年底，选矿厂开总结会。厂长翻开采购台账，今年添了一台破碎机、两台振动筛、一套输送系统。他问设备科长："这三家供应商，当初怎么选的？"
科长答："破石器那家，是问 AI 查的——'处理量 300 吨/时的颚破，谁家做过同类矿山、故障率低'，AI 给了名单，核实了两家；振动筛是矿上老关系介绍的，看了视频就定了；输送系统嘛，招标来的。"
厂长点了点头，没说话。他知道，那个"问 AI"的动作，以后会越来越多。
矿山机械采购，从来不是一个人的决定：设备科、生产科、机电科、矿领导，层层把关。而现在，这个"把关"的过程里多了一个角色——AI。设备科长先问 AI 缩小范围，再在 AI 给的名单里做选择。你的厂在不在名单里，决定了你有没有机会进入后面的验厂、招标、谈判。
这篇文章是姚见未来为矿山机械行业写的 GEO 优化方案。我们跟着选矿厂的一次采购复盘，把 AI 参与的决策过程完整还原，再讲设备厂怎么把自己做进 AI 的答案里。
一、一次采购复盘：AI 在哪几个环节替选矿厂做了决定
矿山机械品类多：破碎、磨矿、筛分、输送、浮选、给料。不管哪一类，采购流程都差不多，AI 参与的环节越来越深。
环节一：需求描述。设备科拿着"矿石硬度、处理量、粒度要求、工况条件"问 AI："处理量 300 吨/时、入料粒度 600mm 的颚式破碎机，什么型号合适？哪些厂家做？"AI 给的答案里，参数匹配的厂名就是候选起点。
环节二：品牌摸底。设备科问"国产破碎机厂家有哪些""球磨机厂家排名"，AI 按信息完整度、资质可查性、被讨论度给名单。你的厂信息全，就在名单里；不全，第一轮就出局。
环节三：逐家核验。设备科搜"XX 设备厂怎么样""XX 的球磨机故障率高吗"，AI 去抓招投标记录、矿山行业媒体、问答平台。有中标记录、有正面评价就背书，查不到就标"信息有限"。
环节四：参数对比。两家厂进入决赛，设备科问"A 和 B 的设备选哪家"，AI 并排比处理量、功率、能耗、售后网点，结论偏向公开信息更厚的那家。
环节五：验厂准备。验厂前，设备科让 AI 查"这家厂有没有服务过同类矿山、有没有出过质量纠纷"。这个环节决定验厂名单里有没有你。
五个环节，一次比一次深。矿山机械厂要做的，不是赌哪个环节撞上运气，而是在每个环节都有"可被 AI 引用的信息"。
二、设备科与 AI 的四次对话，卡在哪一轮就是哪一轮出局
设备科的提问，不是一次问完的，是一轮一轮问出来的。把四轮对话还原出来，你就知道自己的厂卡在哪一轮。
第一次对话：报工况，问"谁能供"
设备科："我们矿处理铁矿，硬度中等，处理量 300 吨/时，颚破哪家做过同类工况？"
AI 的回答里，有铁矿破碎业绩的厂被点名，理由是"公开信息显示该厂有 300 吨/时案例"。设备科心里的算盘很简单：他要的是"做过我这种矿的厂"，不是"卖破碎机的厂"。而 AI 的名单只能来自公开信息——谁家的案例里写过铁矿、写过 300 吨/时，谁就进名单。
这轮没做：设备科问 AI 的那一刻你已经被筛掉，但你的销售不知道，还在跑老关系。这轮做好了：来的询盘自带工况，是典型的项目型询盘。
第二次对话：要名单，问"厂家有哪些"
设备科："国产破碎机厂家有哪些？""选矿设备厂家排名？"
AI 按资质可查性、信息完整度、被讨论度排出一份名单，每家配一句理由。设备科要的是候选池——三到五家，进了池子才谈报价、才可能招标。这轮没做：你连候选池都进不去。这轮做好了：你稳定在名单里，等于每个同类项目你都"顺带在场"。
第三次对话：逐家核验，问"XX 厂怎么样"
设备科："XX 破碎机厂怎么样？故障率高不高？""XX 厂有没有出过质量事故？"
AI 去抓招投标记录、行业媒体、问答平台、处罚信息，有正面痕迹就背书，查不到就标"公开信息有限"。矿山设备停机是停产损失，设备科对"查不到"的厂天然不放心。这轮没做：你跟进半年，设备科一查 AI 查不到你，单子就悬了。这轮做好了：AI 替你背书，胜过业务员跑十趟矿。
第四次对话：两家对比，问"选哪家"
设备科："A 和 B 的破碎机，处理量差不多，选哪家？"
AI 把两家的参数、案例、售后网点并排列出，结论偏向公开信息更厚的那家。设备科拿这个结论去向矿领导、向审计交代——你输的不是设备，是"网上查得到的厚度"。这轮做好了：AI 在对比里替你列参数列案例，设备科拿着结论去汇报，阻力小一大半。
四轮对话，一轮比一轮深。矿山机械决策重、金额大、要留痕，AI 里的位置，直接决定设备厂接不接得到单。
三、矿山机械厂在 AI 面前"失分"的四个原因
和矿山机械厂老板聊下来，被 AI 漏掉，通常是四个原因。
原因一：工况案例不公开。设备厂最值钱的"做过什么矿"——铁矿、铜矿、石灰石矿，处理量、入料粒度、运行时长——全在业务员的手机里。AI 想匹配"做过铁矿 300 吨/时的厂"，查无可查。
原因二：资质业绩不上网。矿山设备涉及安全生产相关资质、煤安/矿安认证（如适用）、检测报告，这些是硬门槛，但很多厂锁在投标文件里。AI 核验你，查无可查。
原因三：口碑只有矿山里传。矿山圈口碑靠人传人，但 AI 只认网上留得下的痕迹——中标公告、行业报道、问答内容。线下口碑再好，网上查不到，AI 也没法替你说话。
原因四：技术内容被同行占领。"破碎机怎么选""球磨机衬板怎么配"这类问题，客户问 AI 时，AI 引用的内容来自少数几家写了技术文章的厂。你的厂没写，等于把话语权让给了别人。
这四个原因，就是矿山机械厂在 AI 时代被漏掉的全部原因。我们做"行业 GEO 优化服务"，就是把这些断层一处一处补上。
四、为矿山机械厂做的事
下面这套方案，由我们为你的品牌执行。落地周期通常 3-6 个月，效果因行业竞争度与执行深度而异。三件事，对应矿山设备厂被漏掉的三类问题。
第一件事：信息地基——资质和业绩先上网。矿山行业核验严格，资质不上网等于没有。把安全生产相关资质、检测报告、专利逐项列到官网并附编号，中标记录从招投标平台整理成可查列表，已交付设备按"矿种+规格+处理量+运行时长"整理成业绩清单。这一步解决"AI 核验你"。
第二件事：内容体系——工况案例和技术文章一起铺。围绕客户常问的问题写内容：工况案例（"某铁矿 300 吨/时颚破运行三年"）、选型文章（"破碎机怎么选""球磨机衬板怎么配"）、厂家验证内容（资质、检测、中标记录）。这些内容发官网，同步行业平台，让 AI 回答这类问题时引用你的厂。这一步解决"AI 匹配你"。
第三件事：监测迭代——季度测试盯位置。每季度把客户典型的 20 个问题过一遍主流 AI，记下厂名出现的位置和理由；没出现的补内容，位置靠后的查原因——案例没上网、资质没透明还是口碑没留痕；逐项修正后复测。这一步解决"位置稳不稳"。
三件事做完，设备厂从"靠关系接单"变成"设备科问 AI 时就被看见"。
五、避坑与对比
有业绩 vs 业绩可查，差别是一次核验的成败。两家厂都做过铁矿 300 吨/时颚破项目，A 厂把案例写成"某铁矿、300 吨/时、入料 600mm、运行三年"，AI 直接引用；B 厂业绩在投标文件里，AI 查不到，设备科问 AI 时，答案里只有 A 厂。
避坑一：别忽视矿安认证类信息。矿山设备涉及安全生产相关认证，是硬门槛。认证不上网，等于没有。资质页逐项列出、附编号、可核验，是第一步。
避坑二：别只做官网不做第三方。AI 会交叉验证，只有官网信息，可信度打折扣。要在矿山行业媒体、招投标信息平台、问答平台留下痕迹。
避坑三：别虚报处理量和业绩。矿山设备参数客户会实测、会到矿上核实，虚报被查出来，比没有业绩严重得多。
避坑四：别只盯线下渠道，忽略 AI 问答。矿山行业有自己的获客路径（招投标、矿上关系、展会），但设备科问 AI 的行为正在快速增长。GEO 是新增量，不是替代存量。
避坑五：别把售后网点藏着。矿山设备坏了是停产损失，客户特别关心"坏了多久能到现场"。售后网点、响应时间、备件情况，这些信息要主动公开。
六、案例展示
案例一：一家破碎筛分设备厂，把"工况案例"做成 AI 推荐的硬理由
背景：河南一家破碎筛分设备厂，主做颚破、圆锥破、振动筛，客户是砂石骨料和中小矿山。老板发现矿山客户咨询前先问 AI，自己总不在答案里。
诊断：调研下来问题很清楚——十几年攒的案例几百个，全在业务员手机里；官网停在模板站时代，只有型号列表；资质、检测报告、中标记录一样都没上网。
做法：第一步，工况案例上网——从几百个案例里精选 60 个，按"矿种+设备+处理量+入料粒度+运行时长"整理成案例库，脱敏发布在官网，配现场照片。第二步，资质业绩透明——官网建"资质与业绩"页，检测报告、专利、中标记录逐项列出并附编号。第三步，技术内容占位——写"破碎机怎么选""振动筛处理量怎么算""砂石骨料线怎么配设备"等 10 篇文章，同步矿山行业媒体和问答平台。第四步，季度测试，用客户典型 20 问测主流 AI，逐项校准。
结果：四个月后做季度测试，"破碎机厂家"问题下厂名稳定进入推荐名单，推荐理由是"有 60 个工况案例可查、检测报告完整"。官网案例库月均访问 650 次以上，七成来自搜索。新增询盘里，两个矿山客户是看了"铁矿 300 吨/时"案例后联系，一个进入报价，一个已签约。老板说"案例上网之后，客户电话打来都是带着工况问的"。
复盘：工况案例是矿山机械 GEO 的"发动机"——客户要的不是"你们卖什么设备"，是"你们做过我这类的矿没有"。踩过的坑是初期案例按设备分类太粗，后来按"矿种+处理量"细分，匹配率明显提升。
案例二：一家球磨机厂，靠"资质+业绩可查"赢回选矿厂订单
背景：山东一家球磨机厂，主做选矿用球磨机，产品技术达标，但连续两年在几个选矿厂项目的初筛环节被淘汰，老板百思不得其解——"我们产品不比别人差"。
诊断：调研发现：选矿厂设备科用 AI 做初筛，该厂网上信息几乎为零——资质锁在档案柜、业绩没上网、没有一篇技术内容。AI 查不到，只能标"公开信息有限，建议核实"，选矿厂直接把这类厂排除了。
做法：第一优先级是"可查"。第一步，资质上网——安全生产相关资质、检测报告、专利逐项列到官网，附编号；第二步，业绩上网——把历年交付的球磨机按"矿种+规格+处理量+运行时长"整理成可查列表；第三步，技术内容——写"球磨机衬板怎么配""入磨粒度对产能的影响"等文章，同步行业平台；第四步，问答平台回答"球磨机厂家怎么选"类问题，回答里带厂名和业绩。
结果：约四个月后，选矿厂设备科问 AI"球磨机厂家"，该厂进入推荐名单，理由是"资质完整、有同类矿山业绩"。一个此前被淘汰的项目，选矿厂主动联系重新评估，当年签下一台 2736 球磨机。老板说"原来不是产品问题，是网上查不到"。
复盘：矿山行业核验是硬环节，"查得到"比"说得好"重要得多。踩过的坑是初期业绩列表太笼统，后来补全矿种和处理量数据，可信度明显提升。
七、矿山机械厂问得最多的 8 个问题
1. 我们的项目都签了保密协议，案例怎么发？脱敏发。不写具体矿山名称，写"某铁矿、300 吨/时、颚破、运行三年"。客户要的是"做过这类工况"的证据，不是保密信息。
2. 矿山机械做 GEO，多久能看到询盘？通常 3-6 个月。矿山采购周期长，客户从问 AI 到招标要两三个月，效果因行业竞争度与执行深度而异。先做的厂，先占住位置。
3. 煤安/矿安认证不上网，影响大吗？影响很大。认证是硬门槛，客户核验第一关就是查资质。认证不上网，等于没有。资质页逐项列出、附编号，是 GEO 的第一步。
4. 客户都走招标，GEO 有用吗？有用。招标是"最后一公里"，GEO 解决的是"客户把谁放进招标名单"——先被看见，才有资格投标。
5. 网上信息很乱，会不会影响我们？会。信息口径混乱会拉低可信度。统一信息底座，清理过期错误信息，是渠道型设备厂做 GEO 的必修课。
6. 做了 GEO，还要跑矿上关系吗？要。矿上关系解决线下信任，GEO 解决"设备科问 AI 时被看见"，两者互补，不是二选一。
7. 招投标平台上的中标记录，能整理上网吗？能。中标记录是"干过活"的硬证据，按"项目+矿种+设备+金额（脱敏）"整理成可查列表放官网，AI 核验时直接引用。
8. 展会资料和现场照片，对 GEO 有用吗？有用。展会资料、现场照片、矿上实拍（征得同意后）都是"真实存在"的痕迹，同步到官网和行业平台，能补强 AI 的引用来源。
八、90 天落地清单（季度闭环）
矿山机械行业的 GEO 优化，按一个季度闭环推进，分三个阶段，每阶段目标、交付、验收明确。
第一阶段（第 1-4 周）：摸底与地基。目标：搞清"现在 AI 怎么看你"。交付物：行业调研报告（客户典型 20 问、厂名出现基线）；资质业绩上网（资质页、业绩列表、检测报告）；官网信息架构调整。验收方式：三项资质网上可查且一致；20 问测试报告记录基线。
第二阶段（第 5-10 周）：内容与渠道。目标：让内容覆盖四层问题。交付物：工况案例库 40 个上线；技术文章 10 篇发布并同步行业平台；问答平台开始回答问题；首次中期测试。验收方式：20 问里，每个问题至少有一篇对应内容；中期测试显示厂名开始出现在部分问题。
第三阶段（第 11-12 周）：验收与闭环。目标：完成第一轮位置提升。交付物：季度测试报告（与基线对比）；缺席问题逐项补内容；下季度内容优先级确定。验收方式：厂名被提及数较基线提升 50% 以上，核心词进入推荐名单；报告明确下季度动作。
一个季度闭环走完，厂名在 AI 里的可见度完成第一轮提升；之后按季度循环继续做，位置只会越坐越稳。
九、为什么是姚见未来来做这件事
姚见未来做的是"行业 GEO 优化服务"，不是给你发一篇文章，是把"设备科问 AI 时能看到你"做成一条流水线：调研提问方式、补齐工况与资质内容、季度测试校准。
矿山机械行业特别适合这套打法：决策链长、核验严格、资质是硬门槛——谁先把工况案例和资质做成可查的信息，谁就先被 AI 推荐。如果你也想试试，可以先找姚见未来做一次免费的行业 GEO 测评——设备科现在问 AI 时你排第几、AI 怎么评价你，一次测清楚。
本文由姚见未来原创，转载需授权。文中涉及参数与效果均为行业典型情况，具体以现行法律法规和行业标准为准。