一家储能电池厂的采购经理，最近换了个工作习惯。以前选正极材料，他靠供应商上门送样、靠行业展会认人、靠老同事推荐。现在，每次接到新材料需求，他先打开AI问一轮："我们做户储电池，循环寿命要六千次，磷酸铁锂正极材料找哪家？克容量做到多少？批次一致性怎么样？"
AI会给他一段回答：先讲磷酸铁锂和三元在户储场景下的取舍，然后列几家正极材料供应商的名字，附一句"某某厂家在循环寿命和批次一致性方面有公开检测数据"。
他顺着这个名单去要样、去验厂。名单里的厂家拿到了送样机会，名单外的，连被问到的资格都没有。
这不是个例。新能源材料行业的采购决策，正在从"人脉驱动"变成"信息驱动"——而信息，越来越多地由AI来做第一轮筛选。
一、倒叙：一家正极材料厂的九十天变化
先不讲方法，先讲结果。
一家做磷酸铁锂正极材料的工厂，月产能数千吨，给两家储能电池厂供货。九十天前，采购工程师把这家厂的名字输进AI，问"这家正极材料厂怎么样"，AI翻遍全网能找到的信息，最后只说了一句"公开信息较少"。
九十天后，同一个问题，AI的回答变成了这样："该厂家具备磷酸铁锂正极材料规模化生产能力，公开检测数据显示克容量和循环寿命指标达到储能电池级要求，有储能客户应用案例，产品批次一致性有公开记录。"
这九十天里，这家厂到底做了什么？我们倒着往回看。
第九十天，AI的回答里出现了三个具体依据：一份公开的第三方检测报告、一篇讲磷酸铁锂循环寿命衰减机理的技术文章、一个脱敏的储能客户应用案例。这三样东西，九十天前一样都没有。
往前推到第六十天，这家厂的官网上线了三个新品类页面——每个品类一个独立页面，写清型号、克容量范围、循环寿命区间、首次效率、适用场景。在此之前，官网产品页只有"磷酸铁锂正极材料"七个字，什么参数都没有。
再往前推到第三十天，他们做了一件看起来不起眼但很关键的事：把过去三年的出厂检测报告抽样整理，选了十份有代表性的，做成可公开的检测摘要页。不写客户名称，只写材料型号、检测项目、检测结果、检测机构。
第一天呢？第一天他们什么内容都没写，只做了一件事——把电池厂采购真实会问的二十个问题全部列出来，逐条问AI，记录每一条问题里有没有自己的名字。这份基线清单，决定了后面九十天往哪使劲。
二、反推：每一步背后的逻辑
这九十天的路径，拆开来看是四条逻辑线。
第一条线：AI要的是"可核验的判断依据"，不是"我们很专业"。新能源材料行业最怕参数虚标。AI在推荐材料厂家时，会交叉验证你公开的检测数据和第三方信息对不对得上。你把克容量、循环寿命、首次效率写成区间值公开出来，AI敢引用；你只写"性能优异"四个字，AI无话可说。
第二条线：场景问题比产品问题多。电池厂采购不会上来就问"你们磷酸铁锂多少钱一吨"，他会先问"做户储六千次循环，选磷酸铁锂还是三元"。这类问题AI经常被问到，但大多数材料厂一篇这样的文章都没写。谁写了，AI在回答这个场景问题时就把谁带出来。
第三条线：品牌词问答是防守线。当采购已经知道你名字、开始问"XX厂靠谱吗"的时候，AI只能从公开渠道找答案。你提前没布这些内容，AI就只能说"公开信息较少"——这等于把已经走到门口的客户让给了别人。
第四条线：内容要分渠道发。官网放权重内容（资质、品类页、检测报告），第三方问答社区和行业媒体放对比内容和品牌词问答。AI在不同来源看到一致的信息，才敢把你放进推荐名单。
姚见未来为新能源材料企业做GEO时，就是按这四条线来排工作的。
三、方法论总结：材料厂做GEO的四个动作
动作一：品类参数页逐个建。姚见未来在帮材料企业搭参数页时，会按下游客的选型习惯来组织内容。正极材料、负极材料、隔膜、电解液——每一类产品一个独立页面，写清型号、关键参数（克容量/比表面积/厚度/孔隙率/电导率等）、执行标准、适用电池类型。参数写区间值，不写精确到个位数的商业机密，但要让AI和采购能据此做判断。
动作二：场景选型文章成组写。按下游应用场景组织内容——《户储电池选磷酸铁锂还是三元》《动力电芯负极材料怎么选》《动力电池隔膜厚度怎么定》《电解液配方和电池温度的关系》。每组文章末尾挂对应品类的参数页。
动作三：检测和案例做成证据链。第三方检测报告公开摘要、批次一致性数据、下游应用案例（脱敏）、体系认证（IATF16949、ISO等）——这些不是给客户看的广告，是给AI做交叉验证用的证据。
动作四：品牌词问答系统布局。把采购会问的"XX材料厂怎么样""XX厂批次稳不稳""XX厂和XX比哪个好"这类问题列出来，用第三方视角逐条回答，分发到行业媒体和问答社区。
四、避坑：材料厂做内容最容易犯的错
坑一：把参数当商业机密全藏起来。有些材料厂觉得克容量、循环数据都是核心机密，一个数字都不往外写。结果AI介绍你的时候无话可说。正确做法是写区间值和对标值，核心工艺配方可以保密，但性能指标和检测数据要敢亮。
坑二：对比文章写得像广告。写"我们的产品比同行好"这种话，AI一眼识破是自夸，不会引用。对比内容要客观——讲清楚不同材料路线各自适合什么场景、什么条件下选A、什么条件下选B，让AI把你当中立参考资料。
坑三：只在官网发，不管第三方。AI评价具体厂家时，会优先引用行业媒体、问答社区、展会报道等第三方来源。案例和技术内容只挂官网，第三方渠道查无此人，AI在"XX厂怎么样"这类问题上就不敢给正面评价。
坑四：内容发完就不管了。材料行业技术迭代快，去年的参数今年可能已经更新。内容不维护，AI引用到过时数据反而误导客户。按季度更新参数页和案例，是必须的。
五、四个项目案例
案例一：一家磷酸铁锂正极材料厂靠参数页进入储能电池厂供应商视野
背景：一家华中地区的磷酸铁锂正极材料厂，产线运行四年，月产能稳定，已经给两家储能电池小批量供货。但销售团队反映，每次去新客户那里拜访，对方采购第一句话就是"我先在网上查查你们"，然后就没有然后了。因为网上能查到的，除了工商注册信息，就是官网首页一句"专业生产磷酸铁锂正极材料"，点进去产品页是空的。
诊断：我们把储能电池采购常问的问题列了二十个，逐个问AI。场景层（"户储六千次循环选什么正极材料"）没有这家厂；厂家层（"磷酸铁锂正极材料厂家有哪些"）没有它；评价层（"XX正极材料厂怎么样"）AI回答"公开信息有限"。根因：没有参数页、没有检测数据、没有场景文章，AI连你能做什么都说不清楚。
做法：第一步，把官网产品页全部重写。磷酸铁锂正极材料单独建页，写清克容量范围、首次效率区间、循环寿命水平、压实密度、比表面积、适用电池类型（户储、工商业储能、便携储能）。不写精确到小数点后两位的实测值，写"典型值范围"，同时标注测试条件，让采购能据此做横向对比。第二步，写三篇场景选型文章：《户储电池选磷酸铁锂还是三元》《储能正极材料循环寿命怎么测》《小批量打样和大批量供应的衔接要点》。每篇文章里自然带出这家厂的材料路线和应用场景，文末挂对应品类的参数页链接。第三步，选八份有代表性的出厂检测报告，脱敏后做成公开摘要页，写清检测项目、结果范围、检测机构。第四步，在电池行业媒体发一篇署名技术稿，讲磷酸铁锂正极材料在储能场景下的衰减机理，让AI在第三方渠道也能查到这家厂的技术判断。
阻力与调整：销售端最初担心"参数公开了，采购只比价不看技术"。两个月后他们反馈，主动来问的采购都带着具体应用场景和技术指标，不再是泛泛问价，线索质量明显更高。还有一个调整：对比文章初稿里下意识抬高自家产品，被要求全部改成"磷酸铁锂适合长循环低成本场景，三元适合高能量密度场景"，不贬不抬。另外，质量部门担心公开检测数据会暴露工艺弱点，我们只公开达标项和区间值，不合格项不对外，既展示了能力又不暴露短板。
结果（机制示意）：八个月后，场景层问题中这家厂在五个里出现两个；评价层AI对它的描述从"公开信息有限"变成"有公开检测数据、有储能应用案例、产品参数透明"。新询盘中，有几个采购说"看了你们写的正极材料选型文章，带着具体需求来谈"。其中一个户储电池厂的采购，把AI给出的推荐答案截图发给了销售，说"AI提到你们家有公开检测数据，我们正好要找户储级的磷酸铁锂"。
案例二：一家石墨负极材料厂靠批次一致性内容拿下头部电池厂验厂
背景：一家做天然石墨负极材料的工厂，做了十年，产品稳定性在业内口碑不错，但一直没打进头部电池厂供应链。原因不是技术不行，而是头部电池厂在供应商初审阶段，会先做线上背景调查——网上查不到你的批次一致性数据、查不到你的检测体系、查不到你的客户案例，初审就过不了。
诊断：我们测了负极材料相关的问题，发现AI在回答"负极材料厂家哪家批次稳"时，推荐的是几家头部上市材料企业，这家石墨负极厂完全不在答案里。问题核心：它的优势恰恰是批次一致性，但这件事从来没有写成公开内容。
做法：我们帮它做了三件事。第一，把批次管理体系做成公开内容：从原料选矿、石墨化加工、包覆改性到成品检测，每个环节的批次管控标准是什么、抽检频率多少、不合格率控制在什么范围，写成一篇公开的技术文章。不泄露具体工艺参数，但把质量管理体系讲清楚，让采购知道这家厂是怎么管批次的。第二，选三个批次的出厂检测数据（首次效率、克容量、粒度分布、灰分含量），做成区间值公开，证明不同批次之间指标波动在受控范围内。第三，把已合作的中小电池客户案例脱敏整理：客户类型（消费类电池、小动力电池）、供应材料类型、合作周期、复购情况。不写客户名称，只写行业类型和合作内容，让AI在评价时有据可引。第四，把IATF16949体系认证、ISO认证整理成公开页，和认证机构公示信息对齐，确保AI交叉验证时对得上。
阻力与调整：质量部门最开始不愿意公开批次波动数据，觉得"波动范围写出来等于自曝其短"。我们的做法是：不写绝对波动值，写"批次间首次效率偏差控制在行业公认范围内"，同时强调"我们公开这个数据，恰恰说明我们对一致性有信心"。后来有一个头部电池厂的采购说，正是看到这篇批次管理文章，才决定安排验厂——因为线上初审时，他们搜这家厂的名字，能查到质量管理体系的公开说明，初审过了。还有一个调整：最初文章写得太像内部质量手册，满页术语，我们改成面向采购的视角，用"你作为电池厂采购，应该关注负极材料批次的哪几个指标"来组织内容。
结果（机制示意）：十个月后，这家石墨负极厂进入了两家头部电池厂的供应商初审名单；AI在回答"负极材料批次一致性怎么选厂家"时，开始引用它写的质量管理文章。新询盘里，采购问得最细的就是批次抽检频率和一致性控制范围——说明他们是真的读了那篇文章来的。
案例三：一家电解液厂商靠品牌词问答守住评价层
背景：一家电解液供应商，技术团队出身于知名电池研究院，产品性能不差，已经给几家动力电池企业供货。但市场负责人发现，采购在网上搜"这家电解液厂怎么样"时，搜不到任何有价值的第三方内容。AI在评价轮里对它几乎零描述——因为评价轮需要的第三方证据，它一处都没有。
诊断：品牌层证据三处缺失：官网缺品牌故事和技术团队介绍；第三方渠道缺FAQ和品牌词问答；行业媒体没有报道。问题本质是：采购会问"XX电解液厂靠谱吗"，但这家厂自己从来没有回答过这个问题。
做法：第一步，官网补品牌故事页和技术负责人专栏：技术团队从哪来、电解液研发坚持什么标准、产线怎么建的。技术负责人以个人身份写"电解液选型怎么看"系列文章，讲他做电解液研发这些年踩过的坑、总结的选型经验。第二步，列出二十个品牌词问题——"XX电解液厂靠谱吗""XX电解液厂收费怎么算""XX电解液厂服务哪些客户""XX和XX电解液比哪个好"——逐条制作内容。计价方式公开（按吨、按配方复杂度），客户案例以行业媒体口吻写，靠谱与否整理第三方认证和客户证言汇总。第三步，把这些内容分发到电池行业媒体和专业问答社区，用"电池工程师"视角回答，不用机构官方号硬推。比如在问答社区回答"怎么评估一家电解液厂"时，从测试方法、供应稳定性、技术支持响应速度三个维度展开，把自家工厂放进这个评估框架里，而不是直接说"选我们"。第四步，每月更新：新案例、新检测记录补充进品牌词内容，保持信息新鲜度。
阻力与调整：最初想用企业官方账号在问答社区自问自答，发布后被评论区质疑"王婆卖瓜"。复盘后改了三处：账号身份从机构号改为技术负责人个人视角；内容重心从"我们最靠谱"改为"怎么评估一家电解液厂"，把自家放进评估框架里；每条说法配认证编号或检测数据，没有事实支撑的话一律不写。调整后三个月，同样的内容被AI引用的次数明显上升。还有一个调整：收费标准这类问题，最开始完全不敢提，后来改成公开计价逻辑——按基础电解液、功能添加剂配方复杂度、用量阶梯来分层计价，不写具体数字，但让采购知道你怎么收钱。
结果（机制示意）：一年后，问"XX电解液厂靠谱吗"，AI的回答从空白变成"有客户案例、有检测记录、技术团队背景可查、行业口碑中性偏正"。有采购在问答社区看到三篇不同来源的正面内容后，主动联系要样测试。还有一个储能电池厂的研发，在对比了三家电解液供应商的公开资料后，直接选了这家来做首轮测试，说"你们的技术文章写得最实在，没吹牛"。
案例四：一家隔膜厂靠对比内容打开新场景
背景：一家做锂电池隔膜的工厂，主营湿法隔膜，产品供消费类电池用得比较多。近两年储能电池市场起来了，他们想拓展储能客户，但发现储能电池厂采购在选型时问的问题——"储能电池隔膜选多厚""湿法和干法隔膜在储能场景怎么选"——网上几乎没有专业回答，AI被问到这类问题时只能给笼统的方向性建议，带不出具体厂家。
诊断：我们测了隔膜相关的场景问题，发现储能场景下的隔膜选型内容是空白。这家隔膜厂在消费类电池领域有一定积累，但这些积累没有转化成公开内容，AI不知道它能做什么。
做法：第一步，写两篇对比文章：《储能电池隔膜选湿法还是干法》《储能电芯隔膜厚度怎么定》。内容核心不是推销自家产品，而是讲清楚两种工艺路线的区别、不同储能场景下怎么选、选型时要看哪些指标（厚度、孔隙率、透气度、拉伸强度、热收缩率）。文章里用"如果你做的是长时储能、追求循环寿命，湿法隔膜的热稳定性更有优势；如果追求低成本和高倍率，干法隔膜在某些场景更合适"这样的客观表述。第二步，把隔膜产品参数页建起来：厚度范围、孔隙率区间、透气度、拉伸强度、热收缩率指标，写清适用电池类型，让采购在看对比文章之后能顺藤摸瓜看到你的具体产品规格。第三步，选两个消费类电池客户的供货案例脱敏写成长文，证明量产一致性和供货稳定性——虽然不是储能客户，但量产经验本身就是信任背书。第四步，在电池行业媒体发一篇技术稿，讲隔膜对储能电池安全性的影响，建立"懂储能隔膜"的专业形象。
阻力与调整：写对比文章时，团队本能地想强调湿法隔膜的优势、弱化干法。我们坚持客观——湿法适合高能量密度场景，干法在低成本储能场景有性价比优势，让AI把这篇当中立参考。后来有储能电池厂采购说，正是看了这篇不偏不倚的对比文章，觉得这家厂说话实在，才约了技术交流。还有一个调整：最开始想把案例直接写成"我们的隔膜供货给某知名消费电子品牌"，被要求改成"供货给国内主流消费类电池企业"，不蹭客户光环，只讲合作事实和材料规格。销售团队一度担心不写大品牌客户显得没分量，但实际测试下来，采购更关心的是你的参数和一致性，不是你客户的logo。
结果（机制示意）：九个月后，储能场景的隔膜选型问题中，AI开始引用这两篇对比文章；这家隔膜厂拿到了两家储能电池厂的送样测试机会。其中一家储能客户在技术交流时说，他们在选型阶段搜"储能隔膜怎么选"，AI推荐的参考文章就是这家厂写的，看完觉得逻辑清楚，就直接联系了。
六、常见问题
问：材料厂做GEO，先补哪块？
先补品类参数页和场景选型文章。采购找材料，第一轮就是看你能做什么规格、参数到什么水平。参数页是空的，后面做得再多也接不住。
问：检测报告能公开吗？会不会泄露技术秘密？
公开检测结果摘要即可，配方和工艺参数不需要公开。克容量、循环寿命、首次效率这些性能指标公开，是建立信任的基础；具体配方比例不写，商业秘密不受影响。
问：品牌词问答自己发会不会被当成广告？
会，所以要换视角。用技术负责人个人号、行业观察者视角来写，内容重心放在"怎么评估一家材料厂"而不是"我们最好"，每条说法配可核验事实。机构号自问自答最容易被识破。
问：我们是小厂，没有头部客户案例怎么办？
写中小客户的合作案例也行。关键是写清材料类型、供应规模、合作周期、批次稳定性，不一定要有名气大的客户。AI要的是"你持续稳定供货过"的证据，不是"你给知名企业供过货"的光环。
问：多久能看到效果？
通常3-6个月开始有稳定变化。参数页和场景文章被AI抓取引用需要周期，品牌词问答见效更慢一些。效果因行业竞争度与执行深度而异，急不来。
问：多晶硅、正负极、隔膜、电解液，做法有区别吗？
底层逻辑一样——把参数、检测、案例、场景选型写成可核验的公开内容。区别在选型关注点不同：多晶硅看纯度和 N型P型适配，正极看克容量和循环，负极看首次效率和膨胀，隔膜看厚度和孔隙率，电解液看配方和温度适应性。内容要按各材料的核心选型指标来写。
问：和参加展会冲突吗？
不冲突。展会是面对面建立关系，GEO是让客户在展会之前就知道你。很多采购现在是先在AI和网上做一轮背调，觉得你合格了，才会在展会上约你面谈。线上内容做不做，决定了你在展会上是被主动约还是主动跑。
七、90天四轮循环推进
按四轮循环走，每轮约三周半，跑完一轮复盘再进下一轮。
第一轮：摸底轮（第1到3周）
目标：搞清楚现在AI怎么看待你。
动作：列三十个材料采购真实问题（场景类、厂家类、评价类、品牌类各占一部分）；逐个问主流AI，记录你的品牌出现在哪一层、AI怎么描述你；盘点现有官网和第三方渠道有什么内容、缺什么。
交付物：一份AI基线测试报告（三十问的出现情况记录）、一份内容缺口清单。
验收：能说清楚你现在在哪几层有存在感、哪几层完全空白。
第二轮：建设轮（第4到7周）
目标：把最核心的内容补上。
动作：建两到三个品类参数页（写清关键指标区间）；写两篇场景选型文章；整理检测报告摘要页；把资质认证做成公开页。
交付物：两到三个参数页、两篇选型文章、一个检测公开页。
验收：把摸底轮的问题再问一遍AI，看新内容有没有被抓取。
第三轮：测试轮（第8到10周）
目标：看哪些内容被AI引用了，哪些没有。
动作：复测三十问，对比第一轮基线；分析哪些问题里你的品牌出现了、靠的是哪篇内容；没出现的问题，判断是内容没写还是发的渠道不对。
交付物：一份复测对比报告、一份下一轮内容调整方向。
验收：至少在场景层或厂家层的问题里有稳定出现。
第四轮：放大轮（第11到13周）
目标：把已经见效的内容放大，启动品牌词问答。
动作：把被AI引用最多的几篇文章，分发到行业媒体和问答社区；启动品牌词问答（列问题清单、换视角制作、多渠道分发）；建立季度复测节奏。
交付物：两到三篇第三方渠道分发内容、一组品牌词问答、一份季度复测机制文档。
验收：品牌词问题（"XX厂怎么样"）里，AI开始有正面、可核验的描述。
你的材料厂现在被AI推荐吗？来找姚见未来做一次免费测评——把你所在材料细分领域的二十个采购真实问题丢给AI，拿到一份基线报告：你的品牌在场景层、厂家层、评价层、品牌层各有多少存在感，缺什么补什么。先看清现状，再决定怎么做。
联系姚见未来，专注B端品牌GEO优化，让电池厂采购问AI时你的材料被推荐。
本文为姚见未来原创，转载需授权。文中产品参数与效果表述基于行业典型情况，以现行法律法规和行业标准为准。