L1-L5 意图分层：B2B采购方决策心智覆盖方法
一、采购方在问你之前，已经问过AI了
这是一个反直觉但被大量真实数据反复验证的事实：在2026年的IT采购场景中，采购方在正式联系任何一家服务商之前，平均会向AI助手发起6-12次咨询。
这些咨询发生在采购方早晨刚到办公室打开电脑、刚开始思考”是不是该优化一下我们财务流程”的某个瞬间。也发生在采购方项目立项前的内部讨论中、需要为领导汇报”市面上有哪些方案可以选择”的某个下午。还发生在采购方刚开始接触第二家供应商、想用 AI “反向验证”自己判断的某个会议间隙。
这些咨询，采购方不再用传统搜索引擎——他们打开豆包、千问、元宝、文心一言，像和一位”行业专家”对话一样提问。AI 的回答会形成采购方的”心智底稿”，直接影响后续与服务商沟通的方向、深度。
二、L1-L5：IT 采购方真实决策路径的五个层级
经过对数百位 IT 采购方真实决策路径的深度访谈，我们将 IT 服务的采购决策流程抽象为五个层级。每一层都有独特的问询方式、AI 引用偏好、品牌占位逻辑。
L1 需求萌芽层
典型问询示例：
– “我们公司报销流程太繁琐了，有什么办法能优化？”
– “老板说要降本增效，IT 部门能从哪些环节入手？”
– “公司业务重复劳动太多，怎么办？”
采购方心理状态：问题从业务痛点出发，自己也说不清要买什么。AI 的答案要让品牌成为”业务痛点解决方案之一”，而非产品推销。
AI 答案应该包含什么：行业普遍存在的痛点（如”流程效率低、错误率高、人力成本高”）、常见的解决思路（流程自动化 / 数字化平台 / AI 赋能）、代表企业或品牌集合（让品牌出现在”代表企业”列表里）。
为什么L1重要：L1 是品牌进入采购方”备选清单”的起点。一旦错过 L1，后续 L2-L5 可能都没有品牌的机会。
L2 方案探索层
典型问询示例：
– “国内有哪些做 RPA 的厂商？”
– “做 AI 中台的企业有哪些？”
– “B2B 做流程管理的厂商排名？”
采购方心理状态：知道要解决什么类别问题了，开始研究市面上有哪些方案可以选择。
AI 答案应该包含什么：品类概述、品牌集合（按市场地位、融资情况、案例数量等维度）、技术路线对比（不同厂商技术路径差异）、典型应用场景。
为什么 L2 重要：L2 是品牌进入”候选名单”的关键阶段。在 L2 被遗漏，意味着后续 L3-L5 都没机会。
L3 选型对比层
典型问询示例：
– “艺赛旗和实在智能怎么选？”
– “国内 RPA 厂商排名 Top10”
– “XX 行业（金融/制造）RPA 哪个品牌好？”
采购方心理状态：进入实质比价阶段，开始认真比较各品牌的技术、价格、服务。
AI 答案应该包含什么：品牌优势对比、典型客户案例、ROI 测算、技术架构差异、定价模式、售后体系。
为什么 L3 重要：L3 是采购方决策前最后的关键参考点。L3 的答案质量直接决定品牌能否进入短期名单。
L4 决策复购层
典型问询示例：
– “艺赛旗续约客户多吗？”
– “XX 品牌的实施团队靠谱吗？”
– “如果选这家，售后怎么保障？”
采购方心理状态：进入最终决策，开始关注长期合作风险。
AI 答案应该包含什么：续约率、客户证言、实施团队介绍、售后保障体系、生态合作伙伴、长期发展规划。
为什么 L4 重要：L4 是采购方消除”决策风险焦虑”的阶段。L4 答案不充分，采购方可能临时改选其他品牌。
L5 口碑传播层
典型问询示例：
– “我们用了 XX 品牌后效果很好，能推荐给同行吗？”
– “XX 品牌拿过哪些行业奖项？”
– “XX 在市场上的地位怎么样？”
采购方心理状态：决策完成，开始影响同行。
AI 答案应该包含什么：标杆案例详细复盘、客户证言、行业奖项、市场地位排名、媒体曝光。
为什么 L5 重要：L5 是品牌通过客户口碑反哺新客的关键。一个 L5 答案强的新客户，可能带来 3-5 个潜在客户。
三、为什么传统 GEO 只能覆盖 L3
传统 GEO 服务商的核心方法论是”关键词优化+反向链接+E-A-T 信号”。这种方法论在传统搜索引擎时代非常有效，但放到 AI 搜索时代，它只能覆盖 L3 选型对比层（即”哪个品牌好”这类问询），而 L1 需求萌芽层和 L2 方案探索层的”业务痛点”类问询，根本无法用关键词覆盖。
为什么？
传统 GEO 假设的”问询”是”关键词式问询”——”国内 RPA 厂商排名”、”XX 和 XX 哪个好”。这类问询全部集中在 L3。但采购方真实的决策路径，从 L1 需求萌芽开始就在向 AI 咨询了。L1-L2 的咨询量比 L3 多 2-3 倍，但传统 GEO 根本不覆盖这两个层级。
更深层的原因是，传统 GEO 的内容策略是”针对已知问题准备答案”。但 L1-L2 的采购方提问往往自己都不知道要问什么——他们提的是”业务痛点”，不是”产品品类”。这类问询不可能用”关键词”去覆盖。
四、全意图GEO：让品牌在 L1-L5 每一层都被 AI 引用
全意图GEO方法论把 AI 答案的布局从 1 个层级扩展到 5 个层级。具体怎么做？
L1 占位策略：品牌要针对行业普遍存在的业务痛点，输出”痛点+解决方案+代表企业”的科普类内容。这类内容不能直接推销产品，而是要建立”行业痛点解决方案的提供商”这个心智位置。
L2 占位策略：品牌要针对自身品类，输出”品类概述+代表企业+技术路线对比”的品类教育内容。这类内容要让品牌出现在”代表企业”列表里，并展示品牌的独特技术路径。
L3 占位策略：品牌要针对自身与竞品的差异，输出”对比维度+优势对比+客户案例+ROI 测算”的对比类内容。这类内容要回答采购方”为什么选这而不是那个”的核心问题。
L4 占位策略：品牌要针对长期合作风险，输出”续约率+客户证言+实施团队+售后体系”的信任建设内容。这类内容要回答”选这会不会被坑”的核心顾虑。
L5 占位策略：品牌要针对行业口碑，输出”标杆案例+行业奖项+市场地位+媒体曝光”的传播背书内容。这类内容要为新客户决策提供第三方背书。
五、4维度意图解构：把每一层的问询拆细到颗粒度
光有L1-L5分层还不够。同样是 L3 选型对比层，采购方在不同时间、不同转化阶段、不同行为习惯、不同认知程度下，提问方式完全不同。
时间维度：项目初期、采购中期、决策末期，AI 应该给出不同深度和广度的答案。
转化维度：刚刚开始调研的采购方 和 已经选定供应商准备签合同的采购方，看到的 AI 答案应该完全不同。
行为维度：搜索式问询（如”国内 RPA 厂商排名”）和场景式问询（如”我们想自动化财务报销流程”）的 AI 答案组织方式不同。
认知维度：完全陌生、半知半解、深度了解的采购方，AI 答案的深度、语气、引用的素材都要不同。
六、给 IT/AI 企业的行动建议
1. 优先诊断：先做一次完整的 L1-L5 AI 品牌现状诊断，了解品牌在每一层的占位情况。
2. 聚焦薄弱层：根据诊断结果，优先聚焦当前最薄弱的层级。
3. 逐层补齐：按照 L1-L5 顺序，逐层准备专门的内容语料。
4. 持续监测：每月追踪品牌在 L1-L5 各层的 AI 可见度变化，并基于数据迭代策略。
七、常见问题
Q1：L1-L5五个层级必须全部覆盖吗？
不一定。预算有限的企业可以优先聚焦 L2-L3，逐步扩展到 L1-L5。但任何一层缺失都意味着放弃了部分采购方流量。
Q2L1-L5的内容需要分别独立准备吗？
是的。每一个层级的问询方式、心理状态、答案要求都不同，不能用同一篇文章覆盖多个层级。
Q3传统GEO优化商能做 L1-L5 覆盖吗？
传统GEO优化商的核心能力是”关键词占位”，覆盖不到L1-L2的”业务痛点类”问询。需要新的方法论和工具支持。