客户找供应商的方式变了
一位做精密五金的老板最近跟我们讲了一件事：海外客户的采购工程师在邮件里附了一份供应商短名单，问他「AI 推荐了你们，你们的交期和公差能力是不是真的」。他后来才知道，这位工程师先用 AI 筛了十几家候选，再逐一发邮件核实。
这不是孤例。从我们的观察看，越来越多的采购和工程师在初步调研阶段直接问 DeepSeek、豆包、ChatGPT：「国内做这类零件的厂家有哪些」「两种工艺路线怎么选」。AI 给出的答案里有没有你，正在变成新的「搜不到就不存在」。
什么是 GEO：和 SEO 的三点区别
GEO（Generative Engine Optimization，生成式引擎优化）是让你的企业和产品信息能被生成式 AI 准确理解、引用和复述的一系列做法。它和 SEO 目标相似，打法不同：
- 从排名到引用：SEO 争的是搜索结果页的位置，GEO 争的是 AI 回答里的提及与表述。没有第二名，只有「被提到」和「没被提到」。
- 从关键词到结构化事实：AI 不数关键词密度，它抽取的是可验证的事实——你是谁、做什么、能力参数、服务哪些行业。事实越结构化，越容易被准确复述。
- 从点击率到被复述的准确性：SEO 的终点是用户点进你的网站；GEO 的终点是 AI 替你说出正确的话——参数、定位、差异点一个都不能错。
为什么工业企业的官网对 AI 几乎隐形
我们抽查过一批工业企业的官网，绝大多数在 AI 眼里接近空白。原因高度一致：
- 产品页只有效果图和型号，没有参数文本——AI 读不到图片里的表格。
- 核心内容都在画册 PDF 里，扫描版 PDF 对多数抓取程序等于不存在。
- 没有 FAQ：客户真实会问的问题（交期、最小起订量、材料兼容性、认证）一个都不在页面上。
- 没有结构化数据：Organization、Product、FAQPage 这类 JSON-LD 标注缺失，AI 只能靠猜。
- 内容多年不更新，没有发布日期和来源标注，AI 倾向引用更新、更可信的页面。
自检清单
五项检查，一周内可以做完：
- 直接问 AI：用客户的口吻问 DeepSeek、豆包、ChatGPT「推荐几家做这类产品的厂家」，看你是否出现、描述是否准确。
- llms.txt：在网站根目录放一份 llms.txt，用简明的文本告诉 AI 你是谁、主要产品是什么、重要页面在哪。
- JSON-LD 结构化数据：至少补齐 Organization（公司全称、地址、联系方式）与 Article；有问答内容的页面加 FAQPage。
- 参数表格化：把核心产品的规格、材料、精度、产能从图片和 PDF 里搬出来，变成网页上的文本表格。
- 数据标注来源：关键数据（产能、认证、案例）注明出处与时间，AI 更倾向引用有来源的事实。
三个月起步行动
不用等完美的方案，按三个月的节奏起步：
- 第一个月：完成自检清单，修复硬伤——参数文本化、加 llms.txt、补 Organization 结构化数据。
- 第二个月：建 FAQ。把销售被问得最多的二十个问题写成问答页，这是 AI 最容易引用的内容形态。
- 第三个月：持续发布有事实密度的内容——应用案例、选型指南、工艺说明，每月复盘一次 AI 对你品牌的复述是否准确。
- GEO 不是一次性的技术外包，而是把你多年积累的工程知识变成机器可读的事实。这件事没人比你自己更适合做，AI 只是帮你把它整理和表达出来。