AI 回答带地名的问句时，靠的是实体匹配，不是关键词堆砌。买家会问：「松江 G60 附近有没有做精密钣金加工的厂」。 AI 要答这一句，需要三类信息：你是谁（名称、地址、园区）、你能做什么（工艺与产品实体页）、别人怎么证明（第三方信源）。 缺一环，AI 就把你排除在名单之外。
松江的做法是先把「智能制造装备」这个产业标签做实。把设备清单、资质、检测能力写成独立页面，标题用客户的原话； 再把企业挂进本区产业带（园区名、协会、名录）。AI 对「松江＋智能制造装备」这个组合本来就有认知，你的任务是接上去。
考核不是排名，是采样提及率。每月固定 10 个本区问句、5 个平台，记录有没有被提到、第几位、引用了哪一页。 数字留在下面第三节，空位由实测值填。
本区论点：让 AI 把你放进「G60 的那份名单」。具体卡在三个地方：
四步按顺序做，每步有产出物和当场能判断的标准：
| 步骤 | 怎么做 | 产出物 / 判断标准 |
|---|---|---|
| 实体闭合 | 名称、地址、园区、电话在官网、工商、地图三处一致；JSON-LD 的 Organization 挂 address 与 areaServed。 | 三个来源逐字一致，园区名写法统一 |
| 问句页 | 每个高频问句一页：直接回答放前三行，正文补证据（设备、资质、案例口径）。 | 页面标题＝客户会问的那句话 |
| 信源交叉 | 工商信息、行业协会名录、展会与黄页、客户评价——至少三类信源能验证同一事实。 | AI 采样时能看到与官网一致的第三方表述 |
| 月度采样 | 固定 10 个本区问句 × 5 个平台，记录提及与位次，回溯当月新增页面。 | 产出物：一份采样表（提及率、位次、引用页） |
这一节只列三项后台或采样能直接取的数，空位留待实测填——不替客户编数字，这也是这份页面能被当作证据的前提。
| 指标 | 口径 | 启动前 | 启动满 30 天 |
|---|---|---|---|
| 本区问句提及率 | 每月固定 10 个含「松江」的问句 × 5 个 AI 平台人工采样，提及次数 ÷ 50 | [[改造前]] | [[改造后]] |
| AI 渠道会话数 | 网站统计中来源为 AI 平台（豆包、Kimi、元宝等）的会话数，按月 | [[改造前]] | [[改造后]] |
| 被引用页面数 | 采样回答中引用本站页面的去重数量，按月 | [[改造前]] | [[改造后]] |
GEO 不是发文章，是补实体。名称地址不统一、资质没写清、第三方信源为零——写一百篇文章 AI 也不敢引用你。 先把地基补齐，再做内容。
提及率有天花板。本区问句的候选名单通常只有三五个位置，同行都在做时，先拼「信息完整度」。 考核看按月采样的趋势，不看单月名次。
G60 政策相关表述（补贴、认定）时效性强，页面必须标注更新日期——过期口径比没有口径更伤信任。
方法论与案例见知识中心（40 个采购问题逐个拆）与客户案例。