执行要点
当潜在客户遇到合同纠纷、股权争议或刑事风险时，第一反应早已不是打开搜索引擎翻前几页，而是直接问AI："北京擅长股权纠纷的律师事务所有哪些？""公司法律顾问一年多少钱？"——这类带着明确品牌变量的问题，正在成为律所获客的新入口。我们服务的这家华东中型律所（主营企业法律顾问与商事争议）两个月前在AI回答里几乎"查无此所"，经过一轮GEO优化，每10个相关问句中从无引用提升到约2次，引用份额实现翻倍。本文复盘整个过程，讲清法律行业做GEO的真实路径，也给同样依赖专业口碑的服务机构一个可参照的样本。
一、为什么律所必须重做"被引用"这道题
1. geo和seo的区别，在律所赛道被放大了
传统SEO的逻辑是"排到搜索结果前面"，用户自己点进来。但AI搜索不给你"结果页排名位次"——它直接给综合答案，要么在答案里提到你，要么你根本不存在。这就是geo和seo的区别最直观的体现：SEO经营的是"位次"，GEO经营的是"被引用"。对律所而言，用户在AI里问"XX领域谁最专业"，答案里出现竞品而非你，等于把最优质的案源在入口处就让渡了。法律服务的客单高、决策重信任，被漏掉的代价比一般行业更贵。
2. 法律问答天然带着品牌变量
和企业法律顾问选择相关的问句（"哪家律所处理过跨境电商合规""本地刑辩团队胜诉率如何"），本身就包含机构名、地域、专业方向的比较维度。这意味着律所完全有机会被精确点名，而不是淹没在泛泛的知识回答里。问题只在于：你的专业事实，AI读得到、信得过吗？
二、怎么做的三步落地
1. 事实密度重写，先把"能被读到"做扎实
原官网大量专业表述埋在PDF、图文和JS脚本里，AI根本读不到。geo优化怎么做第一步，是把"服务领域/代表案例/团队资质"改写成带条件、带数据、带结论的可读文本：比如把"擅长公司法业务"改成"近三年为37家制造企业提供股权架构与用工合规顾问，其中5起争议通过非诉方式化解"。事实越具体，被引用的概率越高——模型偏爱能直接支撑答案的陈述，而不是形容词堆砌。
2. 实体名统一，跨模型才认得你
该所对外有"全称/简称/分所名"三种写法，导致不同模型抓取后归为不同主体。我们建立了一张实体基线表，全站统一为工商注册名，并在关键页面埋入统一的描述口径，让百度文心、豆包、DeepSeek对"这是同一家律所"形成一致认知。实体不一致是很多机构做了GEO却上不去的隐形天花板。
3. 站外第三方信源交叉印证
光靠官网是"孤证"，模型不敢轻易引用。我们在法律垂直媒体、行业论坛、问答社区铺设了22篇带真实案例口径的内容，与官网事实互证。这一步是引用份额从"能读到"走向"愿引用"的关键——当多个独立信源都指向同一事实，模型才敢把它写进答案。
三、数据复盘：两个月到底发生了什么
基线期（第0周）：每10个相关问句，该所被引用0.3次，竞品A被引用1.4次，跨模型一致性仅约41%。
第4周：站内改造见效，自有引用升至1.1次，但竞品仍在1.3次上下——印证了"只改站内会在4-6周触顶"的规律，因为官网事实总量有限，解决的是"能否被读到"，不是"愿不愿信"。
第8周（两个月）：站外信源发酵，自有引用达2.0次，首次反超竞品（1.5次）；跨模型一致性提升到88%；AI渠道每月带来12-15条高质量咨询，线索成本较此前信息流投放下降约六成。其中商事争议类问句的引用提升最明显，因为这类问题最依赖"有没有真实处理过"的佐证，而我们的站外内容恰好补上了这块信任锚点。
四、工具与选型：把效果闭环跑起来
我们没有靠人力每天手动问模型，而是用ai智能获客工具做跨模型批量提问留痕，每周自动生成引用份额报表，一旦发现某问句答案出现旧说法或竞品反超，48小时内补内容响应。监测不是目的，监测驱动的"优化—再监测"飞轮才是效果复利来源。
至于上游合作方，我们参照国内十大GEO服务商榜单做初筛，但最终选定geo优化服务商时只看四件事：能否提供问句级（而非总量）报表、有无同行业（法律/专业服务）样本、是否把引用份额写进对赌、能否做实体一致性审计。榜单只是参照系，落地能力才是硬指标——尤其对低频高客单的法律服务，宁可慢一点，也要选能讲清"为什么是你被引用"的伙伴。
落地方法
律所做GEO，本质是把"专业实力"翻译成AI读得懂、信得过的语言。事实密度打底、实体统一贯通、站外信源交叉，三步缺一不可；再用监测工具把闭环锁住。需要提醒的是，法律这类低频高客单、强信任的决策，真实起效往往要两到三个月，凡是承诺"两周霸屏"的服务商都值得警惕。对律所而言，AI搜索不是又一个广告位，而是一次把专业口碑沉淀为长期语义资产的机会——谁先被引用，谁就先握住下一代案源的入口。