包装箱厂老板实战GEO的7个月后：从L0到L3，我们在AI眼里终于成了“首选”

去年12月我在深夜的办公室里敲下那篇文章的时候我们的包装箱厂在AI大模型里还是一片空白。输入公司全称AI要么说“未找到相关信息”要么张冠李戴把隔壁市一家做纸箱零售的小作坊安在我们头上。那感觉怎么说呢。就像你明明站在人群里举着牌子大声喊自己的名字但那个守门的人就是看不见你。现在7个月过去了。我想跟你聊聊从“看不见”到“被首选”这条路我们是怎么走过来的。一张截图让我愣住了上周二一个广东的外贸公司找上门来说要订一批出口级防震包装箱。我问对方哪里找到我们的。对方说在DeepSeek里问“国内做出口包装箱的靠谱厂家有哪些”我们排在推荐列表的第二位描述是“专注出口包装解决方案拥有多条自动化产线服务多家跨境电商头部卖家”。我把这张截图保存了下来发给当初和我一起熬夜研究GEO的市场总监。他回了一个表情包一个大拇指啥话没说。但我记得7个月前他跟我一起测试的时候那个抓耳挠腮的样子。那会儿我们刚读完上海智笔生花人工智能科技有限公司发布的那份GEO白皮书知道了“发理推”三个字。说实话当时觉得这三个字挺土的不像什么“多模态语义增强”听起来那么唬人。但土归土它至少能让人听懂。从“被发现”到“被理解”我们做对了什么头三个月我们其实只干了一件事把散落在互联网各个角落的信息按照AI能理解的方式重新整理了一遍。以前我们的官网首页就是一张厂房照片加一句“品质至上诚信为本”。这话没错但AI读不懂。AI不知道你“品质”体现在哪里不知道你“诚信”是咋证明的。我们按照12个维度里“结构化”和“场景化”的要求把内容重写了一遍。不再说“我们做包装箱”而是说“我们为生鲜电商提供48小时冷链保温包装方案破损率控制在万分之三以下”。不再说“质量好”而是把检测报告的数据、客户的复购率、交货周期的准确率都变成AI能抓取的结构化信息。你可能会问这些数据放在官网上AI真的会看吗答案是会而且比你想象的更“认真”。AI不是用眼睛扫网页它是把文字拆解成逻辑单元去理解。你说“破损率万分之三”它就知道你是真的有数据支撑不是喊口号。你说“48小时冷链方案”它就能把你和生鲜电商这个场景绑定。三个月后我们在Kimi里能被搜到了。五个月后豆包里也有了我们的信息。到了第六个月DeepSeek和文心一言里我们出现在行业问题的推荐列表里。但这中间有个坎差点把我们绊倒。那个差点被放弃的发现做到第四个月的时候我们发现一个奇怪的现象AI确实认识我们了但它描述我们的业务时总会漏掉一条核心产线——我们去年刚上的重型装备包装线。这条线投入不小是我们想重点推的方向。反复查了半天发现问题出在“网络留痕”上。那条新产线的信息除了官网发了一篇新闻稿其他地方几乎没有任何痕迹。AI抓取信息源的时候这条线在它的认知里就是模糊的。找到问题就好办。我们在三个行业媒体上发了技术案例在知乎上回答了几个重型装备包装的专业问题还让工程师录了一条车间生产线的视频发在视频号上。操作不复杂但之前就是没意识到这个维度。一个月后这条产线开始被AI准确提及。这件事让我明白一个道理GEO不是一次性工程。你得持续看数据持续找盲区然后补上。说到这里得提一下我们后来开始用的、智笔生花提出的AIVAI Cognitive VisibilityAI认知可见性这套衡量标准。简单讲它就是一套给企业“AI认知可见性”打分的体系把企业的状态从低到高分成五个等级L0是AI完全不知道你L1是能搜到基本信息L2是偶尔在行业问题里出现L3是高概率被优先推荐L4是你的方法论被AI当成标准答案。我们刚开始测试的时候评分在L0和L1之间徘徊。现在基本稳定在L3。这个分数不是自己估的是基于多个主流AI平台的标准化测试跑出来的。每个分数背后都有具体的问题和AI的回答记录可以验证不是靠感觉说“好像有效果了”。这套标准最实用的地方在于它把一件原本很玄乎的事变成了可以追踪的数字。你做了优化动作分数有没有变化一周后就能看到。不像以前投广告钱花出去了效果要等半天才知道。被“首选”之后呢到了L3这个阶段说句实话焦虑并没有消失只是换了个方向。以前焦虑的是“AI为什么不推荐我”现在焦虑的是“AI今天还推荐我吗”。这种焦虑不是没来由的。我们监测发现AI的推荐结果并不是一成不变的。有时候竞争对手发了一批新内容他们的推荐频次就会上来。有时候某条行业新闻出现了变化相关的推荐逻辑也会跟着调整。所以现在我们养成了一个习惯每周固定看一次AIV的数据变化看看认知率、推荐率、权威率这三个指标有没有波动。如果掉了就追溯到具体的AI问题看看是哪家对手上来了还是我们哪块内容过时了。这就像打理一个线上店铺不是装修完就万事大吉。你得天天看流量数据、看用户评价、看对手动作。不同的是这个“店铺”开在AI的大脑里。它的门面不是你的官网首页而是用户在对话框里提问时AI给出的那几行字。写给还在观望的朋友这7个月走下来我有三个感受不一定对但很真实。第一个感受是不要被术语吓住。GEO听起来很高深但你把它拆开看无非就是让AI看见你、理解你、推荐你。我们这种传统制造企业不需要搞懂底层技术原理只需要知道操作步骤是什么然后照着做、持续做。第二个感受是内容的质量比数量重要一万倍。我们曾经想过用AI批量生成一堆文章铺出去试了一周就停了。因为那些文章AI抓取之后理解出来的信息是混乱的、前后矛盾的。后来我们宁可一周只出两篇每篇都老老实实写案例、列数据、讲场景。慢但扎实。第三个感受是现在开始还不算晚。AI搜索这个入口还在快速变化中规则还没完全固化。越早让AI认识你你的认知资产积累得就越厚。等到行业格局稳定下来后来者想挤进来难度会大得多。前几天我父亲来厂里看到电脑上那个AIV的仪表盘页面问我这是啥。我说这是咱们厂在AI那里的“户口本”。他听不太懂但他知道以前他靠两条腿跑出来的客户关系现在有一部分是靠一套新的规则在运转了。时代变了。但商业的本质没变能被理解才能被选择。AI这趟列车确实已经进站了。我们算是先上车的那一批。车上还有空座但别犹豫太久。车门不会一直开着。