客户在 AI 里查你的底细，查的不是你的官网

一个做注塑件的老板跟我说，他被客户问住了。客户在 DeepSeek 里查了一下他的公司，回来问：你们登记的参保人数怎么才十几个人，车间里不是有六十多个吗？

他说不是虚报，是因为有一部分工人挂在关联的劳务公司名下。这个解释很合理，但他解释完之后客户明显犹豫了。

这件事的关键不在解释得对不对，而在 GEO 的一个基本前提：客户在核实一家供应商的时候，看的不再只是对方怎么说，而是能找到的所有记录拼起来是什么样。官网只是其中一份，而且往往是分量最轻的那一份。

先把边界说清楚。这一篇讲的是「关于你的实体事实——注册信息、规模、资质、涉诉记录——散在哪些地方，以及在 GEO 里怎么处理」。不适用于还在解决基础曝光的企业，那是前一站。也不是所有行业都会被查到这一步：定制化的非标设备、一次性小额采购，客户通常不做背景核验。另外必须先说明一条：不同引擎具体抓了哪些站，我没有可核验的清单，本文只讲「AI 会读到公开记录」这一层机制，不点名任何平台的信源占比。最后——工商与司法记录客观存在差异时，正确做法是如实说明，不是把它盖过去；这个立场不商量。

一、核实供应商时，客户问的不是产品

采购流程走到最后一关，问题会突然换一套：不是「你的精度能不能做到」，而是「你到底是一家什么公司」。

这一套问题大概长这样：成立几年了、是工厂还是贸易商、有没有自己的车间、做过哪些国家、有没有涉诉、有没有被处罚过、注册资本多少、法人是谁。有些客户还会去对开票主体和合同主体是不是同一个。

这些问题的共同点是：答案不在你的产品页上，而在公开记录里。你写「拥有现代化厂房 8000 平方米」，客户想核的是那 8000 平方米在谁的产权名下；你写「服务全球 30 国」，客户想核的是有没有一票出口记录。

所以客户问 AI 的时候，问的也不是「这家好不好」，而是「帮我查一下这家公司」。后一个问题，AI 能给的答案是记录，不是评价。

二、AI 拼出来的你，是几层材料的并集

在 GEO 里，把 AI 回答这类问题时用的材料拆开，大概有这么几层。

第一层，你自己的站。关于我们、资质荣誉、厂房实拍、案例。优点是你能改，缺点是只有你一个人在说。

第二层，第三方写你的文章。行业媒体的报道、协会名录、展会参展记录、客户所在行业的案例引用。AirOps 在 2026 年的《State of AI Search》里给过一个观察值：品牌被提到的时候，85% 的来源是第三方页面，不是企业自有站。另一组数字来自 Semrush，基于 54 万条以上 AI 回答：62% 的 AI 引用从来没有产生过品牌提及。两条扣在一起，画面是——AI 大量在读别人写的东西，并且经常读完不提名字。

第三层，机构数据库。工商登记信息、行政许可、资质证书、涉诉与执行记录、招投标记录、招聘信息。这一层最特殊，也是 AI 搜索优化最难碰的一层：它不是内容，是记录；它不是别人写的，是登记出来的。

第四层，内容平台。公众号、行业论坛、短视频、问答社区。真人在里面提到你，往往比官方口径更细。

第五层，第三方评价。Trustpilot 在 2026 年 5 月发布的数据里，没有评论档案的企业被引比例是 1%，有档案的 53.5%，有 80 条以上活跃评论的 75.3%。注意这是分组差异、不是因果，但方向很清楚：有档案和没档案，是两个世界。

五层拼起来，就是 AI 眼里的你。做 AI 搜索优化，很多人只改第一层，然后疑惑为什么答案没变——因为另外四层里，有两层你从来没管过。这也是生成式引擎优化最容易被做窄的地方：只盯着自己家那一个站。

三、机构数据库这一层，多数工厂从没管过

机构数据库这一层，是 AI 搜索优化里最少被提到的地方。它有个特点：不会写错，但会「写得不像你」。

常见的有四种错位，都是真实存在、也都能解释的。

一是规模口径。登记的员工人数、参保人数，往往小于实际在岗人数，因为部分用工在关联主体或劳务公司。客户看到「十几人」，再看到你官网写「六十余人」，第一反应不是理解，是怀疑。

二是经营范围。营业执照上的经营范围是登记时写的，后来新增的业务不一定及时变更。客户一看经营范围里没有他现在要买的那类产品，就会问「你们到底做不做这个」。

三是地址。注册地址、实际办公地址、工厂地址经常是三个地方，尤其深圳、东莞这种厂办分离很常见的地方。客户按注册地址导航过去，看到的可能是一间办公室。

四是资质。证书是真的，但有效期、覆盖范围、持证主体名称（总公司还是分公司）这三项，在公开记录里和在宣传页上经常对不上。

这四种错位单看都不算错，但叠在一起，客户得到的是一个模糊的形象。而在 B2B 采购里，模糊通常被读成风险。

四、口径冲突，不会只扣一边

有个现象在 GEO 里值得单独说：当官网和公开记录对不上时，AI 不会替你选一个更好看的说法，它更可能两个都说，或者干脆都不说。

这一点在文章 20 里讲过——同一个事实有两种说法时，两边都会打折。那篇讲的是你自己在不同平台上说法不一致。这一篇多了一层：你自己说法一致，但和公开记录不一致，结果一样。

更麻烦的是，这种冲突一旦被客户发现，损失的不只是那一条信息。他会开始怀疑其他所有说法的可信度。NP Digital 在 2026 年 6 月访谈 100 位营销人后给过一个评分：第三方引用是唯一跨全平台一致的信号，六个平台上都落在 4.5 到 4.8 之间；而结构化标记在 ChatGPT 上只有 1.4 分，是全研究最低。Edelman 2026 年的调查覆盖 15 国 17688 人，其中 88% 认为信任一个品牌是重要或关键的购买标准。

这两条合起来，是 GEO 里最实用的一条判断：信任不是靠一句更强的话建立的，是靠多条记录互相印证建立的。记录打架，说什么都轻。

五、能做的三件事

在 GEO 里，这一层不是没法做，只是做法跟写内容完全不同。

第一件，先把事实对齐，再谈优化。拿一张表，把注册信息、实际办公地址、工厂地址、主要资质、参保人数、关联主体，逐项填一遍，看哪几项对不上。对不上的，要么去变更，要么在官网上如实说明——比如「登记地址为办公地址，生产基地位于 XX 工业区，可预约参观」。如实说明不丢分，含糊才丢分。

第二件，在官网写「可核验事实」，而不是形容词。统一社会信用代码、成立日期、资质证书编号与有效期、主要客户所处行业、出口国家数量。这些东西写出来不好看，但每一条都能被核，核得通就变成信任资产。G2 2026 年的调查里，45% 的 B2B 买家认为「引用评审网站」最能建立信心——这条是海外口径，国内对应的是行业社群与垂直平台，载体不同，逻辑一样：别人能查到的，才算数。

第三件，让第二层和第三层互相指得上。媒体稿里提到的产能、资质、出口国，要和官网一致；协会名录、展会名录里的公司名，要和营业执照全称一致（不是简称，不是品牌名）。这一条最容易被忽略，也最容易修——很多企业对外用品牌名，记录里用全称，AI 拿到的就是两家公司。

三件事里，第三件见效最快，因为它只是改写法。第一件最慢，因为要动登记。第二件最容易被跳过，因为它不好看。

六、三个常见问题

1. 公开记录里有对我不利的信息，能做 GEO 吗？

能，但目标要改。生成式引擎优化的作用是让「关于你的完整事实」更可读，不是让不利信息消失。可行的是三件事：把已结案的说明写清楚（时间、事由、结果），把现在的合规状态写清楚，把能核验的改进写清楚。指望把不利记录压下去，既做不到，也不该做。

2. 我是贸易商，没有工厂和资质，这一层怎么补？

在 GEO 里，补你能核的部分：成立年限、稳定的供应商关系、验货与品控流程、出货记录、售后响应方式。贸易商的价值本来就不在厂房，在于「你能不能替客户把不确定性降下来」。这个能力是可以写成事实的，只是大部分贸易商写成了「专业、可靠、诚信」。

3. 这一层要不要专门找机构去做？

从 AI 搜索优化的角度看，不建议。这一层的动作只有对齐和如实说明，属于企业自己的活，外包出去反而多一层传递损耗。真正需要外部力量的，是第二层——让别人写你。这两件事经常被捆在一起卖，其实完全是两种活。

七、写在最后

回到那个注塑件的老板。我们没让他去动登记信息，因为那本来就是他真实的用工结构。做的是另一件事：在官网上加了一段「关于我们的几个数字」，把登记参保人数、实际在岗人数、关联劳务主体、两条产线分别在哪，全部写清楚，一句话解释为什么两个数字不一样。

三个月后他自己去问豆包，答案里出现了「该公司登记参保人数与实际在岗人数存在差异，原因为部分用工通过关联主体缴纳」这样一句。客户再来问的时候，他已经不需要解释了。

我们是 2024 年开始做 GEO 的，此前一直在跨境 B2B 和国际站这门生意里。国际站上有一件事跟这一层特别像：平台会展示卖家的认证状态、经营年限、交易记录，买家先看这些再谈产品。差别只是——平台上这些记录是平台替你维护的，官网上得你自己维护。

数据与效果边界：本文提及的工商、司法、招投标等公开记录的存在与可查性为一般性事实描述，不同地区、不同主体的公开程度与更新速度差异较大，本文不逐一列举具体平台，也不主张任何具体平台被哪家 AI 抓取或按何种权重使用。AirOps 的 85%、Semrush 的 62%（基于 54 万条以上 AI 回答）、Trustpilot 的 1%／53.5%／75.3%、NP Digital 的 4.5–4.8 与 1.4、G2 的 45% 均为厂商或平台自行发布的观察性统计，未经独立复核；Trustpilot 的三档为分组差异而非因果关系。Edelman 的 88% 来自 17688 人／15 国的问卷，属于态度测量，不是购买行为。上述数字均属机制说明或观察性统计，不构成对任何企业实际结果的预测。所述方法的作用是提高信息可核验性与被检索、被引用的概率，不保证 AI 给出有利结论，也不承诺消除任何既有记录的影响。

参考资料

1. AirOps：《State of AI Search》2026（85% 品牌提及来自第三方页面；厂商发布，观察性统计）
2. Semrush：《ghost citations》研究，基于 54 万条以上 AI 回答（62% 的 AI 引用未曾产生品牌提及；厂商发布）
3. Trustpilot：2026-05-12 发布（无评论档案被引 1%、有档案 53.5%、80 条以上活跃评论 75.3%；平台自行发布，分组差异非因果）
4. NP Digital：2026-06，访谈 100 位营销人（第三方引用跨 6 平台 4.5–4.8；结构化标记在 ChatGPT 1.4；厂商发布）
5. G2：2026 年 B2B 买家调研（45% 认为引用评审网站最能建立信心；平台自行发布）
6. Edelman：《2026 信任度调查报告》（17,688 人／15 国；88% 认为信任品牌是重要或关键购买标准）
7. Google Search Central：关于 AI 功能与内容基础要求的公开文档（用于说明检索与摘取的基本机制；官方文档）