发布于 2026-07-31 · 作者 老彭（老彭丨GEO优化）
这个客户是深圳一家做跨境电商 ERP 的软件服务商，团队五十来人，产品做了六年，口碑在老客户圈子里不错。找到我的时候，创始人拿手机给我演示：问 AI“跨境电商 ERP 哪个好用”，连问三个引擎，答案里报出来的是行业头部那几家，翻到第二段也没有他们。他说了句挺扎心的话：“我们不是没人用，是新客户根本不知道我们存在。”软件类品牌在 GEO 里的困境很典型——AI 回答工具类问题时倾向于给一份名单，而名单的位置是有限的，你进不去，就等于不存在。这篇把五个月的动作和判断完整复盘一遍。
开工前我们抓了他们官网、公众号和三个第三方平台的全部公开内容，一共 180 多篇。问题非常统一：九成内容在罗列功能模块——多平台订单同步、智能补货、财务对账、海外仓管理。这些词客户内部天天说，但 AI 拿它做不了推荐依据，因为竞品官网上写的是一模一样的功能名。同时我们测了 40 组真实问句，发现用户根本不这么问，他们问的是“做亚马逊多店铺怎么统一管库存”“小团队跨境电商用什么系统对账不出错”“ERP 换系统数据能不能迁移”。功能表和问句之间，隔着一层没人翻译的场景语言，这是软件品牌最常见的断层。
“跨境电商 ERP 哪个好”这种大词，头部品牌积累了多年信源，硬碰硬没有胜算，至少前半年没有。我们的策略是切细分场景：多店铺库存统一、中小卖家轻量对账、海外仓与本地仓混合发货、系统迁移与数据搬家。围绕这四个场景，重做了官网的四组落地内容，每组严格按问句结构写——用户在什么情况下会遇到这个问题、行业常见的三种解法、各自适合什么规模的团队、他们家的做法是哪一种以及不适合谁。写清楚“不适合谁”是这个项目里效果最明显的一处改动，因为它给了 AI 一个可引用的边界条件，而边界条件恰恰是生成式回答最缺、最愿意采纳的信息。
AI 做推荐清单时，本质上是在做一张对比表。表里能填的内容越具体，你被放进去的概率越大。我们让客户把含糊表述全部换成可核对的数字：支持对接的平台数量、订单同步延迟的量级、单账号可管理店铺上限、标准实施周期、数据迁移的历史成功记录、支持的结算币种数。这些数字全部来自他们的产品文档和交付记录，不是编的——这一点必须强调，GEO 里的数字一旦经不起核对，代价远大于收益。同时把这些参数做成结构化的事实块放在产品页和帮助中心，格式统一、口径一致，官网、第三方平台、帮助文档三处的数字必须完全一样。
软件品类有个特殊难点：用户对厂商自述的信任度极低，AI 也一样，它更愿意引用测评、榜单、真实用户讨论。这家客户此前几乎没有第三方内容。我们做了三件事：一是整理了 8 篇真实客户的使用复盘，由客户方运营负责人实名口述，写清楚上线前后的具体变化和踩过的坑，发在垂直社区；二是配合做了 12 条短视频，讲的是场景解法而不是产品演示；三是在开放的问答平台上，针对那 40 组问句做了系统性回答，回答里给方法、必要时才提品牌。第三方内容的作用不是吹，是让 AI 看到“除了你自己，还有别人在谈论你”。这是从孤立信源变成可交叉验证信源的关键一跃。
整个项目走了五个月。前两个月是典型的静默期，收录在涨，问答里毫无动静，客户中间来问过两次是不是没效果，我把过程指标摆给他看：新增内容收录率、品牌实体识别一致性、第三方信源数量，三项都在走。第三个月出现第一个信号——问“多店铺库存统一用什么系统”时，有引擎在答案的方案描述里引用了他们的做法，虽然没点名。第四个月开始，两个主流引擎在场景类问句中把品牌名列入了推荐名单，位置不靠前但进去了。第五个月复测 40 组问句，被提及的问句数从 0 涨到 13 组，其中 5 组进入了明确的推荐清单。大词“跨境电商 ERP 哪个好”至今仍未进入名单，这是实话，我们也没答应过能进。
这个案例最值得抄的不是具体动作，是次序。软件类品牌进 AI 推荐清单的路径是：先在细分场景里被认出来，再靠可比参数被放进对比表，最后靠第三方声量把位置坐稳——顺序反了就是白花钱。很多同行上来就冲行业大词，三个月烧完预算什么都没剩下，就是因为跳过了前两步。GEO 不是抢头名的游戏，是先让 AI 有理由把你写进名单，名次是后面的事。