刘宇 · Tianwen SEO Research 研究笔记本
制造业 B2B 在 AI 搜索里的可见度：数据和做法
制造业的搜索词长得不像消费品的词。它们专业、具体、量小，但每一个都贴着采购决定。谁把这些词写清楚，谁就在 AI 的答案里占位。
先带走这几个判断
- Semrush 2026-09-08 专门发了《AI search & manufacturing SEO: What the data shows》，把制造业从通用 SEO 讨论里单独拎出来看。
- 我没有拿到他们的原始数据表，所以本文不引用具体百分比，只采纳他们提出的问题：制造业的搜索行为需要单独分析。
- 我方拆解了 12 家同行的 53 个非品牌词，结论很冷：所谓“前十没有强站”的可打词，数量是 0。
- 中文实测里，技术类查询的 AIO 触发率是 62.9%，低于教程词的 96.7%，说明专业内容还没被摘要吃干。
- 工厂的突破口是做具体工况和参数边界，而不是和目录站抢泛词。
权威站最近测到了什么？
Semrush 在 2026-09-08 发了一篇《AI search & manufacturing SEO: What the data shows》。这个选题本身就值得注意——他们没有把制造业混在通用 B2B 里，而是当成一个有独立规律的行业来测。
我手上只有标题和方向，没有他们的原始数据表，所以这里不引用具体百分比。我采纳的是他们提出的问题：制造业的搜索行为、采购路径和信息需求，和消费品不一样，用同一套选词和内容模板去套，结果会失真。这个提醒对外贸工厂尤其重要，因为大多数 SEO 教程是写给电商和 SaaS 的。
把这条和另外两组公开数据放一起，方向更清楚。Semrush 在 2026-07-02 测到 AI Overview 正在向商业意图查询扩张；Ahrefs 在 2026-10-12 的 1500 万查询研究里说明，一次提问会被拆成多路子查询。对制造业来说，这意味着采购问一句“这种工况用什么材质”，后台可能在找材料、工艺、寿命、成本几条线，而每条线都可能是你被引用的入口。
制造业的 AI 搜索有什么不一样？
第一，问题更长更窄。消费品问“哪个好”，制造业问“304 和 316 在海水环境里哪个更合适、成本差多少”。长问题对内容的要求更高：你得同时讲材料、工况、寿命和预算，还要给出适用边界。
第二，决策链更长。一个采购可能要先去问 AI，再去 Reddit 或行业论坛看真实反馈，最后才联系供应商。据 Ahrefs 2026-07-27 的研究，Google 的论坛类结果里 83.9% 出现 Reddit，说明“真实经验”在搜索里权重很高。制造业的技术讨论恰恰在论坛里最活跃。
第三，目录站占位严重。搜索一个通用品类词，排在前面的常常是 B2B 平台和行业目录，不是工厂官网。工厂想赢这一层很难，但换成具体工况词，目录站往往没有对应内容，这就是空隙。选词思路可对照竞对与关键词调研。
我们拆了 12 家同行，看到了什么？
我做了一轮竞对拆解，选了 12 家同行，提取出 53 个非品牌词，逐个看搜索结果前十的构成。原本以为能找到一批“前十没有强站”的词，结果数量是 0。要么被平台和目录占住，要么被两三家老站长期把守。完整记录在实测研究与方法记录。
这个结果听起来悲观，但它把方向指清楚了：正面抢泛词没有胜算。真正有空隙的是长尾的具体问题，尤其是带工况、带故障、带对比的问题。这类词的搜索量小，前十的构成也杂乱，反而给了工厂内容机会。
另一个可用信号来自我们 500 条中文查询的 AIO 实测：技术类查询的 AIO 触发率是 62.9%，明显低于教程词的 96.7%。这说明技术类问题还没有被 AI 摘要完全包掉，用户仍然需要点进来源核对。对做专业技术内容的工厂，这是一个还没关上的窗口。可对照产品与方案类查询的可见度做法一起规划。
工厂该选哪类词？
| 词类 | 例子 | 竞争 | 建议 |
|---|---|---|---|
| 品类泛词 | CNC machining service | 极高，平台占位 | 不主攻，做一页hub即可 |
| 工艺词 | 五轴加工能到什么公差 | 中等 | 重点做，附参数区间 |
| 工况词 | 海水环境用什么材质 | 低 | 优先做，一篇一场景 |
| 故障词 | 铸件气孔怎么排查 | 低 | 优先做，写真实处理过程 |
我的排序是工况词和故障词优先。原因很实际：这两类问题只有真正做过的人才答得上，AI 也编不出细节，目录站更没有动机去写。你写一篇“某类铸件气孔的三次排查过程”，就是天然独有内容。
工艺词是第二梯队，因为它带参数，适合做对比表。品类泛词放最后，做一页把品类说全，承担被导航和被链接的功能就够了。整体框架可参考B2B 外贸的 AI 搜索可见度。
页面怎么分工？
一页只回答一个问题
把“气孔怎么排查”和“气孔怎么预防”分成两页，别合成一篇大文章。AI 抽取答案时偏好边界清楚的页面，读者也更容易找到自己要的那段。结构怎么写，我在页面结构与引用概率里拆过。
产品页放参数表，博客放判断
产品页承担规格和询盘，把参数、材质、公差、交期写全。博客承担判断，比如两种工艺怎么选、报价差异来自哪里。两者互相链接，别让产品页变成技术论文，也别让博客接询盘。
每页留一个能对上的证据
照片、检测报告、设备清单、交期记录，任选一样。制造业买家对图片和数据的信任远高于文案。英文站尤其要注意，别只写中文再机翻。写法可参考外贸英文站被 AI 引用的做法。
低成本落地清单
三步，不用新工具，两周内能出第一批内容。
- 从车间收集 20 个真实问题：让业务和工程各列十个客户问过的问题，只写原话，不美化。
- 按工况和故障优先排序：挑出十个只有你们答得上的，先写前三个。
- 每篇配一张现场图和一个数字：图必须是自己拍的，数字必须是真实的，别用素材库。
做完这一轮，你会有三页别人抄不走的内容。想系统监测它们有没有被 AI 引用，可以看AI 可见度监测检查清单。
老板最常追问的几个问题
制造业做 AI 搜索，和普通 SEO 有什么不同？
需求更集中在具体工艺、参数和工况上，问题更长、更专业。通用 SEO 的选词思路套过来，往往会选到没有采购含义的词。
我们的词都很专业，搜索量很低，值得做吗？
值得。专业词的搜索量低，但每一个搜索背后都接近采购决策。十个低量高意图词，通常比一个泛词更有价值。
为什么 AI 回答里总是那几个大品牌？
大品牌的公开信息多、口径统一，模型更容易引用。突破口不在正面竞争，而在它们写不清的具体工况和参数边界。
没有技术团队，怎么把参数写清楚？
让车间和工程的人口述，市场的人整理成问答。一篇只回答一个问题，附上适用条件，这比写一份完整产品手册更有效。
