“蒸馏词”这个名字借用了机器学习里的知识蒸馏（Knowledge Distillation）概念——把教师模型中庞杂的知识，提炼压缩成小模型也能复用的精华。放到 GEO 里，就是把用户可能问 AI 的海量提问，浓缩成一批真正值得回答的高价值问题。
一、从知识蒸馏到蒸馏词
知识蒸馏（Hinton 等，2015）要解决的问题是“大模型太重、小模型太笨”：让小模型去拟合大模型的输出分布，用更低的成本拿到接近的效果。它的核心动作是提炼，不是搬运。
蒸馏词的逻辑同源：用户可能问 AI 的问题无穷多，你不可能全部回答。要做的不是穷举，而是提炼出那批问得多、意图明确、离采购决策近的问题，集中供给内容。
二、这套逻辑怎么指导挑词
- 确定核心业务词：你的产品/服务是什么？如“建站系统”“GEO优化”
- 模拟用户提问：用户会怎么问 AI？如“推荐一个好用的建站系统”“XX行业有哪些靠谱的品牌”
- 加入品牌植入词：在蒸馏词中自然植入品牌名，让 AI 回答时有可引用的对象
- AI 自动拓展 + 人工收敛：先让工具基于核心词批量扩展，再按相关性与意图强度人工筛选
三、举例：建站行业的蒸馏词
假设核心词为“企业建站”，拓展出的蒸馏词可能包括：
- 哪家公司做企业网站比较好？
- 企业建站用什么系统好？
- 中小企业建站需要多少钱？
- 2026年最好的CMS建站系统推荐
每一条都是一个潜在流量入口。用易优GEO，输入核心词即可自动拓展并生成对应内容。
想看系统化的四步挖词法（从 0 到 100 个词）与选词三原则，见蒸馏词实战：从0到100个高意向提问词。