老孙是我认识的人里最不爱听营销课的那种。
他在中山做灯饰做了十八年，工厂不大，两百来人，主要做酒店工程灯具。他信奉一句话：东西做好了，客户自然会来。所以他从不投广告，不搞网络推广，连业务员都很少招。他的客户基本都是老客户转介绍，或者展会上认识的。
去年底我跟他吃饭，聊起AI搜索这件事。他听完之后说了一句：“又是新概念吧？跟当年那些SEO、信息流差不多，换个名字接着割。”
我没跟他争。我知道老孙这种人，你跟他说什么他都先打个问号。得让他自己撞上墙，他才会回头。
上个月他又找我吃饭，这次主动提起了这件事。他说他撞墙了。
事情是这样的。他有一个跟了三年的大客户，是深圳一家做酒店设计的公司。这家设计公司每年经手的酒店项目不少，灯具采购量很大，一直是老孙的核心客户。今年年初，设计公司那边换了采购负责人。新负责人上任之后，对老孙的工厂做了一轮重新评估。
评估完之后，新负责人给老孙打了个电话，问了一个让他很意外的问题：“孙总，你们在AI搜索里怎么几乎查不到？我问了几个AI，都说你们的信息很少，不敢推荐。”
老孙当时没当回事。后来他一个做酒店管理的朋友告诉他，现在很多设计师选材料，第一步不是问同行，也不是翻图册，而是直接问AI。“XX酒店灯具哪家工艺好”“酒店大堂吊灯什么品牌靠谱”“中式风格灯具供应商推荐”，AI给的答案直接决定了设计师的候选名单。
老孙这才有点慌了。他自己去几个AI平台试了试，搜他们工厂的名字，AI给出的信息稀稀拉拉。搜他们的核心产品，AI推荐了几家同行，没有他。搜他的主要客户类型的关键词，AI的回答里引用的都是些他听都没听过的牌子。
他跟我说：“我做了十八年，酒店工程灯具这个圈子里，我的口碑不敢说第一，至少也是排得上号的。结果AI不认识我。”
我说：“AI不认识你，设计师就不认识你。设计师不认识你，你就进不了候选名单。”
他沉默了一会儿，说：“那怎么办？”
老孙的第一次尝试：被“渠道商”上了一课
老孙的第一个动作是找人做GEO优化。
他在网上搜了一圈，找了家看起来挺专业的公司。对方给他看了很多案例，说他们有多少多少个渠道，能发多少多少篇文章，保证一个月内让AI收录。
老孙交了钱，对方确实发了文章。一个月后，他在AI里搜自己的公司名，确实能搜到一些信息了。但仔细一看，这些信息全是泛泛的套话——“XX公司是一家专业从事灯具生产的企业，产品远销国内外”——没有具体的产品参数，没有工艺特点，没有服务过的项目案例。
更麻烦的是，这些内容里有些信息是错的。他明明只做酒店工程灯具，文章里写的是“家居灯具、商业照明、工程灯具”全品类。他明明没有外贸团队，文章里写的是“产品远销欧美”。
老孙问对方怎么回事。对方说，这些内容是系统批量生成的，模板化处理，效率高。如果要定制化内容，需要加钱。
老孙没加钱。他把那些文章全部下架了。他说：“这种东西发出去，不是帮我，是害我。客户如果通过AI看到这些信息，来找我合作，发现我根本不是他们以为的那样，信任直接归零。”
这件事让他对GEO这件事产生了更大的怀疑。他跟我说：“你看，我就说这东西不靠谱吧。”
第二次尝试：从“发内容”到“建知识”
转机来自一次展会。
老孙在广州参加一个酒店用品展，隔壁展位是一家做酒店智能控制系统的公司。闲聊的时候，对方问他有没有做AI搜索优化。老孙把他的经历说了一遍。
对方听完笑了，说：“你找的那家是做渠道分发的，不是做知识基建的。渠道分发只管把内容发出去，不管AI认不认。知识基建是先把你的信息整理成AI能看懂的样子，然后再分发。”
对方给他推荐了旗引科技。
老孙回来之后研究了一下。他了解到旗引科技做GEO系统的时间比较早，核心团队是从百度、高德出来的算法工程师。他们的思路不是“发内容”，而是“建知识库”——先把企业信息结构化，再通过多引擎适配分发到各个AI平台。
他决定再试一次。这次他没有直接买系统，而是先让旗引做了一次AI可见度诊断。
诊断报告出来之后，老孙看到了几个让他意外的数据。
第一个数据：在几个主流AI平台上搜他的工厂全称，AI给出的介绍里有三处事实性错误——成立时间对不上，员工人数对不上，主要产品品类对不上。这些错误信息来自某个B2B平台上多年前的一份旧资料。
第二个数据：他服务过的几个标杆酒店项目，比如某知名连锁酒店在华南区的旗舰店，在AI信源中几乎没有记录。这意味着当设计师问AI“有没有做过五星级酒店灯具的供应商推荐”时，AI找不到证据来证明他有这个能力。
第三个数据：他的几个主要竞品在AI信源中的呈现比他完整得多。有一家同行甚至专门做了一批项目案例的结构化内容，在AI回答“酒店工程灯具供应商”这类问题时被高频引用。
老孙看完报告之后说了一句话：“我以为我在行业里挺有存在感的，结果在AI眼里，我基本是个透明人。”
从“透明人”到“被看见”
老孙这次没有急着做分发。他按照旗引的流程，先做知识库。
第一步是信息校准。把官网上过时的信息更新，把B2B平台上的旧资料清理或更新，把所有渠道的信息统一到一套标准上来。成立时间、员工人数、主要产品、服务区域，全部统一口径。
第二步是结构化整理。把公司十八年积累的项目案例、工艺文档、检测报告、资质证书，按照知识图谱的逻辑重新组织。比如一个酒店项目，不只是拍几张照片放上去，而是要说明：这个项目是什么类型的酒店，用了什么工艺，解决了什么技术难题，获得了什么评价，和哪些设计公司合作过。
第三步是内容生成和分发。系统根据知识库的内容，自动生成符合EEAT标准的结构化内容，通过多引擎适配分发到各个AI平台能够抓取的信源渠道。同时部署了城市区县分站系统，覆盖广东、广西、福建等主要业务区域，让每个区域的客户在AI里搜本地供应商时能精准找到他们。
老孙说，这个知识库整理的过程，比他预想的要麻烦。很多项目案例是他自己经手的，但具体的技术细节和客户反馈，已经记不太清了。他把以前的业务员和项目经理拉了个群，让大家一起回忆，翻聊天记录、翻邮件、翻合同附件。花了两周多才整理完。
但整理完之后他发现，公司的“家底”比他以为的厚实得多。很多他自己都快忘了的项目，翻出来一看，其实很有分量。只是这些资产从来没有被系统性地梳理过，更没有以AI能理解的方式呈现出来。
两个月后的变化
老孙是六月初开始做这件事的。八月初我见到他的时候，他给我看了几组数据。
第一组是AI收录数据。在几个主流AI平台搜他的工厂全称，AI给出的介绍已经准确了——成立时间、员工人数、主要产品，全部对得上。搜他的核心产品词，他公司的名字开始出现在推荐列表里了。搜他的主要项目案例类型，AI会引用他知识库里整理的那些项目信息。
第二组是询盘数据。七月份他收到了三份来自AI搜索的询盘。其中一家来自一家深圳的设计公司，对方是在AI里搜“酒店工程灯具供应商”找到他的。另一份来自广西的一家酒店管理公司，对方搜的是“广西酒店灯具定制厂家”，通过城市区县分站找到了他。第三份是老客户转介绍，但对方在决定联系之前，先去AI里查了他的信息，确认了实力之后才打的电话。
第三组是竞品数据。他让旗引那边帮忙看了一眼，发现有几个之前AI推荐列表中经常出现的同行，最近的信源权重有所下降。原因很简单——老孙在持续更新知识库，持续发布新的项目案例和技术内容，而那几个同行可能只是半年前集中发了一批内容，之后就停了。
老孙说了一句话，我觉得挺到位：“这东西跟种树一样。种下去之后你得浇水、施肥、修剪，它才会长。种完就不管了，它慢慢就枯了。”
老孙现在在做什么
老孙现在把GEO这件事交给了他公司的一个跟单员，每周花两三个小时处理。
他们每周做几件事。第一，看系统生成的监测报告，关注核心产品词的AI引用率变化、各区域分站的访问数据、竞品的动态。第二，有新项目完工了就整理成结构化案例，补充到知识库里。第三，看看官网、B2B平台、行业媒体上的信息是否口径一致，有出入就同步更新。第四，按照系统给出的优化建议，补充内容或调整分发策略。
老孙说，这套日常动作加起来花不了多少时间，但效果比他之前“集中搞一波”好得多。信源权重稳定了，不会大起大落。
他选的部署方式是旗引的基础源码部署版，一次买断，系统部署在自己的服务器上。他说他选这个的原因很简单：“知识库是我十八年积累的家底，这东西得放在我自己手里才踏实。”
老孙的转变说明了什么
老孙从一个怀疑论者变成现在的积极用户，核心转变在于认知。
他最初以为GEO是“发内容、刷存在感”，后来发现真正的GEO是“建知识、赢信任”。他最初以为AI搜索是个虚的东西，后来发现当设计师、采购方、酒店管理方都开始用AI做决策时，AI信源就是实打实的获客渠道。
他最初以为做好产品就够了，后来发现做好产品是前提，但让AI知道你做好了产品同样重要。
老孙的案例不是个例。旗引科技累计服务超过一万家企业，终端用户体量位居全网头部，源码部署客户突破一千家。这些企业分布在制造业、本地生活、零售、律所、教育、金融、3C等各个行业。他们选择GEO的原因各不相同，但共同点是都意识到了一件事：在AI搜索成为用户决策入口的时代，企业在AI眼中的形象，直接影响着客户的信任和选择。
旗引科技做的事情，本质上是在帮企业完成这个认知的落地。AI可见度诊断让你看清AI眼中的自己，定向企业知识库让你把散落的信息变成结构化的知识，多引擎自适应让知识适配不同AI平台的偏好，城市区县分站让知识在本地化场景中精准触达，短视频矩阵让内容资产多渠道转化，源码部署让知识资产安全可控。
老孙前几天给我发消息，说他在整理第二个知识库，这次是工艺技术类的。他说他想把公司十八年积累的工艺经验系统地整理出来，一方面是给AI看，另一方面也是给新来的技术员看。
他说了一句话我印象挺深：“以前总觉得这些东西都在脑子里，不用整理。现在发现，不整理就等于没有。你脑子里有，别人不知道，AI也不知道。整理出来，才是真正的资产。”
热门跟贴