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AIV（AI Cognitive Visibility，AI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。