用户被坑多了，「多少浓度才有效」「成分表第几位才算真加了」这类求证问题爆发式增长。产品只出现在第 4 层，但胜负在第 2、3 层就定了。
第 4 层的产品推荐，只是第 2、3 层推理链的兑现。
美妆 GEO 的本质是用「可验证的功效信念」对抗信息噪音：成分科普 + 功效证据 + 真实测评。第 3 层的求证问题（浓度、成分表位次、临床数据）是证据密集区——也是被营销话术伤过的用户最信的层。
| 层 | 名称 | 用户核心问题 | 流量 | 内容角色 | 胜负手？ |
|---|---|---|---|---|---|
| 1 | 问题定义 | 「油痘皮夏天闷痘怎么办？」 | 最大 | 归因科普 | 流量池 |
| 2 | 成分方向 | 「烟酰胺和 A 醇能一起用吗？」 | 大 | 成分教育 | 方向在此确定 |
| 3 | 浓度配方求证 | 「多少浓度才有效？排第几位才算真加了？」 | 中 | 证据验证 | ★ 胜负手 |
| 4 | 产品落位 | 「有什么具体产品推荐？」 | 小但精准 | 推荐兑现 | 前三层推理的结果 |
铁律：第 3 层是国货品牌的翻身层——有临床数据、敢标浓度、成分表透明的品牌，在这一层天然占优。
美妆 GEO 的核心是「证据密度 + 可验证」。五类资产每类至少 5 条。
同成分不同价的差在哪、平替的真与假。
示例：《30 块和 300 块的 VC 精华，差在哪》伪成分营销、概念性添加的识别。
示例：《「含有」和「足量」是两回事》浓度 / 成分表位次 / 临床数据的解读标准。
示例：《成分表前五位怎么看，一张图讲清》什么肤质不适合什么成分。
示例：《屏障受损期，我劝你别刷酸》检测报告、真人实测、全成分公示。
示例：《我们的功效检测报告，全文公开》美妆配比建议：豆包 35% / DeepSeek 25% / 元宝 25% / 千问 15%——成分求证类内容在豆包与 DeepSeek 双线铺。
| 平台 | 内容形态 | 引用偏好 | 美妆 / 护肤操作要点 |
|---|---|---|---|
| 豆包 | 15–60s 短视频 + 头条图文 | 约 69% 引用近 30 天内容 | 成分科普短视频 + 真人实测 |
| 元宝 | 公众号 1500–3000 字原创 | 约 71% 引用 72 小时内内容 | 功效证据长文，抢「XX 怎么选」 |
| DeepSeek | 技术长文 2000–5000 字，结论前置 | 偏好 .gov / .edu / 知乎 / CSDN | 浓度 / 配方 / 临床数据硬核长文 |
| 千问 | 商品 / 套餐详情页、案例 POI | 直接执行任务型 | 商品详情页埋全成分与检测信息 |
发布节奏：每周 ≥5 条，保持各平台近 30 天有更新——AI 偏好新鲜信源。
锁定 2–3 个核心肤质场景（如油痘皮 / 敏感肌 / 抗老），写下用户的求证式问法。
从客服记录、商品评价、社媒评论采集求证问题——第 3 层单独建证据库。
在 4 平台问同类问题截图，算「答案份额」= 被推荐次数 ÷ 测试轮次。
实体 / 关系 / 证据 / FAQ 四张表，只写事实 + 具体数字，这是合规底座。
按平台配比把知识库改写成各平台适配内容，持续投喂。
首聊先给肤质判断与成分建议，再推产品；配 36 小时转化 SOP。
每周看监测指标，每月多平台复盘，淘汰低推荐、加投高推荐内容。
知识库搭建 + AI 体检 + 前 20 篇内容。交付：4 张知识表 + 选题库 + 20 篇。验收：5 类资产各 ≥5 条，4 平台均有内容。
多平台铺量 + 监测调优。交付：累计 50 篇 + 监测周报。验收：答案份额 ≥15%，胜负手层内容推荐率最高。
转化承接 + 复盘迭代。交付：36h 转化 SOP + 月度复盘。验收：答案份额 ≥30%，留资成本下降。