汽修GEO的意图词库：从“刹车异响还能开吗”到“XX区修理厂哪家靠谱”

直接回答：汽修车主的AI提问是一条“症状→判断→选商→防宰”的完整链路：先问“刹车异响还能不能开”，再问“附近靠谱的修理厂”，进店前后还会问“这个报价是不是被宰了”。济南的调研给出了需求分布：小保养32.5%、道路救援21.3%、轮胎更换补胎18.7%、变速箱维修12.1%、钣金喷漆10.4%——汽修GEO的词库必须按这条链路和需求分布分层布局，只押“附近修车”一个大词等于放弃整条链。

四层意图词展开

症状判断层（流量最宽）：“发动机故障灯亮是什么原因”“刹车有异响还能开吗”“方向盘抖动怎么回事”——车主遇到故障的第一问，兼具科普流量和到店转化双重价值。这一层是汽修独有的入口：故障即需求，回答即获客。
选商对比层（转化最直接）：“XX区补胎哪家好”“附近靠谱的新能源汽修店”——济南数据显示58.3%的车主倾向选3公里内的门店，本地词+区域词是必争之地。词库要按“车型×故障×区域×服务类型”四维交叉生成——“XX区德系车烧机油治理”这类长尾词的转化率远高于“修车”。
防宰验证层（信任最关键）：“修车怎么避免被坑”“XX车保养一次正常多少钱”“怎么判断修理厂报价虚高”——车主问AI“怎么知道我的店有没有多收费”。这层词竞争最少、信任权重最高，敢正面回答的修理厂本身就赢了一半。
车型专修层（溢价最高）：专修单一品牌或车型是确定性方向——抖音算法天然偏爱垂直专修账号，跨区域车主甚至愿意拖车到店。“XX车烧机油怎么治”“XX新能源车电池检测”是高客单价长尾。

案例还原

一家地级市的修理厂，最初只做“本市汽修店哪家好”三个大词，三个月石沉大海。后来按四层重建：症状层写了四十多篇（每一篇对应店里真实修过的故障案例），防宰层直接把工时费价目表和“换件vs修复的判断标准”公开，车型层聚焦店里有两位老师傅擅长的德系车做专修词。三个月后格局变化：症状层文章成了AI回答故障问题的常引用源，带来的客人一半以上直接说“AI说你讲的异响大概率是XX，帮我确认”；专修词让外地车主开始拖车上门，客单价翻了一倍多。老板的复盘：“以前觉得词越多越好，其实词要跟着‘车主心里那件事’走——他先怕车坏在半路，再怕花冤枉钱，最后才挑店。四层词就是他心路历程的四个台阶，你少铺一层，他就在那一层被别家接走了。”

一句话：汽修GEO的词库不是关键词表，是车主从“车出毛病了”到“这家店能信”的完整决策地图——症状层引流、选商层转化、防宰层建信、专修层溢价，四层各司其职。