我们帮一家3亿营收的制造企业做了90天GEO，发生了什么

*作者：营销独行侠 | 博一AI营销中枢*

前言

这篇文章，我犹豫了很久要不要写。

一方面，90天的GEO（生成式引擎优化）项目结束了，数据摆在那里，值得拿出来做个复盘。另一方面，这个项目中间踩了不少坑，有些问题到现在也没有完美的答案。

但想来想去，还是决定写。因为博一（boyi.group）做GEO服务快一年了，市面上关于这个话题的"干货"要么是概念科普，要么是理论框架，真正完整跑完一个B2B制造业案例、从头到尾说实话的，我们还没看到。

那就我们自己来。

声明： 为了保护客户隐私，企业名称和部分细节做了处理，但所有数据均为真实项目数据，所有判断均为我们团队的实际体会。好的坏的都说，不包装。

---

一、接手时的现状：AI世界里，这个品牌不存在

客户是谁

某精密零部件制造企业，华东地区，年营收约3亿。主要产品是高精度轴承和精密传动件，客户集中在汽车、工程机械和工业自动化领域。典型的B2B制造企业——产品实力强，但市场团队不到10个人，数字化营销约等于零。

为什么找到我们

2025年下半年，客户的销售VP在一次行业展会上听到一个说法："现在越来越多的采购经理，找供应商不百度了，直接问AI。"他半信半疑地试了一下——在豆包里搜自己的核心产品词"高精度滚子轴承厂家"，出来的全是行业大品牌和几个排名靠前的同行，自己的品牌完全没出现。

他又试了ChatGPT、Kimi、通义千问、文心一言。

五个平台，五个结果：品牌完全不存在。不是排名低，是压根没被提到。

这让他慌了。3亿营收的企业，在AI搜索的世界里，等于隐形。

Day 0 的基线数据

我们接手后，第一件事就是做全面的"AI可见度"基线测试。方法很直接：拿客户最核心的20个产品词和品牌词，在5个主流AI平台（豆包、ChatGPT、Kimi、通义千问、文心一言）逐一测试，看品牌是否被提及、是否被推荐。

结果如下：

简单来说：在AI的世界里，这个品牌不存在。

数字资产诊断

紧接着我们对客户的数字资产做了一轮诊断：

官网：
- 有官网，但内容是5年前做的，响应式都没有
- 产品分类页面只有型号和参数表，没有任何应用场景描述
- 没有博客、没有技术文章、没有FAQ
- 页面title和meta description混乱，很多页面重复
- 没有结构化数据标记（Schema.org），AI根本无法理解页面语义

第三方内容：
- 百度百科词条存在，但只有200字，且信息陈旧
- 在3家行业媒体有过报道，但都是展会新闻，没有技术内容
- 知乎、脉脉等平台没有任何品牌相关内容
- 没有参与过任何行业标准编制（或参与了但没有线上引用）

社交媒体：
- 微信公众号有，但最近一篇文章是8个月前的
- 抖音企业号有，但只有几条工厂宣传片，播放量个位数

客户的期望和疑虑

客户VP的期望很朴素："我希望采购经理问AI'高精度轴承哪家好'的时候，能提到我们。"

他的疑虑也很实在："这东西真的有用吗？我们之前投过百度竞价、投过信息流，效果越来越差。GEO跟那些有什么不一样？"

说实话，当时我心里也没底。GEO在B2C消费品领域已经有一些公开案例了，但B2B制造业的复杂产品、长决策周期、低搜索量关键词，GEO到底能做成什么样，我们团队也是第一次完整尝试。

我们给了一个承诺：90天后，用数据说话。

---

二、90天，我们到底做了什么

Phase 1（Day 1-30）：基础建设——"让AI认识你"

这个阶段最枯燥，也最关键。

1. 产品语义知识库搭建

这是整个项目的地基。我们花了两周时间，跟客户的技术团队开了6次会，把他们的产品知识从"工程师脑子里的东西"变成"AI能理解的语义结构"。

具体做了什么？

• 产品语义图谱： 把客户的50多个SKU按"产品类型-应用场景-技术参数-解决痛点-对比优势"五个维度做了语义标注。不是简单的关键词堆砌，而是让AI能理解"高精度滚子轴承"不只是几个字，而是关联着"重载工况""低摩擦系数""长寿命""替代进口"等一串语义网络。
• 行业术语对齐表： 制造业有个特点，同一个东西，不同企业叫法不同，不同采购人员搜法也不同。我们整理了一份300多条的术语对照表，确保内容能覆盖各种表达方式。
• 竞品语义定位： 分析了3个主要竞品在公开内容中的表述方式，找到客户可以差异化切入的语义空间。

2. 官网内容重构

这一步的工作量远超预期。

原来的官网内容完全是"展示型"——产品页面上只有型号、参数、一张产品图。人类能看懂，AI完全无法理解这些内容在回答什么问题。

我们做了这些事情：

• 产品页面重写： 每个核心产品页面，从单一的参数展示，变成了"产品概述 + 应用场景 + 技术优势 + 常见问题 + 选型指南"的结构化内容。每个页面都加了FAQ Schema标记。
• 新增内容板块： 增加了"技术博客""应用案例""行业洞察"三个内容板块。不是营销软文，是真正有技术含量的内容。比如"数控机床主轴轴承选型避坑指南"这种，采购工程师真的会搜的内容。
• 全站结构化数据： 为产品页、文章页、FAQ页分别部署了对应的Schema.org标记（Product、Article、FAQPage）。
• 技术SEO基础： 修复了大量基础问题——重复内容、broken link、缺少H标签层级、图片没有alt属性等。

官网改版花了大约20天，客户的技术团队也参与了内容审核，确保技术描述准确。

3. 核心关键词矩阵梳理

最终梳理出220个目标关键词/短语，分为四个层级：

• 核心产品词（30个）： 如"高精度滚子轴承""精密传动轴""定制轴承厂家"等
• 应用场景词（60个）： 如"数控机床轴承选型""工程机械回转支承""自动化产线传动方案"等
• 问题型长尾词（80个）： 如"国产高精度轴承能替代进口吗""轴承精度等级怎么区分""轴承异响怎么排查"等
• 品牌认知词（50个）： 围绕品牌名、技术能力、行业资质等

每个词都标注了当前AI可见度状态和目标优先级。

第一阶段结束时的内部检查： 快速测试了20个核心词，AI提及率从0%到了大约8%。变化很小，但在预料之中。基础建设阶段的效果不会立刻显现。

---

Phase 2（Day 31-60）：内容资产爆发——"让AI有话可说"

基础打好之后，开始"喂料"。

1. 20篇专业内容发布

这是工作量最大的阶段。30天内，我们帮客户产出了20篇高质量专业内容：

• 技术白皮书3篇： 《高精度轴承在数控机床中的应用研究》《精密传动系统振动控制技术方案》《重载工况下轴承选型的关键参数》。每篇5000-8000字，有数据、有图表、有实际案例。
• 应用指南7篇： 针对不同行业和场景的详细选型指南，比如"汽车变速箱轴承选型三步法""工业机器人关节轴承维护手册"。每篇2000-4000字。
• 行业洞察5篇： 对行业趋势的分析和解读，比如"2026年国产精密轴承替代进口的三个机会""制造业采购数字化转型中的供应链优化"。
• 对比评测5篇： 客观的技术对比，不是自卖自夸，而是帮读者理解不同技术路线的优劣。

这些内容不是随便发的，每一个选题都对应着关键词矩阵中的具体问题。而且每篇文章都做了结构化标记，确保AI能理解文章在回答什么问题。

2. 第三方信源建设

这一步是很多人忽略的，但在GEO中极其重要。

AI平台在生成回答时，会参考多个信源。如果你的品牌只在官网上说自己好，AI不会轻易采信。你需要第三方信源的背书。

我们做了什么：

• 行业媒体投稿： 在《轴承工业》《机械通用零部件》等3家行业媒体发布了5篇技术文章（注意不是软文，是技术内容）。这些媒体的内容被AI平台收录的概率远高于企业官网。
• 标准引用植入： 客户之前参与过一项行业标准的修订，我们帮他们把标准文件中的相关内容整理成了可在线引用的版本，并推动标准文档在行业平台上的收录。
• 知乎专栏建设： 以客户的总工名义开了一个知乎专栏，发了8篇技术内容。知乎的内容在AI平台中的权重比较高。
• 百科词条完善： 将百度百科词条从200字扩充到1500字，增加了技术能力、产品参数、行业应用等结构化信息。

3. FAQ矩阵上线

在官网新增了一个包含80个常见问题的FAQ专区。这些问题的来源是：

• 客户销售团队整理的"客户常问的50个问题"
• 我们在关键词梳理中发现的"AI用户常搜的问题"
• 竞品官网和知乎上相关话题的高频提问

每个FAQ都用了FAQPage Schema标记。这个动作看起来简单，但在后续的数据中证明效果显著。

第二阶段结束时的内部检查： AI提及率提升到了约25-30%。变化开始明显了，尤其是在长尾问题词上。但核心产品词的竞争依然激烈，排名提升较慢。

---

Phase 3（Day 61-90）：优化迭代——"从能被发现到被优先推荐"

最后一个阶段，重心从"铺量"转向"提质"和"监测"。

1. 基于监测数据的持续优化

我们建立了一套AI可见度监测体系，每3天对220个目标关键词进行一次全平台扫描。到了Phase 3，数据已经足够做分析和优化了。

发现了一些有意思的规律：

• 场景描述型内容的AI引用率最高。 比如"数控机床主轴轴承振动过大的6个排查步骤"这种内容，被AI直接引用的概率远高于"我们公司实力雄厚技术领先"这种内容。
• FAQ格式的内容在通义千问和Kimi中表现最好。 这两个平台似乎特别喜欢引用结构化的问答内容。
• 第三方引用的效果有延迟。 行业媒体的文章发布后，大约需要2-3周才能在AI引用中体现出来。
• 内容更新频率影响权重。 我们发现，保持每周至少更新1-2篇的节奏，比一次性发布大量内容然后停更，AI可见度表现要好得多。

基于这些发现，我们做了针对性优化：
- 对引用率最高的10篇文章进行了内容扩充和更新
- 对表现不佳的内容进行了重写或调整关键词策略
- 增加了更多"场景化"内容比例

2. 竞品AI可见度对比分析

这个阶段我们做一次完整的竞品AI可见度对比。选取了3个主要竞品，用相同的20个核心词进行测试。

结果让我们和客户都吃了一惊：

• 竞品A：行业龙头，AI可见度非常高，几乎是所有核心问题的"标准答案"
• 竞品B：跟客户体量相当，但比我们早半年做了内容建设，AI可见度在35-45%之间
• 竞品C：体量更小，但创始人个人IP做得好，在知乎和行业论坛有大量内容，AI可见度反而不低

这说明什么？在AI搜索的世界里，不是只有大品牌才有机会。 内容质量、更新频率、第三方背书，这些因素可以弥补品牌知名度的差距。

3. 内容更新节奏建立

最后两周，我们把内容生产的SOP交给了客户的市场团队。最终建立的更新节奏是：

• 每月2篇技术文章（由技术团队提供素材，市场部整理成文）
• 每月1篇行业洞察
• 每周2-3条FAQ更新
• 每月1次AI可见度数据复盘

我们做了一套完整的GEO内容生产手册，确保客户在我们退出后能自主运营。

---

三、90天后的数据变化

说了这么多过程，终于到了大家最关心的部分。

核心指标变化

各平台表现

Kimi表现最好，我们分析是因为Kimi对中文内容的索引和引用更积极。ChatGPT相对保守，提升幅度最小，但考虑到ChatGPT用户群体和海外客户重合度较高，这个结果也在可接受范围。

实际业务影响

最让客户关心的是：GEO带来的流量，转化成实际询盘了吗？

数据是：90天内，通过AI搜索渠道来的有效询盘共27条，月均约9条（最后一个月稳定在11条）。

27条询盘最终成交了2单，合同金额约45万。

说实话，27条询盘听起来不多。但有两个背景需要说明：

1. 这是一个B2B制造业场景，单笔订单金额在几十万到几百万不等。2单45万，ROI已经转正了。
2. AI搜索渠道的询盘质量非常高。来咨询的客户，需求描述清晰，采购意向明确，不像传统搜索引擎来的流量那么多"比价党"。

哪些做到了，哪些没做到

做到的：
- 核心产品词从完全隐形到近50%的AI提及率
- 建立了可持续运转的GEO内容体系
- 产生了实际的业务询盘和成交
- 客户团队具备了自主运营能力

没做到的：
- 核心词AI排名第一页的目标，只达成了60%左右。在"高精度轴承厂家"这种高竞争词上，竞品A的地位依然很难撼动
- 百度AI搜索（如果未来推出的话）的效果还无法验证
- 品牌整体认知度的提升比预期慢。AI提及率上去了，但"品牌搜索量"的增长不明显。可能90天还是太短了
- 短视频内容在GEO中的作用，我们在这个项目中几乎没有探索，这是一个遗憾

---

四、关键教训

90天下来，几个教训深刻到不能再深刻。

教训一：GEO不是发文章，是系统工程

很多同行做GEO，思路就是"多发文章，让AI看到"。我们一开始也差点掉进这个坑。

实际上，GEO是一个至少涉及四个层面的系统工程：

• 语义层： 你的内容必须用AI能理解的语义结构来组织，不是堆关键词
• 技术层： 网站必须有结构化数据、良好的可爬取性
• 信源层： 需要多个独立信源的交叉验证，单靠官网不够
• 持续层： AI模型的更新周期决定了你的内容需要持续更新，一锤子买卖不行

任何一个层面缺失，效果都会大打折扣。

教训二：制造业的GEO周期比消费品长

我们之前做过一个消费品客户的GEO，45天就看到了明显效果。这次制造业客户，前30天几乎看不到变化，到60天才开始起量。

原因很清楚：

• 制造业的产品词搜索量本身就低，竞争者少但头部玩家内容壁垒高
• B2B采购决策链长，AI在推荐供应商时更谨慎
• 制造业的技术内容门槛高，不是随便写写就能获得AI信任的

所以，如果你也是制造业企业，想做GEO，心理预期要调整到6个月以上。90天能打下基础、看到苗头，但真正的效果需要时间积累。

教训三：内容质量远比数量重要

项目中期我们犯过一个错误：为了追求发布速度，有一周赶了6篇文章出来。结果那周的AI可见度数据不升反降。

后来复盘才发现，那几篇赶工的文章因为技术深度不够，被AI判定为"低质量内容"，不仅没有被引用，还拉低了整体站点的信任评分。

这个教训后来被我们总结为一条铁律：宁可一周只写一篇精品，也不要一周发六篇水文。

20篇文章里面，效果最好的是那3篇技术白皮书和5篇应用指南。它们合计贡献了超过60%的AI引用量。

教训四：持续更新比一次性爆发更重要

数据明确显示，保持稳定的更新节奏（每周1-2篇），比在某一周集中发布10篇然后停更两周，AI可见度表现要好30-40%。

这跟AI模型的更新机制有关。主流AI平台的知识库更新是持续的，你持续喂新内容，它在生成回答时引用你的概率就更高。一次性爆发只能带来短期效果，模型更新后就没了。

这也是为什么我们在Phase 3阶段重点帮客户建立了自主更新能力，而不是自己一直帮他们写。

教训五：监测体系比内容本身更重要（反直觉）

这可能是最反直觉的一个教训。

在项目前期，我们把80%的精力放在内容生产上，监测只做了个简单的Excel表格，每周手动查一次。结果就是，很多内容发布后效果不好，我们发现得太晚，错过了最佳优化窗口。

后来引入了自动化监测（我们自研的GEO监测工具），每3天全量扫描一次，效率才上来。有了监测数据，才能知道哪些内容被引用了、在哪个平台被引用、引用的是哪段文字，然后针对性地优化。

没有监测的GEO，就是盲人摸象。

---

五、写在最后

这个案例验证了什么

回到文章开头那个问题：GEO对B2B制造企业有用吗？

90天的数据告诉我们：有用，但不是一个短期暴富的工具。

它更像是在为品牌构建一个"AI时代的数字基础设施"。你今天做的每一步，都在让AI更了解你、更信任你、更愿意推荐你。这个过程不会像投一个信息流广告那样立竿见影，但它建立起来的东西是持久的。

90天，从0%到48%的核心词AI提及率，月均11条高质量询盘。对于一个传统制造业企业来说，这是一个扎实的开始。

GEO服务的方法论总结

经过这个项目，我们把GEO的方法论提炼成五个步骤：

1. 语义诊断： 搞清楚AI现在怎么看你（或者根本不看你）
2. 基础建设： 让AI能读懂你（结构化内容+技术SEO）
3. 内容填充： 让AI有话可说（高质量+结构化+多信源）
4. 监测优化： 基于数据持续迭代（不是发完就不管了）
5. 节奏建立： 形成可持续的内容更新机制

这五步，不分行业，不分规模，逻辑是通用的。具体的执行细节会根据行业特点调整，但框架不变。

最后说一句

如果你也是一家制造企业的负责人，你可以现在就去试试——打开豆包或者Kimi，搜一下你的核心产品词，看看AI怎么回答。

如果你的品牌被提到了，恭喜你，你的AI可见度基础还不错。

如果你的品牌完全不存在，就像我们这个项目开始前一样，那也不用焦虑。GEO最好的时间是半年前，其次是现在。

想知道你的品牌在AI搜索中的真实表现？我们做了一个免费诊断工具，输入品牌名和核心产品词，就能生成一份AI可见度报告。

👉 访问 geo.boyi.group 免费诊断

有任何关于GEO的问题，也欢迎在评论区交流。下一篇我们准备聊聊GEO和传统SEO的核心差异，以及为什么"做了SEO不等于做了GEO"。

---

*本文由博一（boyi.group）GEO团队撰写。博一专注于AI时代的品牌可见度优化，帮助企业在生成式AI搜索中获得应有的位置。*