简短回答:律所 GEO(GEO for law firms),就是当潜在客户让 ChatGPT、Perplexity、Gemini、Claude 或 Grok 推荐「某个城市、某类案子」的律师时,让你的律所出现在回答点到的名字里,而且回答对你的描述是准确的。我们在 2026 年 9 月 7 日以芝加哥为样本城市,把 20 道法律问题分别问了五个助手:凡是直接求推荐律师的问题,每一条回答都点了至少一家律所;而关于信任、资质核实、方案比较的问题,几乎从不点名。被点到名的律所走的是两条路:要么助手引用了它官网上的某个业务页,要么目录站和「最佳律师」榜单替它带出了名字。下面逐题拆解这份数据,再把它变成一套可以照着做的打法。
原始表格我们已经公开在律所行业页上:谁被点名、被哪个助手点名、引用了哪些域名。这篇文章往下多走几步:数字为什么长这样,对一家正在决定未来半年把预算花在哪里的律所意味着什么,以及由此推出的具体页面、目录资料和检查方法。
- 意图决定一切。七道「推荐个律师」的问题,33 条完成的回答全部点了律所;其余十三道问题的 65 条回答里,只有 15 条点了名。
- 问题里有没有城市,和意图一样关键。提到芝加哥的问题,48 条回答里 40 条点了律所;没提城市的问题,50 条里只有 8 条。
- 不存在稳定的「前三名」。一共点到 183 个不同的提供方。被点名最多的律所出现在 98 条回答中的 7 条里,占比 7.1%;大多数名字只在一个助手的一条回答里出现过一次。
- 自家的业务页是最直接的抓手。律所每被点名十次,至少有四次同一条回答引用了这家律所官网上的页面,而且通常是具体案由的业务页,不是首页。
- 目录站是第二道门。Avvo、Super Lawyers、Justia、FindLaw、Best Lawyers 和各种「芝加哥十佳律师」榜单,大约贡献了七分之一的引用;有一家律所被五个助手全部点名,但它自己官网的页面一次都没被引用。
- 信任类问题是一块空地。问到「怎么核实一位律师」时,助手引用的是加州、佛州、宾州等地的律师监管机构;伊利诺伊州的律师查询只被引用了一次。
我们测了什么,单城市样本能说明什么
这篇文章背后的基准数据是一次带日期的快照,在解读之前,先把它的形状交代清楚。我们生成了 20 道潜在客户可能会问 AI 助手的「请律师」问题,题目里不含任何律所名字,所以回答里出现的每个名字都是助手自己选的。每道题分别发给五个助手:ChatGPT(gpt-5-mini)、Perplexity(sonar)、Gemini(gemini-3.5-flash)、Claude(claude-haiku-4-5)和 Grok(grok-4.20-non-reasoning),都开着联网检索。需要地点的问题,样本城市是伊利诺伊州芝加哥。这轮检测在 2026 年 9 月 7 日完成。
这样一共是 100 个「问题 × 助手」格子,98 个拿到了回答;Gemini 有两个格子失败,恰好都是求推荐的问题(抚养权律师和遗产规划律师)。失败的格子不进入任何百分比的分母,也不记成 0,因为一次超时并不能说明某家律所会不会被点名。另有一个解析器读取每条回答的全文,抽出回答点到的提供方、是否明确推荐、回答的形式,以及回答正文里标注的每一个来源。模型检索时看过但没有在正文里引用的候选页面,不计入。
这份样本能支撑哪些结论
它能说明这些助手怎样处理这一类问题:哪种意图会出名字、助手之间的意见有多一致、它们依赖什么类型的来源、这些来源和被点名的律所之间是什么关系。这些规律来自 98 条回答和一千多条引用,而且在不同业务领域之间相当一致,足以据此行动。
它不能支撑哪些结论
它不能告诉你某家芝加哥律所「在 AI 里排第一」。如果有人拿这种规模的样本这么说,你应当存疑。每家被点名的律所最多也只出现在几条回答里,而 AI 的回答会随运行次数、日期、用户而变化,9 月 7 日出现在四条回答里的律所,下周可能是两条,也可能是六条。它也不能告诉你休斯敦或凤凰城的律所会怎样:引用格局、目录站、本地竞争都因城市而异,同样 20 道题换一个样本城市,会冒出另一批律所,来源构成也可能不同。下文提到的具体名字,请当作「机制的实例」,不要当成排行榜。
下文只按数据如实写出律所名字,并注明是哪个助手、哪道题。在这份样本里被点名不代表我们背书,没被点名也丝毫不说明一家律所的业务水平。
发现一:客户开口要律师时助手才点名,其余时候几乎不点
对规划律所 GEO 的人来说,最有用的一个事实是:回答按意图分得极其干脆。我们给每道题标了背后的意图:直接求推荐(「你会推荐谁来处理……」)、评估(「值不值得请专门的劳动法律师……」)、调研(「选律师要看什么……」)、比较(「个人执业律师还是大所?」)和信任(「怎么核实律师的资质?」)。
七道求推荐的问题,每一条完成的回答都至少点了一家律所,而且多数点了好几家:33 条回答里一共出现了 230 多个名字。其余十三道题的 65 条回答中,只有 15 条点了任何名字。信任类问题最极端:20 条回答里只有 2 条点了「提供方」,而且两次都是服务平台(一次 Super Lawyers,一次 CheckMyAttorney),不是律所。20 条信任类回答全部是不列律所的操作指南;关于危险信号、执照与律师资格、第一次见律师要准备什么的问题,所有回答都没有点任何名字。
助手为什么这样回答
求推荐的问题本身就隐含着「给我名字」的指令。信任或调研类问题恰恰相反:对「怎么核实一位律师」来说,最稳妥、最有帮助的回答,是一套对任何律师都适用的步骤,此时点名律所反倒像在打广告。助手并不是知道名字却不说,而是问题本身不需要名字。这对规划是好消息:你可以预判哪些问题值得争取「被点名」,哪些问题值得争取「被引用」。
城市对回答的影响,和意图一样大
20 道题里有 10 道提到了芝加哥,这些题的回答 48 条里有 40 条点了律所。另外 10 道是通用问题(比如「请律师时,预付金协议和按小时计费怎么选?」),50 条回答里只有 8 条点了提供方。即使意图不是求推荐,这个效应依然存在:三道带城市的调研、比较类问题,15 条回答里有 7 条点了律所,而通用题那边只有零星几条。像「在芝加哥为小企业注册选律师时,我应该看什么?」这样的问题,五个助手里有四个先给一份检查清单,再附上一小串本地律所;比如 ChatGPT 在清单后面列了五家「可以打电话约初次咨询」的律所。
这对投入方向意味着什么
会出名字的问题都很窄、很具体:一个案由、一座城市,常常还带着紧迫感(「两周后过户」「房东威胁驱逐」「初犯酒驾」)。测量用的问题集要围绕这类问题来建,业务页也必须正面回答这类问题。关于「怎么挑选、怎么审查律师」的通用问题并非没有价值:它们不出名字,但会产生引用,而这些引用来源,会在客户开口求推荐之前,先塑造他心目中「好律师长什么样」。发现五会回到这块机会。
| 问题类型(芝加哥样本) | 回答长什么样 | 律所能赢得什么 | 靠什么赢 |
|---|---|---|---|
| 求推荐,带城市和案由 | 有序或无序的律所列表;33 条回答全部点名 | 被点名,最好是被明确推荐 | 「案由 + 城市」业务页,各目录站资料一致 |
| 调研或评估,带城市 | 先给清单,常常再附一小串本地律所;15 条里 7 条点名 | 清单后的点名,或者一次引用 | 写清流程和收费的业务页;本地说明文章 |
| 比较,通用 | 利弊分析,很少点名 | 解释部分的引用 | 诚实的比较文章(如预付金对比按小时),带伊利诺伊州细节 |
| 信任与核实,通用 | 分步指南,20 条回答一条律所都没点 | 引用,以及「该查什么」的话语权 | 核实指南页,链接州律师查询和你自己的执业记录 |
发现二:名单很长、很浅,而且每个助手都不一样
如果你把 AI 回答想象成新版的「地图前三名」,这份数据很快会纠正你。98 条回答里,一共点到 183 个不同的提供方。被点名最多的 Regas & Dallas P.C.,出现在两道题的 7 条回答里,占全部回答的 7.1%。它后面有四个提供方各出现在 5 条回答里,再往后是一条长长的尾巴:数据里的大多数名字只出现过一次,即一个助手的一条回答。取决于你合并拼写变体的严格程度(比如「The Toney Law Firm」和「The Toney Law Firm, LLC」),只出现一次的名字大约占三分之二到四分之三。
助手之间有多一致
我们对每道题比较了每一对助手给出的名字集合,看它们共有的名字占多大比例。在一道典型的题上,两个助手大约每十个名字才共有一个。最接近的一对是 ChatGPT 和 Claude,大约每五个共有一个;差别最大的一对是 Perplexity 和 Grok,大约每二十个才共有一个。即使是助手意见最一致的商事诉讼那道题,也冒出了 33 个不同的名字,其中只有 13 个被不止一个助手点到。
五个助手全部点名的提供方有五个:Regas & Dallas P.C.、Gurney Law Group、Peck Ritchey、The Toney Law Firm,以及 Rentervention(Lawyers’ Committee for Better Housing 运营的租客求助服务)。这五个的「共识」都来自一两道题,而不是普遍的知名度。Gurney Law Group 只出现在房产过户那一道题里,而在那道题上它被每一个助手都点到了。
为什么一致性这么低
这些助手并不共用一套索引。每个助手各自联网搜索、各自改写查询、读到的页面不同,点几个名字也各有主张。Perplexity 每条回答平均引用 19.05 个来源,Gemini 只有 5.56 个,它们依据的证据量差别很大。回答风格也不同:Gemini 在 18 条完成的回答里有 11 条点了提供方,Perplexity 在 20 条里只有 7 条。回答形式同样各异:求推荐的问题里,14 条回答是有序列表,19 条是无序列表,「排名第几」这件事往往根本不存在。
与其看排名,不如看这三个指标
既然重合度低、位次常常不存在,给一家律所算一个「AI 排名」就没有意义。下面三个指标更站得住:
- 按助手、按业务领域分开的提及率。遗产规划类的求推荐问题里,每个助手各有多少条回答点到了你?助手要分开看,平均会掩盖「这个助手每次都点你、那个助手从来不点」的事实。
- 推荐率。被列出来不等于被推荐。在公开的表格里,Legal Aid Chicago 和 Loftus & Eisenberg 各出现在 4 条回答里,一次都没有被明确推荐;Cook County Legal Aid for Housing and Debt 出现在 4 条回答里,4 次都被推荐了。
- 来源归属。每一条点到你的回答,引用的是哪一页:你自己的、某个目录站的,还是什么都没引?这能告诉你到底是哪根杠杆在起作用,也是下面两个发现的主题。
竞品要怎样对称计数,这些比率才对每家律所都意味着同一件事,可以看我们的AI 回答声量份额测量指南。
发现三:律所自己的业务页是最常见的来源
对每一条点到律所的回答,我们检查了同一条回答是否引用了这家律所官网上的页面。名字和域名的匹配并不精确:有些律所用缩写域名,我们只在律所名字里有辨识度的部分出现在域名中时才算匹配。即便用这么保守的规则,律所每被点名十次,至少有四次它自己的网站就在来源里;只看求推荐的问题,比例也一样。
被引用的页面很少是首页,而是标题里带城市、专讲一个案由的业务页,写的正是客户会问的那个问题。数据里的三个例子能说明这个规律。
Gurney Law Group 与房产过户那道题
题目是「我在芝加哥市中心附近有一笔两周后要过户的房产交易,需要帮忙,你会推荐谁?」五个助手全部点了 Gurney Law Group,其中三个明确推荐。这些回答一共引用了它的网站 10 次:标题为「Real Estate Attorneys」的首页 5 次,标题为「Real Estate Closing Attorney Chicago」的过户业务页 4 次,面向房产经纪人的一页 1 次。这家律所的页面说的就是问题问的事,用的也是问题里的词。
Regas & Dallas 与企业类问题
Regas & Dallas P.C. 是样本里被点名最多的提供方:7 条回答,全部来自两道题,一道问小企业注册该怎么选律师,一道求推荐商事诉讼律师。它的域名 rfd-law.com 里没有助手使用的那个名字,所以按名字匹配域名的自动方法会漏掉它,基准数据的自动域名分类器也把它归进了「其他」而不是「品牌官网」。它的页面被引用了 8 次:「Incorporation Lawyers in Chicago」「Commercial Litigation Attorney in Chicago」「Small Business Attorney Chicago」和首页。分类器漏掉它这件事,对你自己的测量是一个提醒:如果你的律所用的是缩写域名,按名字匹配的工具会低估你的网站作为来源的次数。
Combs Waterkotte 与初犯酒驾那道题
「芝加哥哪些刑辩律师最适合处理初犯酒驾?」这道题,有三个助手点了 Combs Waterkotte。它标题为「First DUI Lawyer Chicago, Illinois」的页面被引用了 4 次,另一页酒驾业务页 2 次,还有一次引用的是它网站上一本在线指南里讲「如何挑选刑辩律师」的章节。这家律所的内容同时回答了求推荐的问题和围绕它的调研问题。
这些页面的共同点
这一切都不需要什么「专为 AI 设计」的格式。被引用的页面有几个朴素的共同点:一页只讲一个案由;标题里有城市;第一段就说清服务对象;描述了会发生什么、大致涉及什么;文字量足够让助手直接引用而不必自己编。大多数律所实际在用的,是一个「业务领域」总页,十二个案由各写一句话。对「芝加哥初犯酒驾」这样的问题,这种页面没有任何可以引用的内容,也无法把你和下一家律所区分开。
| 要素 | 常见的「业务领域」总页 | 会被引用的「案由 + 城市」业务页 |
|---|---|---|
| 标题 | 业务领域 | 律所名 | 芝加哥初犯酒驾律师(伊利诺伊州)| 律所名 |
| 开头 | 「我们为个人和企业提供全方位法律服务。」 | 三四句话说清:适合谁、第一步做什么、初次咨询谈什么 |
| 流程 | 没有 | 从被捕或委托到结案的编号步骤,写明本地法院或机构 |
| 收费 | 「欢迎来电」 | 收费方式(固定费、按小时、预付金)以及什么因素会改变费用;只在执业规则允许时写区间 |
| 资质 | 「经验丰富的律师团队」 | 执业律师姓名、执业年份与州、链接到州律师查询 |
| 本地细节 | 没有 | 所属县、法院、期限,以及本地客户会听到的术语 |
| 常见问题 | 没有,或很空泛 | 五到八个客户真会问的问题,每个答案独立成段 |
如果想知道段落是怎样被摘进回答里的,可以看我们关于可摘取写作的文章,讲的是句子层面的结构:每个论断能独立成立、不用指向三段之前的代词、数字紧挨着它衡量的对象。
发现四:目录站和「最佳」榜单是第二道门
被点名的另一条路要经过第三方。看全部 1,005 条引用里被引最多的域名,规律一目了然:目录站、评分站和「芝加哥十佳律师」类页面,和美国律师协会、Reddit 一起排在最前面。
把能识别出来的律师目录、同行评选名单和「最佳」榜单站加在一起(Avvo、Super Lawyers 的两个域名、Justia、FindLaw、Best Lawyers、Lawyers.com、LawFirmSquare、OnToplist、LawyerLegion、101Attorney、Expertise.com、Legal 500、Chambers,以及若干只出现一次的站点),它们大约贡献了七分之一的引用。在求推荐的问题上,它们的分量更重:Avvo 的「Top Rated Chicago, IL DUI Lawyers」页面在酒驾那道题上被引用 4 次;LawFirmSquare 的「Top 10 Contract Lawyers in Chicago (2026)」在合同审查费率那道题上被引用 5 次。
官网一次没被引用,却被五个助手点名的律所
在酒驾那道题上,五个助手全部点了 The Toney Law Firm,但这些回答没有一条引用这家律所自己网站上的页面。它们引用的是排名页和目录页:Avvo、OnToplist(「Top Chicago DUI Lawyers」,各条回答合计被引 4 次)、Super Lawyers、LawFirmSquare,以及一个叫 chicagodefensefirm.com 的站点。名字是经由别人的榜单进入回答的。这条路走得通,但这意味着回答对这家律所的描述来自那些榜单;如果榜单过时、写错了业务领域,或者内容很单薄,助手就会照样转述。
每个助手偏爱的目录站不一样
目录站的构成并不均匀。Justia 的 11 次引用里有 9 次来自 Perplexity,attorneys.superlawyers.com 的 19 次里有 11 次,Best Lawyers 的 12 次里有 8 次;Gemini 和 Claude 一次都没有引用 attorneys.superlawyers.com。Avvo 分布最均匀,五个助手都引用过。曾经是行业标准目录的 Martindale,只被引用了一次。如果你只打算维护一个目录站资料,数据支持 Avvo;如果你特别在意 Perplexity,Justia、Super Lawyers 和 Best Lawyers 更重要。
Perplexity 在社区来源上也很突出:17 次 Reddit 引用里有 13 次来自它,集中在「请律师要警惕哪些危险信号」「大所还是个人执业律师」这类问题上。这一轮里 ChatGPT 一次都没有引用 Reddit。
| 助手(模型) | 至少点名 1 个提供方的回答 | 每条点名数 | 每条引用数 | 引向目录站的回答 | 值得注意的来源习惯 |
|---|---|---|---|---|---|
| ChatGPT(gpt-5-mini) | 20 条中 9 条 | 3.45 | 10.25 | 5 | 引用 checkmyattorney.com 6 次;没有 Reddit |
| Perplexity(sonar) | 20 条中 7 条 | 2.9 | 19.05 | 1 | 引用量遥遥领先;Reddit、Justia、Super Lawyers 引得最多 |
| Gemini(gemini-3.5-flash) | 18 条中 11 条 | 3.06 | 5.56 | 2 | 连通用的比较类问题也会点律所 |
| Claude(claude-haiku-4-5) | 20 条中 11 条 | 2.35 | 6.05 | 6 | 每条点名最少;常在正文里让读者去查目录站 |
| Grok(grok-4.20-non-reasoning) | 20 条中 10 条 | 2.7 | 9.9 | 7 | 最常叫读者去目录站核对 |
目录站该怎么做
目录站这根杠杆,重点不在「有没有被收录」,而在「收录的内容对不对」。助手读到 Avvo 或 Super Lawyers 的页面,会照搬上面的业务领域、办公地点和简介。所以这里的工作是一次审计:对每个在你业务领域的回答里出现过的目录站,核对律所名称是否和官网、Google 商家资料一致,地址、电话、业务领域是否准确,资料是否链接到官网对应的业务页。对「最佳」榜单站要谨慎:有的是编辑评选,有的是付费上榜,花钱之前先弄清楚是哪一种。助手怎样权衡几个互相印证的独立来源,可以看我们的第三方佐证指南。
发现五:空白处由外州规则、法律援助和在线服务填上
通用法律问题,用的是别的州的答案
信任类问题没有产出任何律所名字,但它们的引用暴露了一个芝加哥律所可以利用的空当。问到「怎么核实律师的资质、查他有没有受过处分?」时,五个助手合起来引用了加州、佛州、宾州、阿拉巴马、亚利桑那、内华达、北卡罗来纳的律师协会或惩戒机构网站,美国司法部,以及一个讲菲律宾律师的网站(在这道题上被引 5 次)。伊利诺伊州律师注册与惩戒委员会(ARDC)的律师查询,只被 Perplexity 引用了一次。执照与律师资格那道题也类似:加州、佛州、堪萨斯、得州和加拿大安大略省的来源,外加维基百科。
其他通用问题也一样。关于第一次见律师要准备什么的回答,引用了澳大利亚新南威尔士州和英国的来源;关于「是否需要办过同类案子」的回答,引用了澳大利亚、加拿大和英国的页面。这些问题都没提城市,助手没有理由做本地化;但芝加哥的客户问出来,拿到的就是一份用别的司法辖区规则拼成的回答。
本地律所的机会
这是数据里唯一一处律所不用争名单位置、就能赢得引用的地方。用伊利诺伊州真实的流程回答「在伊利诺伊州怎么核实一位律师」,既有用又具体,而助手眼下找到的这类来源很少。这套流程包括:ARDC 律师查询怎么用、上面的执业状态是什么意思、公开的处分记录在哪里、怎么看。类似的页面还有「第一次见芝加哥家事律师要带什么」「伊利诺伊州预付金和按小时收费怎么选」。这些页面不会让回答点你的名(回答本来就不点任何人),但会让你的网站成为被引用的来源,也让律所成为「讲清本地规则」的那一家。
本地说明文章怎么写
- 把司法辖区写进标题和第一句,这样问题的本地版本才能检索到这一页。
- 直接链接一手权威来源(伊利诺伊州就是 ARDC 律师查询),并描述读者在那里会看到什么,而不是转述你没有核对过的规则。
- 先用两三句话回答问题的全国通用版本,再写伊利诺伊州的具体规定。助手常常摘取通用部分,这一部分也得准确。
- 写明日期和最近一次复核时间。程序和收费规则会变,你不写明,助手分不清这是 2019 年的页面还是现在的。
- 不要加推销段落。写到一半变成广告的页面,在中立的程序类问题上更不容易被引用。
紧急事务:法律援助和政府页面
法律类回答里的名字并不都是律所,有两道题能看出还有谁在争这些位置。驱逐那道题(「房东威胁要驱逐我,我在芝加哥急需法律帮助,最好的选择是谁?」)是唯一一道排在前面的名字全都不是律所的求推荐问题。Rentervention 被五个助手全部点名,三个明确推荐;Cook County Legal Aid for Housing and Debt 被四个助手点名,四个都推荐了;其后是 Eviction Help Illinois、Legal Aid Chicago 和 Uptown People’s Law Office。来源几乎全是政府和非营利机构:chicago.gov 被引用 12 次,全部在这道题上;Metropolitan Tenants Organization 的网站 tenants-rights.org 被引用 10 次;另有 legalaidchicago.org、hud.gov 和库克县的页面。对有免费援助的紧急民事问题,助手会先把人引向免费援助。一家代理租客案件的私人律所,不会在这个回答里取代法律援助,也不该去尝试;它可以成为回答里那个「付费的替代选项」,但前提是它的页面清楚写明代理哪一方、和免费服务比花费多少。
简单文书:在线服务
在线遗嘱那道题(「对遗嘱这类简单文件,在线法律服务比传统律师更好吗?」)出来的是产品名:Trust & Will 被四个助手点到,FreeWill 被三个点到,还有 Quicken WillMaker。遗产规划律所想进入这个回答,需要一篇诚实的页面讲清「在线遗嘱什么时候够用、什么时候不够」。助手本来就是这样框定这个问题的;一家律所自己讲这个话题的页面(yolofskylaw.com)就在这道题的引用来源里,被引用了 3 次。
律所 GEO 打法:按这个顺序做
上面的发现指向一个先后顺序。这个顺序是按「什么最先见效」排的:先测量,再改你能控制的页面,再改你能编辑的目录资料,再写能赢得引用的内容,最后形成循环。
第一步:按业务领域建问题集
你想要客户的每个业务领域,各写五到八道问题,措辞模仿客户在 AI 助手里会怎么打字:大白话、带城市,再加上让事情变得紧迫的情境。每个领域至少要有一道直接求推荐的问题(「你会推荐谁来处理……」),因为只有这类问题会出名字;再加一道费用题、一道比较题、一道核实题,用来看引用。任何一道题都不要写进你律所的名字:点了你名的问题什么也测不出来,因为助手无论如何都会谈到你。措辞、意图配比和需要多少道题,可以看我们的问题集搭建指南。
第二步:在五个助手上测一次基线
同一天、同一个地点,把每道题在每个助手上各跑一遍。每条回答记四件事:有没有点到你、有没有推荐你、点了哪些竞品、引用了哪些来源。失败就记失败。我们 100 个格子里有 2 个失败,如果把它们记成「没点名」,Gemini 在两道最有价值的问题上就会显得比实际更差。条件允许的话,每道题至少重复跑两次,因为跑一次会低估这些回答的波动有多大。
第三步:重写你输掉的那些业务页
挑出竞品被点名而你没有被点名的求推荐问题。逐一检查:你有没有一页正面回答「这个城市、这个问题」?如果只有一个笼统的业务总页,就按上面业务页结构图写一页专门的,内容要事实化、可核查。如果已经有这一页,就拿它和回答引用的竞品页面对比:标题、开头、流程和收费写得多具体、资质怎么呈现。在我们的数据里,赢的页面既不长也不花哨,只是具体。
第四步:让每个目录站讲同一个故事
把你业务领域的回答里引用过的目录站列出来。在这份样本里,就是 Avvo、Super Lawyers、Justia、FindLaw、Best Lawyers,再加上你所在城市冒出来的「最佳」榜单站。逐个核对名称、地址、电话、业务领域、律师简介,以及回链到官网对应业务页的链接。名称不一致,对换过合伙人或合并过的律所尤其麻烦:只要有一个目录站还挂着旧名,助手就可能点出旧律所,或者把你的提及拆成两个实体。
第五步:写出全国性页面写不了的本地说明文章
挑两三道离你业务最近的信任类、流程类问题,写出伊利诺伊州版本:在本州怎么核实律师、库克县的家事律师初次面谈是什么流程、本州规则下预付金怎么运作。这些页面争的是引用,不是点名,而且会累积:每一篇都是问题带上地点时助手可以引用的一页。
第六步:别让技术问题把你变成隐形
- 确认 AI 搜索爬虫能抓到你的业务页。拦截陌生机器人的防火墙或 CDN 规则也会拦住它们;即使你决定不让训练类爬虫抓取,robots.txt 也不要排除搜索类代理(OAI-SearchBot、PerplexityBot、Claude-SearchBot)。
- 确保业务页的正文直接写在 HTML 里,而不是要等 JavaScript 运行后才出现。不少 AI 抓取器不执行脚本。
- 添加 LegalService 或 Attorney 结构化数据,名称、地址、电话与各目录站资料完全一致,并用 sameAs 链接到这些主页。单靠它不会让你被点名,但它能消除「这一页属于哪个实体」的歧义。
第七步:每月复测,逐个助手看变化
每月用同一套问题集重跑一次。每个助手和它自己比,而不是拿平均数和平均数比。新页面上线后,先去引用里找它,再去回答里找你的名字:通常先出现引用,后出现点名。某个助手不再点你时,看它改引了哪些来源,就能判断是竞品的页面还是目录站的变动导致的。
律所 GEO 的执业规范与合规边界
律所受到的执业规则约束,是大多数 GEO 建议里没提的;有些常见手法不只是质量问题,而是执业操守问题。
关于律师服务的宣传
各州都以自己的版本采纳了美国律师协会《职业行为示范规则》,这些规则禁止对律师服务做虚假或误导性的宣传,并限制自称「认证专科律师」。读者换成语言模型,这些规则并不因此失效。业务页上写「芝加哥最好的酒驾律师」,或暗示律所无法证实的结果,给人看是问题,被助手原样转述给客户时更是问题,而这恰恰是最可能被引用的段落。伊利诺伊州有自己的规则,发布比较性或专科类措辞之前,先查规则或请教职业伦理顾问。
评价与推荐语
在这份数据里,目录站的评价之所以重要,是因为目录站会被引用,这就带来伪造评价的诱惑。美国联邦贸易委员会(FTC)在 2024 年 8 月 14 日宣布的虚假评价与推荐最终规则,禁止虚假评价和歪曲真实体验的评价,禁止以好评或差评为条件的报酬,禁止未披露关系的内部人员评价,禁止用无理的法律威胁或恐吓压制差评,并允许 FTC 对明知故犯者寻求民事罚款。向客户请求评价时措辞要中立,绝不付费,也绝不让员工或亲友代写。
回复评价与引用案例时的保密义务
在回复差评时透露客户案件的细节,可能违反保密义务,哪怕客户先在公开场合谈过这件事。业务页上的案例也一样:只用客户已知情同意、或本就属于公开记录的案件,描述结果时不要暗示它能预示未来的结果。
花钱买榜单位置
有些「最佳」榜单站收费上榜。付费上榜可以是合规的广告,但在不清楚榜单怎么评出来的情况下,把付费位置当作独立排名在自己官网上宣传(「荣登十佳……」),就不是律所该做的事了。助手把付费榜单当证据引用,是榜单的问题;你的官网把它写成奖项,就变成了你的问题。
怎样测量律所 GEO,才不会自欺欺人
上面这份样本也把测量里的坑暴露得很清楚。下面每一条,都会让同一份数据得出错误结论。
坑一:在问题里写进自己律所的名字
「X 律所处理芝加哥酒驾案子好不好?」每次都会提到 X 律所。点了你名的问题会把你的提及率推到接近 100%,却完全说明不了一个不认识你的客户会不会听说你。这次基准的 20 道题全部在生成时排除了提供方名字,正是这个原因。
坑二:数自己比数竞品更宽松
如果你的追踪用五种写法匹配自己、只用一种写法匹配竞品,你就会显得赢过他们。所有名字要用同一套归一化规则。rfd-law.com 的例子说明问题也可能反过来:依赖域名的匹配器会漏掉用缩写域名的律所,所以对自己和最接近的几个竞品,要人工复核。
坑三:把几个助手平均
Perplexity 每条回答引用的来源是 Gemini 的三倍多,两者依赖的目录站也不同,跨助手的平均数描述的是一个不存在的助手。每个助手分开报告;如果你知道客户实际用哪个,再按使用比例加权。BrightLocal 2026 年的消费者调查发现,用 AI 工具找本地商家推荐的美国消费者比例从前一年的 6% 升到了 45%,过去 12 个月有 31% 的人用 ChatGPT 找过商家推荐。所以先优化 ChatGPT 是合理的,但它不是唯一的助手。
坑四:把失败当成 0
这一轮 Gemini 在抚养权和遗产规划两道题上失败了。如果记成「没点名」,Gemini 在两个业务领域就成了 0,而它其实只是没有作答。失败的格子不进分母,重跑即可。
坑五:把一次运行当成趋势
大多数名字只出现一次,所以单次运行会让律所在月与月之间出现又消失,原因只是抽样。在断定一篇新业务页起了作用之前,先去引用里找到它,确认它至少在两次运行里都站住了,再确认这段时间问题集没有变。
客户看完回答之后做什么
测完回答,路径并没有结束。在 Yext 2026 年对搜索本地商家人群的调查里,只有 5% 的人说看完 AI 回答就直接购买。收到 AI 推荐之后,53% 会去 Google 或 Bing 搜索核实,49% 直接访问商家网站,42% 点开 AI 引用的来源,28% 去看评价。对律所来说,这意味着让你被引用的那一页业务页,往往也是客户下一步落地的页面,而带出你名字的那个目录站资料,就是他会去核对的地方,两者都要经得起第二眼。这条路径上 Google 商家资料那一段,可以看我们的本地 GEO 指南:Google 的本地结果主要取决于相关性、距离和知名度,而知名度包括链接和评价。
资料来源
- InsightWonder 行业基准:律所,伊利诺伊州芝加哥样本,2026 年 9 月 7 日采集:/industries/law-firms/
- 伊利诺伊州最高法院律师注册与惩戒委员会(ARDC),律师查询:https://www.iardc.org/Lawyer/Search
- 美国律师协会,《职业行为示范规则》:https://www.americanbar.org/groups/professional_responsibility/publications/model_rules_of_professional_conduct/
- 美国联邦贸易委员会,禁止虚假评价与推荐的最终规则(2024 年 8 月 14 日):https://www.ftc.gov/news-events/news/press-releases/2024/08/federal-trade-commission-announces-final-rule-banning-fake-reviews-testimonials
- BrightLocal,2026 年本地消费者评价调查(AI 与信任):https://www.brightlocal.com/research/lcrs-ai-trust/
- Yext,消费者搜索行为报告:https://www.yext.com/resources/consumer-search-behaviors-full-report
- Google 商家资料帮助中心,本地排名如何决定:https://support.google.com/business/answer/7091
- Schema.org,LegalService 类型:https://schema.org/LegalService