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?」)。

至少点名一家律所的回答占比 · 芝加哥样本 · 2026 年 9 月 7 日直接求推荐7 道题 · 33 条回答全部点名100%评估2 道题 · 10 条里 5 条50%调研4 道题 · 20 条里 6 条30%比较3 道题 · 15 条里 2 条13%信任与核实4 道题 · 20 条里 2 条10%
图 1 律所 GEO 为什么要从意图入手:按问题意图统计,至少点名一个提供方的完成回答占比。失败的格子不计入,也不记为 0。来源:InsightWonder 行业基准,律所,芝加哥样本,2026 年 9 月 7 日采集。

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:

  1. 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。
  2. 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。
  3. 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。

路径 A:律所自己的页面就是来源回答引用的是律所官网上的业务页Gurney Law Group · 房产过户5 个助手全部点名;它的首页和房产过户业务页一共被引用 10 次。Regas & Dallas P.C · 企业类问题出现在 7 条回答里;rfd-law.com 的公司注册、商事诉讼页被引用 8 次。Combs Waterkotte · 初犯酒驾3 个助手点名;单是它的初犯酒驾业务页就被引用 4 次。路径 B:第三方榜单带出名字被引用的是目录站和「最佳」榜单The Toney Law Firm · 初犯酒驾5 个助手全部点名;这些回答里没有引用它官网的任何一页。被引用的是什么Avvo、OnToplist、Super Lawyers、LawFirmSquare 的芝加哥酒驾律师榜单。这意味着什么名字被带出来了,律所自己的话没有:榜单怎么写,助手就怎么转述。被点名的律所大多两样都有:一页能被引用的内容,加上能互相印证的第三方收录
图 2 芝加哥律所进入回答的两条路径,以及数据里的实例。次数指该问题的回答正文中标注的引用。来源:InsightWonder 行业基准,律所,芝加哥样本,2026 年 9 月 7 日采集。

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。

一个案由、一座城市、一页内容:每一块给助手提供了什么标题:案由 + 城市和用户原话对得上,比如「芝加哥初犯酒驾律师」,而不是笼统的「业务领域」。开头一段直接作答这项服务适合谁、流程怎么走、起步花多少钱。这是最可能被原样引用的一段。流程、周期与收费具体步骤,以及收费方式(固定费、按小时、预付金)。助手回答价格类问题就靠这一段。可核实的资质写明执业律师姓名、执业州、链接到州律师查询。每一条读者都能自己去查。本地细节本地法院、所属县、本州的程序规则:全国性科普文章写不出来的东西。客户常问的问题用大白话写的简短问答,每条答案能单独成立。不是为了刷富媒体结果。结构化数据LegalService / Attorney:名称、地址、电话,sameAs 指向目录站上的同一批主页。
图 5 能让助手准确引用的业务页结构。依据基准数据中被引用的律所页面的共同特征整理;结构化数据一行参照 schema.org 的 LegalService 类型。
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。

被引最多的域名 · 1,005 条引用中的次数 · 五个助手合计avvo.com律师目录与评分21americanbar.org美国律师协会20attorneys.superlawyers.com同行评选的律师名单19reddit.com论坛帖子17lawfirmsquare.com「芝加哥十佳××律师」榜单16legalclarity.org法律科普文章14bestlawyers.com「Best Lawyers」排名12checkmyattorney.com执照查询指南12chicago.gov芝加哥市政府(租客权益)12目录、排名或「最佳」榜单其他来源
图 4 五个助手合计 1,005 条引用中,被引最多的九个域名。橙色为目录站、排名站和「最佳」榜单,灰色为其他来源。来源:InsightWonder 行业基准,律所,芝加哥样本,2026 年 9 月 7 日采集。

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。

每条回答的平均引用数 · 20 道法律问题 · 2026 年 9 月 7 日Perplexitysonar19.05ChatGPTgpt-5-mini10.25Grokgrok-4.20-non-reasoning9.9Claudeclaude-haiku-4-56.05Geminigemini-3.5-flash5.56
图 3 20 道法律问题上,各助手每条回答平均引用的来源数。引用越多,读过的页面越多,目录站或律所页面成为来源的机会也越多。来源:InsightWonder 行业基准,律所,芝加哥样本,2026 年 9 月 7 日采集。

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3.4510.255引用 checkmyattorney.com 6 次;没有 Reddit
Perplexity(sonar)20 条中 7 条2.919.051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3.065.562连通用的比较类问题也会点律所
Claude(claude-haiku-4-5)20 条中 11 条2.356.056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2.79.97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。

01问题集每个业务领域:一道「推荐个律师」的题,再加费用、核实、比较类。02基线五个助手、同一城市、同一天。记下点名、来源和失败的格子。03业务页一个案由一座城市一页,按能被引用的结构写(见业务页结构图)。04目录站资料名称、地址、电话、业务领域,在回答引用的每个目录站上一致。05本地说明文用伊利诺伊州的具体规则回答信任类问题,补上全国性页面的空白。06复测每月一次,题目不变。逐个助手比较;失败的格子不算 0。循环往复:每一轮输掉的问题,就是下一轮的内容提纲
图 6 律所 GEO 的工作顺序:从问题集到每月复测。来源:本文的各项发现。

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