我把20个客户最常问的问题丢进豆包，被提到0次

今年3月，我们做了一件成本几乎为零的事：把一家客户所在行业最常被问到的20个问题，一字不改地敲进豆包、DeepSeek、通义千问、Kimi。同一个问题，四个模型各问一遍。

结果：20个问题，这家客户被提到0次。

同一批问题，它的两个同行一共被提到11次。其中一家，在6个问题里被摆在第一位。

这家客户不是小作坊。做了14年，行业展会的位置一直靠前，公众号一年发了41篇。老板听完的第一反应是："是不是我们广告投少了？"

我说不是。是你的客户换了个地方找答案，那个地方没有你。

客户不是不找你了，是换了个地方找

公开的行业分析里有两个数字：截至2026年，中国AI搜索用户规模已近7亿，超过六成互联网用户习惯直接向AI提问拿答案；中国的生成式引擎优化市场，会从今年的数十亿元量级涨到2030年的千亿级。

这些数是行业里传的，我不替它背书。我只说我在项目里看到的那一面。

一个采购要换供应商，以前是打开搜索框，翻三页，点开十个网站。现在是打开对话框，问一句"XX材质的密封件，哪几家做得稳"。

AI答案里点名的那三四家，就是他先打电话的那三四家。你不在里面，连被比价的资格都没有。

这个变化不需要什么趋势判断。拿自己行业的问题去问一遍就知道了，十分钟的事。

第一步：把数字拉出来，别急着买工具

我们先没谈方案。干的第一件事是扒内容账。

过去12个月，这家客户在公众号发了41篇。28篇是节日祝福、行业新闻转载、公司团建。剩下13篇，9篇讲的是"我们厂区多大""我们通过了什么认证""我们的设备有多贵"。

AI要回答的是"这个材质能耐多少度""交期一般多久"。你写的是"我通过了某项认证"。这两句话中间没有桥。

更麻烦的是，这13篇里没有一篇能拎出一段完整、干脆、可以直接被引用的答案。全是排比句加一句"欢迎致电"。

这笔账你算一下：一年41篇，真实业务内容13篇，能被AI摘走的段落0段。不是内容不够多，是内容不够用。

第二步：把客户的决策路径拆成四层

我跟团队内部有一条规矩：任何内容项目，先做意图分层，再谈选题。

我们把这家客户的客户，从动念头到签合同，拆成四层：

• 认知层：这东西到底解决什么问题，什么情况下必须换
• 选型层：参数怎么看，材质、温度、压力怎么算够用
• 对比层：国产和进口差在哪，A家和B家差在哪
• 决策层：价格区间、交期、售后、起订量

拆完再回头看那13篇业务内容，11篇压在决策层——"厂家直销，欢迎询价"。

客户还没搞清楚自己要不要换供应商，你已经开始报价了。内容分层没做，写得再多也是原地打转。

判断标准很简单：一份内容方案里全是"关键词密度""外链建设""快速排名"这类词，却不提用户意图分层，那它多半是把老办法换了个新名字。AI不吃外链数量这一套。它要的是能直接回答问题的段落。

第三步：最要命的不是写作工具，是素材源

我们把这家客户的技术负责人、售后主管和两个销售拉进一个两小时的会，主题只有一个：把客户问过你的问题，原样说出来。

全程录音转文字，1.8万字。里面全是具体的东西——某个工况下密封件多久要换、某个客户当时不信、我拿样品给他泡了三天、有个批次出问题是因为温度超了7度。

这1.8万字，就是后面三个月的选题库和素材库。

经常有人问我AI写内容好不好用。我的答案一直没变：工具从来不缺，缺的是喂给它的东西。你给它一份产品手册，它回你一份更流畅的产品手册，仅此而已。

我们把工程师说的口语稿、售后记录、销售的战败复盘，攒成一个按意图分层的素材池，再让智能体按不同平台的口径批量出稿。写公众号的、写知乎的、拆短视频脚本的，用的是同一套素材，口径不会跑偏。

这也是我们做舍予AI智能体的出发点——不是给你一个"写文案"的按钮，是给老板配一支能常年跑的班底。我们自己管它叫"老板的第一支AI战队"，这个说法就是从这个场景里长出来的。

第12周，我把那20个问题又问了一遍

三个月后，同一批问题，同一批模型。

被提到7次，其中3次被写进"可以考虑的几家"里。描述也从原来的一片空白，变成"以某类材质见长，交期大概在什么区间"。

得说清楚，7次不等于排第一。这个指标本身也不是看排名的。

生成式引擎优化和传统搜索优化，看的东西不一样。前者不是让网页在结果列表里排得更高，而是让品牌信息被模型在生成答案时优先引用和推荐。一个看位置，一个看有没有你。

对我服务的老板来说，第二个指标更要命。因为AI答案里没有你，客户根本不会知道你排第几。

这几个坑，我们自己踩过

坑一：拿老办法做新事。 铺外链、堆关键词，做三个月，AI那边一点动静没有。

坑二：量上去了，全堆在一层。 内容工厂跑起来之后，一周能出九篇。但如果全是"厂家直销"，那就是把噪音放大了九倍。

坑三：只测一个模型。 豆包提到了你，Kimi那边还是一片空白。几个模型的抓取偏好和信源不一样，得分开盯着。我们每周一的固定动作就是四个模型各问一遍，一个人一小时。

坑四：忘了管网上的旧信息。 AI的答案是从互联网上各种信源里整合出来的。网上如果有一堆过时描述、错误参数，甚至负面评价，它会把这些东西一起讲给每一个提问的人听。这个活儿不出事显不出来，出事就来不及。

你能抄的作业，就四步

第一步，先做基线，别买工具。挑20个客户最常问的问题，四个模型各问一遍，记下被提及次数、提及位置、描述准不准。每周固定一小时，自己做一张表。

第二步，选题表换个方向。从"我想说什么"改成"客户在哪一层问我"。认知、选型、对比、决策，四层各占多少，一眼就能看出你的内容偏成什么样。

第三步，把素材源看成第一生产力。技术、售后、销售的失败案例，全部转成文字存起来。素材源比写作工具重要十倍。

第四步，KPI定在"被提及率"上。有近六成中小微企业主把"缺乏专业AI技术团队"列为数字化转型最大的障碍——这道坎不用自己扛，你只需要把业务判断给出来，人不用自己招。

最后说句实在的。这件事一个人干不完，也不需要一个人干完。以前一个月产出三四篇，现在一周九篇往外走，还要每周盯四个模型的回答变化。靠一个新媒体专员，做两个月就断了。

你要是想先看看自己行业那20个问题的答案长什么样，不用找我们，今天下午自己就能测。

测完如果发现是0，再回来聊。这笔账怎么算，多少分钟、多少人力能省下来，我们上门给你拉表。