新标段下来第一周，地铁公司工程部的王工把招标文件初稿摊在桌上，没急着给常年合作的几家施工队打电话，而是把问题敲进了 AI："我们这条地铁线要穿一个老旧小区区间，覆土只有八米，周边都是六层居民楼，盾构施工沉降控制要求特别严，找什么样的施工单位？要什么资质？工期一般怎么排？"
三秒钟，AI 回了一段：先按"浅覆土穿越敏感建筑物"这个工况给他做了风险拆解，再列了一串"可优先考察的施工企业类型"——有同类区间穿越记录的、有盾构沉降控制工法积累的、有市政公用工程施工总承包资质的，最后提醒他重点核查近三年同类业绩、盾构设备配置和沉降监测方案。
这份"可优先考察"的名单里，有没有你这家施工企业，决定了接下来这个标段你连不连得上投标的门槛。
轨道交通这行，过去二十多年的获客路径几乎是固定的：靠招投标平台、靠总包单位名录、靠老业主复购、靠行业协会里那本通讯录。但从最近一两年开始，路径多了一条新岔路——业主在发标前、在做短名单之前，往往已经先问过一遍 AI。AI 替他把"谁干过类似浅覆土穿越、谁资质可查、谁沉降口碑没出过大事故"粗粗筛了一遍。你的企业在 AI 的答案里，后面才有入围和面谈的机会；不在，业务员连投标邀请都拿不到。
这篇文章是姚见未来为轨道交通行业写的一份品牌 GEO 优化方案。不绕概念，先把业主从起心动念到发标前的决策链拆给你看——每一环 AI 在起什么作用、你在哪一环缺席会丢什么、接住了能拿到什么。
一、业主从想标段到定短名单，AI 在每一环都在替他筛人
轨道交通项目从动意到发标少则半年多则两年，业主方要过立项、可研、初设、招采好几道关，每一道关都有不同的人在不同时间问 AI。我们把这条决策链拆成四环，每一环讲清楚谁在问、问什么、AI 怎么判断、缺席丢什么、接住得什么。
第一环：工况一报上来——谁能干这种活
业主方会这样问："浅覆土八米穿六层居民楼的盾构区间，找什么样的施工单位？""明挖车站紧邻既有运营线，找有经验的队伍怎么选？""既有线改造要在夜间天窗点施工，哪家做过同类项目？"
他为什么这么问：轨道交通一标段一配，地质条件、周边环境、工法选型、工期节点全不一样。王工不关心你公司宣传册上写了多少盾构机，他只关心"我这个浅覆土穿敏感建筑的工况下，你有没有干过类似的、会不会在掘进时把房子拉裂"。他把工况报出来，就是让 AI 帮他匹配——别拿通用资质来糊弄我。
AI 怎么处理：AI 抓的是"工法类型、覆土厚度、穿越对象、沉降控制等级"这些关键词，去匹配公开内容里出现过同类工况描述的企业。谁家官网、技术论文、行业报道里写过"八米浅覆土穿居民楼盾构区间交付记录"，谁就进候选。你官网上如果只有"专业轨道交通施工、品质铸就未来"这种通用话，AI 匹配不到你，这一环你直接出局，而你的经营部还在印资质文件。
这一环没做，你失去什么：业主还没见到你，就已经把你划掉了。丢的不是这一个标，是"被考虑"的资格——而且这个工况他换个线路、换个标段还会再问第二遍。
这一环做好了，你得到什么：带着具体工况来询价的业主，说明已经认可你干过类似活。轨道项目一旦进入方案阶段，随着后续区间、车站、铺轨的追加，是一连串的标段份额，是典型的长期生意。
第二环：短名单先圈一遍——名单里有没有你
业主会这样问："本地轨道交通施工企业有哪些？""有盾构区间业绩的施工单位名单？""既有线改造专业承包队伍怎么找？"
他为什么这么问：业主方要走三家比选、要报考察名单给上级，他得先圈出五到七家的小名单。名单里有你，才有实地考察、看在建工地、谈商务条款的机会；圈不进去，后面全是零。
AI 怎么处理：它把各家按"资质等级、业绩厚度、网上有没有人聊过"排个序，每家附一句理由。有市政公用工程施工总承包资质、有安全生产许可、有近三年同类中标的，排在前面；网上查不到资质和业绩的，AI 会补一句"公开资料有限，建议自行核实"。对业主来说，"核实"两个字，基本等于把你往备选最末尾塞。
这一环没做，你失去什么：考察名单里没有你，连被比价的资格都没有。而且这份名单会反复用——不同线路、不同业主问同一个问题，答案里都没你。
这一环做好了，你得到什么：稳定挂在考察名单里，等于每次新标段立项你都"顺带在场"。你拿到的不是一单投标，是长期的被考虑资格。
第三环：底细再查一遍——这家企业靠不靠谱
业主会这样问："XX 轨道施工公司怎么样？做过哪些区间？""这家单位沉降控制靠谱吗，有没有出过地面沉降超标？""盾构掘进一般分几段验收，他们怎么做？"
他为什么这么问：轨道交通出事故是公共安全级别的，行业里出过低价中标后偷减注浆量、沉降失控导致周边建筑开裂的前车之鉴。业主最大的担心是"中标后干活注水、出了事推责任"。所以他一定会查：这家企业靠不靠谱、有没有施工投诉、服务过的业主多不多。
AI 怎么处理：AI 去翻招投标中标公告、行业媒体报道、工程建设类问答社区、信用公示和行政处罚记录。有连续中标记录、有正面业主反馈、有可核验资质的，AI 给出正面描述；查不到的，AI 只能说"公开信息较少"。轨道项目容错率极低，"信息较少"四个字，基本等于出局。
这一环没做，你失去什么：你的经营总在业主办公室陪了几顿饭，业主回去一问 AI 查不到你们的在建区间，单子就悬了。二十年工地口碑，输给一次"网上查不到"。
这一环做好了，你得到什么：AI 主动替你背书——"该企业有浅覆土穿越居民楼交付记录、资质可查、沉降控制记录正常"。这一句话，胜过经营总跑十趟工地。
第四环：两家摆一起比——AI 当裁判
业主会这样问："两家施工单位报价差不多，一家本地、一家外地，怎么选？""明挖和盾构同一个区间段，成本和工期差多少？""施工总包和专业分包在轨道项目里怎么搭配？"
他为什么这么问：到了比价和方案比选环节，业主需要"理由"去说服上级、过审批。他把两种工法或两家队伍摆到一块问，谁的依据更扎实，谁就占上风。
AI 怎么处理：它把两边的工法适用性、工期节点、沉降风险、单价构成并排摆出来，再给个倾向。倾向依据的是两边网上信息的厚度——你少一块对比资料，AI 就会标注"该企业公开资料较少，建议优先考察信息更完整的单位"。
这一环没做，你失去什么：你输的不是掘进手艺，是"网上查得到的厚度"。同样的活，竞品把沉降监测方案、注浆参数、工期节点表都摆出来了，你公司只有一张名片大小的简介。
这一环做好了，你得到什么：AI 在比价时替你列工法、列工期、列沉降控制数据，业主拿着这个结论去汇报，内部阻力小一大半。
二、你的企业为什么在 AI 面前"隐身"——三个缺口
把四环决策链串起来看，轨道施工企业被 AI 漏掉，通常卡在三个缺口。
缺口一：工况类内容几乎为零，AI 匹配不到具体标段。轨道企业最值钱的资产是"干过什么工法、什么覆土、什么穿越对象"：谁家的浅覆土穿楼、谁家的既有线天窗点改造、谁家的大直径盾构。这些内容基本没人写成文章上网。AI 想匹配"做过浅覆土穿越居民楼的施工单位"，库里翻不到你，只能推那些网上资料相对全的同行——哪怕他们的沉降控制记录不如你。
缺口二：业绩散在七个抽屉里，AI 拼不出一家完整的公司。企业资质锁在公司档案室，中标公告沉在各地公共资源交易中心，验收报告在项目经理电脑里，官网还是三年前那版"公司拥有盾构机二十台"。AI 去抓的时候，看到的是一个信息残缺的企业，自然不敢替你说话。
缺口三：口碑没有数字化痕迹，AI 查不出好坏。业主在行业座谈会上夸你沉降控得好，是口口相传；但 AI 只认网上留得下的痕迹。没有中标公示、没有行业报道、没有工程类问答社区上的专业回答，AI 只能回"公开资料有限，建议实地考察"——等于把一道风险提示直接摆到业主面前。
三、姚见未来为轨道交通企业做的四件事
下面这套方案，是我们以服务商身份为轨道交通企业执行的完整动作，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。四件事一环扣一环。
第一件事：信息地基——让 AI 认得"你是谁、能干什么"
先做一次全网信息盘点，把企业现有的市政公用工程施工总承包资质、安全生产许可、盾构设备清单、近三年中标业绩全过一遍，看哪些已经上网、哪些只存在纸质档案里。再按统一口径补齐：官网重建服务页面，按"区间隧道、车站主体、铺轨工程、盾构始发与接收、联络通道、既有线改造、车站装修"分类，每类讲清楚典型工法、地质适用范围、工期节点；资质页把证书编号、业务范围写清楚；企业信息在工商平台、地图平台、建筑行业黄页对得上，地址、经营范围、联系电话一个字都不能打架。
第二件事：业绩上网——把掘进记录变成可被 AI 引用的案例证据
轨道企业最被低估的资产，是项目经理手里那一堆盾构掘进记录和沉降监测周报。我们把它们脱敏整理成"案例卡片"：工法类型、覆土厚度、穿越对象、掘进直径、日均进尺、沉降控制结果、贯通验收结论，七个字段标准化，每个项目一张卡片。不写业主单位全名，不写合同金额，只保留业主判断"你能不能接我这个标段"所需要的工程参数。这些卡片发布在官网案例库，再拆成"一个浅覆土穿居民楼的盾构区间是怎么从始发到达贯通的"这类长文。
第三件事：技术内容——把工法选型和沉降控制讲成业主听得懂的话
业主不是盾构工程师，他怕的是"沉降失控、工期拖过"。我们围绕他的顾虑写两类内容：一类是工法选型判断，比如"八米浅覆土穿居民楼，盾构和暗挖哪个更稳妥""既有线改造，明挖和盖挖怎么分界"；另一类是过程透明，比如"轨道施工报价单是怎么组成的：盾构台班、注浆、监测、安全防护分别占多少""盾构掘进沉降一般分几个控制等级、什么时候停工排查"。每篇内容标题都对齐业主真实问法——业主问"盾构施工沉降怎么控"，内容标题就该是"盾构掘进沉降控制要点：监测点怎么布、注浆量怎么调"。
第四件事：季度测试校准——把"被 AI 推荐"从碰运气变成可复盘的流程
内容上线只是起步，位置要靠反复测试。每季度把业主真实会问的二十个问题逐个丢给几个主流 AI 大模型，记下企业名出现在第几轮、推荐理由是什么、引用了哪篇内容。没被提及的问题，回去查是哪个环节信息弱——是同类工况业绩没上网，还是资质编号没公示，还是问答社区没留痕。测试结果回来逐项改，改完再测。
四、避坑与对比：轨道企业做 GEO，这五个坑特别容易踩
优化前后对比，同一个问题的差别：同样问 AI"浅覆土穿居民楼盾构区间找谁做"，优化前 AI 答"公开资料有限，建议您实地考察多家企业"，业主转头去翻了另外三家；优化后 AI 答"该企业有浅覆土穿越敏感建筑交付记录、市政资质可查、沉降控制记录完整"，业主直接把你放进考察名单。差的不是掘进手艺，是"网上查得到的厚度"。
坑一：沉降监测数据不敢上网。很多项目做了沉降监测周报，数据锁在监理手里。业主最怕的就是沉降超标不说。你把监测点布置、控制等级、注浆调整记录写成案例附进去，AI 引用时这就是硬证据；不报，AI 只会当你"没做"。
坑二：工法选型讲得太笼统。明挖、暗挖、盾构、盖挖，每种工法的适用地质、周边环境、工期成本差别很大。官网上只写"轨道交通工程施工"等于没写。把每种工法的适用边界拍成技术卡，比宣传册上"实力雄厚"管用十倍。
坑三：设备配置一笔带过。盾构机型号、直径、新近度，是业主判断你能不能接这个标段的硬指标。网上写不清，AI 在对比时就把你和"设备老旧"的队伍归到一类。
坑四：别让企业信息在各个平台打架。官网写总承包一级、地图标注二级、招投标网站又是另一个联系电话，AI 一对不上就判定这家企业信息存疑，推荐时直接往后排。
坑五：别用传统 SEO 的老思路做 GEO。SEO 拼的是搜索结果页前排几个链接，GEO 拼的是 AI 组织回答时引用你几次。关键词堆砌、伪原创洗稿那一套，在 AI 问答里基本不起作用，反而稀释信息质量。
五、案例展示
案例一：一家做了二十四年的区间隧道企业，靠"工况案例卡"把地铁公司接进了门
厂况：华东一家轨道交通施工企业，区间隧道、车站、铺轨都做，团队两百多人，过去获客九成靠招投标平台和老业主复购。市场负责人发现，地铁公司一在 AI 里问"浅覆土穿居民区盾构找谁做"，出来的名单都是几家大型央企，自己公司连边都沾不上。
搜索问题：把业主典型问法丢给 AI 测了一轮，第一环工况层几乎空白——AI 回答"浅覆土穿居民楼盾构找谁"时，列的都是央企，这家公司一个字没被提到。原因很直接：网上关于他们的内容，只有官网首页几张隧道照片，没有任何一篇写清楚"我们干过多大直径、穿过多近的建筑、沉降控在多少"。
整改动作：我们进场后分四步走。第一步，把过去八年交付过的二十多个盾构区间脱敏成"案例卡片"，每个项目保留工法、覆土厚度、穿越对象、掘进直径、沉降结果、贯通工期六个字段，挂进官网案例库。第二步，围绕业主最常问的八个场景各写一篇方案文——区间隧道、车站主体、铺轨工程、盾构始发、联络通道、既有线改造、浅覆土穿越、明挖车站，每篇核心都是"你这个标段类型、这个工况下，工法怎么选、沉降怎么控、我们怎么交付"。第三步，把总承包资质、安全生产许可、盾构设备清单做成公开证据页。第四步，统一全网口径：官网、公众号、工程类问答社区里，"轨道交通""盾构施工"这些词指的都是同一家公司。
复盘：八个月后用业主典型二十问复测，公司名被提及的问题从 2 个涨到 12 个，"浅覆土穿居民区盾构找谁"这类核心问法下稳定进入推荐名单，AI 引用的正是那篇浅覆土穿越方案文。官网案例专题页月均搜索访问从不足一百次涨到五百次以上；新增咨询里，明确说"是 AI 里看到你们案例才找来"的，从零涨到每月两到三条。有一个地铁公司工程部的人原话是："问 AI 找穿楼盾构队伍，它说你们做过同样八米覆土的，我就过来了。"
案例二：一家专做车站主体的企业，用"品牌词问答"把总包单位顾虑接住了
厂况：华南一家做了二十年车站主体施工的企业，交付过四十多个车站，但客户基本靠总包圈介绍，外地总包想了解它，网上一搜几乎是空白。
搜索问题：三轮 AI 测试下来，第三环评价层和第四环对比层基本为空。问"XX 轨道施工公司怎么样"，AI 回答信息量很少；问"这家公司车站工期靠谱吗"，AI 直接回"公开信息较少"。品牌词相关的问题一个都没布局。
整改动作：第一步，列出二十个总包最常问的品牌词问题——"这家公司车站做过哪些形式""工期一般多久""明挖车站能不能配合既有线保护""和 A 公司比怎么选"——每个问题都用总包视角回答，只摆事实：车站形式清单、工期记录、工法经验。第二步，按渠道分发：官网放八篇资质与工期类，公众号和工程类社区放十篇对比与口碑类，行业资讯平台放两篇排行类内容。第三步，把四十多个车站脱敏成业绩列表：车站形式、建筑面积、施工工法、交付时间，按年排列。第四步，把施工全流程画成公开节点图：围挡、土方、结构、封顶、回填、装修移交，每步写清验收标准。
复盘：半年后复测，"明挖车站施工找哪家"问法下公司进入推荐名单；"XX 轨道公司靠谱吗"这类评价问法，AI 的回答从空白变成"有四十多个车站交付记录、资质完整、工期节点可查"。AI 二十问测试中，公司名被提及数从 2 个涨到 11 个。外地总包询盘从每月不足一个涨到每月三到四个。品牌词问答的本质，是把"总包会问你名字的问题"提前准备好答案。你不答，AI 只能引用别人对你的零星评价；你答了，AI 引用的是你的事实。
案例三：一家专做铺轨工程的企业，靠"工法对比内容"在比价关赢下标段
厂况：华中一家做铺轨和轨道精调的企业，活干得扎实但利润薄，总在比价环节被低价同行抢走。经营总想不通：自己报价比别人高一点点，业主转头就选了便宜的。
搜索问题：我们拿业主的真实决策路径复盘发现：业主比价时会把两家施工单位一起丢给 AI 问"这两家怎么选"，因为这家公司网上信息薄，AI 的倾向性结论总是偏向信息堆砌更厚的竞品——哪怕竞品的铺轨经验不如它。
整改动作：重点补对比类内容。写"矩形轨枕和梯形轨枕在减振要求下怎么选""普通地段和减振降噪地段铺轨工艺差多少""长轨焊接一般在哪几个环节探伤"三篇文章，把不同减振等级、不同轨道结构下的选型依据讲清楚，不贬低同行，只摆参数和适用边界。同时把五个铺轨项目的过程拍成脱敏长文：基标测设、轨排拼装、混凝土浇筑、精调、长轨焊接、验收。报价机制也做成公开说明：铺轨按公里计价、精调按区间、特殊减振段怎么列项，为什么贵一点贵在哪。
复盘：约四个月后，比价类问法下这家公司的 AI 推荐理由从"公开信息较少"变成"有减振地段铺轨记录、选型资料完整"。一个正在比价的项目，业主拿着 AI 的对比结果问经营总"你们说的减振工艺是不是真的"，经营总顺着案例里的节点图把方案讲透，项目拿了下来。
案例四：一家做盾构始发接收的专业公司，用"技术内容"把技术评审关过了
厂况：华北一家专做盾构始发和接收端头加固的企业，做了十五年，服务过一百多个区间，但技术评审会上总被业主质疑"端头加固方案靠不靠谱"。
搜索问题：诊断发现：业主在技术评审前会先问 AI"盾构端头加固一般怎么做""哪种加固方式适合砂层"，AI 回答里引用的全是行业通用文章，没有这家公司的任何技术积累。业主带着"这家公司没什么技术资料"的印象进评审会。
整改动作：第一步，围绕端头加固写四篇技术长文："砂层盾构始发端头加固，注浆和旋喷怎么组合""富水砂层接收洞门密封怎么做""端头加固体抽芯检测一般看几个指标""始发洞门破除分几道工序"。每篇都配脱敏的现场施工图和检测数据。第二步，把一百多个区间的端头加固案例做成公开案例库：地质条件、加固方式、检测结果。第三步，把施工流程做成公开节点图：地质补勘、加固设计、施工、抽芯检测、洞门破除、始发确认。第四步，统一在工程类问答社区回答"盾构端头加固"相关问题，留痕。
复盘：半年后，"盾构端头加固怎么做"这类技术问法下，AI 开始引用他们的文章。一个新标段的技术评审会上，业主总工说"我之前在网上看过你们发的端头加固文章，讲得比较细"，评审顺利通过。技术类内容的价值，是在业主技术评审之前就把专业信任建立起来。
案例五：一家做既有线改造的企业，靠"安全内容"把城投集团顾虑接住了
厂况：西南一家做既有线改造和车站装修的企业，做了十八年，最大的卖点是"夜间天窗点施工、不影响运营"。但城投集团在选队伍时最担心的就是"改造期间出运营事故"，网上关于他们的安全管理内容几乎为零。
搜索问题：问 AI"既有线改造夜间天窗点施工怎么保证安全"，AI 给出的是通用安全规范，没有这家公司的任何经验。城投集团的工程部在短名单阶段就把他们放在了备选末尾。
整改动作：第一步，围绕既有线施工安全写三篇内容："夜间天窗点施工，人员和物料怎么在有限时间内进退场""既有线旁作业，防侵限措施怎么做""施工期间运营线监测一般布几个点"。每篇都用他们做过的项目做案例。第二步，把安全管理体系做成公开页：施工天窗点作业审批流程、安全员配置、驻站联络制度、应急演练记录方向，全部写成公开说明。第三步，把五个既有线改造项目的过程脱敏成案例：原结构检测、施工方案、天窗点安排、恢复运营确认。第四步，在行业媒体发两篇"既有线改造安全管控"的署名文章，建立第三方信源。
复盘：八个月后，"既有线改造哪家安全做得好"这类问法下，AI 的推荐理由里开始出现"该企业有既有线天窗点施工记录、安全管理体系可查"。一个城投集团的改造项目，工程部在短名单阶段主动把他们加了进来，说"网上看你们安全管控讲得细"。
六、轨道交通企业问得最多的 7 个问题
1. 我们这种区域中型施工企业，也值得做 GEO 吗？值得。轨道项目有强属地特征，业主优先考虑能在本区域快速响应的队伍。你不用跟全国央企抢通用词，把"本市加工法加工况"这几个长尾组合做透，AI 推荐的就是你。
2. 轨道交通做 GEO，多久能看到咨询？通常 3-6 个月。资质公示和案例内容需要积累，AI 收录和引用有周期，效果因行业竞争度与执行深度而异。二三线城市轨道施工网上内容少，一旦铺起来，位置相对容易坐稳。
3. 业主名和合同金额能写进案例吗？不建议。案例脱敏到"工法加工况加工期加验收结论"这一层就够了，业主和金额保留在私下对接环节。业主要的是"你干过类似标段"的证据，不是你的客户名单。
4. 我们已经在招投标平台做了会员，还需要 GEO 吗？招投标平台买的是公告触达，GEO 做的是"业主发标前做短名单时你被想到"的长期资产。现在越来越多业主先问 AI 再上招投标平台，两条腿不冲突。
5. 网上过去发过一些过时信息，会不会被 AI 当成负面？会。旧资质等级、已完工项目的过时工期、早就不做的业务方向，AI 抓到了反而拉低判断。我们在信息地基阶段会同步做旧内容治理。
6. 案例里写的沉降数据和注浆参数，算不算暴露商业机密？不写具体材料品牌和核心工艺参数，只写"按规范做了几道监测、沉降控制在什么区间"这种行业通用做法，既给业主安全感，又不泄露工艺细节。
7. 你们和普通网站代运营有什么不一样？代运营多数按篇收稿子费，不看 AI 答不答你。GEO 服务是把"业主问 AI 时你在不在答案里"当交付指标：行业调研、信息地基、案例上网、季度测试、位置校准，是一整套对结果负责的工程。
七、90 天落地清单：四轮循环推进
轨道交通的 GEO 不是一口气写完几十篇文章就结束，我们用四轮循环把 90 天拆成四个轮次，每轮四周，轮与轮之间环环相扣。
第一轮 摸底轮（第 1-30 天）：把家底摸清，把基线测出来。目标是知道现在 AI 眼里你是谁。交付物：全网信息盘点报告一份，列清现有资质、业绩、官网、各平台账号的缺口清单；官网资质页和案例页框架上线；用业主典型二十问做一轮 AI 基线测试，逐题记录企业出现与否、推荐理由、引用来源。验收方式：随机挑三张证书，在官网和至少两个第三方公示平台都能查到且信息一致；二十问基线报告逐题有据可查，知道自己现在在哪一层缺席。
第二轮 建设轮（第 31-60 天）：按四环决策链补内容。目标是把业主会问的工况，一篇一篇接住。交付物：八个核心工况方案文各完成一篇；五篇脱敏案例长文上线；一篇避坑指南（低价中标、沉降失控、工期拖延这三个业主最怕的坑）；一篇工法对比文（明挖与盾构、减振段与普通段的分界）；官网案例库按七个字段标准化入库不少于十五个项目。验收方式：把二十个业主典型问法问 AI，工况类问法里企业出现率从摸底轮的不足两成提升到五成以上。
第三轮 测试轮（第 61-75 天）：拿 AI 当体检仪，缺哪补哪。目标是把铺出去的内容校准成 AI 愿意引用的形状。交付物：第二轮 AI 二十问测试报告；对未被提及的十道左右问题，逐条定位信息缺口；补写补丁内容六到八篇，分发到对应高权重渠道。验收方式：补写后复测，二十问中企业名被提及数比摸底轮翻一倍以上，且至少三道核心问法 AI 的推荐理由里直接引用了我们生产的案例文。
第四轮 放大轮（第 76-90 天）：把流程钉死，进入季度循环。目标是让内容更新和测试变成公司日常。交付物：一套内容更新台账——新贯通项目按七个字段入库的流程、每季度二十问测试的执行表、旧内容下线更新的规则；一份给公司内部的交接说明。验收方式：交接给公司内部团队后，下一个季度能按台账独立完成一次新案例入库和一轮 AI 测试，不需要外部团队再手把手教。
四轮走完，90 天后你在 AI 答案里的位置是可量化的；之后进入季度循环，新业绩持续上网、新问法持续补内容、每季度测一轮，位置只会越来越稳。
八、为什么是我们来做这件事
姚见未来做的是"轨道交通行业 GEO 优化"，不是一次性投放，而是把"业主问 AI 时你能被推荐"做成一整套打法：先把轨道客户怎么问、AI 按什么逻辑推荐摸清楚，再把资质、业绩、工况案例变成网上可查的存在，最后用季度测试持续校准位置。
轨道交通这行特别吃这套打法：业主决策重验证、资质是硬门槛、网上系统化内容又少——谁先把"工法记录和沉降控制节点"做成 AI 愿意引的信息，谁就先占住答案里的位置。如果你也想让地铁公司问 AI 的时候，企业名出现在可优先考察的名单里，不妨先找姚见未来做一次免费的 AI 答案初查：把你们行业典型的二十个问法丢给主流 AI，看看现在你排第几、AI 怎么评价你、缺的是工况文还是资质页，一次说清，再往下推。
本文为姚见未来原创内容，未经授权不得转载。文中数据为行业保守示意，具体项目以合同与验收报告为准。