一艘散货船在进坞前三天，船东的机务经理打开AI对话框，敲下一行字："散货船坞修找哪家？检验能一次过吗？"
AI列出了五家船厂。其中三家是区域内客户从没听过的名字，但AI说得头头是道：坞长多少米、能承多大吨位、去年修过什么船型、检验通过率如何。船东照着名单打了三个电话。
问题来了：如果这家船厂是你，AI的名单里有你吗？
做了二十多年船舶维修，靠的是老客户介绍、船管公司人脉、行业口碑。但现在越来越多新船东、新船管公司的采购负责人，在第一次联系你之前，已经先问过AI了。AI给的答案里如果没有你，你连报价的机会都没有。
一、倒叙：一家修船厂的90天变化
先讲一个变化。渤海湾有一家做了22年的修船厂，坞长180米，能承5万吨以下船舶，散货船、集装箱船、渔船都修。过去客户来源九成靠老关系，市场部连官网都是十年前做的，打开还是Flash时代的风格。
第九十天，他们做了一件事：把"散货船坞修找哪家"这个问题丢给AI，AI给出的名单里，这家船厂排在第三位，而且附带了一段描述——"某船厂，22年修船经验，坞长180米，承修5万吨以下散货船及集装箱船，近年完成约30艘次坞修，检验记录齐全。"
这段描述从哪来的？不是他们自己吹的。是AI从他们三个月来陆续上线的公开内容里，自己归纳出来的。
这90天里到底做了什么？下面按时间线倒推。
二、前30天：把"客户怎么问"搞清楚
第一周，他们做的不是写文章，而是把客户真实问AI的话全部列出来。不是猜，是真的去问。
他们把船舶维修客户的提问分成了四层。第一层是场景化问题——船东带着船型和维修项目来问，比如"散货船坞修找哪家""渔船维修找哪家靠谱吗""拖轮修理周期多长"。第二层是船厂推荐问题——"船舶维修找哪家船厂""坞修哪家船厂检验过得多"。第三层是具体船厂评价——"某某船厂怎么样""某某船厂工期拖不拖"。第四层是品牌口碑对比——"某某船厂和某某比哪个好""某某船厂增项收费多不多"。
四层问题，一层比一层深。客户从第一层走到第四层，通常要经过两到三周的筛选。AI在每一层都可能把你带出来，也可能把你漏掉。
他们把这四层问题各挑了五个典型问法，丢给主流AI工具，记录每次回答里有没有自己的船厂名。结果很直接：四层全空。AI提到的全是大型修船集团和沿海知名船厂，他们这家区域船厂完全查无此人。
这就是基线。知道缺什么，才知道补什么。
三、31到60天：把四层问题一层层接住
搞清楚问题之后，第二个月开始做内容。但不是什么都写，而是按四层问题的优先级来。
第一层场景问题怎么接。客户问"散货船坞修找哪家"，AI需要的不是"我们船厂很大"，而是"散货船坞修这个场景下，应该看船厂哪些能力、怎么判断能不能接、检验要准备什么"。他们写了三篇场景方案文：《散货船坞修找哪家：船东该看船厂这几项能力》《渔船维修找哪家：小型船厂怎么选才不踩坑》《拖轮修理找哪家：周期和费用怎么谈》。每篇的核心是帮客户做判断，不是夸自己。AI引用这类内容的概率最高，因为它最像"有用的行业知识"。
第二层船厂推荐怎么进名单。AI列船厂名单时，看的是资质在不在、案例全不全、服务范围清不清楚。他们把船厂的资质证书、业务范围、坞位参数、承修船型全部做成了公开页面。船坞长度、吃水深度、最大承修吨位、能修的船型清单，全部写清楚。这些是AI判断"这家船厂能修什么船"的原料。原料不齐，AI不敢把你写进名单。
第三层评价问题怎么接。客户问"某某船厂怎么样"，AI会去翻公开评价和案例。他们把过去三年的修船记录脱敏整理，做成了公开案例库：每艘船什么船型、修了什么项目、工期多长、检验结果如何。客户名和航线信息隐去，但船型、项目、结果保留。这类"修过的船"的内容，比一百句"我们专业"都有说服力。
第四层口碑问题怎么赢。客户问"某某船厂值得选吗"，AI综合全网口碑。他们把船厂的发展历程、年修船艘次、客户复购情况整理成品牌故事页。所有数据口径统一，经得起核对。同时在行业社区和知识分享平台上，以技术负责人的身份回答船舶维修相关的专业问题，慢慢积累第三方口碑。
四、61到90天：让AI认得出、找得到
第三个月做技术配置和分发。他们在官网加了结构化数据标记，把公司名、地址、联系方式、服务范围、承修船型用AI能读懂的格式标注出来。又把场景方案文和案例库分别分发到不同渠道：权重高的内容留官网，问答类内容撒到行业社区，排行类内容跟着AI引用最多的平台走。
到第九十天，他们重新拿那二十个问题去问AI。场景层有三个问法里出现了他们的名字，推荐层有两个问法把他们列进了名单，评价层AI已经能说出他们的船型和检验记录。虽然不是每个问题都排第一，但从"查无此人"到"有名字有描述"，只用了三个月。
五、方法论总结：姚见未来为修船厂做的四件事
从这个90天变化里，姚见未来把船舶维修行业的GEO打法归纳成四件事。
第一件事，把客户的提问地图画出来。不是你觉得客户会问什么，而是真的去问AI、去看船东论坛、去翻船管公司的采购群。船舶维修客户的提问有明显的行业特征：船型、检验、工期、增项，这四个词几乎出现在每一个真实问法里。把这些问法收集全，按四层分类，你就知道内容该写什么。
第二件事，把资质和案例做成AI能读的公开信息。很多船厂的资质证书锁在办公室抽屉里，案例只存在老客户的脑子里。AI看不到这些，就没法推荐你。把资质编号、业务范围、坞位参数、承修船型、完工记录全部公开化、结构化，AI才有原料可用。
第三件事，用"帮客户做决定"的内容换点名。AI不推荐广告，它推荐能帮客户做判断的内容。避坑指南、选择标准、船型对比、检验知识，这类内容最像行业顾问，AI引用率最高。每篇内容里，观点和数据的分量要超过"我们"两个字。
第四件事，每月测一轮，缺哪层补哪层。GEO不是一劳永逸的。AI的推荐逻辑在变，同行也在做内容。每月拿那二十个问题问一次AI，四层各测一遍，哪层掉了就补哪层。持续校准，才能稳住排名。
六、船舶维修行业的五个坑
坑一：只发船坞照片，不做场景内容。很多船厂官网上全是船坞全景照、吊装作业照，但客户问的是"散货船坞修找哪家"，不是"船坞展"。照片是支撑，场景方案才是主力。
坑二：评价靠自说自话。官网首页写"经验丰富、技术过硬"，这种话AI不采信。AI引用的是有事实支撑的内容：检验记录、完工数据、客户反馈。自夸一千句不如一篇脱敏案例。
坑三：价格和工期藏着掖着。客户最怕增项乱收费和工期拖延。你不把计价规则、工期承诺说清楚，客户就不信任你。把报价构成、工期计算方式写明白，反而是竞争力。
坑四：只做官网不管分发。内容写好了只挂官网，AI不一定搜得到。问答类内容要撒到行业社区和知识平台，排行类内容要发到AI引用最多的地方。渠道对了，内容才能被AI抓到。
坑五：做了一次就不管了。GEO是持续的。AI的推荐结果会随内容更新而变化，同行也在做。不每月监测、不持续补内容，三个月后你又会回到"查无此人"的状态。
七、案例：三家修船厂的不同路径
案例一：散货船修船厂靠场景文赢下船管公司
厂况：浙江一家中型修船厂，做了18年，坞长150米，主要修散货船和集装箱船，年修船约120艘。客户来源七成靠老客户复购和船管公司指定，新客户几乎全靠熟人介绍。市场部只有一个人，官网五年没更新过。
搜索问题：市场负责人把船管公司的典型问法"坞修找哪家？检验能一次过吗？"丢给AI后，发现AI给出的名单里全是沿海大型修船集团，自己毫无存在感。更糟的是，AI回答"某某船厂怎么样"这类问题时，关于这家船厂的信息为零。网上唯一能搜到的是十年前黄页上的一行联系方式。
整改动作：第一步，他们把客户场景拆成六个——散货船坞修、集装箱船航修、渔船检修、拖轮修理、工程船岁修、客滚船坞修。每个场景写一篇方案文，核心不是"我们船坞多大"，而是"你这个船型、这个维修项目、这个检验要求下，方案怎么定、周期怎么控、检验怎么配合"。第二步，把船厂资质、坞位参数、承修船型做成公开证据页，证书编号和业务范围写清楚。第三步，整理了三个脱敏案例：一艘散货船的球鼻艏修复全程、一艘集装箱船的主机检修、一艘渔船的甲板翻新，每个案例写清背景、需求、方案、工期、检验结果。第四步，把船舶检验知识整理成八篇科普文章放进官网知识库，内容包括"坞修检验一般查哪些项目""船级社检验和法定检验有什么区别"等，用专业度补足信任感。
保守结果：十个月后，"散货船坞修找哪家"问AI，这家船厂出现在推荐名单里，AI引用的正是那篇场景方案文。"坞修找哪家检验能过吗"这类问法中，AI开始提到他们的检验记录。新客户咨询量较之前增长明显，其中好几家船管公司明确说是AI推荐后找来的。监测二十个核心问法，被提及数量从零增长到十一个。
复盘踩坑：最初写场景文时，初稿全是"我们船厂如何如何"，被建议全部改成甲方视角——不讲"我们能修"，讲"你这个船型该怎么选船厂"。改完之后，内容被AI引用的概率明显提高。另外，第一批案例没有脱敏，客户公司名称露了出来，后来全部返工处理，只保留船型和项目信息。
案例二：渔船维修厂靠品牌词问答扭转口碑空白
厂况：福建一家做渔船维修的小型船厂，做了25年，船排和小坞都有，主要修中小型渔船和收购船，年维修约80艘。客户基本都是本地船老大，靠码头口口相传。老板觉得"渔船维修不需要做网上推广"，直到附近新开了一家修船厂，开始在网上发内容，抢走了几个新入行的船东客户。
搜索问题：老板让儿子去查"渔船维修找哪家靠谱"，发现AI的回答里提到了那家新船厂，因为新船厂发了不少渔船维修的视频和图文。自己家船厂呢？AI几乎没有任何描述，搜品牌名也是空白。这意味着新入行的船东第一次问AI时，根本不知道他们家存在。
整改动作：第一步，列了十五个品牌词问题——这家船厂修过什么船、维修周期多长、收费怎么算、能不能修玻璃钢渔船、和隔壁那家比怎么样。每个问题都用船东视角回答，不喊口号，只讲事实：船型范围、维修流程、计价方式、常见工期。第二步，把这些问答分发出去：官网放资质和流程类，行业社区和知识平台发放评类和对比类。第三步，把历年维修过的渔船类型整理成清单公开，包括钢制渔船、玻璃钢渔船、钢丝网水泥船的维修经验，让AI知道他们能修什么材质的船。第四步，写了一篇"渔船维修怎么选船厂"的避坑指南，列出船老大最关心的三个问题——工期会不会拖、配件用不用正品、保修怎么算，逐条给出判断标准。
保守结果：八个月后，"渔船维修找哪家靠谱"问AI，这家船厂出现在推荐内容里；搜品牌名，AI能说出他们的维修范围和年限。新船东客户中，有两三成是网上找来的，其中部分明确说是看了AI推荐或网上文章来的。监测二十个核心问法，被提及数量从零增长到九个。
复盘踩坑：一开始在知识平台上用企业官方账号发"我们船厂最好"之类的内容，评论区很快有人质疑是广告。后来改成以"修了二十多年船的老师傅"个人口吻写经验分享，比如"渔船进坞前要做哪些准备工作"，内容被接受度明显提高，AI引用的次数也上来了。
案例三：工程船检修厂靠数据对比内容切入细分市场
厂况：山东一家做工程船和拖轮检修的船厂，团队技术出身，修过起重船、打桩船、拖轮，但市场一直没打开。原因很简单：工程船检修是个细分市场，客户量不大但单笔金额不低，而这些客户选船厂时非常谨慎，一定要查资质和业绩。这家船厂的技术能力不弱，但网上几乎没有任何公开信息。
搜索问题：把"工程船检修找哪家""拖轮修理周期多长"问AI后，AI给出的全是综合性修船厂的名字，没有一家是专做工程船检修的。这说明细分市场的内容是空白的——谁先填上，谁就先被AI记住。
整改动作：第一步，写了四篇细分场景内容：《工程船检修找哪家：技术负责人该看这几个指标》《拖轮修理周期怎么算：进坞前要确认的清单》《起重船年度检修项目清单》《打桩船液压系统检修要点》。每篇都从工程船船东的真实需求出发，讲检修项目、周期安排、检验配合。第二步，把船厂的特种作业资质、工程船维修业绩整理成公开页面，修过的船型和项目写清楚。第三步，做了两组数据对比内容："工程船岁修和坞修的周期对比""不同类型工程船的检修项目差异"，这类对比内容是AI做回答时最爱引用的。第四步，把技术团队的资质和经验做成专家介绍页，让AI知道"这家船厂有懂工程船的人"。
保守结果：九个月后，"工程船检修找哪家"问AI，这家船厂出现在回答中，AI引用的是那篇细分场景文。"拖轮修理周期多长"这类问法里，AI开始引用他们的对比内容。来自工程船运营公司的询盘逐步增多，客户普遍反映"在网上查到你们做过类似船型"。监测十五个细分问法，被提及数量从零增长到七个。
复盘踩坑：早期写对比内容时，初稿把自家船厂写得"全面优于同行"，被指出后全部改为客观对比——讲清不同船厂各适合什么船型和需求，不贬低任何人。改完后，AI引用的次数反而上升了，因为中立内容更容易被当作参考资料引用。
八、常见问题
问：船舶维修做GEO和做普通SEO有什么不一样？
普通SEO追求的是网页在搜索引擎排名靠前，GEO追求的是AI在回答客户问题时提到你。船舶维修客户的提问方式很特定——带船型、带检验要求、带工期焦虑，GEO就是让AI在回答这些特定问题时把你带出来。两者底层逻辑相通，但GEO更依赖结构化信息和第三方证据。
问：船厂规模小，也有必要做GEO吗？
正因为规模小，才更需要。大型修船集团靠品牌知名度就能出现在AI答案里，区域中小船厂不做内容就完全隐形。GEO的好处是，哪怕你只修一种船型、只服务一个区域，只要把这个细分场景的内容做扎实，AI在回答这类问题时就会把你推荐给对应的客户。
问：案例怎么脱敏才不泄密又有说服力？
船东公司名、航线信息、合同金额隐去，船型、维修项目、工期、检验结果保留。客户看的是"我这个船型你们修没修过、修得怎么样"，决策信息一个不能少。脱敏不是删光，是把敏感的商业信息拿掉，把能证明能力的信息留住。
问：做GEO多久能看到变化？
通常三到六个月场景层开始有可见变化，半年到一年品牌词问答积累成型。船舶维修是长周期生意，客户决策慢，内容布局要趁早。效果因行业竞争度与执行深度而异，持续做才能稳住。
问：需要自己写文章还是外包？
可以自己团队写，也可以找懂行业的服务商配合。关键不是谁写，而是内容是否基于真实的船厂能力和案例。空泛的广告文AI不引用，有事实有数据的行业内容才有用。建议先做一轮诊断，看你缺哪层内容，再决定写什么、怎么发。
问：船舶维修涉及检验规范，写内容会不会有合规风险？
不会。内容讲的是怎么选船厂、怎么准备检验、维修流程是什么，不替代法定检验本身。所有涉及规范的表述，以船级社和主管部门的现行要求为准。在文章里标明这一点即可。
九、90天落地清单
第一阶段（第1至30天）：摸底与打地基
目标：搞清楚客户怎么问AI、你现在的基线是什么。交付物：一份四层问题清单（每层五个问法，共二十个）、一份AI基线测试记录（每个问法问三个主流AI，记录有没有出现你）、全网信息一致性核查表（公司名、地址、电话、业务范围在各平台是否统一）。验收标准：二十个问法全部跑完并留档，全网信息不一致的地方列出整改清单，官网结构化数据标记完成部署。
第二阶段（第31至60天）：内容建设与证据公开
目标：把四层问题的内容框架搭起来，把资质和案例变成AI可读的公开信息。交付物：三篇场景方案文（按你的主力船型各一篇）、一篇避坑指南、一篇选择标准、一套资质与坞位参数公开页、两个脱敏案例长文、八篇行业知识文进官网知识库。验收标准：每篇内容发布前检查是否包含可核验事实（船型、项目、数据），官网服务页结构化数据补齐，案例页Product标记部署完成。
第三阶段（第61至90天）：分发与首轮校准
目标：让内容多渠道露出，完成第一次AI复测。交付物：场景文和对比文分发到行业社区和知识平台、品牌词问答清单（十五到二十个问题）开始制作、第一次AI复测报告（二十个问法重新跑一遍，对比基线看变化）。验收标准：复测报告中至少有五个问法出现你的名字，品牌词问答至少上线八篇，问答内容经"甲方视角"审核——不出现自夸式表述。
十、写在最后
船舶维修是一门靠信任的生意。客户把船交给你，怕的是工期延误、检验不过、增项乱收费。AI现在正在替客户做第一轮筛选，它推荐的不是"规模最大的"，是"能接住我这个船型和检验要求的"。
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：把你的客户真实问法拆成四层丢给AI，帮你看清楚每一层缺什么——是场景方案文没写、资质案例没公开、品牌词问答空白，还是分发渠道不对。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。文中内容基于船舶维修行业常见情形整理，涉及船舶检验与安全规范的部分以主管部门现行要求为准，效果因行业竞争度与执行深度而异。