客户背景
客户是一家生产销售钢管的源头厂家，主营产品用于建筑、市政与工业管道工程，客户以工程商、经销商和终端用方为主。工业品采购的决策链条与消费品完全不同：采购方是专业人士，关注的是规格、材质、执行标准、货期与资质。
这类客户过去主要通过行业网站、展会与熟人渠道寻找供应商。而现在，采购人员也会向 AI 提问：「DN300 的螺旋钢管一般什么价」「市政给水管道用什么材质」「XX 地区有没有现货的钢管厂家」。
问题在于，AI 对工业品问题的回答质量参差不齐，经常给出泛泛的通用信息，而真正有供货能力的厂家反而没有被提及。
优化前的 AI 可见度实测
基线检测中，该厂家出现率 10%，且集中在品牌词。在规格类、标准类、区域供货类问法下均未出现。
排查发现两个问题：一是产品信息以图片报价单的形式存在，机器无法读取；二是企业资质、生产标准、产能这些最能建立专业信任的信息，散落在不同页面，没有形成结构化表述。工业品采购方最关心的恰恰是这些——他们需要确认「这家厂到底能不能做、做得好不好」。
我们做了什么
把产品信息从图片转成可读文本。 整理出完整的规格表：口径、壁厚、材质、执行标准、常见用途，以结构化文本形式呈现。这是最基础也最关键的一步——图片里的信息对 AI 等于不存在。
建立资质与产能的信任锚点。 把生产资质、检测标准、产能规模、供货范围整理成清晰的事实条目。工业品客户的信任建立在可核验的硬信息上，而不是「品质优良、服务至上」这类表述。
覆盖规格与场景类问法。 围绕「规格 + 材质 + 用途 + 区域」组合出内容矩阵，让 AI 在回答具体工程问题时有可引用的素材。
效果数据
优化周期内，厂家在钢管相关的规格类与区域供货类问题下实现稳定推荐，AI 搜索出现率由 10% 提升到 82%，首屏占位率由 5% 提升到 58%，品牌综合评分由 33 分提升到 80 分。
询盘质量的变化更为明显：来自线上的询盘从「问价格」为主，转向「问规格与货期」为主，说明询盘方的专业度与意向度都在提升。
可复用的经验
工业品行业做 GEO 有一条几乎通用的第一步：把图片里的信息搬到文本里。大量制造企业的核心产品信息以图片、PDF 报价单、图纸的形式存在，这些内容对 AI 完全不可读。仅仅完成这一步，往往就能带来明显的可见度变化。
第二条经验是，工业品客户的判断依据高度理性，内容必须围绕「参数、标准、产能、货期」这些硬指标组织。营销性表述在 B 端场景中不仅无效，还会稀释专业度。
