劉宇 · Tianwen SEO Research 研究筆記本
製造業 B2B 在 AI 搜尋裡的可见度：數據與做法
製造業的搜尋詞長得不像消費品的詞。它們專業、具體、量小，但每一個都貼著採購決定。誰把這些詞寫清楚，誰就在 AI 的答案裡佔位。
先帶走這幾個判斷
- Semrush 2026-09-08 專門發了《AI search & manufacturing SEO: What the data shows》，把製造業從通用 SEO 討論裡單獨拎出來看。
- 我沒有拿到他們的原始數據表，所以本文不引用具體百分比，只採納他們提出的問題：製造業的搜尋行為需要單獨分析。
- 我方拆解了 12 家同業的 53 個非品牌關鍵字，結論很冷：所謂「前十沒有強站」的可打關鍵字，數量是 0。
- 中文實測裡，技術類查詢的 AIO 觸發率是 62.9%，低於教學類詞的 96.7%，說明專業內容還沒被摘要吃乾。
- 工廠的突破口是做具體工況和參數邊界，而不是和目錄站搶泛詞。
權威站最近測到了什麼？
Semrush 在 2026-09-08 發了一篇《AI search & manufacturing SEO: What the data shows》。這個選題本身就值得注意——他們沒有把製造業混在通用 B2B 裡，而是當成一個有獨立規律的產業來測。
我手上只有標題和方向，沒有他們的原始數據表，所以這裡不引用具體百分比。我採納的是他們提出的問題：製造業的搜尋行為、採購路徑和資訊需求，和消費品不一樣，用同一套選關鍵字和內容模板去套，結果會失真。這個提醒對外貿工廠尤其重要，因為大多數 SEO 教學是寫給電商和 SaaS 的。
把這條和另外兩組公開數據放在一起，方向更清楚。Semrush 在 2026-07-02 測到 AI Overview 正在向商業意圖查詢擴張；Ahrefs 在 2026-10-12 的 1500 萬筆查詢研究裡說明，一次提問會被拆成多路子查詢。對製造業來說，這意味著採購問一句「這種工況用什麼材質」，後台可能在找材料、工藝、壽命、成本幾條線，而每條線都可能是你被引用的入口。
製造業的 AI 搜尋有什麼不一樣？
第一，問題更長更窄。消費品問「哪個好」，製造業問「304 和 316 在海水環境裡哪個更合適、成本差多少」。長問題對內容的要求更高：你得同時講材料、工況、壽命和預算，還要給出適用邊界。
第二，決策鏈更長。一個採購可能要先去問 AI，再去 Reddit 或產業論壇看真實回饋，最後才聯絡供應商。據 Ahrefs 2026-07-27 的研究，Google 的論壇類結果裡 83.9% 出現 Reddit，說明「真實經驗」在搜尋裡權重很高。製造業的技術討論恰恰在論壇裡最活躍。
第三，目錄站佔位嚴重。搜尋一個通用品類詞，排在前面的常常是 B2B 平台和產業目錄，不是工廠官網。工廠想贏這一層很難，但換成具體工況詞，目錄站往往沒有對應內容，這就是空隙。選關鍵字的思路可對照競品與關鍵字研究。
我們拆了 12 家同業，看到了什麼？
我做了一輪競品拆解，選了 12 家同業，提取出 53 個非品牌關鍵字，逐個看搜尋結果前十的構成。原本以為能找到一批「前十沒有強站」的關鍵字，結果數量是 0。要嘛被平台和目錄佔住，要嘛被兩三家老站長期把守。完整記錄在實測研究與方法記錄。
這個結果聽起來悲觀，但它把方向指清楚了：正面搶泛詞沒有勝算。真正有空隙的是長尾的具體問題，尤其是帶工況、帶故障、帶對比的問題。這類詞的搜尋量小，前十的構成也雜亂，反而給了工廠內容機會。
另一個可用訊號來自我們 500 筆中文查詢的 AIO 實測：技術類查詢的 AIO 觸發率是 62.9%，明顯低於教學類詞的 96.7%。這說明技術類問題還沒有被 AI 摘要完全包掉，使用者仍然需要點進來源核對。對做專業技術內容的工廠，這是一個還沒關上的窗口。可對照產品與方案類查詢的可见度做法一起規劃。
工廠該選哪類關鍵字？
| 關鍵字類型 | 例子 | 競爭 | 建議 |
|---|---|---|---|
| 品類泛詞 | CNC machining service | 極高，平台佔位 | 不主攻，做一頁 hub 即可 |
| 工藝詞 | 五軸加工能到什麼公差 | 中等 | 重點做，附參數區間 |
| 工況詞 | 海水環境用什麼材質 | 低 | 優先做，一篇一場景 |
| 故障詞 | 鑄件氣孔怎麼排查 | 低 | 優先做，寫真實處理過程 |
我的排序是工況詞和故障詞優先。原因很實際：這兩類問題只有真正做過的人才答得上，AI 也編不出細節，目錄站更沒有動機去寫。你寫一篇「某類鑄件氣孔的三次排查過程」，就是天然獨有的內容。
工藝詞是第二梯隊，因為它帶參數，適合做對比表。品類泛詞放最後，做一頁把品類說全，承擔被導覽和被連結的功能就夠了。整體框架可參考B2B 外貿的 AI 搜尋可见度。
頁面怎麼分工？
一頁只回答一個問題
把「氣孔怎麼排查」和「氣孔怎麼預防」分成兩頁，別合成一篇大文章。AI 抽取答案時偏好邊界清楚的頁面，讀者也更容易找到自己要的那段。結構怎麼寫，我在頁面結構與引用機率裡拆過。
產品頁放參數表，部落格放判斷
產品頁承擔規格和詢價，把參數、材質、公差、交期寫全。部落格承擔判斷，比如兩種工藝怎麼選、報價差異來自哪裡。兩者互相連結，別讓產品頁變成技術論文，也別讓部落格接詢價。
每頁留一個能對得上的證據
照片、檢測報告、設備清單、交期記錄，任選一樣。製造業買家對圖片和數據的信任遠高於文案。英文站尤其要注意，別只寫中文再機器翻譯。寫法可參考外貿英文站被 AI 引用的做法。
低成本落地清單
三步，不用新工具，兩週內能產出第一批內容。
- 從車間收集 20 個真實問題：讓業務和工程各列十個客戶問過的問題，只寫原話，不美化。
- 按工況和故障優先排序：挑出十個只有你們答得上的，先寫前三個。
- 每篇配一張現場圖和一個數字：圖必須是自己拍的，數字必須是真實的，別用素材庫。
做完這一輪，你會有 3 頁別人抄不走的內容。想系統監測它們有沒有被 AI 引用，可以看AI 可见度監測檢查清單。
老闆最常追問的幾個問題
製造業做 AI 搜尋，和一般 SEO 有什麼不同？
需求更集中在具體工藝、參數和工況上，問題更長、更專業。通用 SEO 的選關鍵字思路套過來，往往會選到沒有採購含義的關鍵字。
我們的關鍵字都很專業，搜尋量很低，值得做嗎？
值得。專業關鍵字的搜尋量低，但每一個搜尋背後都接近採購決策。十個低量高意圖的關鍵字，通常比一個泛詞更有價值。
為什麼 AI 回答裡總是那幾個大品牌？
大品牌的公開資訊多、口徑統一，模型更容易引用。突破口不在正面競爭，而在它們寫不清的具體工況和參數邊界。
沒有技術團隊，怎麼把參數寫清楚？
讓車間和工程的人口述，市場的人整理成問答。一篇只回答一個問題，附上適用條件，這比寫一份完整產品手冊更有效。
本頁由簡體版機器翻譯，尚待人工審核。