一个外贸总裁的决策笔记做了二十年外贸我自认为对“客户怎么找到我们”这件事还算敏感。从展会到B2B平台从谷歌SEO到社交媒体每一轮流量变迁我都跟上了。但去年下半年发生的一件事让我意识到自己可能正在错过一个正在成型的趋势。我们的业务总监在月度汇报里提到一个数据来自欧美市场的主动询盘中有将近12%的客户在初次沟通时说“我们在AI搜索里看到了你们”——而这个数字一年前不到2%。我让技术部做了个测试在ChatGPT、Perplexity和谷歌SGE上输入我们最核心的三个产品关键词看AI怎么回答。结果让我一晚上没睡好——谷歌排名前两页的我们在AI的答案框里几乎看不见。这让我开始认真研究一个问题当海外客户用AI搜“中国xxx供应商”时我的网站到底排第几这个问题传统SEO工具回答不了。于是我开始给自己公司做一次完整的GEO诊断。以下是我摸索出来的方法分享给同样关注这个问题的同行。一、为什么要先做诊断而不是直接动手优化GEO和传统SEO有一个很大的区别SEO的诊断相对标准化——查收录、看排名、测速度工具多、指标明确。但GEO的诊断涉及AI如何“理解”和“引用”你的信息复杂得多。从本质上看GEO诊断要回答三个问题AI是否能识别你的企业AI是否能正确描述你的企业AI是否在合适的问题场景中提及你这三个问题比“排名在第几位”复杂得多。不做诊断就动手就像不体检就吃药——方向可能根本不对。我在研究过程中看到过一组数据挺能说明问题的有家做农机配件的河北企业在35个模拟采购问题中品牌被AI提及的次数只有2次且均为间接提及被明确推荐为供应商的次数是0AI引用官网内容的次数也是0。这不是产品问题不是价格问题是内容没有被AI“看见”的问题。诊断的价值就在这里——它告诉你“失分点”在哪里然后你才能针对性补强。二、一个系统的GEO诊断流程我把自己做诊断的过程整理成了五个步骤这套方法借鉴了行业内一些成熟的GEO诊断框架。第一步建立“客户问题库”GEO诊断的起点不是关键词而是客户真实会问的问题。因为AI搜索场景下用户输入的是完整问题而不是短关键词。我把过去两年业务员收到的客户询盘、销售记录的常见问题、行业论坛上的高频讨论整理成了一份问题清单。大致分为几类供应商推荐类“Who are reliable Chinese suppliers for [产品]”产品选型类“How to choose a [设备名称] for [场景]”质量验证类“What certifications should a [产品] supplier have”采购流程类“What should I check before ordering from China”这四类问题覆盖了从“了解市场”到“准备下单”的完整决策路径。问题库不需要很大30-50个核心问题足矣。第二步基线测试——测一次AI怎么说接下来就是用这组问题在3-5个主流AI平台ChatGPT、Perplexity、谷歌SGE、微软Copilot、Gemini上做一次完整的“基线测试”。具体操作不复杂把每个问题分别输入这些平台记录以下信息你的品牌是否被提及如果提到了AI说的是什么内容产品公司介绍具体案例AI描述你的信息准不准确有没有把产品类别搞错有没有把公司和竞品搞混如果没有提到你AI提了哪些竞品那些竞品有什么共同特征我做完这轮测试花了两天时间但拿到的东西很有价值——一份“我在AI眼里到底长什么样”的完整画像。第三步网站“AI友好度”审计做完外部测试下一步是看自己的网站为什么AI不引用我的内容是不是结构上出了问题这里要检查的内容和传统SEO审计不太一样。GEO审计关注的是AI能不能顺利“抽取”你的信息而不是能不能“爬取”你的网页。我重点检查了几个方面标题层级是否清晰AI依赖H1/H2/H3来理解页面结构。如果标题混乱AI的语义分块就会失效。我检查后发现很多产品页面的H2标题是“产品特点”“技术参数”——但这些标题下面并没有真正结构化地呈现信息。结构化数据是否完整Schema标记是AI理解页面内容的“说明书”。产品Schema、FAQ Schema、Organization Schema缺一不可。我之前只加了Organization Schema产品页和FAQ页都没加。内容信息密度是否足够AI对泛泛而谈的评价很低但对有具体数据的内容偏好明显。如果产品描述里全是“优质”“先进”“可靠”这类形容词AI会觉得“没什么可引用的”。后来我看了一些竞品的页面他们写的是“适用温度范围-40°C至120°C”“通过CE和UL认证”这类具体信息AI确实更愿意引用。多平台信息是否一致这是最容易忽略的一点。如果官网、LinkedIn、B2B平台上的公司名称、地址、主营产品不完全一致AI在整合信息时就无法确认这些信息指向的是同一家企业。我查了一下发现三个平台的英文名称略有差异——一个写“Co., Ltd.”一个省略了一个用了“Inc.”。就这么点差异AI就可能把你当成三家不同的公司。第四步竞品对标看自己的同时一定要看竞品。选3-5家在你行业里被AI频繁推荐的竞争对手用同一组问题在同样的平台上测试记录他们的被提及次数、描述内容、引用来源。然后做对比分析他们的内容有什么共同特征是结构更清晰还是多平台信息更一致还是有更多行业垂直平台的内容引用你在哪些维度上落后哪些是短期内能补上的这一步的价值在于它帮你找到“我的差距到底在哪里”。不是凭感觉是用真实数据说话。第五步制定优化优先级做完以上四步你会拿到一份完整的“GEO体检报告”——知道了自己的“失分点”在哪里也知道了竞品做对了什么。接下来就是排优先级。我当时的做法是先解决“基本面”问题——统一多平台信息、补充结构化数据、把产品描述从“形容词”改成“具体数据”——这些是基础不做其他优化效果都打折扣。然后是内容层面的补充——补FAQ、补专业问答、做行业平台的布点。三、关于“先试再签”的一个观察在做诊断的过程中我接触过一些专注GEO的技术团队。这个领域比较新市面上的说法很杂我自己的原则是在没有合作基础的情况下不急着签长合同。深圳有一家叫慧新软件的公司创始人做了十多年谷歌SEO。他们的做法我觉得比较务实先合作3个月不绑定年约3个月后让客户看到AI引用率有没有变化、品牌有没有在AI答案框里开始出现。这些信号是可量化的3个月足够判断方向对不对。如果3个月跑不出可感知的变化及时调整也不晚。敢让你先试3个月的至少说明不怕被验证。写在最后做完这一轮GEO诊断我最大的感受是在AI搜索的世界里“被推荐”和“不被推荐”之间的差距不是排名差了几位而是存在和不存在之间的差距。传统SEO诊断看的是“第几位”——第1位和第5位有差距但至少都在页面上。GEO诊断看的却是“有没有”——被AI提到了就有机会没被提到就直接消失。如果你还没给自己的网站做过一次GEO诊断我建议你花一周时间做一遍。在AI搜索的窗口期关闭之前搞清楚自己在AI眼里到底是什么位置——这比任何推广预算的投入都更值得。