工厂最值钱的东西,往往不在系统里,在几个老师傅脑子里。他们知道哪台设备什么季节容易出问题,知道客户提某个要求时其实真正在意什么,知道某个参数调小一点反而更稳。这些东西没有文档,靠带徒弟口口相传。人一走,经验就没了。这也是为什么我一直建议工厂建知识库——它既是管理问题,也是GEO的底层资产。知识库不是什么先说清楚几个误区。不是买个软件就行。工具只是容器,装什么才是关键。见过太多企业买了系统,里面空着,或者只有几份制度文件。不是把产品手册扫描上传。手册是规格,不是知识。知识是「什么情况下该怎么做」。不是一次性工程。知识库是活的,要持续往里加,定期更新。该装哪几类内容我建议从四类开始,按获取难度从低到高排。第一类:常见问题与解答。销售和售后每天在回答的问题,整理成问答对。一个
很多工厂老板找我,第一句话是「我们要做AI搜索优化,多少钱」。我一般先做诊断,不报价。因为不知道底子怎么样,报出来的数字都是瞎猜。这篇讲我诊断看哪五个维度,工厂可以自己先跑一遍。维度一:能不能被找到最基础的一层。搜公司全称,前两页有没有你自己控制的页面?经常出现的情况是:搜公司名,出来的是天眼查、企查查、几个B2B平台的店铺,官网排在第三页。这说明官网权重太低,模型检索时大概率不会优先选它。再进一步,搜「产品名+城市」,看能不能找到你。搜行业通用问题,看有没有你的内容。三个搜索都找不到,说明连基础收录都没做好,得先做技术层的东西:收录、速度、站点结构、内链。先能被找到,再谈被引用。维度二:能不能被看懂找到之后,机器能不能读懂你是谁、做什么?检查三件事。首页有没有一句话说
制造业做GEO,和消费品完全不是一套逻辑。消费品是「看到就买」,制造业是「反复比较才下单」。决策链长、参与人多、周期以月计。所以内容该怎么做,得从决策链倒推。先拆决策链一个典型的工业采购,参与方至少有四类人:使用方——车间主任、设备工程师。关心能不能解决问题、好不好用、维护麻烦不麻烦。技术方——工艺工程师。关心参数、精度、兼容性、验收标准。采购方——采购经理。关心价格、交期、付款方式、供应商资质。决策方——老板或厂长。关心投入产出、风险、同行有没有用过。这四类人问的问题完全不同。如果内容只写「我们的设备质量好服务优」,四类人一个都打动不了。分角色,是制造业GEO的第一个动作。四类人分别搜什么使用方常搜的是故障和选型:「XX设备老是报警怎么办」「XX和YY哪种更适合小批量」
我自己天天用AI写东西,但我劝很多客户别用它直接做对外内容。这话听着矛盾,其实不矛盾。AI是好工具,坏在用法。这篇说清楚哪些AI产出在伤你的GEO,怎么判断。第一类:拼接式长文让模型「写一篇关于XX的2000字文章」,出来的东西通常长这样:开头一段泛泛的背景,中间三到五个小标题,每个标题下两段正确的废话,结尾一段总结。这类内容的特征是:每一句都对,但没有任何一句是只有你能说的。对GEO的伤害在哪?模型在检索时会做去重。你的内容和另外一百篇几乎一样,它凭什么引你?无差别内容等于不存在。第二类:编造数据和案例这是最危险的一类。模型会生成看起来很像真的数字:「某企业实施后效率提升37%」「行业平均成本下降两成」。这些数字往往没有来源,甚至是它自己算出来的。短期看内容很丰满,长期看
过去一年被问得最多的问题就是「现在做还来得及吗」。每次我都反问一句:你觉得什么时候算来不及?这个问题背后其实是焦虑,不是判断。这篇我把自己的判断摊开讲。先说结论粗放的红利期,基本过去了。精细的红利期,刚开始。什么意思?2023年随便写点AI相关的内容,很容易被推荐,因为供给少。现在这一类内容饱和了,同样的做法没效果。但行业具体的、专业的、愿意把细节写出来的内容,还是缺。供给结构变了,不是机会没了。为什么说粗放期过去了三个观察。第一,产量暴增。大量企业用工具批量生成内容,一个站几千篇。搜索结果里同质内容越来越多,模型也开始对这类内容降权。第二,用户变挑了。以前看到一段整理好的答案就信,现在会追问来源、会比较。答案的质量门槛被抬高了。第三,平台开始治理。搜索引擎和内容平台都在做
有个客户问我,为什么在某些AI回答里,我们公司被说成是做贸易的,其实我们是工厂。我去查了半小时就有答案:他有五个平台的介绍,三个说工厂,两个说贸易,还有一个说「生产与销售一体」。这种不一致,模型只能猜,猜错了就固化下来。实体信息一致性是GEO里最基础也最容易被忽略的一环。这篇给一份能直接照做的清单。先搞清楚:什么是「实体」在搜索和AI系统眼里,你的公司不是一个网站,是一个实体。这个实体有若干属性:名称、类型、所在地、成立时间、主营、规模、联系方式、关联人。每个属性都要有明确、唯一、可验证的值。模型会把这些属性拼起来形成对你的认知。属性含糊,认知就含糊。第一部分:名称,必须一字不差用营业执照上的全称作为唯一标准。所有平台都用这个,不要用简称、不要加修饰、不要中英文混写。常见错误
前面几篇讲了很多判断和原理。这篇只讲怎么动手,一步一步走。我给客户做AI搜索营销,基本上就是这四步:挖提问、做内容、铺信源、看反馈。听着简单,真正做到位的不多。第一步:挖提问,别挖关键词传统关键词工具给的是「词」,比如「工业除湿机」。但人在AI里不会只打三个字,会问「地下室常年潮湿,工业除湿机怎么选才不踩坑」。完整问句才是AI搜索的入口,词不是。怎么挖?三个来源。第一,销售和客服的聊天记录。这是最好的矿。客户怎么问、用什么词、担心什么,全在里面。我一般让客户导出最近三个月的对话,抽两百条,人工归类。第二,问答平台和高频评论。知乎、贴吧、行业论坛、电商问大家。找那些重复出现的问题。第三,自己问。打开ChatGPT或者国产模型,用你行业里的常见场景连续问,看它推荐谁、引用谁、说漏
被国产大模型推荐,和被人推荐不一样。人推荐靠关系,模型推荐靠证据。我把这件事拆成四类证据:你说的、别人说你的、机器能读懂的、以及时间积累的。证据一:你自己说清楚了最基础的一层。官网要能回答三个问题:你是谁、你做什么、你服务过谁。判断标准很直接:把首页前三百字单独拿出来读,能不能说清这三件事。说不清,就是没写清楚。我还建议加一条:把「不做什么」也写出来。比如「我们不做家用产品,只做工业级」。这种边界描述,会显著提升实体识别的准确度。边界比范围更能定义身份。证据二:别人也这么说只有自说自话,可信度有限。要有第三方提及:行业协会、资质平台、行业媒体、上下游合作方、客户评价。这些提及不需要多,但要有。我一般建议客户先做三件事:进一到两个行业协会的会员名录;把资质信息在官方平台补齐;找
「怎么让ChatGPT提到我们」,这个问题背后其实是一个更基础的问题:它凭什么提你。我把它拆成四层:能不能被找到、值不值得信、好不好用、记不记得住。四层都过,才可能出现你的名字。第一层:能不能被找到ChatGPT在回答需要实时信息的问题时,会去检索。检索的来源包括搜索引擎索引和它自己的合作索引。所以第一件事还是老规矩:页面能被抓、能进索引、不是纯JS渲染的空壳。很多站的内容在,但因为技术原因读不到。我遇到过一家企业,产品参数全在折叠面板里,需要点击才加载,抓取时只有标题。读不到,其他就不用谈了。第二层:值不值得信检索回来一堆资料,要挑着用。它判断的依据,我观察到几个:内容的来源是否明确、是否有具体数据、是否和其他来源说法一致、作者或机构有没有可识别的身份。这四点在英文内容里尤
常有客户问,三个国产模型是不是要分别写三套内容。我的回答是:不用,但要理解它们的差异,在关键地方做适配。下面说的都是我在实际测试里观察到的倾向,不是官方文档。文心一言:偏向结构完整、信息全面观察下来,它在组织答案时,倾向于覆盖多个方面,给出的内容比较「整齐」:先定义、再分类、再说注意事项。这种偏好意味着,结构完整、小标题清晰、有分类和清单的内容,更容易被采用。我在写适配它的内容时,会特别注意把「分类」和「要素」写清楚。比如不写「影响价格的因素很多」,而是列出来:材料、工艺、批量、交期。可枚举的内容,它更愿意用。Kimi:偏好长文档、资料性内容它的定位偏研究和长文本处理,因此在回答复杂问题时,愿意引用篇幅较长、资料性强的来源。这对有技术文档、白皮书、标准解读的企业是利好。一篇两
DeepSeek起来之后,国内企业做AI营销多了一个入口。但多数企业的做法是「多注册一个账号、多发几篇稿」,这算不上机会。我把能看到的差异化机会说几条,都是能落地的。机会一:中文深度内容的价值被抬高了国外模型的中文语料相对薄弱,回答中文专业问题时容易泛泛。国产模型在这块更强,也因此更愿意引用中文的专业内容。这对写深度中文内容的企业是利好。以前写两千字的技术解析,在短视频时代显得「太重」,现在它反而是稀缺资料。深度中文内容,是国产模型最缺的东西。机会二:行业术语和小众场景更容易被命中大模型对通用知识覆盖得很好,但对细分行业的具体做法,往往只能给出常识性回答。比如某个特定工艺的参数范围、某个地区的验收标准、某类客户的特殊要求。这些内容在公开语料里很少,你写清楚了,被引用的概率很高。
谷歌在搜索结果顶部放AI生成的综述,这个变化对外贸B2B的影响,比很多商家意识到的更大。最直接的现象是:排名没变,点击变少了。因为用户在第一屏就读到了答案。先说挑战:点击被截流信息型查询受影响最大。比如「CE认证需要哪些材料」「不锈钢316和304的区别」,这类问题以前能带来稳定的搜索流量,现在大部分在第一屏就被解决了。我的判断是:靠信息型内容赚点击的模式,正在失效。这不是优化能解决的问题,是分发方式变了。这意味着外贸站的流量结构会分化。资讯类页面流量下降,而产品页、型号页、对比页的流量相对稳定,因为用户在这些页面上要做具体决策。决策型页面受影响最小。再说机遇:认知前置AI综述会引用来源。如果你的内容被引用,用户在看到综述时就见过你的品牌。等他往下滑看到自然结果,点击意愿明显更
每年都有人问百度搜索明年会怎么走。我不做预测,只说自己观察到的三件事:AI摘要铺得更开、内容质量的判定更细、品牌这个因素的权重在上升。这三点,决定了企业接下来两年该往哪儿使劲。一、AI搜索:从「补充」变成「主屏」两年前,AI摘要还是个新东西,出现频率不高。现在打开搜索结果,很多商业词、问题词的头部已经是一段整理好的答案。变化在于位置。以前自然结果占第一屏,现在第一屏常常是答案加两三条结果。用户不往下滑也能走。这对企业意味着什么?意味着「排第七」和「没排」的差别变小了,而「被摘要引用」和「没被引用」的差别变大了。被引用成了新的兵家必争之地。二、内容质量:从看字数到看能不能解决问题早期做百度SEO,字数是硬指标。三千字就是比八百字强。现在这个指标基本失效。我见过六百字的页面排在三