三年两百篇稿，AI一句没引用——问题不在数量
老周做压滤机，十六年，厂子一百来号人。
上周五他见了一个老客户，回来干的第一件事，是让行政把公司这三年发过的稿子全调出来，数一遍。
两百来篇。
他随手点开最近的一篇给我看：《热烈祝贺我司顺利通过质量管理体系年度复审》。四百多字，六张图，其中三张是会议室里坐着一排人。阅读量一百出头，大概一半是他们自己群里转的。
再往前翻，格式都差不多。年会、获奖、领导来视察、消防演练、节日祝福。
我说你翻这个干嘛。
他说客户的技术总监在饭桌上讲了一句话：我们现在见供应商之前，先在 AI 上问一圈。
他没接话。回来自己试了，把公司名字和行业词丢进去问，翻了四五屏，公司出现过一次，夹在"其他相关企业"里。
倒是有个同行，一篇讲滤板材质选型的文章，被引了三次。
那篇他看过，写得也不漂亮。就是把几种材质分别适合什么工况、大概用多久，一条条列清楚了。
一、他那两百篇稿子，AI 拿来干什么
据公开的行业评测文章，2026 年，GEO（生成式引擎优化）已经成了一门正经生意。逻辑不复杂：豆包、DeepSeek、Kimi、通义千问这些大模型，正在替掉一部分"搜索"和一部分"打听"。客户问"某某设备有哪些靠谱的厂家"，AI 给出的那份名单，就是候选清单。
而 GEO 和过去的 SEO，不是一套东西。
公开的评测文章里拆过这点：SEO 对着的是爬虫规则和网页权重；GEO 对着的是模型的生成逻辑、信源权重和意图匹配。
翻译成大白话——以前你发一篇通稿，搜索引擎至少给你算一条收录。现在你发一篇通稿，AI 从里面找不出一句能搬进答案的话。
《热烈祝贺我司顺利通过年度复审》。AI 能引用什么？引用"该公司通过了复审"？
这句话对一个正在选设备的人，毫无用处。
它要的是能用得上的句子。滤板尺寸、进料压力、滤饼含水率能压到多少、哪一年给哪家厂换过整套设备、那个厂的工况是什么样的。
这些东西现在在哪里？
在销售的 PPT 里，在一份 2019 年的 PDF 里，在技术部老张的脑子里。
老周不是没花过钱。去年他找过一家代运营，三个月发了四十条，每条都是同一个模板换个产品名，连"随着行业发展"这种开头都懒得改。他自己看着都脸热。
后来停更了。一停就是半年。
我想说句不好听的：庆贺体内容之所以源源不断，是因为它好写、不担责任、发了没人看也没人骂。
问答体难，因为它要动技术和销售——要去问客户到底在问什么，要让技术部把参数给出来，要承认有些问题自己答不上来。
这才是门槛。
二、他先去问了一圈做 GEO 的
老周的第一个动作是找服务商，我一点不意外。
这是大多数老板的标准路径：听不懂的东西，先买。
我陪他看了几份方案。这个行业现在确实热，据公开梳理，国内做 GEO 的已经能拉出一个长名单，从全国平台到区域服务商，各有各的定位。有的长于资源，有的长于内容定制，有的干脆就是把发稿渠道打包。
问题在于，名字还没被定义清楚，报价和承诺已经先跑出来了。
有几条，是签合同之前必须问的——据公开的选型评测文章，这几条基本被公认：
- 媒体资源是一手直签还是二手代理。渠道层级直接决定内容信源的权重，转包一层，价格差能翻倍。
- 技术是自研还是套壳。大模型的规则一改，响应速度就是分水岭；跟不上，前面发的全作废。
- 有没有合规审核和留档。医疗、教育、金融这类强监管行业尤其，一条不合规的内容出去，不是"没效果"能收场的。
- 行业适配能力。公开评测里写得很直白：GEO 不存在标准化方案。给消费品牌做的模板，套到工业设备上就是废纸。
- 交付能不能量化。监测频率、数据粒度、敢不敢按效果付费。
老周拿到的一份方案里写着"保证某某条收录、保证某某榜"。
我把这句话念了两遍给他听。
AI 的答案每次都不一样，谁来"保证"？
他后来没签。
我给他的建议是先做一件不花钱的事：把自家品牌在几个主流 AI 平台上跑一遍认知扫描——用公司名和行业词，加上客户真会问的那二十个问题，一条条问过去，把每个平台的回答截下来，看提没提你、提得对不对、同行排在第几位。
跑完你自己就有答案了。要不要花钱、花在哪儿，也就清楚一半。
三、他把内容当产线排了
老周干的第二件事更土。
把销售叫到会议室，只做一件事：把过去一年客户问过的问题，全部写下来。
写了六十多条。归并一下，二十个。
"滤板多久换一次"、"含水率压到多少算合格"、"我们车间只有三十平，装得下吗"、"二手设备能不能加自动拉板"。
他说，这些不就是内容吗。
对。而且是最值钱的那种内容——因为它是真的有人问的。
这二十个问题，一个一篇。标题就用那句问话本身，不改，不修饰。有人这么问，AI 就会往这个方向找答案，这叫意图匹配，不是什么玄学。
一篇长稿放公众号，开头五百字把问题答完，后面接参数、型号、工况、真实案例。小红书切一个点出来，短视频脚本切一个现场，海报文案就留一句。
这是舍予 AI 内容工厂智能体现在的默认动作：先出问题清单，再出内容排产表，每天固定时间交一批稿。人只干两件事——定问题，和审稿。
我们内部有句话：让市场部从"灵感部门"变成"生产部门"。
灵感会枯竭，人一走就断档；产线不会，它只认排产表和交期。
顺带说一句，这活儿对做代运营的、对一人公司，本身就是个切口——一家企业二十个问题的清单、一年几十条的稳定出稿，客单价不高但能复制。要不要接，看你自己算账。
四、这笔账，拉出来算
我最近在看福州马尾区公开的一批案例，越看越觉得道理是通的。
当地一家做纺织的，自研了纺织 AI 垂直大模型。销售端，AI 图像搜索 5 秒内匹配出对应产品和库存；生产端，AI 质检 24 小时值守，检测覆盖率 100%，缺陷检出率超过 98%。
还有一家做储能运维的，电池系统告警之后，把电芯温差、内阻这些参数录进去，10 秒完成故障定位和概率研判。过去人工排查，40 分钟起步。
你看这些数字，全都掐在某个具体环节上：5 秒、10 秒、40 分钟。
没有一家说"我们实现了智能化转型"。
内容也一样。别跟我讲内容营销要长期主义，我就问一句：上周你发出去的五条，AI 引用了哪一条？
这个数答不上来，发的每一条都是成本。而且是最隐蔽的那种成本——它不疼，所以没人管。
现在老周的排产表已经跑到第三周。每天早上九点前，一批稿子到他手机上，他花二十分钟过一遍，该改的改，该删的删。
有一点他一直守着：稿子不发之前必须有人看。参数是不是最新的、案例里客户名字能不能写、有没有把"最好"这种词放进去。全自动发出去，早晚出一次事，那一次就够把前面攒的全赔进去。
我问他，AI 现在认识你了没。
他说还没有，翻了半天还是那几个名字。
但他说这回他知道差在哪儿了——不是发得少，是发出去的每一句，AI 都用不上。
三年两百篇，够把一个客户真会问的二十个问题，认认真真答十遍了。
如果你也想先摸个底：把公司名加三个行业词，丢进豆包、DeepSeek、Kimi、通义千问各问一遍。不用问我们，自己试就行。
问完要是心里没底，再来找我们聊。