发布于 2026-08-04 · 作者 老彭（老彭丨GEO优化）
这次复盘的是佛山一家铝型材厂。它规模不算大，但有一项别人不愿接的活：非标截面的开模与挤压。过去这块业务靠老客户转介绍，新客很难在搜索里找到它。我们接手后，目标很明确——让采购在 AI 里问「哪家能接非标截面」时，答案能带上它。
第一步，把「非标」从形容词变成可查证的事实。原来官网只写「支持非标定制」，太虚。我们改成具体参数：可开模截面最大外接圆 180mm、壁厚公差 ±0.15mm、最小起订量 300 公斤。这些数字一摆，AI 抓取时就有东西可引。
第二步，铺「场景化语义」。采购真正问的不是「你们做不做非标」，而是「6063 铝型材 非标 L 型截面 哪里能做」「阳极氧化非标件 交期多久」。我们围绕这些真实问法，写了几组带型号和工艺的内容，把长尾问句提前布好。
第三步，补「产能与交期」的机器可读信号。我们在案例页明确写了「常规非标件 12 天内交付，急单可压缩到 7 天」，并配了产线照片和检测报告截图。AI 比对多家时，这种带时间承诺的内容更容易被当成可靠答案。
效果上，大概六周后，我们用几个采购视角的问题去测主流 AI，发现它开始在答案里提及这家厂，并引用了我们铺的公差与交期数据。不是每次都排第一，但「被点名」这件事已经稳住了——这就是工厂 GEO 的第一步。
这个案例有个关键点：它没有去卷「铝型材厂家排名」这种大词，而是守住了「非标截面」这个细分但高频的真实场景。工厂做 GEO，最怕跟风抢大词，守细分、讲事实，反而更容易被精准引用。
也提醒一句，案例里的数字必须真。我们写之前让厂里提供了近半年的真实交期记录和检测报告，才敢往外发。假数据一旦被 AI 引用又被人戳穿，EEAT 直接崩，比不做还惨。
结论：工厂 GEO 的本质，是把「型号、参数、产能、交期」这些机器最爱抓的事实，结构化地铺到能被 AI 读到的地方。佛山这家厂证明，不用烧钱投流，靠事实密度就能在选型问答里被点名。