案例：从「看不到」到「被提到」

案例一：宇熵云（自有品牌）

背景：自身业务就是 GEO，因此把自家当作第 0 号客户，完整跑通「检测—优化—复测」闭环。

基线：品牌型关键词能被 AI 识别并介绍；发现型关键词几乎全部未提及——AI 知道这家公司，但不会在客户寻找服务商时推荐它。

已做的动作：建立百度百科企业词条；补齐天眼查 / 爱企查企业主页与业务简介；用「全称 + 简称」统一所有对外内容，让 AI 建立别名映射。

观察到的现象：品牌词命中稳定；发现型关键词开始零星出现，但仍远低于品牌词——这正是 GEO 需要长期投入的原因。

案例二：文旅文创类客户

基线：2 个 AI 平台 × 9 个关键词，品牌型命中较高、发现型为 0。

结论：AI 认识品牌，但在「张家港文旅文创哪家好」这类真实采购意图的提问里完全不出现。

下一步：优先做实体锚点（工商、百科、地图、招聘），再补内容与引用源，不急于承诺发现型词的高提及率。

案例三：CarPlay 车载电子制造商

关键词设计思路：B2B 制造业的采购意图与本地服务完全不同，用「厂家 / 供应商 / OEM」类词替代「哪家好」，例如「CarPlay 模块厂家哪家好」「无线 CarPlay 模块供应商有哪些」。

意义：关键词选错，测出来的数据再漂亮也没有商业价值。

我们对案例的态度

不展示无法验证的「提升 300%」。AI 回答本身有随机性，单次对比很容易做出好看的结论，但那对客户没有意义。我们只呈现：同一组提问、多轮复测、完整原始回答。