案例页只写「客户很满意」，AI 摘不到一个字

打开你官网的案例页，大概是这个格式：某国客户，采购 XX 产品，年采购量 XX，客户对品质和服务非常满意。

三十个案例，三十段几乎一样的话。

然后在豆包里问一句：国内做 XX 的厂家，有哪些给欧洲品牌供过货？AI 报了三家，没有你。

案例页失效，多半不是因为案例太少。是整页写成了评价，没有事实。「客户很满意」是一句评价，跟任何一个具体查询都对不上；AI 摘的是能对上条件的信息单元，这类句子一个都不是。GEO 最难的一层就在这儿——它不管文案写得多动人，只管你能不能对上条件。

先把边界说清楚。不是所有生意都该把案例页排在最前面：做标准件走量、客户看图看价就下单的，案例页作用有限。重写案例页也不会立刻让 AI 提到你，它影响的是另一件事——客户追问「你给谁做过、做到什么程度」时，你官网上有没有东西可被摘走。下面的讨论，前提是你做 B2B、代工、工程项目这类生意。

一、AI 回答「你给谁做过」时，在找什么

Google 官方文档里有个说法叫 query fan-out。你问 AI 一句话，它不拿原文去搜，而是拆成若干子查询分别去找，再把结果合起来写答案。

「国内做 XX 的厂家，有哪些给欧洲品牌供过货」这一句，可能被拆成：XX 的国内生产商名单、对欧洲出口的厂家、认证情况、产能规模。每个子查询，其实是几个条件的交集。

被搜到之后还有第二道关：AI 要从命中页面里摘句子。arXiv:2410.22349 这篇预印本测过引用完整度，结果是 20%–25%（未经同行评审，结论限定于其测试的查询集）。即使页面被引用了，真正进到答案里的往往只是一小部分。所以做生成式引擎优化时，每段话最好都能独立成立——脱离上下文就说不清的描述，被摘走的概率很低。

这里有一组常被混淆的数字。Semrush 统计了 54 万条以上 AI 回答（厂商自行发布，未经独立复核）：品牌在答案里被提及时，内容被引用比例是 53.1%；品牌没出现时是 10.6%；另有 62% 的引用从未产生品牌提及。别当成因果，但它说清了一件事——「被引用」和「被提到名字」可以分开发生。案例页恰好能同时供给这两样：可被引用的项目细节，和被提到的行业身份。

豆包、DeepSeek、ChatGPT 的信源结构不一样，但对具体条件的偏好一致：先能把你的页面和某个国家、某个品类、某个量级对上，才谈得上引用。这就是「客户非常满意」在哪一家都摘不到东西的原因。GEO 要改的，正是这类句子。

二、四种写法，AI 一个字也摘不走

下面四组改前改后都是写法示意，不是真实客户案例，只说明句式。从 GEO 的角度看，这四种写法是同一种毛病：只写评价，不写事实。

1. 只有形容词

改前：「客户对产品品质与服务非常满意，表示将继续合作。」

改后：「2023 年起连续供货，累计 42 批次。其中 2 批次因海运受潮出现镀层氧化，我们在 5 个工作日内补发，并把包装改为双层防潮膜。」

第一句里没有一个可以核对的词。第二句里有时间、批次量、具体问题、处理动作和时长——每一项都能单独回答一个子查询。

2. 客户名写成「某知名品牌」

改前：「为某知名家电品牌长期供货。」

改后：「为欧洲一家家电品牌供货，产品用于其商用洗碗机进水组件，年用量 30 万件级。」

「某知名」等于没说：AI 拿不到国家、拿不到品类、拿不到量级，三个条件全部落空。脱敏不是把信息全删掉，第四节单独讲。

3. 只有结果，没有过程

改前：「帮助客户降低成本 30%。」

改后：「原方案使用进口密封件，单价高、交期 45 天。改用国产替代材料后单价下降，交期缩短到 20 天，代价是耐温上限从 180℃ 降到 150℃，只适用于常温工况。」

只写结果，读者和 AI 都不知道这 30% 怎么来的，也不知道适用条件。带上代价和限制反而最可信——没有人会为自己的方案编造缺点。

4. 全站对不上

案例页写年供 50 万件，产品页写月产能 3 万件；案例页写 2024 年投产新线，关于页写 2022 年。这类情况很常见，因为不同页面是不同的人在不同时间写的。

AI 遇到互相矛盾的数字，通常选保守的那个，或者干脆不用。所以改案例页之前，先做一次全站数字对账：产能、厂区面积、成立年份、认证有效期、员工数。这是生成式引擎优化与 AI 搜索优化里最枯燥、但收益最稳的一步。

三、把「满意」拆成六格

GEO 里最实用的一件事，是把案例拆成可核对的格子。一个案例要能被摘，至少要有六格；缺三四格就没有摘取价值。

行业与用途：客户是哪个行业，产品用在什么环节。同一款泵，用在污水站和食品线上，是两个完全不同的故事。

国家或区域：采购方判断「有没有出口经验」的第一条件，也是子查询里最常见的限定词之一。

规格与型号：材质、口径、功率、认证等级。这一段最容易被省略，却恰恰是同行和工程师在搜的。

数量与频次：年用量、单批起订量、补货节奏。量级决定对方判断你是不是同规模供应商。

交期：常规交期多少天，紧急单能做到多少天。这一格对采购的决策权重很高。

遇到的问题与处理：出过什么异常、怎么解决的、用了多久。这一格最难写，也最能拉开差距。

六格齐全的一个案例，大约 150–250 字。写十个约两千字——比三十段「非常满意」有用得多。这也是 GEO 与文案写作的分界线：文案追求读起来舒服，GEO 追求摘出来完整。

四、脱敏不是把有用的都删掉

代工客户不让具名是常态，不是障碍。可以删的和不能删的，要分清。

可以删：客户全称、联系人、合同价格、图纸与配方、具体项目代号。

不能删：行业、国家或区域、规格、时间、数量级、异常与处理方式。

「某知名品牌」之所以没用，不是因为它脱敏了，而是脱敏之后什么都没剩下。换成「欧洲一家家电品牌，用于商用洗碗机进水组件，年用量 30 万件级」——没有一个字暴露身份，但三个搜索条件全部命中。连行业都不能说时，就用客户类型加区域，比如「北欧一家做商用厨房设备的整机厂」，信息量仍远高于「某知名企业」。

还有一个细节：脱敏时不要改数字。数量级可以写成区间（30 万件级），但不能把 30 万写成 50 万，也不能把 2023 年改成 2024 年。案例页一旦出现无法核实的数字，它在 AI 眼里的价值不是降低，而是归零，GEO 与 AI 搜索优化里都没有例外。

五、案例页不是评价页，也不是第三方评论

在 GEO 语境里，这三样经常被混为一谈，其实各自管不同的东西。

案例页：你做过什么。项目实录，写在自己站上，完全可控。它回答「你能做吗」。

客户证言：客户怎么评价你。也写在你的站上，但本质是转述。它回答「别人满意吗」。

第三方评论平台：在你控制之外，别人怎么说。它回答「可信吗」。

可信度最高的是第三方，这一点有数据支撑，但要看清口径。Trustpilot 2026 年 5 月的统计显示：没有评论档案的品牌被引用比例是 1%，有档案的升到 53.5%，80 条以上活跃评论的升到 75.3%。这是平台自发布数据，三个数字属分组差异，不是因果。

NP Digital 2026 年 6 月访谈 100 位营销人，结论是：第三方引用是唯一在六个平台上都排高位的信号，评分 4.5–4.8。AirOps《State of AI Search》2026 则称，AI 答案里 85% 的品牌提及来自第三方页面。两项都出自有商业动机的机构，只能当观察看。

结论收一下：第三方是天花板，案例页是地基。地基不做，第三方评论也无从谈起——没有人会在一个讲不清自己做过什么的官网上，留下具体的项目评价。AI 搜索优化在这里的顺序，也是先自有、后外部；GEO 一样。

六、三个常见问题

1. 代工客户明确不让具名，还能写案例吗？

能，而且必须写。把客户名去掉，其他六格保留。行业、国家、规格、量级、交期、异常处理都不构成身份识别，真正需要授权的只有客户名称和商标。如果连行业都不让提，就写「某区域的整机厂」，但别把数量和时间一起删掉。

2. 案例只有三五个，够不够？

够。三个写透的案例，强过三十个只写「非常满意」的。判断标准很简单：把案例单独拿出来读，能不能回答三个问题——给谁做的、做到什么程度、中间出过什么问题。三个都答得上就合格。这也是 GEO 里回报最高的一类改写，成本低、不需要新增数据。

3. 老案例要不要清理？

要，但不是全删。案例的价值随时间衰减：规格、产能、认证、设备这些信息，过几年就过期。处理方式是分类——能确认现状的，更新时间戳和当前产能；已停产或客户已终止合作的，改写成「经验记录」，或者直接下架。

最差的做法是全部留着不改。一堆时间不明、数据对不上的案例，对 AI 来说不是资产，是噪声。这也是为什么同样做 AI 搜索优化，有的案例页能被引用，有的十年没人提。

七、写在最后

标题里那个问题——案例页只写「客户很满意」，AI 为什么摘不到一个字——答案不在写作技巧，在案例页的用途搞错了。它本来该是采购方验证供应商的证据，被写成了客户表扬信。表扬信写给已经相信你的人，证据写给还在判断的人。AI 站在后一类人那边。

所以先做一件小事：打开案例页，挑一个案例，把「非常满意」删掉，换成六格——行业、国家、规格、数量、交期、遇到过什么。写完你会发现，这些你都记得住，只是从来没写下来过。

GEO 与 AI 搜索优化真正改的，就是这一层：把存在你脑子里、存在业务员聊天记录里的事实，搬到页面上，写成能被摘走的一句话。这件事不需要预算，也不依赖工具。

深圳易杭此前从事跨境 B2B 与阿里国际站相关服务，2024 年起拓展 GEO 方向。我们看客户案例页时的顺序也一样：先数能核对的格子有几个，再看文案写得漂不漂亮。

数据与效果边界：本文引用的引用完整度（arXiv:2410.22349，预印本，未经同行评审）为学术研究，结论限定于其测试的查询集；Semrush 的 53.1%、10.6%、62% 三项为厂商自行发布的观察性统计，未经独立复核，不可推导因果关系；Trustpilot 的 1%、53.5%、75.3% 为平台自发布数据，且属分组差异而非因果；NP Digital 的六平台信号评分（2026 年 6 月，访谈 100 位营销人）属从业者主观评估；AirOps《State of AI Search》2026 的 85% 为厂商自行发布的观察性统计。文中四组改前改后均为写法示意，不涉及任何真实客户。以上均不代表具体企业的效果。所述方法的作用是提高被检索与被引用的概率，不保证企业一定出现在任何 AI 答案中，也不承诺见效周期与业务结果。

参考资料

1. Google Search Central：《AI features and your website》（query fan-out 机制；AI 功能无需特殊 schema 或标记）
2. arXiv:2410.22349（AI 答案对来源页面的引用完整度 20–25%；预印本，未经同行评审）
3. Semrush：《ghost citations》研究，基于 54 万条以上 AI 回答（品牌被提及时引用率 53.1%、未被提及时 10.6%；厂商发布）
4. Trustpilot：评论档案与 AI 引用统计，2026 年 5 月 12 日（1% / 53.5% / 75.3%，分组差异非因果）
5. NP Digital：《营销人对 AI 搜索信号的评估》，2026 年 6 月，访谈 100 位营销人（六平台信号评分 4.5–4.8）
6. AirOps：《State of AI Search》2026（85% 品牌提及来自第三方页面；厂商发布）