NEWS 动态

行业观察与站点更新

两类内容:一类是我们对 AI 推荐格局的观察,每条都附可核对的数据来源; 一类是本站的发布日志,按真实提交时间记录。

最新文章

  • 紧固件出口:标准号与规格怎么写,AI 才会引用你(2026)

    紧固件出口要被 AI 引用,关键是把标准号、性能等级、规格尺寸、材质与表面处理、检验文件写成网页上可读、可核对的结构化事实。本文给出买家常问的参数清单、标准号写法对照表和五步落地做法。

  • AI 提及率是什么?怎么测、怎么提升(2026)

    AI 提及率是指在一组固定买家问题中,AI 回答点名你品牌的比例,衡量的是你在不在候选名单上而非排第几。本文讲清提及率与声量占比、位次的区别,给出工厂可自行操作的五步测量法、常见卡点与三项提升方法。

  • TDS 在线化:把 PDF 搬进 HTML,让 AI 读懂参数

    技术数据表 TDS 在线化,就是把参数从 PDF 搬进 HTML,为每个牌号建一张独立网页,用带表头的 HTML 表格写清参数、数值、单位和测试方法,PDF 保留为下载附件。本文讲清 PDF 被 AI 读错的原因、HTML 版 TDS 页的必备模块、参数表写法与迁移步骤。

  • Google AI 概览对外贸网站意味着什么?(2026)

    Google AI 概览对外贸网站意味着:买家在 Google 搜索时,常先读到一段 AI 生成的答案,再决定点不点链接。想被它引用,没有额外技术门槛,但页面必须被收录、可带摘要展示,且参数和事实要能被直接摘出。本文讲清机制、影响与外贸官网的应对清单。

  • 用 AI 写外贸开发信:不像群发的 5 步方法与提示词(2026)

    用 AI 写外贸开发信要想不像群发,关键是给 AI 设边界:先建只含真实信息的事实库,每个买家只取一个可核实的背调事实作开头,用带字数和禁用词约束的提示词出初稿,再人工过稿、分角度跟进,并在发信前完成 SPF、DKIM、DMARC 认证与退订合规。本文给出 5 步方法和可直接复制的英文提示词。

  • 电子元器件出口:怎么让 AI 在选型问题里提到你的型号

    电子元器件出口要被 AI 推荐,关键是让料号、规格参数、交叉替代关系和合规信息变成 AI 能读取、能核对的网页事实。本文梳理元器件买家向 AI 提问的方式、必须写清的参数与认证(RoHS、REACH、AEC-Q、UL 等),以及工厂可以按步执行的做法。

  • GEO 优化多少钱?费用构成与预算怎么定(2026)

    GEO 优化多少钱取决于产品数量、语种、市场和监测频次:海外机构公开估算月费约 1,500–50,000 美元以上,立德引擎标准年费为 ¥23,800 至 ¥56,800 三档。本文拆解 GEO 费用构成、常见收费方式、影响报价的因素,以及出口工厂如何分步确定预算、识别不靠谱的报价。

  • Perplexity 引用了哪些网站?B2B 企业如何进入它的来源列表

    Perplexity 引用的是它实时检索到、能摘出具体事实的网页。B2B 企业要进入它的来源列表,需放行 PerplexityBot、把参数与资质写成可读的英文 HTML 页面,并让多个外部来源说法一致。本文梳理 Perplexity 两个爬虫的官方用途、更易被引用的页面类型与按月自测方法。

  • 什么是 Equivalent 策略?用「大牌型号替代」被 AI 推荐

    Equivalent 策略是把你的牌号与国际大牌主流型号建立可核实的参数对标,并写成 AI 读得懂的网页,让买家问「X 型号有没有替代品」时,AI 有依据把你列为候选。本文讲清对标页写法、比较广告的合规边界与五步落地方法。

  • 机械装备出口获客:海外买家用 AI 怎么选设备供应商?

    机械装备出口获客的关键,是让 AI 能读到并核对你的设备规格、适用工况、认证与售后能力,从而把你列进候选名单。本文梳理设备买家向 AI 提问的方式、常见卡点、选型字段表、欧盟机械法规切换要点与五步做法。

  • 询盘多但不成交?用 AI 提升外贸询盘质量的 6 个做法

    外贸询盘质量提升的关键是:用产品页和结构化表单提前过滤不合适的买家,收到询盘后用 AI 做背调与 A/B/C 分级,再按渠道复盘成交结果。本文给出分级表、背调清单与 6 个可落地做法。

  • Product 结构化数据怎么写?工业品参数页 JSON-LD 示例(2026)

    工业品的 Product 结构化数据,重点是用 additionalProperty 把 TDS 关键参数、范围与单位写成机器可读字段,并与页面参数表保持一致。本文给出消光粉参数页的 JSON-LD 示例、字段对照表、单位代码写法、常见错误与检查步骤。

  • ChatGPT 是怎么推荐供应商的?外贸工厂要备齐的 5 个信号

    ChatGPT 推荐供应商没有付费名单:它结合模型原有知识与实时搜索结果,挑出能说出依据的公司写进答案。本文按 OpenAI 官方文档拆解 OAI-SearchBot、GPTBot 等爬虫该怎么设置,购物推荐与工业品推荐的区别,以及参数、资质、生产商身份、外部一致性、问法匹配 5 个关键信号和按月自测方法。

  • GEO 和 SEO 有什么区别?一张表看懂外贸企业该怎么分配精力

    GEO 和 SEO 的区别在于:SEO 争搜索结果列表里的排名,GEO 争 ChatGPT、Perplexity、Google AI 概览等生成的答案里有没有你的名字。两者地基相同,外贸企业不必二选一,而应先打牢 SEO 技术底子,再把精力投向参数结构化、外部交叉验证和买家问法内容。本文用对比表和分阶段清单讲清怎么分配。

  • 化工新材料出口获客:怎么让海外买家在 AI 里找到你?

    化工新材料出口获客的关键,是让海外买家问 AI 时能读到并复述你的牌号、参数与合规信息。核心是三件事:把 TDS 参数从 PDF 变成网页表格,如实写清 REACH、TSCA 与 SDS 等合规状态,再用与国际大牌型号的参数对标承接替代品问法。本文给出买家问法、选型字段表、五步落地做法与常见误区。

  • GEO 生成式引擎优化是什么?出海工厂必须看懂的 5 个要点

    GEO 生成式引擎优化是让 ChatGPT、Perplexity 等 AI 在回答买家问题时读懂、信任并点名引用你品牌的方法。本文讲清 GEO 的来源、与 SEO 的区别,以及出海工厂必须看懂的 5 个要点:被点名、参数可读、交叉验证、买家问法与效果衡量。

AI 获客是什么?外贸企业马上能用的 10 个实用技巧(2026)

AI 获客是什么?AI 获客,是用人工智能完成客户开发中重复、耗时的环节,让企业同时做到「找到买家」和「被买家找到」: 主动线用 AI 筛选目标公司、做企业背调、写逐封定制的开发信并跟进; 被动线用 GEO(生成式引擎优化)让 ChatGPT、Perplexity、Gemini、Google AI 概览等 AI 在买家提问时引用并推荐你。 下面 10 个技巧,前 7 个解决主动线,后 3 个解决被动线,每一条都可以在本周开始做。

要点速览
  • AI 获客的核心不是「多发」,而是找得准、写得具体、被 AI 读得到。
  • AI 给出的公司名和邮箱可能不存在,所有名单都要回到真实数据源核实。
  • 一封开发信只放一个背调事实、一个卖点、一个请求,控制在 120 词以内。
  • 官网参数从 PDF 搬进 HTML 表格,是被动线投入最小、见效最直接的一步。
  • 效果按有效回复、分级询盘和 AI 提及率衡量,不按发送量。

10 个 AI 获客技巧速查表

#技巧属于哪条线看什么指标
1先写一页目标买家画像,再让 AI 找人主动线 · 找人名单匹配率
2名单至少两个数据源交叉核实主动线 · 找人退信率
3用采购信号给名单排优先级主动线 · 背调有效回复率
4背调只提炼一个能写进首句的事实主动线 · 背调有效回复率
5一封信:一个事实、一个卖点、一个请求主动线 · 写信有效回复率
6独立发信域名,配好认证再慢慢放量主动线 · 送达送达率、投诉率
7按买家时区多触点跟进,AI 给回信分级主动线 · 跟进分级询盘数
8把产品参数写进 HTML 表格并加结构化数据被动线 · GEOAI 引用准确度
9用买家的真实问法写 FAQ,首句给结论被动线 · GEOAI 提及率
10多渠道同口径发布,并按月固定问题复测被动线 · GEOAI 提及率趋势

技巧 1:先写一页目标买家画像,再让 AI 找人

AI 找人的质量取决于你给它的输入。动手前先写清目标买家画像(ICP):1 个品类 × 1–2 个目标市场 × 买家类型(品牌商、分销商、OEM 工厂)× 规模区间 × 决策人职位。把这一页直接粘贴给 AI,再让它按画像给候选公司打分:

Here is my ideal customer profile: [ICP]. Score each company below from 1 to 5 and explain the score in one sentence.

画像越窄,名单越准。新手最常见的错误是「全球所有用到我产品的公司」,这样的输入只会得到泛泛的名单。

技巧 2:AI 给的名单,至少用两个数据源交叉核实

对话式 AI 可能编造不存在的公司、职位和邮箱。正确用法是:先从海关数据、行业协会名录、展会名录、LinkedIn 或谷歌地图中导出真实候选公司,再让 AI 帮你筛选和整理。决策人的姓名、职位和邮箱,用第二个来源再核一遍。名单不干净,后面的退信会直接拖累发信域名的信誉。

技巧 3:用「采购信号」给名单排优先级

同样 100 家公司,正在变化的那几家最可能需要新供应商。让 AI 阅读目标公司的官网和新闻,标出以下信号,有信号的排在前面先联系:

  • 新品或新产线——意味着需要新的原料、部件或配套供应商。
  • 扩产、新建工厂或进入新市场——采购量和供应商数量都可能增加。
  • 招聘采购、研发或质量岗位——团队调整常伴随供应商重新评估。
  • 新认证、新法规要求——原有供应商未必都能满足。

技巧 4:背调只提炼一个能写进首句的事实

背调的目的不是写一份报告,而是找到一句能证明「我研究过你」的话。让 AI 输出固定格式,最后一项就是开发信的开头素材:

Read [公司官网]. Summarize in 5 bullet points: main products, target customers, recent changes, likely sourcing needs for [你的品类], and one specific fact I can mention in a first email.

这个事实必须是对方官网或公开资料里能核对的,不能是 AI 推测出来的。

技巧 5:一封开发信 = 一个事实 + 一个卖点 + 一个请求

模板化的 AI 开发信一眼就能被认出来。每封信按这个结构写,控制在 120 词以内:

  1. 第一句:用技巧 4 里的背调事实起手,提到对方的具体产品、市场或近期动作。
  2. 第二部分:只讲一个与对方最相关的卖点,带具体数字(参数、认证、起订量或交期)。
  3. 结尾:只提一个低门槛请求,例如「是否方便发一份 TDS 给您评估」,而不是「请下单」。

首封信不放附件、少放链接。AI 写初稿,业务员逐封过一遍再发,确保事实准确、语气像人。

技巧 6:用独立发信域名,配好认证再慢慢放量

Gmail 与 Yahoo 自 2024 年起要求批量发件人完成 SPF、DKIM、DMARC 认证并控制投诉率。开发信不要用公司主域名直接发,而是注册一个相近的独立域名,配好三项认证,预热 2–4 周。预热后第一周每天 10–20 封,确认退信和投诉都正常再逐步增加。一旦主域名被标记,日常业务邮件也会受影响。

合规提示:面向欧盟等市场发信需符合当地规则(如 GDPR 的正当利益要求)。每封信都应写明公司真实身份,并提供清晰的退订方式。

技巧 7:按买家时区多触点跟进,让 AI 给回信分级

大部分回复不是来自第一封信。每家公司按买家当地工作时间安排 3–4 次跟进,间隔 3–5 天,每次换一个角度(新的参数、一个应用案例、一份样品政策),不要只发「Just following up」。收到回复后,先让 AI 识别意图,再由业务员人工回复:

Classify this reply as interested, needs info, not now, or referral, and suggest the next step.

把回复分成 A、B、C 级记录下来,A 级当天跟进,「暂不需要」的设好几个月后再联系的提醒。

技巧 8:把产品参数写进 HTML 表格,并加结构化数据

买家收到开发信后,往往会去 AI 里核实你。AI 读不到锁在 PDF 和图片里的参数,也就无法引用你。被动线第一步:把 TDS、COA 里的关键参数写进产品页正文的 HTML 表格,每个参数都标注单位和测试方法;再用 JSON-LD 标注企业(Organization)、产品(Product)和问答(FAQPage)。同时检查 robots.txt,确认 GPTBot、PerplexityBot、Google-Extended 等 AI 爬虫没有被屏蔽。具体步骤见 TDS 参数结构化指南。

技巧 9:用买家的真实问法写 FAQ,答案首句直接给结论

AI 回答采购问题时,偏好引用能独立回答一个具体问题、带明确数字和结论的段落。每个产品页补 3–5 条英文 FAQ:问题照着买家会问 AI 的方式写(例如「What is the minimum order quantity for…」「Does … meet REACH requirements?」),答案第一句直接给结论和数字,第二句再补充条件。FAQ 结构的写法见 操作指南。

技巧 10:多渠道同口径发布,并按月用固定问题复测

AI 依赖交叉验证。只有官网一个来源,很难被放心引用;ChatGPT 与 Perplexity 的引用来源重合度只有约 11%(数据解读),只做一个渠道不够。把同一套参数和资质以一致的口径发布到行业技术平台、专业社区和产品目录上。然后固定一组买家问法,每月在 ChatGPT、Perplexity、Gemini 和 Google AI 概览里各问一遍,记录 AI 是否提到你、描述是否准确、引用了哪些网址。AI 收录有滞后,按月看趋势,不按天看。复测方法见 提及率监测指南,我们自己的复测记录公开在 AI 引用监测看板。

用 AI 获客时,最容易踩的 3 个坑

坑一:把「发得多」当成「做得好」。未核实的名单加大批量群发,最容易被判定为垃圾邮件,域名信誉损伤很难恢复。

坑二:批量发 AI 通稿刷存在感。口径不一致、无法核实的内容会降低 AI 对你的信任度。我们的交付质量红线明确不做批量通稿和虚构内容。

坑三:以为 AI 能替代业务员。AI 替代的是找人、背调、首轮触达和回信分类这些重复劳动;报价、打样、谈判和客户维护仍然要靠人。

关于 AI 获客的常见问题

问:AI 获客是什么意思?
答:AI 获客是用人工智能完成客户开发中重复、耗时的环节,包括筛选目标公司、企业背调、撰写定制开发信、跟进与回信分级(主动线),以及通过 GEO 让 ChatGPT、Perplexity 等 AI 在买家提问时引用并推荐你的企业(被动线)。完整定义见 《什么是 AI 外贸获客?》。

问:AI 获客和传统获客有什么区别?
答:传统获客靠关键词排名、广告出价、展会和业务员手工开发;AI 获客用多源数据和 AI 背调提高找人和写信的精准度,并让企业的参数与资质能被 AI 读取、交叉验证和引用。衡量方式也从流量和发送量,变成有效回复、分级询盘和 AI 提及率。

问:10 个技巧里,应该先做哪一个?
答:先做技巧 1(写目标买家画像)和技巧 8(参数搬进 HTML 表格)。前者决定主动线的名单质量,后者是被动线投入最小、最直接的一步。按周推进的完整顺序见 《新手 30 天入门路线图》。

问:AI 获客适合哪些企业?
答:适合有明确目标市场、产品可以用参数和资质说清楚的出口企业,尤其是化工新材料、机械装备、电子元器件、零部件等工业品工厂。AI 推荐供应商看的是可被机器读取、可交叉验证的事实,而不是广告预算,小工厂同样有机会。

问:AI 获客多久能见效?
答:主动线考虑到邮箱预热,通常开始后 4–6 周进入首批询盘;被动线的 AI 收录和引用周期更长,需要按月复测跟踪。具体时间因品类、市场和既有资料而异。

想知道这 10 个技巧里你最该先补哪一条?我们可以用海外买家的真实问法实测你的品类,3 个工作日交付带截图的《AI 能见度诊断报告》。两条线如何组合成一条完整产线,见 出海询盘产线。

新手如何快速上手 AI 获客?30 天入门路线图(2026 外贸版)

新手快速上手 AI 获客,只需要按顺序做四件事: 第 1 周用 ChatGPT、Perplexity 等 AI 测出买家眼中的你; 第 2 周用 AI 筛选目标买家并完成企业背调; 第 3 周发出第一批逐封定制的开发信; 第 4 周把官网参数改成 AI 读得懂的结构化内容。 不需要懂技术、不需要先买一整套系统,30 天内就能跑通「找到买家」和「被买家找到」两条线,并拿到第一批可分级的询盘信号。

要点速览
  • AI 获客新手最常见的失败原因不是工具不会用,而是没有先定义目标买家、没有统一口径的产品事实。
  • 入门只需要三类工具:一个对话式 AI、一个买家数据来源、一个独立域名的发信邮箱。
  • 开发信要小批量、逐封定制、慢慢放量,新邮箱第一周每天只发 10–20 封。
  • 官网侧最先改的只有一件事:把参数从 PDF 和图片里搬到 HTML 表格。
  • 衡量是否上手,看有效回复和分级询盘,不看发送量和打开率。

什么是 AI 获客?新手先用一句话搞懂

AI 获客,是用人工智能完成客户开发里重复、耗时的环节:找到符合条件的目标公司、查清它的背景、写出针对这家公司的第一封信,以及让 AI 在买家提问时推荐你。 对外贸企业来说,它分为主动线(AI 辅助开发信触达)和被动线(GEO 生成式引擎优化,让 AI 引用你)两部分。 完整定义与两条路径的区别,见 《什么是 AI 外贸获客?》。新手不必一开始就两条线全做满,但两条线都要起步。

新手上手 AI 获客之前,要准备什么?

准备工作决定了 AI 输出的质量。AI 不会凭空知道你的优势,你给它的事实越具体,它找的人越准、写的信越像人写的。开工前把下面六项准备好:

准备项为什么需要新手最低要求
目标买家画像(ICP)AI 找人和写信都以它为输入写清 1 个品类 × 1–2 个目标市场 × 买家类型(品牌商、分销商、OEM 工厂)× 决策人职位
产品事实清单开发信、官网、AI 回答要口径一致核心参数(带单位与测试方法)、认证、起订量、产能、交期,一页纸即可
对话式 AI 工具做市场测试、背调、写信初稿ChatGPT、Perplexity、Gemini、Claude 任选一到两个
买家数据来源找到真实存在的公司和联系人海关数据、行业协会名录、展会名录、LinkedIn、谷歌地图中任选两个交叉核对
独立发信域名与邮箱保护主域名信誉,避免进垃圾箱注册与主域名相近的独立域名,配置 SPF、DKIM、DMARC,预热 2–4 周再正式发信
一张复测表每周对比进展,避免凭感觉记录发送量、有效回复、询盘分级、AI 是否提到你

提示:Gmail 与 Yahoo 自 2024 年起要求批量发件人完成 SPF、DKIM、DMARC 认证,并控制投诉率。用公司主域名直接大量发开发信,一旦被标记,日常业务邮件也会受影响。

新手 30 天 AI 获客路线图

下面是我们给新手客户的标准起步节奏。每周只做一件主事,周末用复测表检查结果。

时间主要任务本周交付物
第 1 周测现状:用买家英文问法问 AI,同时启动发信邮箱预热一份「AI 推荐了谁、引用了哪些网址」的记录表
第 2 周找人与背调:用 AI 筛选 50–100 家目标公司并逐家背调一份带背调要点的目标买家名单
第 3 周写信与发送:首批逐封定制开发信,小批量发出并跟进首批发送记录与回复分级
第 4 周改官网:参数结构化、补 FAQ、放行 AI 爬虫,并做第一次月度复测改版后的产品页与第一份月度复测结果

第 1 周:怎么用 AI 测出买家眼中的你?

海外买家越来越多地直接问 AI「哪些供应商可靠」。新手第一步不是写信,而是先看清 AI 现在怎么回答你的品类。在 ChatGPT、Perplexity、Gemini 和 Google AI 概览里,用英文分别问三类问题:

  • 通用问法——Who are reliable suppliers of [你的品类]? 看名单里有没有中国供应商、有没有你。
  • 限定产地问法——Which Chinese suppliers of [你的品类] are worth considering? 看 AI 点名的是哪几家,它们的英文官网有什么共同点。
  • 品牌问法——What do you know about [你的公司英文名]? 看 AI 对你的描述是否准确、引用了哪些网址。

每个问题都在新对话里问,记下日期、平台、AI 点名的公司和引用来源。这张表就是你的基线,以后每月用同样的问题复测。我们用同样方法做过 7 个品类的实测,结果见 实测记录;不想手动测,也可以先用 18 项 GEO 自查工具 给官网打分。

第 2 周:怎么用 AI 找到目标买家并做背调?

找人这一步,AI 的作用是提效和交叉核对,不是凭空生成名单。AI 直接给出的公司名和邮箱可能不存在,必须回到真实数据源核实。推荐做法:

  1. 从海关数据、行业名录或展会名录导出一批候选公司,先控制在 50–100 家。
  2. 让 AI 按你的 ICP 给每家公司打分:主营是否匹配、规模是否合适、是否在目标市场。
  3. 对评分靠前的公司逐家背调:让 AI 阅读它的官网,总结主营产品、目标客户、近期动态(新品、扩产、招聘、换包装、新认证)和可能的采购需求。
  4. 找到对应决策人(采购经理、产品经理、技术负责人),并用第二个数据源核实姓名、职位和邮箱是否有效。

背调提示词可以这样写:Read [公司官网]. Summarize in 5 bullet points: main products, target customers, recent changes, likely sourcing needs for [你的品类], and one specific fact I can mention in a first email.

第 3 周:新手怎么用 AI 写出不像群发的开发信?

AI 写开发信最大的坑,是写出一封「换个称呼就能群发」的模板信。买家每天收到大量这种信,辨识度极低。新手按下面四条规则写:

  • 第一句用背调事实起手——提到对方的具体产品、市场或近期动作,证明你真的研究过这家公司。
  • 只讲一个和对方相关的卖点——从你的事实清单里挑一个最匹配的参数、认证或起订量,带上具体数字。
  • 只提一个低门槛的请求——例如「是否方便发一份 TDS 给您评估」,而不是「请下单」。
  • 控制在 120 词以内——不放附件、少放链接,首封信先确保送达。

发送节奏要慢:预热完成的新邮箱,第一周每天 10–20 封,确认没有大量退信和投诉后再逐步增加;每家公司按买家时区安排 3–4 次跟进,间隔 3–5 天。收到回复后,让 AI 先识别回信意图(感兴趣、要资料、暂不需要、转介他人),再由业务员人工回复。

合规提示:不同市场对 B2B 开发信的规则不同,例如面向欧盟发信需符合 GDPR 的正当利益要求。每封信都应写明公司真实身份,并提供清晰的退订方式。

第 4 周:怎么把官网改成 AI 读得懂的样子?

买家收到开发信后,往往会去 AI 里核实你。如果 AI 对你一无所知,前面的触达效果会大打折扣。这就是被动线 GEO 要解决的问题。新手第一个月只做三件事:

  1. 参数搬进 HTML 表格。把 TDS、COA 里的关键参数写进产品页正文表格,标注单位和测试方法。方法见 TDS 参数结构化指南。
  2. 每个产品页补 3–5 条英文 FAQ。问题用买家的真实问法写,答案第一句直接给结论和数字。
  3. 检查 robots.txt 是否放行 AI 爬虫。确认 GPTBot、PerplexityBot、Google-Extended 等没有被屏蔽,同时可以花半小时写一份 llms.txt(作用有限,见 数据解读)。

月底用第 1 周的同一组问题复测一次。AI 收录有滞后,第一个月看不到明显变化很正常,关键是建立按月复测的习惯。复测方法见 提及率监测指南。

新手最常用的 5 条 AI 获客提示词

  1. 市场测试:I am sourcing [品类] for [应用场景] in [国家]. Which suppliers would you recommend and why?
  2. 买家筛选:Here is my ideal customer profile: [ICP]. Score each company below from 1 to 5 and explain the score in one sentence.
  3. 企业背调:Read [官网]. What does this company sell, who are its customers, and what might it need from a [品类] supplier?
  4. 开发信初稿:Write a first email under 120 words. Open with this fact about the buyer: [背调事实]. Mention only this advantage: [事实清单中的一条]. End with one low-effort question.
  5. 回信分级:Classify this reply as interested, needs info, not now, or referral, and suggest the next step.

提示词里的方括号部分必须换成你自己的真实信息。提示词越具体,输出越可用;把事实清单直接粘贴给 AI,比让它自己猜效果好得多。

怎么判断自己已经上手了?看这 4 个指标

指标说明新手阶段怎么看
送达与退信信有没有进入收件箱退信明显偏高,先暂停放量,回头核查名单和域名配置
有效回复数排除自动回复和退订后的真人回复比打开率更可靠,按周记录趋势
分级询盘数按需求明确度、采购量、决策人身份分级第一个月只要出现 A、B 级线索,就说明链路跑通
AI 提及情况同一组问题下,AI 是否提到你、描述是否准确按月对比,不按天看

新手做 AI 获客最容易踩的 5 个坑

坑一:直接用 AI 生成的名单和邮箱。AI 可能编造不存在的公司和联系人,所有名单必须回到真实数据源核实。

坑二:一上来就大量群发。新域名、新邮箱、未核实的名单叠加大批量发送,最容易被判定为垃圾邮件,损伤难以恢复。

坑三:只做开发信,不管官网。买家会回头去 AI 和官网核实你,官网参数读不到,开发信的可信度也会打折。

坑四:批量发 AI 生成的通稿刷存在感。口径不一致、无法核实的内容会降低 AI 对你的信任度。我们的交付质量红线明确不做批量通稿和虚构内容。

坑五:以为 AI 能替代业务员。AI 替代的是找人、背调、首轮触达这些重复劳动;报价、打样、谈判和维护客户关系,仍然要靠人。

关于新手上手 AI 获客的常见问题

问:完全不懂技术,能自己上手 AI 获客吗?
答:能。入门阶段只需要会用对话式 AI、会整理产品参数、会配置一个发信邮箱。技术门槛最高的是域名的 SPF、DKIM、DMARC 配置,可以请域名服务商或 IT 同事协助完成。

问:新手做 AI 获客,多久能看到第一批询盘?
答:主动线考虑到邮箱预热,通常在开始后 4–6 周进入首批询盘;被动线的 AI 收录和引用周期更长,需要按月复测跟踪。具体时间因品类、市场和既有资料而异。

问:AI 获客需要先买很贵的软件吗?
答:不需要。起步阶段用通用的对话式 AI、一个买家数据来源和一个独立发信邮箱就能跑通流程。等流程验证有效、发送量上来后,再考虑专业的找人、背调和发信系统。

问:AI 写的开发信会被买家看出来吗?
答:模板化的 AI 信很容易被看出来。用真实背调事实起手、只讲一个与对方相关的具体卖点、控制篇幅,并由业务员人工过一遍,读起来就和认真写的人工信没有区别。

问:小工厂没有品牌知名度,适合做 AI 获客吗?
答:适合。AI 推荐供应商时看的是可被机器读取、可交叉验证的参数与资质,而不是广告预算和品牌规模。把事实整理清楚、发布到 AI 读得到的地方,小工厂同样有机会被推荐。

如果你想跳过摸索期,可以先让我们帮你做第 1 周的工作:用海外买家的真实问法实测你的品类,3 个工作日交付带截图的《AI 能见度诊断报告》。两条线如何组合成一条完整产线,见 出海询盘产线。

什么是 AI 外贸获客?定义、两条路径与落地清单(2026)

AI 外贸获客,是指出口企业用人工智能完成海外客户开发中「找到买家」和「被买家找到」这两件事的方法: 一条是主动线,用 AI 完成目标买家筛选、企业背调和逐封定制的开发信触达; 一条是被动线,通过 GEO(生成式引擎优化)让 ChatGPT、Perplexity、Gemini、Google AI 概览等 AI 在回答采购问题时引用并推荐你的企业。 两条线的产出都只有一个:可核验、可分级的询盘。

要点速览
  • AI 外贸获客 ≠「用 ChatGPT 写开发信」。写信只是主动线四个环节里的一个。
  • 它要解决的新问题是:G2 2026 年调研显示 51% 的 B2B 买家更常从 AI 对话框而不是搜索引擎开始调研(软件采购口径)。
  • AI 选供应商看的是可被机器读取、可交叉验证的事实——参数、认证、起订量,而不是广告预算和品牌知名度。
  • 落地分五步:测现状 → 整理事实 → 结构化上网 → 外部印证 → 按月复测。

为什么现在要谈「AI 外贸获客」?

因为海外买家的第一站变了。G2 于 2026 年 3 月调研 1,076 位 B2B 软件采购决策者: 51% 更常从 AI 对话框开始调研,2025 年 4 月这个比例是 29%; 69% 因为 AI 的建议,最终选择了与原计划不同的供应商,其中约三分之一买的是此前没听说过的公司。 Forrester 2026 年对全球 18,000 位企业采购人的调研显示,94% 在最近一次采购中用过 AI。 更早的 2024 年,Gartner 就曾预测:到 2026 年,传统搜索引擎的搜索量将因 AI 聊天机器人等虚拟助手下降 25%。

口径说明:G2 的样本是软件采购,不是工业品采购,直接套用到外贸工业品会高估渗透率;Gartner 的数字是 2024 年作出的预测,不是实测结果。方向一致,幅度要按你的品类实测。

对外贸工厂而言,这意味着:展会、B2B 平台、竞价广告本质上都是在花钱买「买家知道你」; 而在 AI 里,买家知道谁,取决于 AI 读得到、敢引用谁的资料。详细数据解读见 《买家已经不从搜索引擎开始了》。

AI 外贸获客和传统外贸获客有什么区别?

维度传统外贸获客AI 外贸获客
买家从哪里开始Google 搜索、B2B 平台、展会ChatGPT、Perplexity、Gemini、Google AI 概览等对话式 AI
决定你是否被看见的关键词排名、广告出价、展位位置AI 是否读得到、能否交叉验证你的参数与资质
主动开发方式业务员手工找客户、群发模板信多源数据找人 + 自动背调 + 逐封定制开发信 + 分时区跟进
主要成本结构按点击、按展位、按人头按触达量与内容工程,资产沉淀在系统与网站
效果衡量流量、点击、发送量AI 引用份额、提及率、分级询盘条数

AI 外贸获客的两条路径是什么?

主动线:AI 辅助的开发信触达。解决「他还不认识你」。完整流程是四段:

  • 找人——按品类、市场、企业属性与决策链,从多个数据源筛选目标公司和联系人,并交叉验证真伪。
  • 背调——自动生成企业画像:主营产品、市场、采购信号、换供应商窗口。
  • 写信——每封信用这一家公司的具体背调事实起手,不是换个称呼的模板信。
  • 跟进——按买家时区发送、多触点跟进,识别回信意图并把询盘分级。

被动线:GEO 生成式引擎优化。解决「他回头去问 AI 时,AI 提不提你」。 传统 SEO 优化的是排名与点击,GEO 优化的是成为 AI 回答里被引用的那个来源。 它包括可见性审计、内容工程(规格表、对比页、FAQ、结构化数据)、外部权威信号和按月监测四部分,方法论见 GEO 方法论。

两条线是互补关系:Email 让买家第一次听说你,买家随后去 AI 里核实你——如果 AI 对你一无所知,前面那封信的效果也会打折。我们把两条线组合成一条产线的做法,见 出海询盘产线。

AI 推荐供应商时,到底看什么?

我们在 2026 年 8 月 12 日用海外买家的英文问法实测 7 个中国出口优势品类:连接器、密封件、紧固件、涂料助剂、饲料酶制剂这 5 个品类, 通用问法下 AI 推荐名单里中国供应商为 0;光伏和储能则几乎全是中国企业(研究报告 LDE-R-2026-01)。 差别不在企业规模,而在英文技术内容是否完整、是否有可交叉验证的第三方资料。归纳起来,AI 看三类信号:

  • 可读——参数在 HTML 正文和表格里,带单位和测试方法,而不是锁在 PDF 或图片里。
  • 可引用——每段内容能独立回答一个具体采购问题,有明确的数字和结论。
  • 可验证——官网、行业平台、社区讨论里的同一事实口径一致。ChatGPT 与 Perplexity 的引用来源重合度只有约 11%,只做一个渠道不够(数据解读)。

外贸企业怎么开始做 AI 外贸获客?五步清单

  1. 测现状。用买家的真实英文问法,在 ChatGPT、Perplexity、Gemini、Google AI 概览里问你的品类,记下 AI 点名了谁、引用了哪些网址。也可以先用 18 项 GEO 自查工具 打分。
  2. 整理事实。把业务员脑子里、TDS / COA、证书里的参数、认证、起订量、产能、交期整理成一份统一口径的事实清单。
  3. 结构化上网。参数从 PDF 搬到 HTML 表格,用 JSON-LD 标注企业、产品与 FAQ,robots.txt 放行 AI 爬虫。步骤见 TDS 参数结构化指南。
  4. 外部印证。在行业技术平台、专业社区发布真实的技术内容,让 AI 能在官网之外找到同口径的第三方证据。
  5. 按月复测,主动线同步跑。固定问题、固定平台、按月复测提及率;同时用主动线触达已知的目标买家,不等 AI 慢慢收录。我们自己的复测记录公开在 AI 引用监测看板。

常见误区

误区一:批量发 AI 生成的通稿就能被推荐。AI 依赖交叉验证,口径不一、无法核实的内容反而降低可信度。我们的交付质量红线明确不做批量通稿和虚构内容。

误区二:写了 llms.txt 就算做了 GEO。公开数据显示 AI 爬虫对 llms.txt 的实际抓取占比约 0.1%,它值得写,但不是主力(详细数据)。

误区三:AI 获客会替代外贸业务员。它替代的是「找人、背调、首轮触达」这些重复劳动;报价、打样、谈判和客户关系仍然要靠人。

关于 AI 外贸获客的常见问题

问:AI 外贸获客和 GEO 是一回事吗?
答:不是。GEO 是 AI 外贸获客的被动线,负责让 AI 引用和推荐你;AI 外贸获客还包括主动线,即用 AI 完成找客户、背调和定制开发信。

问:做 AI 外贸获客需要多久见效?
答:主动线通常经过 4–6 周的基建与账号预热进入首批询盘;被动线的 AI 收录和引用周期更长,需按月复测跟踪,时间因品类、市场和既有资料而异。

问:小工厂、没有品牌知名度,适合做吗?
答:适合。G2 数据中,因 AI 建议更换供应商的买家里约三分之一选择了此前没听说过的公司。AI 看的是可验证的参数与资质,而不是品牌规模。

问:不懂技术,第一步该做什么?
答:先测现状:用买家的英文问法去问 AI 你的品类,看推荐了谁、引用了哪些来源。我们提供 3 个工作日交付、带截图的免费《AI 能见度诊断报告》。

数据来源

第三方数据引自公开研究,我们未参与其统计过程,链接列出供你自行核对;样本口径与预测性质已在正文中说明——这是我们对客户内容的一贯要求: 每个数字都要能追溯到来源,局限也要写出来。

买家已经不从搜索引擎开始了:三组 2026 年的数据

我们一直跟客户说「买家在 AI 里就把初筛做完了」。这句话现在有数据了,而且比预想的更极端。

数据一:一半的买家,第一站是 AI 不是搜索引擎

G2 在 2026 年 3 月调研了 1,076 位 B2B 软件采购决策者,结果是 51% 的人现在更常从 AI 对话框开始调研,而不是搜索引擎。 2025 年 4 月同一问题的答案是 29%。不到一年,翻了将近一倍。

相关数字还有:71% 的买家依赖 AI 对话做产品调研(此前 60%), 53% 认为用 AI 调研比传统搜索更有效率(此前 36%)。

Forrester 2026 年买家旅程调研的样本更大——全球 18,000 位企业采购人——结论是 94% 的买家在最近一次采购中用过 AI,2025 年是 89%。

数据二:69% 的买家换掉了原定供应商

这条比上面那条更值得停下来想一想。

G2 的调研显示,69% 的买家表示,因为 AI 给出的建议,他们最终选择的供应商与最初计划的不是同一家。 55% 会在 AI 工具里直接做供应商对比,47% 会在接触任何供应商之前就用 AI 写好内部立项材料。

换句话说:等买家联系到你的时候,候选名单早就定了。你不在名单上,连被比较的机会都没有。

数据三:三分之一的买家,买了一家没听说过的公司

前面两条是坏消息,这条是好消息——而且可能是这几年对中国供应商最有利的一条数据。

在那 69% 换了供应商的买家里,三分之一最终买的是一家他们此前从未听说过的公司。

过去二十年,中国工厂做外贸最难跨的一道坎是「买家根本不知道你存在」。展会、B2B 平台、竞价广告,本质上都是在花钱买这个「知道」。 而 AI 改变的恰恰是这一点:它不认品牌知名度,它认可被引用、可交叉验证的事实。

这也解释了我们上一篇实测里那个反直觉的结果——问「有哪些中国的连接器供应商」时, AI 答出的是英文技术内容做得完整的那几家,而不是营收规模最大的那几家。

一个必须说清楚的口径问题

G2 这份调研的对象是软件采购决策者,不是工业品采购。 工业品的 AI 渗透率大概率还没到软件行业这个水平,直接套用会高估。

但方向是一致的,而且有个理由让我们认为工业品最终会追上甚至超过: 工业品采购的第一步是参数筛选,而参数筛选恰恰是 AI 最擅长、人工最痛苦的环节。 一个采购要在三十家供应商里找出耐温 200 °C 以上、有 ISO 认证、能做小批量的那几家, 用搜索引擎要翻两小时,用 AI 是一句话的事——前提是这些参数机器读得到。

下一篇我们会具体讲这件事:AI 做供应商匹配时,到底在匹配什么。

数据来源

以上数据引自第三方公开研究,我们未参与其统计过程,链接列出供你自行核对。 涉及样本范围的局限已在正文中说明——这是我们对客户内容的一贯要求: 每个数字都要能追溯到来源,局限也要写出来。

AI 找供应商时,匹配的是参数不是品类

上一篇讲了买家的行为已经变了。这一篇讲一个更技术、也更要命的问题:AI 在帮买家找供应商时,到底在按什么筛?

不是按品类,是按能力参数

2026 年这一代的供应商发现工具(业内叫 agentic supplier discovery,智能体化供应商发现) 已经不是「搜品类关键词然后列一堆公司」了。它们用自然语言理解买家的具体需求, 然后去几百万家制造商档案里做匹配。

匹配的维度是这些:

  • 加工能力——CNC 加工公差、注塑材料种类
  • 认证资质——ISO、IATF 等具体证书
  • 商务条件——最小起订量
  • 产能与地域——特定地区的产能规模

注意这里面没有一项是「知名度」「公司规模」或者「成立年份」。全是可以被机器读取和比较的具体字段。

15 倍,以及这 15 倍里有没有你

行业方对这类工具的效果描述是:智能体化搜索能找出比传统关键词搜索多约 15 倍的合格供应商, 研究周期最多可缩短 80%。同时,采购环节的 AI 采用率预计到 2026 年底达到 86%。

「多 15 倍」这个说法,对中国工厂来说是双面的:

好的一面:以前买家只在自己知道的十几家里选,现在系统会主动挖出几百家。 一家没有品牌、没投过广告、但参数确实对得上的中国工厂,第一次有了被自动发现的可能。

坏的一面:这套系统只认结构化的能力数据。 你的公差写在 PDF 图纸里、认证是一张证书照片、起订量只在业务员的微信聊天记录里—— 那你就不在那 15 倍的候选池里,一次都不会被匹配到。

这跟传统 SEO 是两回事

做 SEO 的思路是「让页面在关键词下排得靠前」。 但供应商匹配根本不走关键词那条路——它读的是字段:材料是什么、公差多少、认证编号是什么、单位是什么。

所以优化的对象也变了:不是标题里塞词,而是把「业务员脑子里知道、图纸上画着、PDF 里印着」的东西, 变成机器能确定性读取的字段。

具体到动作,就是我们一直在说的那三件:参数从 PDF 搬到 HTML 表格并标注单位与测试方法; 用 JSON-LD 把产品实体与参数字段标出来;把认证信息结构化而不是只放一张证书图。

一个自查

拿你自己的产品试一下:如果一个买家说「我要耐温 200 °C 以上、有 ISO 认证、能接受 500 件起订的密封件供应商」, 你的官网上有没有任何一个地方,让机器能同时读出这三个条件?

如果答案是「有,但在 PDF 里」——那等于没有。 如果答案是「业务员知道」——那更等于没有,因为买家在联系业务员之前,名单就已经定了。

用 18 项自查工具测一下,或者 看《如何把 TDS 里的参数改造成 AI 可读的结构化数据》。

数据来源

以上数据引自第三方公开研究,我们未参与其统计过程,链接列出供你自行核对。 涉及样本范围的局限已在正文中说明——这是我们对客户内容的一贯要求: 每个数字都要能追溯到来源,局限也要写出来。

我们把 7 个品类挨个问了一遍 AI,结果比想象的更清楚

2026 年 8 月 12 日,我们在 Perplexity 与 Google AI Overview 上,用海外买家的真实英文问法测试了 7 个中国出口优势品类。 全部问题原文列在下面,任何人都可以自己复现。

一、通用问法:五个品类,中国供应商全部缺席

先用最普通的问法——买家不会主动提"中国",他只是想找到可靠的供应商。

实测提问Who are reliable suppliers of industrial electrical connectors?
9 家全部欧美,中国厂 0 家
9 家全部欧美,中国厂 0 家 —— Perplexity,2026-08-12

换三个完全不同的行业,结果一模一样:

实测提问Who are reliable suppliers of precision fasteners for industrial assembly?
Bossard(瑞士)、Bufab(瑞典)
Bossard(瑞士)、Bufab(瑞典) —— 中国是全球最大紧固件出口国,名单里没有
实测提问Who are reliable suppliers of coating additives such as defoamers and dispersants?
BYK、Evonik、BASF、Allnex、Arkema、Borchers
BYK、Evonik、BASF、Allnex、Arkema、Borchers —— 6 家全欧美
实测提问Who are reliable suppliers of feed enzymes such as thermostable phytase?
BASF、dsm-firmenich、IFF / Danisco
BASF、dsm-firmenich、IFF / Danisco —— 连表格里的产品线都是欧美牌号

连接器这条尤其值得琢磨:立讯精密是全球规模最大的连接器与线束制造商之一,世界 500 强,但它不在这份名单里。 不是小厂没被看见,是巨头也没被看见。

二、明确问「中国供应商」:AI 答得出,但答的不是最大的那几家

实测提问Which Chinese suppliers of industrial electrical connectors are worth considering?
DEGSON、Yonggui、JONHON、CNLINKO、WEIPU
DEGSON、Yonggui、JONHON、CNLINKO、WEIPU —— 英文技术内容做得好的那几家

AI 给出了 DEGSON(德工)、Yonggui(永贵)、JONHON(中航光电)、CNLINKO、WEIPU(威浦)五家。 这五家有个共同点——英文官网都做得相当完整,有详细规格表、认证信息、选型指南。 而按营收排名靠前的一些企业反而没出现。

这条数据基本可以回答"是不是 AI 歧视中国企业"这个问题:不是。AI 只是引用它读得到、且能交叉验证的内容。

三、对照组:光伏和储能,中国厂霸榜

如果 AI 真的系统性排斥中国供应商,那这两个品类应该也一样。事实恰恰相反。

实测提问Who are the leading suppliers of solar PV modules?
「led mainly by Chinese manufacturers」
「led mainly by Chinese manufacturers」 —— 晶科、晶澳、隆基、天合、阿特斯
实测提问Who are the leading suppliers of lithium-ion battery cells for energy storage?
「predominantly Chinese manufacturers」
「predominantly Chinese manufacturers」 —— 宁德时代领跑,亿纬/海辰/比亚迪/中创新航/瑞浦兰钧紧随

两条回答里 AI 都主动用了同一个说法:「predominantly Chinese manufacturers」(以中国制造商为主)。 原因不难理解——光伏和储能行业有 Wood Mackenzie、Benchmark Minerals 这类机构持续发布英文出货排名, 有大量英文技术媒体报道,AI 有足够的语料可以引用和交叉验证。

四、最值得警惕的一条:网站被读了,品牌没被提

实测提问reliable suppliers of industrial electrical connectors
引用了 weipu-group.com 做来源,却推荐了 TE / Amphenol / HARTING / Stäubli
引用了 weipu-group.com 做来源,却推荐了 TE / Amphenol / HARTING / Stäubli —— Google AI Overview,2026-08-12

这是 Google AI Overview 对同一个连接器问题的回答。答案里推荐的是 TE、Amphenol、HARTING、Stäubli。 但请注意答案末尾的来源标记——www.weipu-group.com,一家中国连接器厂的官网。

AI 读了这家中国企业的网站,用它的内容组织了答案,然后推荐了别人。

如果你曾经想过"我们官网内容挺全的,应该没问题"——这张图就是答案。 被抓取不等于被推荐。内容能被读到,只是及格线;能被引用、能被交叉验证、能在具体问题下被点名,才是目标。

完整对照表

品类提问原文AI 点名的供应商中国厂
工业连接器Who are reliable suppliers of industrial electrical connectors?TE、Amphenol、Phoenix Contact、WAGO、HARTING、Molex、Binder、LAPP、Weidmüller0 / 9
工业密封件Who are the most reliable suppliers of hydraulic seals for industrial equipment?Parker、Trelleborg、SKF、Freudenberg、Hallite0 / 5
精密紧固件Who are reliable suppliers of precision fasteners for industrial assembly?Bossard、Bufab 等0
涂料助剂Who are reliable suppliers of coating additives such as defoamers and dispersants?BYK、Evonik、BASF、Allnex、Arkema、Borchers0 / 6
饲料酶制剂Who are reliable suppliers of feed enzymes such as thermostable phytase?BASF、dsm-firmenich、IFF / Danisco0
光伏组件Who are the leading suppliers of solar PV modules?晶科、晶澳、隆基、天合、阿特斯5 / 5
储能电芯Who are the leading suppliers of lithium-ion battery cells for energy storage?宁德时代、亿纬、海辰、比亚迪、中创新航、瑞浦兰钧全部
测试方法与可复现说明
  • 测试日期:2026 年 8 月 12 日
  • 测试平台:Perplexity(免费版)、Google AI Overview(英文界面)
  • 每个问题均在新会话中提出,无历史上下文干扰
  • 问题原文见上表,可直接复制复现
  • ChatGPT 因需登录未纳入本轮,后续补测

AI 的回答会随时间变化,这正是我们建议按月固定复测的原因。 本文所有截图未做任何裁剪拼接以外的处理,品牌名保持原样。完整研究报告见 LDE-R-2026-01;方法参见 《如何监测品牌的 AI 提及率变化》。

llms.txt 现在到底有没有用:三组数据和一个务实结论

这半年里我们被问得最多的一个问题是「llms.txt 到底要不要做」。市面上两种极端说法都在传:一种说它是 AI 时代的 robots.txt,不做就出局;另一种说它纯属自嗨,没人读。两种说法都不准确。先看三组公开数据。

数据一:采用率约一成

据 SE Ranking 对 30 万个域名的统计,在这个概念被讨论约十八个月后,llms.txt 的采用率约为 10.13%。更早的统计显示 2025 年的采用率仅 2.13%,且其中约四成是插件自动生成的空壳文件。 增长是真的,但远谈不上普及。

数据二:AI 爬虫几乎不抓这个文件

这是最关键的一组。有监测统计显示,在 62,100 次 AI 爬虫访问中,只有 84 次请求指向 llms.txt——占比约 0.1%。GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBot、Google-Extended 在实际抓取中,绝大多数情况下直接爬 HTML,跳过了这个文件。

数据三:没有任何厂商作出承诺

截至 2026 年第一季度,OpenAI、Google、Anthropic、Meta、Mistral 均未公开承诺在生产系统中读取或采纳 llms.txt。它也不是 W3C 或 IETF 的标准,只是一个社区约定。

那我们为什么还是写了

我们自己的站点部署了 llms.txt 与 llms-full.txt,理由有两个,都跟「被 AI 爬虫读取」无关。

第一,IDE 类 AI 代理确实会读。Cursor、Claude Code、GitHub Copilot、Cline、Aider 这类工具在被指向一个站点时,会常规性地去抓 /llms.txt 与 /llms-full.txt。这类工具的使用者里, 有相当一部分是技术型采购与工程师——对做技术产品的企业来说,这不是一个可以忽略的人群。

第二,也是更重要的:写这份文件的过程本身有价值。它逼着你把「我们是谁、卖什么、 参数区间多少、凭什么可信」压缩成一段无歧义、可独立成立的事实描述。这段描述写出来之后, 真正该做的事是把它同步到官网正文、About 页、外部平台简介里——那些 HTML 正文才是爬虫真正会读的地方。

务实结论:llms.txt 成本极低(半小时),写;但不要把它当主力, 更不要相信任何「写了 llms.txt 就能被 AI 推荐」的说法。具体写法见 《如何写一份 llms.txt》。

数据来源

以上数据引自第三方公开研究,我们未参与其统计过程。列出链接供你自行核对—— 这也是我们对客户内容的一贯要求:每个数字都要能追溯到来源。

ChatGPT 和 Perplexity 的引用来源,重合度只有约 11%

如果你只在一个地方投放内容,然后指望所有 AI 都能读到你——这个假设在数据面前站不住。

两个平台,两套来源体系

一项覆盖约 6.8 亿条引用的分析发现,被 ChatGPT 与 Perplexity 同时引用的域名占比只有约 11%。也就是说,近九成的来源只被其中一个平台采用。两者的偏好差异相当明显: ChatGPT 更倾向维基百科与成熟新闻源;Perplexity 的 .edu 域名占比(约 3.2%)与国别顶级域占比(约 4.4%) 在主流引擎中最高,且明显集中于医学、政府与学术出版机构。

社区平台占了超过一半的引用

同一批数据显示,社区类平台(Reddit、Quora 等)合计占据约 52.5% 的引用份额, 高于品牌自有域名的 47.5%。在专业类查询中,LinkedIn 是六大 AI 平台上被引用最多的单一域名。

对出海企业来说,这条数据的含义很直接:你官网写得再好,也只是在争夺不到一半的引用份额。 另外一半在专业社区里,靠的是真实的技术讨论,不是发广告。

单一来源依赖是有风险的

2025 年 10 月 Reddit 就抓取问题起诉 Perplexity 之后,Perplexity 的 Reddit 引用量下降了约 86%,空缺主要由 YouTube 补上(YouTube 目前约占 Perplexity 前十来源份额的 16.1%)。 一场诉讼就能让某个来源的权重在几个月内塌掉——这不是你能预测或控制的变量。

我们从中得出的三条做法

  • 至少覆盖三类性质不同的来源:自有域名、行业专业平台、真实社区讨论。不要押注单一渠道。
  • 用实测决定投哪里,而不是看权重榜单。拿你品类的典型问题去问 ChatGPT 和 Perplexity, 看它们实际引用了谁——那才是有效清单。
  • 保证跨来源的口径一致。同一参数在三个地方是三个数,等于三个地方都不可用—— AI 恰恰是靠交叉验证来决定敢不敢引用的。

另一个值得注意的数字:即使是任一平台上被引用最多的域名,通常也不超过总引用量的 5%。 引用是高度分散的,这对新进入者其实是好消息——不存在一个赢家通吃的位置。 具体的平台筛选方法见 《如何选择值得投放的行业技术平台》。

数据来源

以上数据引自第三方公开研究,我们未参与其统计过程。列出链接供你自行核对—— 这也是我们对客户内容的一贯要求:每个数字都要能追溯到来源。

CHANGELOG 发布日志

本站更新记录

我们把自己的官网当作交付能力的样板间,所以更新过程也公开。

  1. 实操技巧新增《AI 获客是什么?10 个实用技巧》

    回答「AI 获客是什么」,并给出覆盖找人、背调、写信、送达、跟进与 GEO 的 10 个可立即执行的技巧、速查表、3 个常见坑与 5 条 FAQ,同步加载 BlogPosting、ItemList 与 FAQPage 结构化数据。阅读全文 →

  2. 新手指南新增《新手如何快速上手 AI 获客?》

    给出 30 天 AI 获客入门路线图、上手前的六项准备清单、5 条常用提示词、4 个衡量指标与新手常见的 5 个坑,同步加载 BlogPosting、HowTo 与 FAQPage 结构化数据。阅读全文 →

  3. 行业观察新增《什么是 AI 外贸获客?》

    给出 AI 外贸获客的定义、与传统获客的区别、主动线与被动线两条路径、AI 推荐供应商的三类信号与五步落地清单,同步加载 BlogPosting、DefinedTerm 与 FAQPage 结构化数据。阅读全文 →

  4. 结构化数据与可信度升级

    首页补齐企业、网站、服务、问答、流程、文章、产品等结构化数据;内容页加作者署名与发布/更新日期;关键数据补充统计口径与来源;新增站内搜索、RSS 订阅源、ai.txt 知识声明,robots.txt 明确放行国内外主流 AI 爬虫。

  5. 上线国内 AI 引用监测看板(第 1 期)

    用 3 个固定问题在豆包、Kimi、千问、文心、智谱清言、DeepSeek 实测:品牌问题 3 / 5 个平台准确识别,品类推荐问题 0 / 12 提及。问题原文、日期与截图全部公开,按月复测。查看看板 →

  6. 发布研究报告 LDE-R-2026-01

    将 8 月 12 日 7 个品类的 AI 实测整理为正式研究报告《中国出口优势品类 AI 推荐可见度实测报告(2026 年 8 月)》,补充研究方法、计数口径、局限性与引用格式。阅读报告 →

  7. 行业观察新增两篇

    《买家已经不从搜索引擎开始了》与《AI 找供应商时,匹配的是参数不是品类》,均附可核对的第三方数据来源与样本局限说明。

  8. 操作指南补齐至 10 篇

    新增 llms.txt 写法、大牌型号对标库、内容可引用性自检、FAQ 结构设计、提及率监测、平台选择、英文技术长文七篇完整分步指南,全部加载 HowTo 结构化数据。

  9. 上线自查工具、资料下载与质量控制页

    18 项交互式 GEO 自查(实时打分)、《AI 能见度诊断报告》在线样例、交付质量控制规范与四条合同红线;部署 llms-full.txt 完整事实档案。

  10. 官网加入开场动画与服务市场区块

    两幕式品牌开场动画;客户实证页新增欧洲/北美/东南亚·中东/南美四大市场覆盖与提问习惯差异。

  11. 定位从单一品类扩展为全行业覆盖

    行业方案扩至九类,全站文案与结构化数据去除单一品类倾向,覆盖化工新材料、机械装备、电子元器件、饲料生物、消费品等。

  12. 正式域名 ileadengine.com 启用

    canonical、sitemap、robots.txt、llms.txt 与全部 JSON-LD 同步切换至正式域名。

  13. 资源中心上线

    技术问答 15 篇(FAQPage 结构化数据)、操作指南首批 3 篇(HowTo 结构化数据)、行业方案九类与选型表。

  14. 立德引擎官网正式上线

    多页静态站,同步部署 JSON-LD 结构化数据、robots.txt AI 爬虫放行、llms.txt 与 sitemap。

这些数据换算到你的品类,是什么结论?

我们用海外买家的真实提问语言,在四大模型中实测你的品牌与主要竞对,看 AI 究竟引用了谁的什么内容。3 个工作日交付。