2026 年 3 月 12 日，Google 发布了自 Maps 原始上线以来本地搜索领域最重大的变革。Ask Maps，一个直接内置于 Google Maps 的 Gemini 驱动对话式 AI 层，在美国和印度的 Android 与 iOS 上正式上线。它用一种根本不同的方式取代了旧版问答功能：不再是简单列举地点，而是对地点进行深度推理的自然语言界面。
用户不再输入「市中心咖啡馆」。他们会问：「附近有高速 WiFi、户外座位和好吃糕点的咖啡馆，早上 7 点前营业。」Ask Maps 读取其超过 3 亿地点数据库中每个商家背后的结构化数据，将属性与查询匹配，返回精选推荐列表。没有十个蓝色链接，没有地图网格滚动，只有直接的对话式回答。
这从根本上改变了本地商家被发现的方式。而拥有最丰富位置数据的商家，才是被选中的那些。
Ask Maps 的工作原理
传统 Google Maps 搜索基于三个维度：距离、评价和关键词相关性。Ask Maps 增加了第四个维度：属性匹配。这是真正改变游戏规则的地方。
当用户问「蒙马特附近有安静庭院且地铁便利的精品酒店」时，Ask Maps 不只是在半径范围内筛选酒店，而是将查询拆解为结构化意图：
- 实体类型：酒店（精品子类别）
- 地理锚点：巴黎蒙马特街区
- 设施要求：安静庭院
- 交通要求：地铁便利
然后它扫描每个候选商家的数据，寻找可以确认或否定每个条件的可验证信号。标注「巴黎中心位置」的酒店，Ask Maps 无法从中获取任何可操作信息。而标注「距 Abbesses 地铁站（12 号线）180 米，远离街道噪音的内部庭院，位于蒙马特区 Rue Lepic 街」的酒店，则提供了一切所需。
在 Google Local Search 团队报告的内部测试中，拥有完整属性数据的商家在 Ask Maps 结果中出现的频率，是属性不完整但评价分数相当的商家的 3.2 倍。结论很明确：在对话式查询中，数据完整性现在比评价数量更重要。
「薄弱的位置数据」意味着什么
大多数商家认为自己的数据没问题。他们有带营业时间、照片和评价的 Google Business Profile，网站页脚也有地址。对于基于关键词的 Maps 搜索，这些已经足够。但对于 Ask Maps，远远不够。
薄弱的位置数据意味着你的商家信息回答了「你是什么」，却没有回答「在你附近是什么体验」。具体来说，薄弱的商家信息通常缺少以下内容：
街区上下文。 你的信息写着「巴塞罗那」，但没有「Born 区，距 Santa Maria del Mar 200 米」。Ask Maps 需要街区级别的精度才能匹配「Born 区餐厅」或「哥特区附近酒店」这类查询。
交通距离。 你有地址，但没有最近地铁站、公交站或电车线路的数据，也没有步行距离。当旅行者查询「公共交通便利的酒店」时，你的商家无法被验证为符合条件。
附近 POI 引用。 你的商家孤立存在，没有关于周边环境的结构化数据：海滩、公园、博物馆、商业街、医院、机场。Ask Maps 无法将你的商家匹配到涉及地标或周边景点的查询。
具体设施属性。 Google Business Profile 写着「WiFi：是」，但没有速度信息。Schema 标记列出「游泳池」，但没说明是室内、室外、加热还是季节性开放。Ask Maps 能处理具体性，匹配查询精度的商家会胜出。
步行距离数据。 「靠近海滩」无法量化。「距 Barceloneta 海滩 340 米，步行 6 分钟」给 Ask Maps 提供了一个可验证的距离，可用于匹配「步行可达海滩的酒店」。
Ask Maps 权重最高的 5 个地理属性
基于自上线以来 Ask Maps 结果中的查询模式分析和可观察的排名行为，以下五类位置数据在属性匹配中权重最高。
1. 公交站点距离（含步行时间）
Ask Maps 处理大量与交通相关的查询。「地铁站附近」「交通便利」「不需要开车也能出行」是对话式地点查询中最常见的修饰词。商家信息中若包含最近公交站点的名称、线路和步行距离，具有可测量的优势。
应包含的内容： 最近地铁站名称、线路标识、以米和分钟计的步行距离。如有必要，也包含公交站和电车站。示例：「Fontana 地铁站（L3），步行 4 分钟（320 米）。」
2. 街区和区域标识
Ask Maps 将街区理解为空间单位。当用户查询「Kreuzberg 的餐厅」或「Marais 区的酒店」时，系统会匹配具有明确街区关联的商家，而不仅仅是城市级别的地址。
应包含的内容： 所在街区或区域名称，与知名子区域的位置关系。使用 containedInPlace schema，并在商家描述中加入街区名称。
3. 附近地标和 POI 距离
对于旅游和住宿类查询，地标距离是核心匹配信号。「斗兽场附近的酒店」「中央公园附近的公寓」「步行可达埃菲尔铁塔的餐厅」。在商家信息中嵌入到主要 POI 的精确距离，让 Ask Maps 有具体数字可以比对。
应包含的内容： 到最相关的 5-10 个附近 POI 的步行距离（米和分钟）：旅游景点、海滩、公园、购物区、医院、机场。
4. 设施具体性和完整性
Ask Maps 能区分「有游泳池」和「有全年开放的室外加热游泳池」。设施数据越具体、越全面，能匹配的查询就越多。设施数据应通过 amenityFeature schema 数组结构化呈现，而不是埋在文字描述中。
应包含的内容： 每项可搜索设施的详细规格。不是「停车场」而是「免费现场停车，2 个车位」。不是「WiFi」而是「免费 WiFi，200 Mbps」。不是「餐厅」而是「自营餐厅，早餐 7:00-10:30，晚餐 18:00-22:00」。
5. 周边区域密度信号
Ask Maps 还评估你周边区域的密度和特征。餐厅密集的区域，Ask Maps 在匹配「餐饮选择丰富」的查询时会更有把握。安静住宅区的商家则能匹配「远离游客人群的宁静之地」。这类密度信号很难手动构建，但地理数据 API 可以精确生成。
应包含的内容： 基于数据的周边区域特征描述：餐厅密度、夜生活集中度、绿地距离、商业与住宅比例。
对比案例：有无 GeoEnrich 数据的酒店商家信息
以里斯本 Alfama 区一家精品酒店为例，展示 Ask Maps 优化前后的差异。
优化前：薄弱的商家数据
{
"@context": "https://schema.org",
"@type": "Hotel",
"name": "Casa do Alfama",
"description": "里斯本市中心迷人的精品酒店。",
"address": {
"@type": "PostalAddress",
"streetAddress": "Rua de São Miguel 15",
"addressLocality": "Lisbon",
"postalCode": "1100-544",
"addressCountry": "PT"
},
"amenityFeature": [
{ "@type": "LocationFeatureSpecification", "name": "WiFi", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "Air Conditioning", "value": true }
]
}
这条商家信息能匹配「里斯本的酒店」。但无法匹配「Alfama 区附近法多博物馆、交通便利的安静酒店」，尽管这家酒店完全符合这些条件。
优化后：注入 GeoEnrich 数据
{
"@context": "https://schema.org",
"@type": "Hotel",
"name": "Casa do Alfama",
"description": "位于 Alfama 的精品酒店，里斯本最古老的街区。距法多博物馆 150 米，距 28 路电车站（Largo das Portas do Sol）90 米，步行 5 分钟到达 Santa Apolónia 地铁和火车站。面向私人庭院的安静内部客房。可俯瞰塔霍河的屋顶露台。",
"geo": {
"@type": "GeoCoordinates",
"latitude": 38.71120,
"longitude": -9.12870
},
"address": {
"@type": "PostalAddress",
"streetAddress": "Rua de São Miguel 15",
"addressLocality": "Lisbon",
"postalCode": "1100-544",
"addressCountry": "PT"
},
"containedInPlace": {
"@type": "Place",
"name": "Alfama",
"address": {
"@type": "PostalAddress",
"addressLocality": "Lisbon",
"addressCountry": "PT"
}
},
"amenityFeature": [
{ "@type": "LocationFeatureSpecification", "name": "Free WiFi", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "Air Conditioning", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "Rooftop Terrace", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "River View Rooms", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "Quiet Interior Courtyard", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "Daily Breakfast", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "Luggage Storage", "value": true },
{ "@type": "LocationFeatureSpecification", "name": "24-Hour Reception", "value": true }
],
"hasMap": "https://maps.google.com/?cid=YOUR_CID"
}
优化后，这条商家信息现在能匹配：「Alfama 区的安静酒店」「法多博物馆附近的酒店」「28 路电车附近的酒店」「里斯本有河景的精品酒店」「Santa Apolónia 车站附近的酒店」，以及数十个其他自然语言查询。数据覆盖范围从匹配一个通用查询，扩展到可能匹配数百个具体查询。
今天如何审计你的商家数据
在添加新数据之前，先测量你当前的状态。将你的商家 URL 提交到 MapAtlas AEO Checker。它评估 AI 系统（包括 Ask Maps）实际使用的结构化数据信号。大多数商家会发现相同的缺口：
- 缺少地理坐标。 Schema 中没有
geo块，或坐标与 GBP 图钉位置不匹配。 - 无街区关联。 只有城市级别的地址，没有
containedInPlace或街区引用。 - 设施数组为空或极简。 只有两三个通用设施，而非完整、具体的列表。
- 无距离数据。 没有关于附近 POI、公交站点或地标的任何结构化引用。
- 描述与 Schema 不一致。 网站用文字描述了附近景点，但这些数据没有写入 Ask Maps 可以解析的结构化标记中。
AEO Checker 会标记每一个数据缺口，并对你的商家 AI 可见性评分（0-100 分）。2026 年 3 月扫描的 14,000 多个商家中，中位数得分为 34 分。提升空间非常大。
使用 MapAtlas API 的实施步骤
以下是填补数据缺口的具体操作流程。
第一步：用 GeoEnrich 生成位置上下文
GeoEnrich API 接受坐标对，返回结构化位置上下文：街区名称、附近 POI（含类别和步行距离）、公交站点（含线路信息）、区域密度特征以及地标距离。一次 API 调用返回的数据，手动研究和整理需要数小时。
curl -X GET "https://api.mapatlas.com/v1/geoenrich?lat=38.7112&lng=-9.1287&radius=500" \
-H "Authorization: Bearer YOUR_API_KEY"
响应包含每个附近 POI、公交站点和地标的结构化对象，格式已经过预处理，可直接插入 Schema.org 标记。
第二步：构建 Schema 标记
获取 GeoEnrich 输出，构建完整的 LocalBusiness、Hotel、Restaurant 或 VacationRental schema 块。包含以下内容：
geo，带精确坐标（小数点后 5 位以上）containedInPlace，包含 GeoEnrich 返回的街区名称- 完整的
amenityFeature数组，包含具体属性 description，融入经过验证的距离和地标引用sameAs，链接到你的 GBP、社交档案和目录列表hasMap，链接到你的 Google Maps 商家页面
第三步：更新 Google Business Profile
在 GBP 中同步结构化数据：
- 如果你的类别支持，添加具体的设施属性
- 在商家描述中加入相同的距离信息
- 确保图钉位置与你的 Schema 坐标精确一致
- 如果 Google 在你的市场允许，在地址中加入街区或区域信息
第四步：持续监测和迭代
Ask Maps 是一个动态系统。Google 会定期更新底层模型，竞争格局也会随着其他商家的优化而变化。每月使用 AEO Checker 追踪你的评分变化。当你附近出现新 POI（新地铁站、新地标、新热门餐厅）时，重新运行 GeoEnrich 并更新你的 Schema。
第五步：在整个商家组合中规模化推进
如果你管理多个商家（连锁酒店、餐饮集团、房产投资组合），GeoEnrich API 支持批量处理坐标。将你的整个地址数据库送入 API，一次性为每个商家生成丰富的 Schema。在 Ask Maps 可见性提升最快的商家中，都是那些对完整商家组合进行数据优化的，而不只是单个旗舰位置。
窗口正在关闭
Ask Maps 上线不到一个月。没有付费排名。排名完全是自然的、数据驱动的。那些现在就丰富位置数据的商家，正在建立一段随时间复利增长的匹配历史记录：每一次 Ask Maps 成功将你的商家与查询匹配，都会强化你的商家与那些查询模式之间的关联。
六个月后，当竞争对手开始关注这件事的时候，先行者已经积累了数千次成功查询匹配。这是一个需要大量时间和精力才能追赶的差距。
GeoEnrich API 生成数据。AEO Checker 衡量你的基准。工作本身是每个商家一次性的 Schema 更新。它创造的竞争优势是持续的。
Ask Maps 已上线。查询正在发生。唯一的问题是：你的商家信息是否有被选中所需的数据。
相关阅读：
常见问题
Ask Maps 是什么，什么时候上线的？
Ask Maps 是 Google Maps 内置的 Gemini 驱动对话式 AI 层，于 2026 年 3 月 12 日正式上线。它取代了旧版静态问答功能，允许用户用自然语言提问，例如「附近有高速 WiFi 和户外座位的咖啡馆」。Ask Maps 评估超过 3 亿个地点条目，并根据用户历史和搜索意图个性化结果。目前已在美国和印度的 Android 和 iOS 上线，更多地区陆续覆盖中。
Ask Maps 如何决定推荐哪些商家？
Ask Maps 采用语义属性匹配，而非简单的关键词过滤。它将用户的自然语言查询拆解为结构化组件（位置、设施、类别、约束条件），再与经过验证的商家数据进行匹配。拥有具体结构化位置属性的商家，例如交通距离、附近 POI 和街区上下文，会获得更高的匹配评分。
「薄弱的位置数据」是什么意思？
薄弱的位置数据是指商家信息只包含基础内容：名称、地址、电话，也许还有星级评分，但没有关于周边环境、交通便利性、附近地标或具体设施的结构化属性。Ask Maps 无法将这类商家与复杂查询进行可信匹配，因为没有可匹配的内容。
可以花钱在 Ask Maps 结果中购买排名吗？
不可以。截至 2026 年 4 月，Ask Maps 没有付费排名选项。所有结果均为自然排名，完全由数据质量、属性完整性和评价信号决定。这让现阶段率先投入数据优化的商家具有显著优势。
MapAtlas 如何帮助 Ask Maps 优化？
MapAtlas 的 GeoEnrich API 能生成 Ask Maps 所评估的精确位置属性：街区上下文、附近 POI 数据（含步行距离）、公交站点距离、设施密度以及本地地标引用。你可以将这些数据写入结构化 schema 标记和 Google Business Profile，填补让商家在 Ask Maps 中不可见的数据空白。
