传统关键词工具告诉你「人」在 Google 搜什么；GEOly 现在告诉你「AI」在为你的品类搜什么——以及每一个词背后，谁在场、你缺席。
Key Takeaways
- AI 回答之前会先自己发起一连串搜索（query fan-out），真正决定你是否被推荐的，是 AI 背后敲下的那十几次检索，而不是用户敲下的那一句。
- GEOly 新功能「AI 检索关键词」把 AI 在你品类里真实发起的每一次检索抓下来、聚成「需求词根」，并标出每个词 AI 检索了多少次、你在不在场、谁在场、AI 看了哪些页面。
- 以奢侈珠宝品牌 Tiffany 为例：AI 在 283 个赛道发起 7,322 次检索、聚成 467 个需求词根，Tiffany 只在其中 62 个里出现——另外 405 个话题它是隐身的。
- 原始 fan-out 词里 82% 只出现过一次，聚成词根后复现率升到 98% 以上，「在场率」才第一次变成有统计意义的连续指标。
- 一个值得警觉的信号：Tiffany 品类里 11% 的 AI 检索直接写了 "reddit"——AI 越来越跑去社区找真实口碑。
一个被忽略的真相：AI 回答之前，先自己搜了一遍
当用户问 ChatGPT、Perplexity、Google AI Mode「有哪些好的珠宝套装」「预算 500 美元买什么无线耳机」，AI 并不是凭记忆张口就答。
它会先自己发起一连串搜索——把用户那句话，拆成十几条更具体的 query（业内叫 query fan-out / 改写搜索词），去全网抓网页、翻 Reddit、看评测，再把这些「原料」综合成那段推荐给用户的答案。
真正决定你是否被推荐的，不是用户敲下的那句话，而是 AI 在背后自己敲下的那十几次搜索。问题是：这十几次搜索，过去你完全看不见。
- 传统 SEO 关键词 = 人在搜索框里敲的词；
- AI 检索关键词 = 机器在答题时敲的词。
两者不是一回事。你按前者优化了十年，却可能在后者上完全缺席。
新功能：AI 检索关键词（AI Search Keywords）
从今天起，GEOly 把 AI 在你品类里真实发起的每一次检索都抓了下来、聚成「需求词根」，并告诉你：每个词 AI 检索了多少次、你在不在场、谁在场、AI 看了哪些页面。
先看整体。打开奢侈珠宝品牌 Tiffany 的品牌页，顶部是它的一张「AI 体检盘」：AI 可见度仅 2.9 分、覆盖 283 个 Topic、AI 预估引流 8.8K 次访问 / 月、对应 $49.8K 预估营收 / 月、累计被 AI 提及 4.1K 次；下方「AI 如何评价 Tiffany」把它的优势（Style、Craftsmanship、Design）与短板（Price −165、Value −59）逐条摊开，「品类表现」则标出它在每个细分品类里的 AI 名次（Hand Mirrors #2、Jewelry #3、Engagement Rings #6……）。
这些都是结果——一个百年奢牌，在 AI 里的可见度只有个位数。而本文要讲的新功能「AI 检索关键词」，回答的是另一个更关键的问题：为什么是这个结果、以及该从哪里改。
再往下滑，就是这次的主角。第一行，是一句话的赛道体检结论：
AI 在 283 个赛道发起 7,322 次检索，聚成 467 个需求词根。你在场 62 / 467 词根 · 11% 检索指向 Reddit · 值得注意的缺口：0 已确认 + 69 初步信号。
一句话翻译：在珠宝这个大品类里，AI 为了回答用户，一共自己搜了 7,322 次；这些搜索聚成 467 个需求主题，而 Tiffany——这个百年奢牌——只在其中 62 个里出现过。剩下 405 个 AI 正在关注的话题，Tiffany 是隐身的。
这就是 AI 时代的「关键词研究」：不再猜人会搜什么，而是直接看 AI 正在搜什么。
两个必须说清楚的口径
先说第一个：为什么是「词根」，而不是原始搜索词？
看一条真实记录：当 AI 回答「Which women's bracelets have the best craftsmanship and finishing?」时，它实时发起了一次搜索，原始 fan-out 查询词是 best craftsmanship women's bracelets brands hand finished——这条 query 就是 AI 在答题时真正敲下的原子词。在 GEOly 里点开任意一条回答记录，都能看到这句原词、以及这次回答提及了哪些品牌（这条里提到了 13 个）。
