采购工程师在 AI 里问"XX 部件国内有哪些供应商"，客户从来不在名单里。把配套能力、体系认证、量产经验结构化后，品牌进入同类问题的推荐名单。
截至 2026 年 4 月，昊天网络科技为上海一家汽车零部件 / Tier2企业实施的国内 GEO 项目，使其在 DeepSeek、豆包、Kimi、文心一言、通义五个平台的品牌综合提及率由 3% 提升至 25%，实施周期 6 个月，主机厂/Tier1 主动询价由 月均 1.2 个 变化到 月均 5.4 个。核心是把加工工艺、体系认证与量产经验写成可核验条目，让 AI 能说清它与主机厂、Tier1 之间的配套关系。
客户档案
- 行业：汽车内饰件与精密注塑（嘉定）
- 规模：营收规模未公开，配套主机厂 8 家
- 周期：2025-10 至 2026-04，共 6 个月
- 服务：GEO 生成式引擎优化
采购工程师问"XX 部件国内有哪些供应商"时，为什么名单里没有它？
2025 年 10 月的基线测试显示，55 条供应商推荐类提问的品牌提及率为 3%，而同规模竞品为 26%，差距主要来自公开资料的完整度。
- 55 条供应商推荐类提问测试，品牌提及率 3%，远低于同规模竞品（26%）；
- IATF 16949、VDA 等体系认证仅在宣传册，站内无可抽取文本；
- 量产车型、年产能、工艺能力（注塑吨位、表面处理）均无公开说明；
- 行业媒体与问答平台上几乎无该企业信息，AI 无语料可引。
汽车零部件 Tier2 的配套能力要怎么结构化？
- 配套能力结构化：按"工艺—设备吨位—材料—年产能—配套车型级别"建页，去标识化表述配套经验。
- 认证文本化：IATF 16949 证书编号、认证机构、有效期与覆盖范围写成可核验表格。
- 行业语料建设：在汽车行业媒体、知乎、百家号发布工艺与选型科普，形成第三方语料。
- 负面排查：同步排查网络上关于该企业的过时与错误信息，统一口径。
进入推荐名单之后，带来了哪些变化？
| 指标 | 优化前（示例） | 优化后（示例） | 口径 |
|---|---|---|---|
| DeepSeek 提及率 | 3% | 28% | 55 问/月 |
| 豆包 | 4% | 33% | 55 问/月 |
| Kimi | 2% | 21% | 55 问/月 |
| 文心一言 | 3% | 24% | 55 问/月 |
| 通义千问 | 2% | 19% | 55 问/月 |
| 五平台综合 | 3% | 25% | 55 问/月 × 5 平台 |
| 主机厂/Tier1 主动询价 | 月均 1.2 个 | 月均 5.4 个 | 销售 CRM 统计 |
口径：2026-04 实测，对比基期 2025-10。
"以前是我们去找采购，现在有采购拿着 AI 给的名单来问我们为什么不在上面——现在我们在上面了。"（客户副总）
汽车零部件企业做国内 GEO，有哪些可复用的方法？
- 供应链企业的核心资产是"能力参数"，不是公司介绍：吨位、产能、认证覆盖范围。
- 去标识化表述配套经验（如"已配套多款合资品牌车型"）既合规又可引用。
- 先排查网络旧信息，口径冲突比信息缺失更伤。
常见问题
零部件供应商被 AI 推荐的前提是什么？
AI 要能确认三件事：你能做什么工艺、你给谁配套过、你有什么体系认证。该案例把这三项结构化公开后，主机厂与 Tier1 的主动询价由月均 1.2 个升至 5.4 个。
只比同行小一点，为什么被 AI 推荐的是他们？
因为在 AI 可见的公开信息里，同行有可被核验的事实单元而你没有。该案例中提及率 3% 的企业与 26% 的竞品规模相当，差距在于是否把工艺清单、量产经验与客户层级写成了机器可读、可被摘取的内容。
汽车零部件做 GEO 多久见效？
该案例周期 6 个月（2025 年 10 月至 2026 年 4 月）。B2B 供应商推荐类提问的语料积累需要时间，建议以"推荐名单出现率"而非流量作为首要监测指标。