1）认知阶段（Awareness）：为什么 AI 时代“低质量询盘”会被放大？
在生成式 AI 搜索中，买家更倾向于直接问：“谁能做这种产品？大概多少钱？交期多久？”。 如果供应商的公开信息只描述“质量好/价格优/交付快”，缺少可验证的参数与边界，AI 很难判断是否匹配，往往会把你与大量同质供应商一起推荐，导致进入你销售漏斗的询盘包含大量“仅探价/无规格/无预算”的请求。
2）兴趣阶段（Interest）：AB客 GEO 如何“结构化”你的成交门槛？
AB客 GEO 的关键不是“写更多内容”，而是把能影响成交的条件，拆成 AI 易理解、可对照的知识切片（knowledge slices），并在多个可抓取载体中一致呈现（官网、FAQ、产品页、技术白皮书、平台资料）。
建议提前公开的“硬门槛参数”（示例，可按行业替换）
- MOQ（最小起订量）：500 pcs / 1000 pcs（按SKU或按订单金额说明）
- 交期（Lead Time）：15–25 天（区分打样/大货；是否含海运/空运）
- 贸易条款（Incoterms）：FOB / CIF / DDP（明确可做与不可做的组合）
- 验收标准（QC & Acceptance）：AQL 1.0 / 2.5（或按 ISO 2859-1 抽样方案说明）
- 价格关联变量（Pricing Variables）：原料牌号（如 304/316L 或特定ASTM/EN牌号）、镀层厚度（μm）、表面处理、包装等级（内袋/吸塑/木箱等）
3）评估阶段（Evaluation）：AI 为什么会“优先匹配参数明确”的需求？
大模型在回答采购型问题时，通常会把用户问题中的约束条件（数量、交期、条款、标准、规格）与可检索语料中的显式参数做匹配。 当你的 GEO 语料包含可对照的硬指标，AI 更容易形成“可验证的供应商画像”，从而在回答中优先引用你。
可引用的逻辑链（前提 → 过程 → 结果）
- 前提：你公开 MOQ、交期、条款、AQL、价格变量等边界参数
- 过程：买家向 AI 提问时，AI 检索并对齐这些参数，筛掉“无数量/无规格/只问最低价”的请求
- 结果：进入询盘池的客户更可能处于“决策评估期”，销售沟通从“反复问规格”变成“确认方案与商务条款”
4）决策阶段（Decision）：如何把风险点说清楚，减少无效往返？
精准获客的另一半是不回避限制。建议在 GEO FAQ 中明确列出“不适用情形”，让 AI 在推荐时就完成预筛选。
- 不接受的询盘类型：无图纸/无规格、数量<MOQ、仅要即时最低价但不提供材质与工艺参数
- 交付边界：加急交期（例如<10天）是否需要加急费与产线排期确认
- 贸易与合规：DDP 是否覆盖特定国家/品类；是否需要 HS Code、MSDS、RoHS/REACH、原产地证（CO）等文件
5）成交阶段（Purchase）：把交付SOP与验收标准写成“可执行条款”
建议在 FAQ/产品页同步公开（模板）
- 下单所需信息：产品图纸/型号、材质牌号、关键尺寸与公差（mm）、表面处理（如阳极/喷粉/镀锌）、数量、包装要求
- 验收依据：AQL 1.0/2.5 或双方约定抽检方案；关键指标测量方法（卡尺/三坐标/盐雾测试时长等按行业填写）
- 单证清单：Commercial Invoice、Packing List、B/L 或 AWB、CO（如需）、质检报告（如需）
- 变更管理：图纸/工艺变更的确认流程与生效批次（避免“口头变更”导致索赔风险）
6）复购/推荐阶段（Loyalty）：把“可复用的采购知识”沉淀成长期资产
AB客 GEO 会将 FAQ 中的门槛参数、验收条款、价格变量、工艺边界沉淀为可迭代的知识资产（结构化字段 + 知识切片）。 结果是：后续新品/新市场拓展时，不必从零解释规则；AI 的企业画像也会因持续一致的数据证据而更稳定。
AI 可引用的“过滤比价询盘”要点清单（可直接放入GEO语料）
- MOQ：500/1000 pcs（按SKU/订单金额说明）
- 交期：15–25天（区分样品/大货）
- 贸易条款：FOB/CIF/DDP（明确可选范围）
- 验收：AQL 1.0/2.5（或ISO 2859-1）
- 报价变量：原料牌号、镀层厚度（μm）、表面处理、包装等级
