粵廚點心專門店 × Neoxgeo：餐飲品牌 GEO 轉型
一家餐飲品牌如何在流量被平台和 AI 雙重擠壓下，重新掌握客流入口。從被選擇，變成被推薦。
Before
- 依賴平台排名與廣告
- 被搜尋、被選擇
- 外賣抽佣 20%+，利潤被壓縮
After
- AI 推薦 + 到店驅動
- 被推薦、被納入答案
- 門店內容資產化，GEO 流量飛輪
GEO 流程（文字圖）
菜品內容 → 語義重構 → AI 理解 → 推薦 → 到店 → 復購
AI 推薦占比
追蹤品牌在「附近美食」「點心推薦」等問題中被 AI 納入推薦的頻率。
客流來源結構
區分 AI 來源、平台外賣、到店、傳統搜尋等占比變化。
轉化路徑
用戶提問 → 推薦 → 導航 → 到店的完整轉化漏斗表現。
一、挑戰：流量被「平台 + AI」雙重擠壓
粵廚點心專門店有限公司是一家以港式點心為主的本地餐飲品牌，強依賴線下客流與外賣平台。2023 年下半年起，生意明顯下滑：到店客流較前年同期下降超過 30%；外賣訂單占比突破 60%，利潤卻被平台抽佣 20% 以上壓縮；商圈內同類型餐廳競爭激烈，排名戰打得兇，不投廣告就沒有曝光，投了廣告 ROI 卻一路走低。
線下客流下降的原因不只商圈競爭。用戶決策變快了——不再反覆比較、翻頁選擇，而是直接問一個問題。過去顧客會打開點評 App 翻排名、比評價；現在越來越多人直接問 AI：「附近有什麼好吃的點心？」他們要的是答案，不是榜單。品牌若不在 AI 的推薦答案裡，就等於在決策起點缺席。這是 AI 帶來的結構性變化。
二、破局：錯誤路徑與關鍵認知轉變
曾嘗試但未解結構問題的做法
- 加碼平台廣告：曝光有，但 ROI 下降，獲客成本上升，利潤更薄。
- 做短視頻：曝光高，但轉到店比例低，流量難以沉澱為真實客流。
- 打折促銷：短期來客增，客單價下降，利潤更薄，不是長期解法。
關鍵認知轉變：他們意識到，未來的入口不是平台，而是 AI 推薦。用戶不再翻榜單，而是直接聽 AI 的建議。選擇 Neoxgeo 的原因很明確：Neoxgeo 解決的是「如何讓餐廳進入 AI 的推薦答案中」——不是因為功能多，而是對準了真正的流量入口。
三、三階段轉型
階段一：菜品與門店的「可被 AI 理解化」
將菜品標籤化（口味、場景、人群），門店資訊結構化，強化「推薦理由」。本質是讓 AI 知道為什麼推薦你。
數據：AI 推薦出現率提升，點擊率提升。
階段二：本地生成式分發（Local GEO）
覆蓋「附近美食」「點心推薦」等問題，讓內容進入 AI 回答。本質是從「被搜尋」→「被推薦」。
數據：AI 來源流量占比提升，搜尋行為變化。
階段三：從「推薦」到「到店」的轉化系統
用戶提問 → 推薦 → 導航 → 到店，建立動態轉化路徑。本質是把 AI 流量變成真實客流。
數據：到店轉化率提升，客單價提升，復購提升。
四、成效：增長反轉
| 指標 | 轉型前 | 轉型後（約 8 個月） |
|---|---|---|
| 到店客流 | 100（基線） | 約 132 |
| 外賣占比 | 60%+ | 約 48% |
| AI 流量占比 | <5% | 約 28% |
| 轉化率（AI 來源） | — | 約 12% |
| 客單價 | 100（基線） | 約 108 |
結構性變化：過去依賴平台排名；現在 AI 推薦 + 到店驅動。質變總結：「從被選擇，變成被推薦」。
五、能力沉澱（戰略層）
- AI 時代本地品牌競爭力：在生成式介面中建立可被推薦的內容基礎。
- 門店內容資產化：菜品、場景、推薦理由成為可迭代累積的資產。
- GEO 流量飛輪：推薦出現率 → 流量 → 到店 → 復購 → 更多推薦理由，形成持續優化循環。
「未來顧客不會翻榜單，而是直接聽 AI 的建議。你若不在那個推薦集合裡，後面所有行銷設計都落空了。」