为什么汽车行业的GEO，和其他任何行业都不是同一盘棋
多数品类做GEO，需要协调的只有两层：品牌，以及品牌自己的内容。汽车有三层，而且这三层之间的竞争，一点不比它们跟品类外部对手的竞争轻。厂商掌握车型参数与全国层面的品牌权威。经销商掌握本地库存、报价和试驾档期。可真正被印尼AI引擎越来越频繁调用的，是电商平台（marketplace），既不是前者，也不是后者。
Maverick Indonesia联合GridOto与Dataxet做的2025至2026年研究，把这个位移直接记了下来：在2026年版的1,800条AI回答、19,796次引用中，电商平台在全部汽车类引用里的份额从26%升到31.5%，反超新闻媒体，后者由33.8%滑到29.7%。厂商官网在2025年版中只占16.69%，被引用多半是为了确认保修条款与安全配置，而不是拿到一句直接推荐。涨得最凶的是YouTube，一年之内从0.75%冲到9.53%。
结论很直接。只优化自家域名的厂商或经销商，优化的恰好是这个品类里最小的那一层引用来源。汽车GEO必须伸进电商平台listing、视频和earned media，而不只是自有页面。
汽车类AI答案的事实，究竟从哪里来
印尼汽车类提示词下，各类来源的AI引用份额同比变化。在同一项研究的2025年版与2026年版之间，电商平台反超了新闻媒体。
图中为2026年数据（1,800条AI回答，19,796次引用，覆盖ChatGPT、Perplexity与Google AI Overview）。YouTube从前一年的0.75%一路上来，是所有被追踪来源类别里增幅最陡的一个。来源：Maverick Indonesia x GridOto x Dataxet，《印尼汽车行业AI引用来源》2025年版与2026年版。
电商平台一年之内反超新闻媒体
earned渠道的合计引用份额（新闻加电商平台）从86.2%升到90.7%，几乎就是AI引用的全部。品牌自有内容在答案里占的比例很小，而且还在缩。
YouTube的引用份额增速，超过任何一个竞争来源
一年之内从0.75%到9.53%。一条参数交代清楚、结论说实话的视频评测，如今是进入AI答案的现实路径，不再是边缘渠道。
数据为印尼本地，且带研究时点。请当作方向性参考，在定目标之前用您自己的提示词面板重新测一遍。
GEO不是换了个名字的汽车SEO
三处结构性差异，之上还叠着厂商、经销商与电商平台这道三方分裂，两种做法都得面对。
| 维度 | SEO | GEO |
|---|---|---|
| 成效指标 | 车型或经销商关键词的排名位置 | 生成式答案内部的引用份额与推荐份额 |
| 谁会被引用 | 谁排在前面就是谁，多半是聚合站与电商平台 | 越来越集中在电商平台和YouTube，品牌官网主要承担核实角色 |
| 优化对象 | 关键词、外链、页面速度 | 可抽取的参数表、可信统计数据、前后一致的实体信息 |
| 买家最后落在哪 | 点击之后，落在您的页面上 | 停在答案里，往往连经销商网站都没打开 |
| 归因方式 | 会话数、排名、直接转化 | 引用份额、推荐份额，以及到店之后的CRM关联 |
重叠的部分：一个结构干净、参数表清楚的对比页，通常既排得上去也拿得到引用。重叠是真的，但并不完整，尤其在电商平台和视频的引用顺位跑到所有品牌自有页面前面之后。
六项功课，覆盖三层引用，而不是只顾一层
厂商、经销商与电商平台，各自需要不同的资产，对准AI答案里不同的位置。
厂商、经销商与电商平台的引用分工
OEM掌握品牌层面的车型权威与安全数据。经销商掌握本地库存与价格。而在印尼，电商平台listing被引用的概率，如今比前两者都高。三层必须给出同一套事实。
- 参数与价格的标准数据，三层共用一份
- OEM页面与经销商页面之间，不出现重复内容互相蚕食
- 电商平台listing按引用基础设施来管，不只是分发渠道
TKDN与新能源激励内容，本身就是信任信号
一款车型能不能拿到本地含量税收优惠，直接改变它的实际到手价。把TKDN状态、认证依据和生效日期写清楚的页面，能明显压低AI引用到过期或错误优惠数字的概率。
- TKDN状态按车型、按配置分别写明，不做泛泛科普
- 每一条法规相关的说法，都带生效日期与来源链接
- 激励内容当活资产维护，每个政策周期复核一次
面向多重约束提问的金融内容
印尼买家会把预算、首付和座位数一次性塞进同一个提问，让AI给出候选清单。把DP、期数和参考利率对着明确生效日期写出来的金融内容，正好能被负责合成答案的引擎直接抽走。
- DP与期数方案标注生效日期和测算假设
- 新车与二手车金融分开写，标签清楚
- 示意性测算绝不写成保证成交的报价
售后服务内容，竞争最少的那块引用空间
在汽车类搜索和引用两边，fixed-ops内容都被反复点名为最被忽视的一类。几乎没人写得好，反过来说，在这里成为被引用来源的门槛也就低得多。
- 按里程数的保养内容，以及症状对应维修项的内容
- 电动车电池养护与质保条款，与燃油车服务内容分开写
- 内容写给已经拥有这台车的人，而不是还在挑车的人
Vehicle、Offer与AutoDealer实体的结构化数据
Car、Vehicle、Offer与AutoDealer schema，与页面上可见的价格和库存feed取自同一个数据源，标记因此永远不可能和买家真正读到的那一页打架。
- schema由库存feed重新生成，不另外手工维护一份
- IDR定价与印尼本地配置明确写出，不沿用全球模板
- 即便富媒体结果的展示方式变了，FAQPage schema仍为AI引用保留
引用份额与推荐份额，分开追踪
被引用来核实一个事实，和被推荐成那个答案，是两种结果。把它们并成一个数字，就看不出到底哪一层在赢。
- 固定的提示词面板，按既定节奏跨引擎跑
- 引用份额（Citation Share）与推荐份额，分成两个独立指标上报
- 试驾与CRM数据的相关性，用作最接近营收影响的可得代理指标
这个市场里，还没人真正研究透的三件事
没人验证过AI报的印尼价格对不对
目前没有公开研究能确认，ChatGPT、Gemini或Perplexity是否稳定返回印尼市场的正确配置与OTR价格，而不是一个全球规格的数字。这是真实存在、尚未被检验的风险，不是已经解决的问题，也是任何GEO动作开始之前第一件值得审计的事。
- 选50到100款在售车型做成标准答案集，跨引擎测试
- 把返回的价格、配置与安全规格，与印尼官方来源逐项比对
- 字段准确率低于大约80%，就该立刻把纠错内容排到最前面
Google AI Mode现在能用印尼语原生推理
Google的AI Mode自2025年9月初开始以印尼语原生推理，底层是Gemini 2.5，这与另一个功能AI Overviews不同，后者早在2024年10月就支持了印尼语。再叠上Android的装机量优势，Gemini在这个市场里的分量，比全球平台份额数据看上去要重。
- 内容用印尼语原生撰写，而不是写完再翻译
- 直接使用印尼语的约束词汇："mobil keluarga"（家用车）、"irit BBM"（省油）、"kuat tanjakan"（爬坡有劲）
- 印尼语版和英语版的提示词都值得测，别默认其中一种就覆盖了整个市场
引用差距是量出来的，不是猜出来的
同一项印尼本地研究的两个连续年度版本，都记录了引用向电商平台与视频转移、品牌自有页面被挤压的趋势。在GEO这个领域，这种真正本地、可重复、分行业的测量并不多见，比把美国基准直接类推过来靠谱得多。
- 同一套提示词面板每季度重跑一次，不是项目启动时测一遍就完
- 电商平台listing的准确性，用与自有站点内容同样的严格度去盯
- 美国来源的汽车GEO基准只当方向参考，等本地数据出来再说
截至撰写时，印尼本地AI答案在车辆价格与配置上的准确率，尚无独立研究。此处按待验证的开放风险呈现，不作为已确认的结论。
我们的汽车行业GEO服务
在这个品类里，决定AI怎么说的，越来越是电商平台listing，而不是品牌自己的网站。
厂商与经销商引用架构
同时跟得上电商平台那一层，它的被引用次数已经超过前两者。
TKDN与激励政策文档
按政策周期复核，不是写一次就放着不管。
电商平台与视频引用管理
Vehicle、Offer与AutoDealer结构化数据
这些买家一眼都看不到。可引擎能不能准确引用这一页，全看它们。
金融与售后内容
引用与推荐监测
通过RoGEO框架汇报，与董事会真正在意的营收类指标放在一起，而不是曝光量。
为什么选我们做您的汽车行业GEO伙伴？
自2008年深耕数字营销，把AI时代真正需要的那套纪律，带进汽车品类
多数机构进汽车GEO，做法是把现有的SEO服务换个标签。一个在厂商、经销商与电商平台之间三分天下的品类，加上一笔以金融方案为前提、全家慎重掂量的大额购买，要求的是另一种纪律。
三层引用我们都做，不只挑一层
厂商的品牌权威、经销商的本地贴近性、电商平台listing的准确性。多数机构只挑其中一层。印尼汽车类AI答案现在三层都取，而且权重恰好偏向大多数机构忽略的那一层。
语言与地区，我们当检索变量来处理
同一个引擎，印尼语提问和英语提问返回的候选清单并不稳定一致。多数机构从没为自己的品类测过这件事。做了调整的就更少。
为agentic与LLM优先的买家而建
自2023年起做GEO，一边盯着agentic试驾预约和库存API的落地进展，而不是假装现在这套打法已经定型。
机构级治理
通过ISO 9001、ISO 14001与OHSAS 18001认证。文档与变更管控是按这样一个品类的要求搭的：价格写错或TKDN说法写错，是合规问题，不只是形象不好看。
探索相关服务
汽车行业GEO与SEOv2整套体系搭配时，出力最足。
