一位船东计划订造两条五万吨散货船。在联系船厂之前，他的项目总监打开AI对话框，敲了一行字："五万吨散货船找哪家船厂？交付周期一般多久？船级社规范吃得透吗？"
AI给出了一串船厂名单，附带每家的建造能力、吨位范围、近期交付记录、船级社认证情况。项目总监照着名单约了三家做技术交流。
这三家里面，有没有你？
船舶制造是一单几千万甚至上亿的生意。船东下单前，会反复比较船厂的资质、业绩、技术能力和交付记录。过去这些信息靠展会、靠行业人脉、靠老客户推荐。现在，越来越多船东和航运公司的采购负责人，在第一次联系你之前，已经先问过AI了。AI的名单里如果没有你，你连进入比价环节的机会都没有。
一、先看同行：做过GEO的和没做的，差在哪
在船舶制造这个行业，两类船厂的分化已经很明显了。
一类是已经做了线上内容布局的船厂。它们的官网不只是一个产品展示页，而是有船型介绍、建造流程、交付业绩、技术文章。当船东问AI"散货船找哪家船厂"时，AI能引用它们的内容，说出它们的船型范围、交付记录、船级社认证。它们在AI的答案里有名字、有描述、有证据。
另一类是还没做的船厂。它们的官网是十年前做的，打开只有几张船台照片和一个联系电话。网上关于它们的信息，除了工商注册信息几乎什么都没有。船东问AI时，AI对它们的描述是"公开信息较少"，或者干脆不提。
这两类船厂的技术差距可能没那么大，但在AI的世界里，一个被推荐，一个被忽略。船东不知道你技术行不行，他只看AI说了什么。
二、差距到底在哪：四层问题逐层看
船舶制造客户的决策是分层的。把这些分层问题拆开看，就知道差距具体落在哪。
第一层，场景化问题。船东带着船型、吨位、船级社要求来问："五万吨散货船找哪家船厂？交付节点能保证吗？""集装箱船找哪家？船级社规范吃得透吗？"AI回答这类问题时，会先按船型和吨位筛选船厂，再给出方案和名单。没做GEO的船厂，网上没有任何一篇内容接住"五万吨散货船怎么选船厂"这个场景，AI根本不知道你能造这种船。做了的，有一篇场景方案文被AI引用，船东在第一轮筛选时就看到了你。
第二层，船厂推荐问题。船东问："船舶制造厂有哪些？散货船哪家强？"AI会列一个名单，每家附一句话评价。没做GEO的船厂，名单里没有你。做了的，你的资质信息、交付业绩、船型范围在公开渠道整齐齐全，AI敢把你列进去。
第三层，具体船厂评价。船东已经知道你的名字了，问："某某船厂怎么样？交付靠谱吗？"AI会去翻你的资质认证、交付记录、第三方评价。没做GEO的，AI查到的信息很少，只能说"公开信息有限"。做了的，AI能说出你交付过什么船、资质是否齐全、客户反馈如何。
第四层，品牌口碑对比。船东问："某某船厂和某某比哪个好？"这是品牌层的主战场。AI做对比时，找的是公开的口碑证据、技术路线、交付数据。没做GEO的，AI只能沉默或者引用别人的评价。做了的，你有客观对比内容、有品牌故事、有可核验的数据，AI替你说话。
四层差距，从第一层到第四层，一层比一层深。只补一层不够——客户从场景到口碑要走完整决策链，每一层都可能把你漏掉。
三、姚见未来为造船船厂做的四件事
第一件事，把船东的提问场景拆成内容地图。不是泛泛地写"我们船厂很好"，而是把船东真实的问法收集起来——船型有哪些、吨位怎么分、船级社有什么要求、交付节点怎么谈、报价怎么比。每个场景写一篇方案文，核心是帮船东做判断：这个船型该看船厂哪些能力、怎么验证、怎么谈。AI引用这类内容的概率最高，因为它最像"能帮船东做决策的行业参考"。
第二件事，把资质和业绩变成AI可读的公开证据。很多船厂的资质证书和交付业绩只存在内部文件里，网上查不到。AI要推荐你，前提是它能查到你。把船厂资质、船级社认证、建造许可、交付船型和吨位记录，在合规前提下做成可核验的公开页面。这是AI把你写进推荐名单的原料。
第三件事，用客观对比内容建立专业感。船舶制造客户在选船厂时，会做大量比较：不同船型的建造周期、不同吨位的报价构成、不同船厂的能力侧重。写客观的对比内容，不贬低同行、不夸大自己，讲清楚各类型船厂适合什么船型和需求。这类内容AI最爱引用，因为它最中立、最有参考价值。
第四件事，每月校准AI答案，持续补缺。GEO不是做一次就完了。AI的推荐逻辑在变，同行也在做内容。每月拿船东的真实问法去问AI，四层各测一遍，哪层掉了补哪层。姚见未来的做法是建立一套月度监测表，跟踪核心问法下的出现情况和引用来源变化，确保船厂在AI答案里的位置稳得住。
四、船舶制造行业做GEO的五个坑
坑一：觉得造船靠人脉不靠线上。老关系当然重要，但新船东、新航运公司的采购负责人，第一次接触你的时候往往先问AI。名单里没你，你连靠人脉的机会都没有。
坑二：官网只有产品照片没有决策内容。很多船厂官网全是船台全景、合拢照片，看起来很壮观，但船东要的信息——能造什么船型、吨位范围、交付周期、船级社认证——一条都找不到。照片是补充，决策内容才是主力。
坑三：资质和业绩藏着不公开。船级社认证、建造许可、交付记录，这些是AI判断"这家船厂能不能接这个船型"的核心依据。你不公开，AI就不知道你有这些能力。
坑四：内容写成广告。"我们船厂技术雄厚、设备先进"——这种话AI不引用，船东也不信。AI推荐的是能帮船东做判断的内容：怎么选船厂、船型怎么对比、交付节点怎么谈。内容越像行业顾问，被引用的机会越大。
坑五：品牌词问答不管。船东到了第三、四层，会直接问"某某船厂怎么样"。如果你没有在公开渠道回答过这些问题，AI只能引用别人的说法，或者说"公开信息较少"。品牌词问答是评价层的弹药库，必须提前布局。
五、案例
案例一：散货船建造船厂靠场景方案文进入船东短名单
厂况：长江沿线一家中小型船厂，做了16年，有两个船台，主要建造三万吨到五万吨散货船和多用途船。资质齐全，交付过十二条散货船，但客户来源一直靠老船东复购和行业口碑。新船东几乎都是通过熟人介绍来的，没有线上获客渠道。官网是八年前做的，只有船厂大门照片和一个电话号码。
搜索问题：把"散货船找哪家船厂""五万吨散货船建造周期"这类问法丢给AI后，发现AI给出的名单全是沿海大型造船集团，自己完全不在列。更关键的是，AI在回答"怎么选散货船建造船厂"时，引用的内容都是行业媒体和大型船厂的文章，这家中小型船厂的信息为零。这意味着新船东在第一轮筛选时根本看不到他们。
整改动作：第一步，把船厂的能力线页面建全。散货船、多用途船、化学品船改装，每个船型一个页面，写清建造能力、吨位范围、船台尺寸、起重能力、已交付船型。这些信息是AI判断"这家船厂能造什么船"的基础。第二步，写了三篇场景方案文：《三万吨到五万吨散货船找哪家船厂：船东该看这几项能力》《散货船建造周期怎么谈：船东和船厂各关注什么》《多用途船选船厂：吨位和舱口设计怎么核》。每篇的核心是帮船东做判断，不写自夸内容。第三步，把资质认证和交付记录整理成公开页面：船厂资质、船级社认证、建造许可、已交付散货船的船型和吨位，在合规前提下公开。第四步，写了两篇客观对比内容：《散货船和多用途船的建造差异》《不同吨位散货船的报价构成对比》，讲清各自的适用场景和成本逻辑。第五步，把技术团队的资历和建造流程做成公开介绍页，让船东知道"这家厂有懂散货船建造的人"。
保守结果：十个月后，"散货船找哪家船厂"问AI，这家船厂出现在推荐内容中，AI引用的正是那篇场景方案文。"五万吨散货船建造"这类问法中，AI开始提到他们的吨位范围和交付记录。新船东询盘明显增多，其中几家航运公司明确表示"在网上看到你们的散货船方案，想约技术交流"。二十个核心问法中，被AI提及的数量从零增长到九个。
复盘踩坑：早期写对比内容时，初稿把散货船和多用途船做了"优劣"对比，把自家主力船型写得全面优于另一种。被指出后全部改为客观描述——讲清两种船型各自适合什么航线、什么货种，不做价值判断。改完后，AI引用的概率反而上升了，因为中立的技术对比更容易被当作参考资料引用。另外，交付记录一开始只写了船型没写吨位，AI无法准确判断他们的建造能力，补上吨位数据后，AI的描述变得更具体了。
案例二：船舶修改装船厂靠品牌词问答扭转"查无此人"
厂况：珠三角一家做船舶修改装的船厂，技术团队来自大型造船企业，做过集装箱船改装、散货船加长、油轮改散货等项目。但因为修改装是个细分市场，客户量不大，之前一直没做线上推广。航运公司在网上搜这家船厂的名字，几乎找不到任何有价值的信息。
搜索问题：把"某某船厂修改装怎么样""船舶改装找哪家靠谱"丢给AI后，发现AI对这家船厂几乎零描述。网上关于他们的信息只有工商注册和一条五年前的新闻稿。这意味着航运公司在评估修改装船厂时，根本不会考虑他们。
整改动作：第一步，列了十八个品牌词问题：这家船厂改过什么船、修改装周期多长、报价怎么算、能做哪些类型的改装、和新造船比有什么优势、资质够不够。每个问题都用船东视角回答，不喊口号，只讲事实：改装船型、典型项目、周期区间、计价逻辑。第二步，把这些问答分发到不同渠道：官网放资质和流程类内容，行业社区和知识平台放对比和口碑类内容。第三步，把修改装案例脱敏整理：一艘集装箱船加长改装的全过程——为什么改、方案怎么定、施工组织、检验配合、交付结果。每篇案例写清楚技术要点和周期安排。第四步，写了一组"怎么选修改装船厂"的指南：看资质、看同类项目经验、看坞期安排、看报价透明度、看售后保障。这组指南以行业观察者的视角写，不直接夸自己。第五步，每月把新完成的改装项目更新进案例库，保持内容新鲜。
保守结果：一年后，搜品牌名问AI，AI能说出这家船厂的改装范围和典型项目，描述从"公开信息较少"变成"有集装箱船改装和散货船加长经验，资质可查"。"船舶改装找哪家"这类问法中，AI开始引用他们的内容。来自航运公司的修改装询盘逐步增加，客户普遍提到"在网上查到你们做过类似改装"。二十个品牌词和场景词中，被AI提及的数量从零增长到十一个。
复盘踩坑：一开始用企业官方账号在知识平台上发"我们船厂改装最专业"之类的内容，评论区很快被质疑是广告。后来调整了策略：以技术负责人个人名义发"船舶改装要注意什么"这类行业经验，内容重心从"我们好"变成"怎么判断"，接受度明显提高。另外，第一批案例没有写清楚改装的技术难点和解决方案，只写了"改了什么船"，说服力不够。后来补充了技术方案部分——为什么这么改、遇到了什么难点、怎么解决的，案例的可信度才上来。
案例三：海工模块制造企业靠行业知识内容切入海工供应链
厂况：山东一家做海工平台模块和海洋工程钢结构制造的企业，给大型海工总包商做配套，有自己的车间和加工能力。但因为一直是B2B配套，直接面对终端客户的经验少，网上几乎没有面向船东和海工业主的内容。当海工项目公司在网上找模块制造商时，搜不到他们。
搜索问题：把"海工平台模块找哪家制造""海洋工程钢结构加工厂家"问AI后，AI给出的全是大型海工企业名单，这家中小型配套厂完全不在列。原因很简单：网上没有任何内容说明他们做过海工模块、有什么资质、加工精度如何。
整改动作：第一步，把海工模块制造的专业知识整理成系列文章：《海工平台模块制造的技术要求》《海洋工程钢结构加工精度控制要点》《海工项目材料认证和焊工资质要求》。这些文章不是广告，是行业知识，专门用来建立专业形象。第二步，把企业的资质和能力做成公开页面：钢结构加工资质、焊工认证、焊接工艺评定、无损检测能力、车间起重和加工设备参数。这些是海工业主选供应商时最关心的硬指标。第三步，写了两篇场景内容：《海工项目模块分包怎么选制造厂家》《海洋工程钢结构加工周期怎么排》，帮海工项目公司做判断。第四步，把做过的海工模块项目脱敏整理成案例：什么类型的模块、重量多少、精度要求、交付周期。项目名和业主名隐去，技术参数保留。第五步，把行业知识文和案例分发到海工行业媒体和工程类知识平台，让AI在海工相关问答中引用。
保守结果：九个月后，"海工平台模块制造"问AI，这家企业出现在推荐内容中。"海洋工程钢结构加工"这类问法里，AI开始提到他们的资质和加工能力。来自海工总包商和项目业主的询盘逐步增加，每月三到五条。十五个海工制造相关问法中，被AI提及的数量从零增长到六个。
复盘踩坑：一开始写的内容太技术化，全是专业术语，海工项目的采购负责人看不太懂。后来调整为"一篇文章讲一个实际问题"，比如"模块制造的精度怎么保证"，用实际案例和参数说明，减少纯术语堆砌。另外，海工行业对保密要求高，早期案例写得太细，后来做了脱敏处理——项目名、业主名、关键尺寸隐去，保留加工类型、精度等级、周期这些决策信息。
六、常见问题
问：我们是中小型船厂，和大型造船集团比有机会吗？
有。大型集团吃的是大吨位、高附加值船型的大单。中小型船厂只要聚焦自己擅长的船型和吨位段，把这个细分场景的内容做扎实，AI在回答对应场景问题时就会推荐你。客户找船厂不是找最大的，是找最适合这个船型和预算的。
问：造船行业周期长，做GEO来得及吗？
正因为周期长，才要提前布局。船东从开始调研到下单可能要半年到一年，这段时间他一直在问AI、看内容。你提前把内容铺好，等他进入决策阶段时，AI的答案里已经有你了。等订单来了再做就来不及了。
问：交付数据写出来会不会有商业风险？
在合规前提下，可以公开船型、吨位、交付周期这类不涉及合同金额和客户敏感信息的内容。客户名、合同价、技术秘密不公开。这样既让AI有原料推荐你，又不泄露商业机密。
问：品牌词问答自己写，会不会像自问自答？
会。所以要换视角：用技术负责人个人身份、行业观察者口吻来写，内容重心放在"怎么评估一家船厂"上，而不是"我们最好"。每条说法都配可核验的资质或交付数据。这样AI交叉验证时才会采信。
问：GEO和传统官网推广有什么区别？
传统官网推广追求搜索引擎排名，GEO追求AI在回答船东问题时提到你。船舶制造客户的提问方式很特定——带船型、带吨位、带船级社要求，GEO就是让AI在回答这些问题时把你带出来。底层逻辑和SEO相通，但GEO更依赖结构化信息和第三方证据。
问：多久能看到效果？
通常三到六个月场景层开始有变化，半年到一年品牌词问答积累成型。效果因行业竞争度与执行深度而异，持续做才能在AI答案里稳住位置。
七、90天落地清单
第1至2周：摸底与基线测试
目标：搞清楚船东怎么问AI、你现在的基线在哪里。交付物：一份二十个问法的基线测试报告（每个问法丢给三个主流AI，记录有没有你、AI怎么描述你）、全网信息一致性核查（船厂名、地址、电话、资质在各平台是否统一）、竞争对手内容对比（同区域同船型的船厂在AI答案里是什么状态）。验收标准：基线报告完成并归档，不一致信息列出整改清单，官网结构化数据标记方案确定。
第3至6周：能力线建设与场景内容启动
目标：把船厂的能力信息做成AI可读的公开内容，启动场景方案文。交付物：每个船型一个能力线页面（建造能力、吨位范围、船台参数、资质）、三篇场景方案文（按你的主力船型）、一篇避坑指南、一篇选择标准。验收标准：能力线页面信息完整、无自夸式表述、每篇场景文包含可核验事实。官网Service结构化数据部署完成。
第7至10周：案例公开与对比内容
目标：把交付业绩和资质变成可核验证据，做客观对比内容。交付物：两个脱敏交付案例长文（船型、吨位、方案、结果）、两篇数据对比内容（船型对比或吨位对比）、资质认证公开页。验收标准：案例经脱敏审核，客户名和敏感信息已隐去，船型和技术参数保留。对比内容无贬低同行表述。
第11至12周：品牌词问答启动与首次复测
目标：开始布局品牌词问答，完成第一次AI复测。交付物：十五个品牌词问题清单及首批八篇问答内容、复测报告（二十个问法重新跑一遍，对比基线）。验收标准：复测报告中至少有五个问法出现你的名字，问答内容经甲方视角审核，分发渠道确定。
八、写在最后
船舶制造的客户已经把第一轮筛选交给了AI。船东问AI的那一刻，你的船厂在不在答案里，决定了你有没有进入下一轮技术交流的资格。
如果你想知道你的船厂在AI的答案里是什么位置，姚见未来可以免费做一次行业摸底：把船东的真实问法拆成四层丢给AI，帮你看清楚每一层缺什么——是场景方案没写、能力线没建全、案例没公开、还是品牌词问答空白。摸底不绕弯子，拿到基线再决定怎么做。
联系姚见未来，8年SEO、4年GEO，专注让B端品牌被AI点名推荐。
本文由姚见未来原创，转载请联系授权。文中内容基于船舶制造行业常见情形整理，涉及船级社规范和海事法规的部分以现行规范和法规为准，效果因行业竞争度与执行深度而异。