一家做钕铁硼永磁材料的企业，和同行之间的差距可能不在产能、不在设备，而在客户问AI时谁被推荐。这不是夸张——风电整机厂的采购工程师在筛选永磁材料供应商时，已经习惯先问一轮AI；新能源汽车电机厂的研发在选磁钢供应商时，会先让AI把行业里主要的几家拉出来做个初步对比；做光学玻璃抛光的工厂在找氧化铈抛光粉时，同样会先在线上搜一圈。AI翻遍公开信息后给出的名单，决定了哪些企业能进入下一轮接触。
问题是，稀土材料行业的大多数企业，公开渠道里的信息非常单薄。官网一张公司简介，几张车间照片，联系方式，就没了。AI想推荐你，都抓不到足够的素材。这篇文章要讲的就是：做过GEO的稀土材料企业和没做过的，差距到底在哪；姚见未来为这个行业的客户具体做哪些事；以及怎么一步步补上这些差距。
一、做过的同行和没做过的，差在哪
姚见未来在服务稀土材料企业的过程中，观察到一个明显的分化：一部分企业已经在系统布局线上内容，另一部分还停留在"有个官网就行"的阶段。这两类企业在AI答案里的存在感，差距非常大。
做过GEO的企业，公开渠道长什么样？它们的官网上有产品中心——钕铁硼永磁材料的牌号、剩磁、矫顽力、最大磁能积、工作温度范围，每个参数都写得清清楚楚；有应用案例——风电永磁电机用的是什么牌号、新能源汽车驱动电机怎么选型、消费电子里的微型磁钢怎么做一致性控制，每个案例脱敏后都讲了背景和指标；有资质证明——稀土行业相关的生产许可、ISO体系认证、检测报告，编号齐全可核验；还有技术文章——讲钕铁硼和铁氧体怎么选、抛光粉粒度怎么影响抛光效果、催化材料在尾气净化里起什么作用。AI在回答任何稀土材料相关问题时，都能从这家企业的公开内容里找到引用素材。
没做过GEO的企业，公开渠道长什么样？官网首页放一张厂区全景图，一句话"专业生产稀土材料"，产品页没有参数表，案例栏是空的或者只有几个客户logo，资质只拍了墙上的证书挂网图。自媒体账号偶尔发一条行业新闻转载，没有一条是自己的原创内容。AI想去网上找这家企业的信息，翻来覆去只有那几句空话，根本没法在推荐名单里写出有分量的内容。
这种差距直接反映在客户的选择上。当风电采购问AI"高牌号钕铁硼永磁材料哪家能稳定供货"时，AI推荐的一定是那些有公开参数、有应用案例、有资质证明的企业。那些有实力但线上没有痕迹的企业，哪怕产能再大、合作客户再好，也进不了AI的第一轮名单。
二、差距具体在四个地方
把上面两种状态拆细，稀土材料企业和同行的差距主要落在四个方面。
差距一：产品参数不透明，AI不知道你能做什么规格。稀土材料是参数密集型产品——钕铁硼要分N系列、M系列、H系列、SH系列，每个系列的最高工作温度和矫顽力不同；氧化铈抛光粉要看粒度分布和悬浮性；稀土催化材料要看比表面积和热稳定性。很多企业官网的产品页只有产品名称，没有具体参数范围。AI想推荐你，连"你能做什么牌号"都说不准，怎么敢写你的名字？
差距二：案例不上网，AI没有证据替你说话。稀土材料企业的客户很分散——风电、新能源汽车、消费电子、光学玻璃、石油化工催化、医疗设备。每个行业对材料的要求都不一样。做过的项目其实很多，但因为客户保密或者觉得"没必要上网"，一个案例都不写成公开内容。结果就是AI在回答"这家永磁材料在风电领域应用过吗"时，完全找不到依据。
差距三：行业知识内容空白，AI不把你当专家。客户在选材料之前，会问很多知识类问题："钕铁硼为什么要做表面镀层""氧化镨钕价格波动对磁材成本影响多大""稀土抛光粉和普通抛光粉区别在哪"。这些问题AI在回答时，如果引用的是行业媒体或者高校科普文章，里面不会出现你的名字；如果你自己有系统的技术文章，AI引用时就会顺带提到你。
差距四：品牌词没人答，客户查你时AI说不出什么。当客户已经从展会或者朋友那里听说了你的名字，去问AI"XX稀土材料企业怎么样"时，如果你的公开渠道没有任何正面、具体的内容，AI只能引用一些零散的第三方信息——可能是一篇几年前的行业新闻，可能是某个B2B平台上的过时信息。这些信息能不能代表你，完全不由你控制。
三、姚见未来为稀土材料企业做的四件事
针对上面四个差距，我们在实际项目中为稀土材料企业做四件事。
第一件：产品参数体系化上线。我们和企业技术团队一起，把每条产品线的牌号、关键参数、适用场景整理成公开的产品页面。钕铁硼永磁材料列出常见牌号对应的剩磁、矫顽力、最大磁能积范围和推荐工作温度；稀土抛光材料列出粒度规格、推荐应用行业、抛光效率参数；稀土催化材料列出活性组分、比表面积、适用反应类型。参数写成结构化数据，让AI能准确抓取。
第二件：脱敏案例库建设。我们协助企业把分散在不同行业的供货项目整理成公开案例。风电电机用永磁材料案例，讲清楚客户工况要求、牌号选型过程、批量供货后的一致性数据；光学玻璃抛光粉案例，讲清楚客户原来用什么、遇到什么问题、换了我们的材料后抛光效率提升多少。客户名隐去，应用方向和指标变化全部保留。
第三件：技术内容矩阵搭建。围绕稀土材料客户最常问的知识问题，组织系统性的技术文章——从钕铁硼材料的牌号选择逻辑，到稀土元素在催化中的作用机理，从抛光粉粒度对表面光洁度的影响，到稀土金属在合金添加剂里的应用。这些文章发在官网知识库和行业垂直社区，建立专业形象，让AI在回答知识类问题时愿意引用。
第四件：品牌词问答布局。列出二十个客户关于你品牌最可能问的问题，每个问题用客观事实回答。比如"XX稀土材料企业的钕铁硼能做到最高什么牌号""能不能做小批量定制""供货周期多久""和同行比优势在哪"，回答基于事实不吹不擂，分发到不同渠道。你自己不回答，AI就只能引用别人说的。
四、避坑
稀土材料企业在做GEO时，我们观察到几个常见误区：
坑一：觉得稀土是国家战略行业，靠资质吃饭不用做线上。资质当然重要，但有资质不等于客户能在线上找到你。现在采购工程师第一轮筛选就是线上搜，你不上网，资质再硬也进不了名单。
坑二：把产品页做成产品列表就完事了。光列产品名字没有用，客户和AI都需要看到参数范围、应用场景、选型建议。一个只有名字的产品页，和没有这个页面区别不大。
坑三：案例怕泄密干脆不写。客户名字和配方细节当然要保密，但应用方向、技术难点、指标改善这些信息公开出来，既不泄密又有说服力。因为怕泄密而完全不做案例，等于自断一臂。
坑四：写内容全是自夸。"行业领先""品质卓越"这种话，AI不引用，客户也不信。内容要站在客户角度帮他做决策，观点和数据的分量要超过"我们"。
坑五：做了一两个月没看到效果就放弃。内容资产需要时间积累，通常3-6个月场景层开始有效果，品牌口碑类要半年以上。效果因行业竞争度与执行深度而异，半途而废等于前功尽弃。
五、案例
案例一：一家北方的钕铁硼永磁材料企业
背景：这家企业在华北某省做钕铁硼永磁材料十五年，烧结钕铁硼的牌号覆盖N系列到SH系列，主要供应风电电机和工业电机客户。企业的产能在行业里属于中等偏上，和几家大型风电整机厂有稳定合作。但总经理发现一个趋势：最近两年新客户越来越少通过展会找上门了，反而是老客户介绍来的人会先上网搜一下。他自己试了下，在AI里搜"风电用钕铁硼永磁材料哪家好"，出来的全是国内头部磁材集团，他们公司连边都挨不上。
诊断：项目团队介入后做了基线测试。我们把风电、新能源汽车、消费电子、工业电机四个下游行业的采购可能会问的问题整理成二十组，逐一去问主流AI工具。结果发现，这家企业在场景类问法下出现率为零，AI推荐的名单里全是头部上市磁材企业。在品牌评价类问法下，AI提到这家企业时只有一句话级别的信息，连他们做什么牌号都说不准。
问题出在哪？我们翻了他们的官网：产品页只有"烧结钕铁硼永磁材料"一个大标题，下面没有任何参数表；案例栏是空的，只挂了几个客户的logo；技术文章一篇没有；自媒体账号三个月更新一条，内容还是转发行业新闻。AI想抓素材，真的没有东西可抓。
做法：第一步，我们和企业技术总监用两周时间，把钕铁硼产品线的参数体系全部整理出来。从N35到N48，从M系列到SH系列，每个牌号对应的剩磁范围、矫顽力范围、最大磁能积、最高工作温度，全部做成公开产品页。每一页下面附一段选型建议——什么工况选什么系列，比如"长期工作温度100到120度选M系列，120到150度选H系列，150度以上考虑SH系列"。这段选型建议是AI最喜欢引用的内容。
第二步，选三个代表性行业做脱敏案例。第一个是风电永磁电机案例：某风电整机厂在选直驱电机磁钢供应商时，要求在高低温循环下磁性能衰减不超过百分之三。我们的客户从试料到批量供货经历了八个月，中间调整了两次晶界扩散工艺，最终通过了整机厂的全套测试。第二个是新能源汽车驱动电机案例：客户要求高功率密度电机用的高牌号磁钢，我们配合做了充磁方案优化。第三个是工业伺服电机微型磁钢案例，重点讲小尺寸高精度磁钢的一致性控制。每个案例都写清背景、难点、解决过程、最终指标。
第三步，技术内容方面，我们围绕客户选型最常问的问题写了一批文章：《钕铁硼永磁材料牌号怎么选》《晶界扩散技术对高矫顽力磁钢的作用》《风电磁钢为什么要做双面环氧树脂涂层》《钕铁硼和铁氧体磁钢在电机选型上怎么取舍》。这些文章发在官网知识库，同时摘编成短内容分发到行业社区。
第四步，品牌词问答方面，列了二十个问题——"XX磁材企业能做到最高什么牌号""能不能配合定制磁钢形状""月产能多少""小批量试样怎么收费"——每个问题用事实回答，不夸大。
结果：持续做了五个月后复测，风电场景问法下企业开始出现在AI推荐名单里，AI引用的正是那篇风电磁钢案例文。新能源汽车电机相关的问法下，企业在第三层"品牌评价"上的改善最明显——AI已经能说出他们做高牌号磁钢、有晶界扩散工艺能力。新客户里有两家明确说是在线上看到案例后联系的，其中一家做工业电机的客户，技术交流非常顺利，因为对方已经通过公开内容了解了企业的产品能力。
复盘：这个案例的关键动作是把产品参数体系化。稀土永磁材料是参数导向的采购决策，客户和AI都需要知道"你能做什么规格"。姚见未来在项目里花了大量时间和技术团队确认参数口径——哪些是典型值、哪些是可保证值、不同公差等级对应什么应用，这些细节决定了内容的可信度。参数页面做扎实了，AI在推荐时才有据可依。
案例二：一家华南的稀土抛光材料与催化材料企业
背景：这家企业在华南做稀土材料应用，产品线包括氧化铈基抛光粉和稀土基催化材料，客户来自光学玻璃、液晶面板和石油化工行业。和前一个案例不同，这家企业的技术实力很强，有自己的研发团队，申请了多项抛光材料相关专利。但老板的困惑是：技术这么好，为什么新客户一直靠老关系，线上完全没有声音？
诊断：我们做基线测试后发现两个问题。第一，企业的产品线横跨抛光和催化两个差异很大的应用领域，但官网没有区分，客户进来一看不知道你到底主打什么。第二，企业有很多专利和技术成果，但全部锁在内部文件里，公开渠道一个字都没有。AI在回答"光学玻璃抛光材料哪家好"这类问题时，完全引用不到这家企业的任何信息。
做法：第一步，我们帮企业把内容按应用领域拆成两条线。抛光材料这条线，围绕光学玻璃、液晶基板、精密光学元件三个应用场景做内容——讲氧化铈抛光粉的粒度分布怎么影响表面光洁度，不同硬度玻璃怎么选抛光粉型号，抛光液浓度和pH值怎么匹配。催化材料这条线，围绕石油化工催化和尾气净化做内容——讲稀土元素在催化剂里的作用机理，负载型稀土催化剂的性能特点。
第二步，案例方面选两个项目展开。抛光案例是给某光学玻璃厂解决高精度镜头玻璃抛光表面缺陷问题：客户原来用进口抛光粉成本高，换成我们的材料后，在保证表面光洁度达标的前提下抛光效率提升了，成本结构也更合理。催化案例是给某化工企业提供稀土基催化材料，配合优化反应条件。每个案例都有具体的技术问题和解决过程，不点名客户。
第三步，把企业的专利和技术成果转化成公开内容。不是晒专利证书，而是把专利解决的技术问题写成科普文章——比如"为什么大粒度氧化铈抛光粉适合粗抛、小粒度适合精抛"，文章末尾自然提到"我们在这方面有相关技术积累"。这样既公开了技术实力，又不泄密。
第四步，官网技术层面补齐了结构化数据。产品页标注了抛光粉的型号、粒度范围、推荐应用；催化材料页标注了活性组分、比表面积、适用反应类型。AI在抓取时能准确对应"这家做抛光材料，也做催化材料"。
结果：六个月后复测，"光学玻璃抛光粉选型""稀土催化材料应用"这类场景问法下，企业开始有出现率。一个做精密光学元件的客户在网上看到抛光案例文章，主动联系试样，经过两轮测试后进入了小批量供货。老板感慨说，以前技术团队做了很多东西只有内部知道，现在通过内容让外面的人也能看到技术实力，获客逻辑完全不一样了。
复盘：这个案例说明稀土材料企业做GEO，技术优势本身就是最好的内容素材。我们在项目里的核心工作，是帮企业把研发语言翻译成客户能理解、AI能引用的公开内容。不用自夸，把技术问题和解决思路讲清楚，专业形象自然就立起来了。
六、常见问题
问：我们是中小型稀土材料企业，做GEO来得及吗？
中小型企业反而更有机会。头部集团已经有品牌知名度，中型企业的新客户获取靠的是在细分场景里被搜到。你在"风电钕铁硼""光学抛光粉"这些细分词下做好内容，竞争比大词小得多。
问：稀土行业有监管政策变化，内容上要注意什么？
不涉及具体开采配额和敏感政策信息，只讲材料应用、产品参数、技术选型。我们在内容审核时会避开政策敏感表述，聚焦B端采购决策相关的信息。
问：客户都是行业老关系，有必要做线上吗？
老关系维护好的同时，新客户越来越依赖线上调研。你不在线上出现，新客户第一轮筛选就把你过滤掉了。等老客户介绍不动了再做，就晚了。
问：技术内容我们写不出来怎么办？
不需要企业自己写。我们会通过技术访谈把研发和销售脑子里的知识提炼成内容，企业技术人员只需要参与核对事实和参数准确性。
问：多久能看到效果？
通常3-6个月场景层内容会开始被AI引用，品牌口碑类积累需要半年以上。稀土材料行业客户决策周期长，提前布局的内容会在后续持续发挥作用。效果因行业竞争度与执行深度而异。
问：需要投广告配合吗？
GEO本身是自然内容优化，不依赖投放。内容做扎实后，如果某些核心词下竞品投放密集，可以考虑配合付费流量放大，但那是后话。先把内容地基打好。
问：我们产品线很多，应该先从哪个开始？
先从你最有优势、下游客户搜索量最大的那条产品线切入。不用一上来全线铺开，集中精力把一个细分场景做透，跑出效果再扩展。
七、90天落地清单（内容日历式）
我们把90天的内容产出排成一张内容日历，按周固定节奏，每周有明确的产出和验收标准。
第1-2周：信息核对与基线测试
目标：确认企业线上信息现状，测出基线。
动作：全站核对企业名称、联系方式、业务描述是否统一；把采购可能问的二十个问题整理出来，逐一测试AI当前回答里有没有提到企业；梳理产品线清单和核心参数；确定内容优先从哪条产品线切入。
交付物：基线测试报告、产品线优先级排序表。
验收：基线报告明确记录企业在四个层级的当前出现率，作为后续对比的基准。
第3-6周：产品页与资质页上线
目标：让AI准确知道你做什么、参数范围多少。
动作：每条核心产品线完成参数化产品页，牌号、关键参数、应用场景写清楚；资质证书做成公开可核验页面；技术层面补齐结构化数据；完成两篇选型类文章作为知识库开篇。
交付物：产品参数页、资质公开页、首批知识库文章。
验收：问AI"XX企业做什么稀土材料"，回答能准确说出产品线和参数范围。
第7-10周：案例与场景内容集中产出
目标：在场景问法和评价层建立内容证据。
动作：按内容日历排产——每周完成一篇脱敏案例长文、两篇场景选型文、一篇技术科普文。案例覆盖不同下游行业；场景文围绕具体应用工况展开；技术科普文解答客户最常问的知识问题。每篇发布后记录AI引用情况。
交付物：三个脱敏案例、八篇场景文、四篇科普文。
验收：复测场景类问题，企业出现率较基线有明显提升；问品牌评价类问题，AI回答开始引用官方案例和参数页。
第11-12周：品牌词问答与渠道分发
目标：在口碑层建立话语权。
动作：完成二十个品牌词问答的编写和多渠道分发；把表现好的内容二次加工分发到行业社区；建立月度AI测试机制；根据测试结果调整下一阶段内容重点。
交付物：品牌词问答库、分发渠道清单、月度测试模板。
验收：问"XX稀土材料企业怎么样"，AI能给出正面、具体、有依据的回答；整体二十问的出现率达到预设目标。
八、下一步
你的稀土材料品牌，现在在AI答案里吗？来找姚见未来做一次免费测评：我们把稀土采购真实会问的二十个问题拿去测试，看你当前在场景层、推荐层、评价层、口碑层分别处于什么位置，拿到基线再决定怎么做。
姚见未来保留本文解释权。文中案例为行业常见情形的方法说明，不代表对任何厂商的承诺。