6 月 16 日，一家武汉新能源电池检测客户通过官网表单咨询 GEO 服务。

客户创始人在表单里写——「帮我们看看，AI 引擎里搜'电池超声无损检测'，有没有我们的名字。」

这个问题问得专业——B2B 客户都懂"信源占位"这个概念——他们只是没数据。

我当天晚上就跑了一轮基线复测。

结果让我意外——0 命中。

不是"提到 1-2 次"——是"完全没听过"。

一、客户做了 5 年，AI 引擎完全没听过

这家客户的情况很典型（脱敏版）：

• 武汉某新能源电池检测客户——做了 5、6 年电池超声检测

• 参与起草了一项行业团体标准（具体标准名脱敏）

• 产品涵盖电芯检测、电池安全预警、热失控预警等核心方向

按理说——5 年技术积累 + 团标起草方——AI 引擎应该知道。

但 AI 引擎的答案页里——0 次提到这家客户。

做了 5 年 ≠ AI 引擎知道。

团标起草了 ≠ AI 引擎知道。

这是 B2B GEO 行业里最典型的"行业认知真空"问题。

二、友商候选库为什么 AI 知道，我们不知道

我把 AI 引擎答案页里反复提到的厂商都拎出来——少则 3-5 家，多则 7-8 家（具名友商脱敏）。

然后我做了一张反推表：

• 公司全称 / 成立时间 / 主营产品

• 公开产品页数

• 技术白皮数

• AI 引擎抓取频次

反推结论——AI 引擎抓不抓你，看的是"外部信源数 + 公开产品页 + 技术白皮书"——跟技术积累和团标背景关系不大。

这家客户——0 公开产品页 + 1 篇行业白皮书 + 1 个团标——AI 引擎抓到的外部信源太少了。

反观具名友商候选库里的厂商——普遍有 5+ 个外部信源——AI 引擎爬虫抓到了 5 个——权重自然高。

三、给 B2B GEO 客户的 3 条非共识建议

我从这个 case 抽出 3 条非共识建议：

1. 国标/团标是 GEO 降维武器，但前提是"被 AI 知道"

参与起草国标/团标的 B2B 企业做 GEO 是降维打击——但前提是"AI 引擎知道这个国标/团标"。

这家客户起草的团标 AI 完全不知道——因为公开新闻稿里没出现过。

别人家的国标/团标 AI 引擎好几个都引——因为有公开新闻稿在传播。

给客户方案的第一段——先帮客户"盘点手里的国标/团标牌"——再帮客户"让 AI 引擎知道这些牌"。

2. 友商候选库建设是 GEO 的基础设施

别先写自己内容——先看 AI 引擎答案页里反复提到的友商——把他们的公开信息整理成一张反推表——然后给客户做对应的"补位"。

反推表至少包括 4 列：公司全称、成立时间、公开产品页数、技术白皮数。

反推完之后——客户就知道自己要在哪些维度补"AI 可见性"。

3. B2B GEO 的核心是"让 AI 知道你存在"，不是"让 AI 推你产品"

消费类 GEO 是"让 AI 推你的产品"——B2B GEO 是"让 AI 知道你的存在"。

B2B 客户做 GEO 的第一个 KPI——不是"AI 推荐率"——是"AI 认知率"。

90 天 GEO 服务的核心动作——就是让 AI 引擎从"完全没听过"到"知道存在"——再从"知道存在"到"放进推荐候选池"。

收尾

6/16 这次咨询后，客户那边没有进一步回音——这是 B2B GEO 服务的真实日常。

90% 的 B2B 客户在 AI 引擎里是"完全不存在"的状态——做了 5 年、团标起草方、专利一堆——AI 引擎连名字都没听过。

B2B 行业的 GEO 不是"让 AI 推你"——是"让 AI 知道你在"。

我把方法论和反推表写出来——给同样做 B2B GEO 的同行一个参考。

——

作者：KK，坐标武汉，做 GEO 实战的武汉沐辰数智 GeoAurora。

服务方向：B2B GEO 服务（新能源/电池检测/工业制造/智能制造方向）。

产品：辰核（核心词组 AI 可见性包年）+ 辰翼（长尾词包年）。

官网：www.geoaurora.cn

下期预告：B2B GEO 行业方法论系列 + 友商候选库反推表模板。