客户用AI搜“中国xxx供应商”，你的网站排第几？——GEO诊断方法
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0，AI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。