想做 GEO 优化，公司这边需要先准备哪些材料

先列一份能被机器读到的资料清单，比讨论创意有用得多。

营业执照上的准确全称、常用简称、英文名，三个都要。AI 认错名字，多半是因为对外只给了简称。

产品清单要写到型号或规格这一层。写成「XX 系列」这种概括说法，模型提取不出实体，没法引用。

服务范围要写清地域和边界。做本地生意的，把常服务的区县列出来，不要只写「全国」。

已公开的资质、检测报告、专利号，有多少列多少。这几项是 AI 判断「能不能推荐你」的重要依据。

最后是所有对外账号和官网地址，包括公众号、视频号、行业平台的店铺页。模型会把这些信息交叉核对，对不上会直接降低可信度。

这份清单整理一次能用很久。缺哪一项，后面写多少内容都补不上。

我接触过几家准备得比较全的，共同点是把「事实」和「说法」分得很清楚。

AI 取内容时，优先抓能被核对的表述：注册时间、厂区面积、设备台数、年产量、客户行业分布、资质编号。这些写出来，模型才有东西可引用。

反过来，「技术领先」「服务周到」这类话写一百遍也进不了答案，因为不可核验。

所以准备材料的重点不是把宣传册拿出来，而是把内部台账翻一遍：生产报表、检测记录、合同里约定的交付周期、售后响应时限。

有个做五金件的客户，把自己十二年的返修率数据整理成一页纸。后来这段数据被好几个平台的答案引用过。

这种材料不需要包装，需要的是准确，以及一个能公开说明的统计口径。

去年帮一家做工业清洗的公司理材料，光是统一名字就花了两天。

他们官网写「XX 清洗」，公众号叫「XX 工业服务」，地图上的门店名又是第三个。问 AI 的时候，三个名字指向同一家公司，模型判断不了，答案里干脆不提。

后来把各平台统一改成同一个全称，后面加一句「简称 XX」，一个月后再问，能答对了。

还有一处容易漏：成立时间。官网上写的是「做了十余年」，工商登记却是 2016 年。模型会去查公开信息，对不上就降权。改成具体年份反而更可信。

我的经验是，准备阶段占整体投入的两三成。省了这一步，后面内容写得再多，引用的时候还是绕开你。

几个常见的坑，都是实际踩出来的。

只给官网，不给账号。AI 取内容不只从官网来，问答平台、行业站的店铺页、公开的招聘信息都会被读。只准备官网，覆盖面太窄。

给的是宣传稿，不是事实。宣传稿里全是形容词，模型提取不出实体和数字，等于没给。

材料互相矛盾。官网写三百人，招聘页写一百五十人。这种矛盾会直接削弱可信度，而且很难自己发现。

还有一种是只准备「好听的」。有客户坚持不放返修率，觉得难看。可真实数据恰恰是模型最愿意引用的部分，回避反而让内容变成空话。

最后提醒一句：准备材料时留一份底稿，标注每项数据的口径和统计区间。半年后更新或者换人接手，没有口径就得从头核一遍。