经接近购买，在做最后的验证。"性价比高的瓷砖品牌推荐""某某品牌的口碑怎么样""瓷砖选购避坑指南"。这是离成交最近的问题类型，占比也最大。但也是品牌最容易缺席的地方——因为这类问题需要真实口碑、第三方评测和具体案例来回答，而不是品牌自己说"我们很好"。
售后型（约占 10%）。用户买完之后的问题。"瓷砖怎么清洁保养""地砖缝隙发黑怎么办""瓷砖开裂是什么原因"。很多品牌完全不管这类内容，觉得和销售无关。但这类内容恰恰是最容易被 AI 反复引用的——因为它回答的是真实、具体、长期存在的问题。
四类意图，对应的内容需求完全不同。灵感型需要趋势解读和案例展示，对比型需要参数对比和测试数据，决策型需要口碑沉淀和第三方背书，售后型需要实用的使用指南。你用同一种内容去打四种意图，一定会漏掉大部分机会。
知道自己漏了什么，比知道自己写了什么更重要
做完意图分布分析之后，最有价值的结果不是"你的内容覆盖了 40% 的意图"，而是"那 60% 你没覆盖的意图是什么"。
举个例子。南熹陶瓷的分析跑完之后，发现了几个具体的空白：
- 在"对比型"意图下，业主高频提问"亮面砖和哑光砖怎么选"，南熹官网上完全没有涉及这个话题。而竞品磐恒有一篇详细的选购指南，被 AI 反复引用。
- 在"决策型"意图下，业主常问"瓷砖怎么判断质量好坏"，这个问题有一个稳定的搜索量。南熹没有相关 FAQ，竞品雅居在官网上放了一个"5 步验砖法"的内容页，成了 AI 在回答这个问题时的首选信源。
- 在"售后型"意图下，业主问"瓷砖美缝什么颜色好看""美缝剂怎么选"，这些问题看起来和瓷砖品牌无关，实际上却是品牌在用户买完之后持续保持可见度的机会。南熹完全没做这类内容，竞品欧诺做了一个装修后的小贴士系列，反而在多个售后问题里被 AI 稳定引用。
知道这些具体的空白之后，内容团队就不再需要猜"我们该写什么"。他们知道：这周要补一篇亮面砖 vs 哑光砖的对比指南，下周要做一个瓷砖验收的 FAQ 页面，下个月规划一组装修后保养的小贴士。
意图分布和关键词策略，不是一回事
有人可能会问：这和传统的关键词研究有什么区别？
关键词研究告诉你"用户搜了什么词"。意图分布分析告诉你"用户在搜这些词的时候，底层想解决什么问题"。
同一个关键词"瓷砖选购"，背后可能是四种完全不同的意图：想找灵感的人搜它，想对比的人搜它，马上要下单的人搜它，买了之后遇到问题的人搜它。关键词没变，但意图变了，你需要提供的内容就完全不同。
在 AI 搜索场景下，这个区别变得更重要。因为 AI 不是做关键词匹配，而是做语义理解和意图判断。它会给不同意图的问题匹配不同类型的内容——灵感型问题匹配趋势文章，对比型问题匹配参数和测试数据，决策型问题匹配口碑和评价。
如果你的内容类型和意图类型对不上，即使关键词碰上了，AI 也不会引用你。
常见问题
意图分类是怎么做的？
基于矿工鸟监控引擎在多个 AI 模型上抓取的真实用户问句，按问题的底层目的进行分类。不是人工打标签，也不是靠关键词猜测，而是基于实际问答数据的结构化分析。
应该覆盖多少种意图？
不是越多越好。重点是决策型和对比型——这两类问题离成交最近，也是最容易被竞品抢走用户的地方。灵感型可以适当覆盖，售后型如果资源有限可以后做。
意图分布会变化吗？
会。比如年初和年中的流行趋势问题不一样，装修旺季和淡季的问题类型也不同。建议季度做一次意图分布的复盘，看有没有新的问题类型出现。
意图分布分析能直接指导内容生产吗？
能。分析结果可以直接翻译成内容日历：本周补什么话题、下个月铺什么类型的内容、哪些问句需要优先做 FAQ 页面。上一篇讲的竞品分析告诉你"对手在哪强"，这一篇讲的意图分布告诉你"用户到底要什么"，两个加在一起，内容策略就不再是拍脑袋。
总结
品牌在 AI 里的可见度，不只取决于你写了多少内容，更取决于你写的内容和用户问的问题之间，有没有对上。
很多建材家居企业的内容做得很扎实——产品参数、企业介绍、招商信息、品牌故事。但用户在 AI 里问的不是这些。他们在问怎么选、怎么比、怎么避坑、怎么保养。这些问题的答案，才是 AI 在生成回答时真正需要的内容。
矿工鸟的意图分布分析，就是把"用户在问什么"这件事从感觉变成数据。知道了用户到底在问哪几类问题、每类问题占了多大比重、自己覆盖了哪些漏掉了哪些，内容团队才知道下一步到底该写什么。
不写更多的内容，写对的内容。
下一篇我们聊聊另一个外部视角：你的竞品在 AI 里做了什么——他们的提及份额、情感差距、平台优势和关键词卡位，和你比到底差多少。