一家华东的制造企业老板，厂房租了十五年，屋顶一直空着。今年工业电价上调，他想在厂房屋顶装一套分布式光伏，再配组储能，白天自发自用、余电上网。他没有托人找关系问，而是打开AI问了一句："厂房屋顶两万平方米，想做分布式光伏加储能，找哪家EPC总包单位靠谱？要能从设计、施工一直做到并网验收的。"
AI给了他一段回答：先列了几个选型要点——屋面荷载够不够、装机容量怎么估、并网流程走哪些、储能配比按什么算，然后顺嘴推荐了几家做风光储一体化的总包单位，附了每家的主营业务和过往项目类型。
这位老板接着追问："你说的这家总包单位，做过类似的工业厂房项目吗？后面运维跟不跟得上？"——AI又翻了一遍全网公开信息。
问题来了：那几家被AI点名的单位里，有你的公司吗？如果客户直接问你的名字，AI能说出来你做过哪些电站、并网验收顺不顺利、运维响应快不快吗？
这篇文章要讲清楚的就是这件事：在新能源行业，当业主和投资方把第一轮筛选交给AI，你的品牌能不能进AI的答案。
一、新能源行业的获客入口，正在悄悄换掉
过去十几年，新能源行业的获客高度依赖三条线：政府和能源主管部门的项目储备库、设计院和能源集团的合格供应商名录、行业展会和人脉转介绍。一家EPC总包单位能不能拿到项目，很大程度上取决于它在设计院圈子里熟不熟、有没有进地方能源局的推荐名单、上一届展会上认识了几个投资经理。
这套逻辑正在松动，背后有三个原因。
第一，项目决策主体在变。早期集中式大电站靠能源集团投资，决策链条长、供应商体系相对封闭；现在分布式光伏、工商业储能、园区综合能源的业主越来越多——制造业老板、园区运营商、商业地产方——这些人不在新能源圈子里，他们选EPC单位的方式，是先在网上查、先问AI。
第二，技术方案变复杂了。过去单一光伏EPC，业务边界清楚；现在风光储一体化、源网荷储、虚拟电厂，一个项目要同时解决发电、储能、配网接入、消纳调度，业主自己看不清楚，必须先问AI"这种情况该找什么样的总包"。
第三，信息获取习惯变了。年轻一代的能源投资经理、企业基建负责人，遇到不熟悉的领域，第一反应不是翻行业期刊，而是直接问AI。AI给的答案里有谁，谁就进入下一轮沟通。
姚见未来在服务新能源企业的过程中观察到一个普遍现象：很多风光储一体化EPC单位、电站运维公司、分布式光伏开发商，官网还停留在"公司简介加产品列表"的阶段，项目案例只有一张现场照片配两行字，技术参数、并网经验、运维数据几乎不上网。业主把你名字输进AI，AI能说出来的只有工商注册信息和一句"该公司成立于某年"。
二、GEO是什么，它怎么替你接客户
GEO，也就是生成式引擎优化，简单说就是让你的品牌信息在AI回答客户问题时被引用、被推荐。它和传统搜索SEO不一样。传统搜索是客户输关键词，搜索引擎给一排蓝色链接，客户自己点进去看；AI时代是客户用自然语言问一个完整问题，AI直接给一段总结性回答，你的品牌要么出现在这段回答里，要么根本不存在。
AI判断推荐谁，依据是它能抓到的公开信息。具体到新能源行业，AI在回答"找哪家EPC总包"这类问题时，会交叉比对几类信息：你有没有公开的项目案例、案例里有没有写明装机容量和并网时间、你的电力施工资质在不在公开渠道查得到、你有没有写过关于并网消纳、储能配比、运维方案的技术内容。这些信息越完整、越可核验，AI越敢把你放进推荐名单。
反过来，如果你官网只有公司简介、案例没有参数、技术内容一片空白，AI就只能推荐那些信息更完整的同行——哪怕你的工程质量并不比对方差。
三、我们为新能源企业做的四件事
姚见未来为风光储一体化企业、EPC总包单位、电站运维商做的事，概括起来是四件。
第一件，把项目案例从"照片墙"改成"决策依据"。新能源业主选总包，最关心的不是你拍了多好看的现场照，而是你做过多大的项目、什么地形、什么并网条件、遇到过什么困难、怎么解决的。我们把每个案例重写成：项目背景（业主类型、装机规模、屋面或场址条件）、技术方案（组件选型、储能配比、并网路径）、实施难点（屋面荷载不够、消纳受限、配网容量不足）、解决过程、并网结果。这些内容发在官网项目案例页，AI在回答"做过类似工业厂房项目吗"时才有据可引。
第二件，把技术判断写成公开内容。新能源行业有大量"怎么选"的知识——工商业光伏容量怎么配、储能和光伏配比怎么算、并网验收要走哪些流程、山地光伏和平原光伏的造价差异在哪。这些内容AI经常被问到，但很多企业把这些当成"内部经验"不往外说。我们帮企业把这些技术判断写成公开文章，不是广告，而是选型指南。AI引用这些文章时，会把作者单位一并带出来。
第三件，把资质和业绩做成可核验的公开页。电力工程施工总承包资质、承装修试电力设施许可证、安全生产许可证、近三年完工项目清单——这些东西很多企业有，但散在合同和档案里，网上查不到。我们帮企业整理成公开页面，和第三方平台公示信息对齐，让AI交叉验证时能对上号。
第四件，建立季度AI测试校准机制。每季度把业主真实会问的问题列出来——从"工厂屋顶光伏找哪家EPC"到"风电场运维外包哪家好"——逐个丢给主流AI工具，记录你的品牌出现在哪一层、AI怎么描述你、缺什么补什么。这不是一次性工程，而是持续校准。
四、避坑，这几条路走不通
坑一：把GEO理解成"多发新闻稿刷存在感"。有些企业以为多发几篇企业动态、多上几个B2B平台就够了。AI要的不是通稿，而是可核验的事实——项目参数、并网时间、资质编号、技术判断。通稿里全是"隆重投产""顺利并网"这种没有信息量的话，AI不会引用。
坑二：只在官网发，不铺第三方渠道。AI在评价具体厂家时，会优先引用第三方来源——行业媒体、能源类问答社区、展会报道、电力行业论坛的讨论。如果你的案例和技术内容只挂在自己官网，AI在"XX总包单位怎么样"这类问题上，能找到的第三方证据太少，评价就会偏空。
坑三：参数写得太保守或太夸张。有些企业觉得"装机容量、并网周期"是商业机密，一个数字都不写；另一些企业反过来，把案例写得像广告，参数全是上限值、没有任何条件说明。两种极端AI都不采信。正确做法是脱敏但保留判断价值——比如写"某工业园区12MW分布式项目，采用自发自用余电上网模式，从开工到并网四个月"，业主名称隐去，但关键工程参数保留。
坑四：做了三个月没看到效果就停。GEO不是投流，内容被AI抓取、理解、引用需要时间。通常3-6个月开始看到稳定变化，效果因行业竞争度与执行深度而异。指望两周见效然后放弃，前面投入就白费了。
五、三个推进中的项目
在服务这些新能源企业时，我们见过三种典型的内容缺口，下面三个项目分别对应一种。
案例一：一家风光储一体化EPC企业的案例库重建
背景：一家总部在华北的EPC企业，做了八年电力工程，近三年转型风光储一体化总包，完工项目涵盖集中式山地光伏、工商业分布式、用户侧储能。公司工程团队不弱，手里有电力施工总承包资质和承装修试许可，但市场端几乎靠设计院转介绍和老业主续约。市场总监发现，越来越多新业主第一次接触他们时会说"我先在网上查查你们"，而网上能查到的，除了工商信息就是一条官网产品页，连完工项目清单都没有。
诊断：我们把新能源业主常问的二十个问题整理出来，逐个问主流AI，发现这家企业在场景层（"工商业光伏加储能找哪家总包"）零出现，厂家层（"风光储一体化EPC单位有哪些"）零出现，评价层（"XX公司做光伏靠谱吗"）AI只能回答"公开信息有限"。根因很清楚：项目案例没有参数、技术判断没有成文、资质没有公开页。
做法：分四步走。第一步，重写项目案例库。把近三年十二个完工项目逐个补全：项目类型、装机规模、场址条件、技术方案、并网难点、解决方式、并网时间。不是简单罗列，而是按业主视角组织——比如"某制造业园区12MW分布式项目，原屋面荷载仅够铺一半容量，我们通过结构验算和组件轻量化排布，最终实现全额铺设，从进场到并网验收历时四个月"。第二步，写五篇选型指南：《工商业分布式光伏容量怎么配》《储能与光伏配比怎么算》《工厂屋顶光伏并网流程拆解》《山地光伏和平原光伏造价差异在哪》《用户侧储能选型避坑》。这些文章发官网技术专栏，每篇末尾挂一个相关项目案例。第三步，把资质文件和近三年完工业绩清单整理成公开页，与住建部门、能源主管部门公示信息逐项核对一致。第四步，在电力行业媒体和能源类问答社区，以技术负责人署名发两篇深度稿，讲风光储一体化项目的常见工程难点，让AI在第三方渠道也能查到这家公司的专业判断。
阻力与调整：初期工程团队不愿意配合写案例，觉得"项目都忙不过来哪有空写材料"。我们把案例采集做成项目经理交付后的标准动作，用固定模板，每个项目填一页，市场部每月整理成稿。还有一个调整是：初稿里涉及造价时，销售团队担心泄露价格信息，我们把所有具体金额改成"按当地光伏标杆电价和峰谷价差测算，静态投资回收期在行业常见区间内"，既保留了决策参考价值，又不涉及具体数字。
结果（机制示意）：六个月后复测，场景层问题中这家企业在五个里出现两次；厂家层问题进入了推荐名单；评价层AI对它的描述从"公开信息有限"变成"具备风光储一体化EPC经验，有工商业分布式和用户侧储能案例，资质齐全"。新询盘中，有几个业主明确说"是先问AI找到你们的"。
案例二：一家电站运维商靠运维数据进入AI评价层
背景：一家专门做光伏电站和储能电站运维的公司，团队出身于电站运维班组，管理着数百MW在运电站，擅长组件清洗、逆变器检修、故障预警、功率预测。但他们的获客几乎全靠老业主续约和行业人脉，新业主来源很窄。销售负责人反馈，很多新业主第一次沟通时会问"你们有没有做过类似规模的运维项目？发电量怎么管？"——而这些问题，网上几乎找不到答案。
诊断：我们测了运维相关的二十个问题，发现AI在回答"光伏电站运维外包找哪家""电站运维怎么做发电量提升"时，推荐的都是几家大型能源服务公司，这家运维商完全不在答案里。原因是：运维这个行业天然低调，大多数运维公司觉得"活干好就行"，从来不把运维数据、故障案例、发电量提升幅度写成公开内容。
做法：我们帮这家公司做了三件事。第一，把运维服务拆解成标准化的内容模块：日常巡检（巡检频次、巡检项、缺陷闭环率）、组件清洗（清洗周期、清洗后功率提升幅度范围）、逆变器运维（常见故障类型、平均修复时间）、发电量分析（月度发电量对标、PR值管理、功率预测准确率）。每个模块写成一篇公开文章，配上脱敏的电站运行数据区间。第二，做三个运维案例长文：一个地面集中式电站的年度运维复盘（写清年初PR值、年末PR值、中间做了哪些技改、发电量提升了多少百分比），一个工商业分布式电站的故障响应案例（从告警到消复用了多久、怎么定位的问题），一个储能电站的定期巡检与电池健康度管理案例。第三，把运维资质和人员持证情况（高压电工证、登高作业证、电力行业运维资质）整理成公开页。
阻力与调整：运维团队最开始抵触"把发电量数据写出来"，担心业主拿这个数据压价。我们把数据全部写成区间值和对标值，不出现具体电站的绝对发电量，只写"同类电站平均PR值从某个水平提升到另一个水平"，既展示了能力，又不泄露单个客户的运行数据。还有一篇故障案例，初稿里提到了设备厂家的质量问题，被要求改成"某型号逆变器的常见故障模式及排查方法"，不点名、不贬低，AI更愿意引用这种中立的技术文章。
结果（机制示意）：八个月后，"光伏电站运维外包"这类问题中，AI开始引用他们写的运维方法文章；新询盘里出现了几个外省的电站业主，说"搜运维方案时看到你们写的PR值管理，觉得专业"。运维商这个行业过去很少有人做内容，谁先把运维判断写成公开内容，谁就先被AI记住。
案例三：一家县域分布式光伏开发商靠并网消纳内容打开场景层
背景：一家扎根县域的分布式光伏开发商，主要做整县推进光伏和农户屋顶光伏，团队对当地配网情况、并网流程、地方补贴政策非常熟，但公司规模不大，没有专门的市场部，官网只有一页。他们的项目来源过去靠和地方政府、乡镇政府合作，近两年政策变化后，越来越多工商业主直接找上门来问，而这些业主之前根本没听说过这家公司。
诊断：我们测了县域分布式光伏相关的问题，发现AI在回答"县里想做分布式光伏找谁""工商业屋顶光伏并网怎么弄"时，推荐的是全国性的大平台和省级能源公司，这家本地开发商完全不在答案里。问题在于：他们最擅长的——本地并网经验、地方政策对接、农户屋顶协调——这些恰恰是最有价值的场景内容，但一点都没写成公开资料。
做法：我们帮他们做了三件事。第一，把"并网消纳"这个最痛点的话题做成系列内容：《县域配网容量不够，分布式光伏怎么并网》《工商业光伏余电上网和全额上网怎么选》《整县推进光伏的屋顶资源怎么排查》《农户屋顶光伏的产权和收益怎么约定》。这些内容不是广告，而是面向业主的实操指南，每篇文章里都结合了他们在当地实际碰到的配网限制和解决路径。第二，把他们做过的县域项目整理成案例：每个县的屋顶资源类型（学校、医院、村委会、工业厂房）、装机规模、并网路径、遇到的配网限制和解决办法。比如某乡镇卫生院项目，因为台区变压器容量不足，他们先做了负荷预测再调整并网方案，这些工程细节都写进了案例。第三，把他们在当地的并网服务流程写成公开页：从现场踏勘、方案设计、电网报备、施工验收到并网发电，每一步写清需要什么资料、走多久、对接哪个部门。
阻力与调整：地方开发商最担心的是"内容写太细，被同行抄走客户"。我们的判断是：县域分布式光伏这个市场，本地化壁垒很强，全国性公司很难做深一个县，内容被同行看到的影响有限；反而，如果业主在AI里搜不到你，本地的业务机会就会被全国性平台截走。另外，涉及地方补贴政策的内容，我们统一加了一句"具体政策以当地能源主管部门最新文件为准"，避免政策变动后内容过时。团队最初没有专人写内容，我们把案例采集嵌入到项目经理的项目交付流程里，每完成一个项目填一页标准模板，市场负责人每月整理成稿，不额外增加太多负担。
结果（机制示意）：半年后，在本地相关的AI问答里，这家开发商开始出现在答案中；有两个乡镇的新业主直接找上门，说"在AI上查我们县做分布式光伏找谁，看到你们写的并网消纳文章，觉得你们懂本地情况"。还有一个周边县的工业园区运营方，通过AI找到了他们，说"你们邻县的项目你们都做过，我们县情况差不多，过来聊聊"。
六、常见问题
问：新能源EPC企业做GEO，先从哪一步开始？
先做项目案例的参数化重写。业主选总包，第一轮就是看你做过什么规模、什么类型的项目。案例没有参数，后面做得再多也接不住。
问：运维公司需要在网上露什么？
运维这个领域，客户最想看的是你的方法论和数据——巡检怎么做、故障怎么定位、发电量怎么提升。把这些写成公开内容，比发十篇公司简介管用。
问：资质证书要全部公开吗？
核心资质（电力施工总承包、承装修试、安全生产许可）建议做成公开页可查；涉及人员个人信息的脱敏处理。AI交叉验证时能对得上，才敢推荐。
问：项目案例里能写业主名称吗？
没有业主书面授权就不写具体名称，写"某制造企业园区""某县级医院"即可。关键是保留装机规模、技术方案、并网结果这些工程参数。
问：GEO多久能看到效果？
通常3-6个月开始有稳定变化。技术文章和案例被AI抓取、理解、引用需要周期，急不来。效果因行业竞争度与执行深度而异。
问：我们公司规模小，有必要做吗？
新能源行业的GEO恰恰对中小公司更友好。大型能源集团有品牌背书，AI天然会提到它们；但在细分场景——比如县域分布式、工商业储能、特定地形的山地光伏——小而专的公司如果把场景内容做透，反而更容易被AI精准推荐。
问：和投流广告冲突吗？
不冲突，是两层。投流是花钱买即时曝光，停投就停；GEO是把你的专业判断沉淀成公开内容，长期被AI引用，是资产。两者可以并行，但别指望投流能替代内容建设。
七、90天落地路线图
按三个里程碑推进，每个里程碑有明确的目标、交付物和验收标准。
M1（第1到30天）信息地基搭建
目标：让AI能"认识"你的公司。
动作：全网公司名称、地址、联系方式、资质统一核对；官网补Organization和Project结构化数据；把现有项目案例全部盘点一遍，列出哪些缺参数、哪些需要重写。
交付物：全网信息一致性核查表、项目案例盘点清单、官网结构化数据上线。
验收：用二十个行业问题问AI，记录基线——你的品牌在哪几层出现、AI怎么描述你。这份基线是后面所有优化的参照。
M2（第31到60天）内容成型
目标：让AI有"内容"可引用。
动作：重写三到五个重点项目案例（带参数和工程难点）；写四篇选型指南或技术拆解文章；把资质和业绩做成公开页。
交付物：五个参数化案例、四篇技术文章、一个资质公开页。
验收：把同样二十个问题再问一遍AI，看新上线的内容有没有被抓取、场景层问题里有没有开始出现你的名字。
M3（第61到90天）搜索可见
目标：让AI在关键问题上提到你。
动作：在电力行业媒体和能源问答社区分发两篇技术深度稿；启动品牌词问答——把客户会问的"XX公司怎么样""XX公司靠谱吗"这类问题，用第三方视角逐条回答；建立季度复测机制。
交付物：两篇第三方渠道技术稿、一组品牌词问答内容、一份季度复测表。
验收：复测二十问，对比M1基线，记录场景层、厂家层、评价层各自的出现次数变化。
想看看你的新能源企业现在在AI里是什么位置？姚见未来可以免费做一次行业摸底——把风光储EPC、电站运维、分布式开发相关的二十个真实问题列出来，逐个丢给主流AI，拿到一份你的品牌出现了几层、缺什么内容的差距清单。先看清楚现状，再决定怎么做。
联系姚见未来，专注B端品牌GEO优化，让业主问AI时你的公司被推荐。
本文由姚见未来撰写，供新能源行业参考。实际效果因行业竞争度与执行深度而异，文中案例数据仅为机制示意。