内容产能怎么排：132 篇之后还能写什么

3 月底，一家做户外电源的出海品牌开季度复盘会。内容负责人被问到一个很简单的问题：下个季度写什么。她打开用了两年的选题表，几百个关键词去重后，真正指向不同问题的不到三分之一，其余是同一个问句换了几种说法。上一季按表发出的稿子里，被聊天助手引用的那段关键说明，其实来自工程师在工单回复里随手写的一句话，从来不在计划内。

GEO 内容的产能瓶颈不在写得多快，而在于有没有三条稳定的供给线：模板决定下限，专家决定引用，数据决定别人抄不走。

产能不是篇数，是能被摘走的答案单元

用“篇/周”排产，在 GEO 里会骗人。一篇三千字的品类导购，可能一个可摘取的答案单元都没有；一篇六百字的兼容性说明，可能回答三个具体问题。产能要按“本周新增几个能被单独摘走的答案单元”来数。

原料也随之变了：不是关键词，而是只有你才知道的具体条件——这个型号能不能带动空调启动、低温下充电功率怎么掉、欧规和英规插头差在哪。关键词表证明需求存在，证明不了答案从哪来。“每周能拿到多少条一手判断”，几乎总比想象中少。

三条供给线：成本、可复制性与衰减完全不同

模板线是结构复用：答案单元骨架、对比页框架、故障排查模板。成本最低、可批量，衰减也最快——同类对比页写到第五篇，新增那篇很难再被单独引用，因为它没有新判断。模板保证每页有答案结构，不保证每页有独占答案。

专家线是工程、客服、买手、维修师傅的一手经验。单位成本最高：访谈、整理、署名、复核，但引用最稳，因为带条件、有边界、可验证。AI 可以整理访谈，不能替代访谈。

数据线是自有数据：退货原因、兼容清单、实测尺寸、地区电压与合规差异。这是唯一抄不走的原料，代价是取数权限、清洗和季度更新。多数公司让它躺在客服系统里，从没当成内容原料。

供给线	原料	单位成本	可复制性	衰减速度	谁负责
模板	答案单元结构、对比框架	低	高，竞品也能写	快，第五篇起递减	内容编辑
专家	工程、客服、买手的一手经验	高，访谈加署名	低，无法批量	慢，可长期被引用	内容负责人加业务专家
数据	工单、兼容清单、实测记录	中，取数加更新	极低，独有	中，季度刷新	运营或数据

起步阶段模板占比高没问题，它只是把已有信息排整齐。三个月后专家线和数据线仍是零产出，文章翻倍，被引用的页面集合也不会变。

四个选题池，替代关键词表

关键词表不是选题来源，只是需求存在的证据。真正能持续供货的是四个池子：

• 客户问题池：售前咨询与售后工单里的原话，按周导出、去重、标品类。它最接近买家真实问法，重复度也最高。
• 站内零结果池：站内搜索无结果或点击极低的 query。它离已有流量最近，转化效率通常最高。
• 专家议题池：每月请工程、买手各提一次“最近被问最多、最容易被误解的三件事”。
• 站外语料池：社区、评测站、平台问答里反复出现的异议与对比请求，做法可参考第三方语料审计。

入池前过四项检查：能写成一句具体问句而非名词；能指出答案来自专家、数据还是公开测试；不与已有页面回答同一问句，重复的合并或改内链；能说清服务哪个决策阶段。缺两项就退回池子。

一个反例：把“best portable power station”拆成二十个长尾词，写成二十篇结构相同的导购。站内看着覆盖完整，在 AI 眼里却是同一个答案复述了二十遍，谁也进不了候选集。

排产：先定上限，再定配额

排产第一步不是分题，是承认上限。拿连续四周的实际交付量打八折做计划，比拍一个“每周五篇”更接近现实。

步骤	做什么	谁来做	怎么验证
1 定上限	按每周可交付答案单元定产能，取四周实际值八成	内容负责人	交付偏差在两成内
2 配池子	给四个池子定更新频率与负责人，池子空就停发	内容、客服、工程	每个选题都能追到池子与来源
3 排配额	按季度给三条线设固定配额，专家线与数据线合计不低于三成	内容负责人	季度末统计三条线各自的引用贡献
4 刷新淘汰	页面分三级：引用型季度查、转化型月查、长尾型半年查或合并	编辑与工程	有过期页面的下线或合并记录
5 复盘	不看篇数，看新增答案单元、访谈次数、数据更新数	增长负责人	三个数至少两个在涨

最常被跳过的是第 2 步。团队宁愿用旧关键词表，也不愿让池子空着：空池子意味着找专家、要权限、等数据，比写稿难。可空池子恰恰是最有用的信号——供给线断了，继续排产只会放大同质内容。

第 4 步也要有判断：不是所有页面都值得刷新。价格、库存、政策跟着事实变；观点型长文只在结论被推翻时改。什么该改、什么该留，见内容更新与淘汰；先改哪一页，用页面优先级矩阵排。

示例：一个季度怎么排

示例：一家做户外储能的品牌（假设场景，不含真实品牌与数据），三人内容小组，一个季度计划二十多个页面。

• 模板线约一半：按功率段做“多大功率够用”的选择页，套同一套答案单元结构，两周完成。任务是覆盖问句，不是制造差异。
• 专家线约四分之一：每月两次、每次三十分钟访谈电源工程师，题目取自工单里的高频异议，产出并联扩容、低温充电、能否带动空调三类问答，署名到人，标注测试条件。
• 数据线约四分之一：从工单导出退货原因，做成兼容性与故障排查表，附更新日期，随新型号季度刷新。

复盘不比较流量，只比较“被 AI 引用的页面落在哪条线”。引用几乎全在模板线，说明差异不够；专家线零引用，先查署名、日期和适用条件有没有写清，而不是加产量。

边界：这套产能模型什么时候不适用

第一，单市场、单品类、SKU 很少的小团队。三条线是过度设计，一个能访谈的专家加一套答案单元模板就够。

第二，品类更新极慢的工业配件。瓶颈不是产能而是复审，排“多久看一次”比排产量有用。

第三，铺货型卖家。没有可访谈的专家，硬造“专家人设”会被 AI 和买家一起验证。先做数据线，承认模板线是主力。

第四，想用 AI 批量生成填产能。模型能提速初稿与多语言改写，不能替专家下判断；同质内容不扩大被引用集合，只增加维护成本。

第五，合规敏感品类，比如医疗、儿童、电池运输。专家线不是可选项，是发布前置条件。

做多市场复制时，产能模型要跟着本地化走，战略与市场这条线会讲怎么分配。把动作收窄，这个月只做一件事：把过去十二个月被 AI 引用过的页面列出来，逐篇标注来源属于模板、专家还是数据；哪条线是零，下季度就给它固定配额，并把专家访谈写进日历，而不是等“有空再写”。