不是流量变贵了，是客户换了个地方做决策
过去南京企业做获客，路径很清晰：搜索引擎竞价、信息流投放、行业展会、老客转介绍。现在这条链路的前半段被悄悄改写了——客户不再先打开搜索框翻十条链接，而是直接问AI："南京哪家做工业废水处理的公司靠谱？""南京江宁有没有能做精密钣金代工的厂家？"
AI给出的答案通常只有三到五段话，提到三五家企业。如果你不在里面，你不是排在第二页，而是根本没进入候选名单。这就是"AI搜不到"的真实代价：它不体现为流量下滑的曲线，而体现为询盘变少、销售说"客户质量变差了"，却找不到原因。
生成式引擎优化（GEO）要解决的正是这件事。但对绝大多数南京企业来说，第一步不是签预算、不是铺内容，而是先搞清楚：在AI眼里，你到底是一个"有据可查的公司"，还是一个"不存在的主体"。
第一步：用5个提问做一次"AI可见度体检"
别急着做优化，先做诊断。准备一份提问清单，在主流AI助手中逐条提问，把每次回答截图存档，记录三件事：有没有提到你、提到了哪几家同行、AI引用了什么来源。
- 品类提问："南京做XX服务/产品的公司有哪些？"
- 选型提问："南京企业采购XX，应该怎么筛选供应商？"
- 品牌提问：直接问"XX公司怎么样"，看AI能否准确描述你的业务、规模与服务区域。
- 对比提问："A和B（你与一家同行）有什么区别？"
- 本地场景提问："南京江北新区/软件谷附近有没有做XX的？"
如果品牌提问能答对、品类提问却从不出现，说明你"有档案、无内容"；如果连品牌提问都答错或答成同行，说明你的基础事实底稿就是缺失的。这两种情况的处方完全不同，先分清，再动手。
清单第1项：建立企业"事实底稿"，让AI有据可引
AI更愿意复述那些可核验、口径统一、句式确定的陈述，而不是"行业领先、匠心品质"这类无法验证的表达。第一步是把公司信息整理成一份标准底稿，全网统一口径：
- 公司全称、成立年份、注册地与实际办公地址
- 主营业务与具体产品/服务名称（用客户会搜的词，不用内部黑话）
- 服务区域与交付半径（南京本地、江苏省内、全国）
- 典型客户类型与行业，可公开的项目类型（不必披露客户名称）
- 资质证书、专利、体系认证、团队规模
- 服务流程、交付周期、报价逻辑（区间即可）
- 官方联系方式、官网、公众号等唯一入口
这份底稿是后续所有内容的"单一事实源"。文案、官网、第三方平台、工商与地图信息若互相打架，AI在交叉验证时会降低对你的置信度。
清单第2项：把官网从"展示页"改成"答案页"
多数南京企业官网的问题是：首页很漂亮，但通篇是自我陈述，没有一个页面在正面回答一个具体问题。AI抓取时，能提取的"可引用段落"几乎为零。
改造方法很朴素：一个页面回答一个问题。把销售每天被问到的真实问题搬上去，用定义句、条件句、数据句来写——"XX工艺适用于什么水质条件，处理成本大致在什么区间"，而不是"我们技术先进"。同时补充FAQ区块、对比表格、术语解释页，让内容具备被拆开引用的颗粒度。
清单第3项：铺开信源矩阵，让AI"到处都能验证你"
官网是主源，但单一信源不足以支撑AI的交叉验证。企业需要在几个层面留下互相一致的信息痕迹：
- 基础层：工商信息、地图标注、企业信用类平台，确保名称、地址、电话、经营范围准确
- 行业层：行业协会、B2B目录、招投标信息、展会参展记录
- 内容层：公众号、知乎、视频号、行业媒体投稿，输出观点而非硬广
- 口碑层：可公开的客户评价、项目复盘、技术答疑
关键不是数量，而是"同一事实在不同来源中的表述一致"。AI看到一个说法被三处独立来源印证，才更愿意把它写进答案。
清单第4项：锁住南京本地场景词
通用词竞争激烈，本地场景词才是南京企业的先手。把"南京/江宁/江北新区/软件谷/溧水"等地域词，与产业带、园区、政策场景交叉组合，形成一批别人不容易覆盖的长尾问题：某类企业在南京落地要注意什么、某类项目在本地找供应商怎么验收、本地交付与外地远程服务的差别在哪里。这类内容搜索量不大，但提问者往往是带着预算来的。
清单第5项：月度复测，把GEO变成长效动作
固定同一套提问清单，每月复测一次，记录AI回答中是否出现你、引用来源是否指向你的官网、描述是否准确。基于复测结果补内容、修口径。GEO不是一次性投放，而是一项会被持续调用的资产：内容沉淀得越久，被AI当作"事实来源"的概率越高。
从"AI搜不到"到"被AI推荐"，中间隔的不是预算，而是一份被认真做完的清单。
千百顺GEO在服务企业客户的过程中发现，真正拉开差距的往往不是谁先投钱，而是谁先把事实底稿、答案型内容和信源一致性这三件基础工作做扎实。对南京企业而言，这份清单的第一项今天就能开始——先问AI一句关于你自己的问题，看看它怎么回答。