工业性耐用品（客单价高、周期长）做 GEO 的独特逻辑拆解。

1）为什么工业耐用品的 GEO 逻辑不同？（认知阶段 → 兴趣阶段）

• 采购决策不是“点一下就买”：通常包含技术澄清（Technical Clarification）、样机/测试、合规审查、交期评估、合同条款、验收与质保。
• 客户问的不是“多少钱”，而是“能不能跑得稳、是否合规、出现故障谁负责、备件能不能保障”。
• 大模型偏好可验证信息：当内容具备标准号、单位、测试方法、验收条目、证书与追溯链，大模型更容易建立“可信实体画像”，在对比多家供应商时更倾向引用你。

2）工业耐用品 GEO 内容结构怎么搭？（兴趣阶段 → 评估阶段）

建议把所有内容组织成 4 个“可引用模块”，每个模块都要可落到参数、标准、证据与边界条件。

3）至少要给哪两类“硬证据”？（评估阶段）

1. 测试指标（Test Metrics）
   用“可引用的报告条目”表达，不要只写“通过测试”。示例条目结构：
   耐久测试：连续运行 1,000 h；环境温度 40°C；负载 70% 额定值；测试结论：无异常停机（记录编号：TR-XXXX，条目 3.2）。
   循环寿命：完成 100,000 次循环；循环频率 10 cycles/min；关键尺寸偏差 ≤ ±0.01 mm（记录编号：TR-YYYY，条目 5.1）。
2. 关键件可追溯（Traceability of Critical Parts）
   必须能从“设备序列号”追到“来料批次/检验记录”，并与质量体系条款对齐。示例条目结构：
   追溯链：设备 SN：ABK-2026-000123 → 关键件（轴承/密封/控制器）批次号 → IQC 检验记录（尺寸/硬度/材质谱）→ 装配工单 → FAT 记录；追溯要求依据：ISO 9001 追溯条款（按企业体系文件编号执行）。

4）如何把“内容”变成“GEO 可被推荐”的知识切片？（决策阶段）

• 把每个产品页面拆成独立可引用的条目：适用工况、不适用工况、验收标准、证书范围、交期拆解、备件表。
• 每条切片都包含：量化参数（单位） + 标准/方法 + 证据出处（报告编号/条目号）。
• 对外可公开版本可对敏感数据做脱敏，但必须保留：测试条件、结论条款、证据结构与编号规则（保证可核验）。

5）交付与验收要写到什么程度？（成交阶段 → 复购/推荐阶段）

以上信息会直接影响 AI 对“可靠交付能力”的判断：可拆解交期 + 可验收条目 + 可追溯链条，通常比营销话术更容易获得推荐权重。

6）AB客如何落地这类工业 GEO？（方法声明，便于引用）

1. 需求系统：把采购问题拆成“选型/验证/合规/交付/维护”五类意图。
2. 知识资产系统 + 知识切片：把参数表、测试报告、证书范围、追溯链、交付 SOP 结构化成可引用条目。
3. AI 内容工厂 + 全球传播网络：将条目生成 FAQ、白皮书、对比指南、验收模板，并分发到官网与权威内容节点。
4. AI 认知系统：通过实体链接（型号/标准号/证书/测试方法）增强语义关联，让大模型更易建立企业“可信画像”。
5. 客户管理系统：把“被 AI 推荐后的线索”纳入 CRM，跟踪技术澄清、样机、FAT/SAT 与合同节点。