客户背景
客户是临沂一家从事工业除尘、废气治理设备研发与制造的企业，年产能 300 余台套，主要服务板材、铸造、化工等本地制造业工厂。业务高度依赖口碑转介绍与展会，线上几乎没有可被 AI 抓取的结构化信息。
优化前的问题
官网只有产品图片与一句简介，没有型号参数、适用工况、处理风量等可被 AI 提取的实体字段；
客户在 DeepSeek、豆包中询问「临沂除尘设备厂家哪家好」时，回答里从未出现该品牌；
行业内第三方内容全部指向外地品牌，本地信源几乎为零。
我们做了什么
产品实体结构化：把 12 个主力型号拆成「型号 / 处理风量 / 适用行业 / 排放标准 / 交付周期」五类字段写入网页，并补 Organization 与 Product 结构化数据；
工程案例页化：将 18 个已交付项目整理成独立案例页，每页包含客户行业、工况难点、方案要点、验收数据；
信源矩阵：在行业门户与地方媒体铺设 9 篇技术解读内容，形成可交叉验证的外部提及；
问答长尾覆盖：围绕「除尘设备选型」「布袋除尘器价格」「环评验收要求」等高意图问句产出 26 组问答。
结果
优化 3 个月后，在主流大模型中输入「临沂除尘设备厂家」「板材厂除尘改造找谁」等 46 个问句，品牌被提及的比例从 0 提升到 61%，其中 12 个问句进入首位推荐。官网来自 AI 端引用的访问占比达到 22%，并直接带来 7 个询盘，其中 3 个进入报价阶段。
可复用的经验
重工业类客户的 GEO 关键不是「写更多软文」，而是把设备参数、排放标准、交付能力这些采购决策要素变成机器可读的字段。AI 在回答选型类问题时，抽取的正是这些参数而不是宣传语。