很多 GEO 项目一开始就走错了先上工具、追提示词、拉看板。顺序不对——你还不知道自己要和什么比就先把所有东西测一遍最后只是在制造数据。审计 AI、规划内容之前先回答一句你到底是谁上一篇讲过联想是 AI 现在怎么看你属性是你希望 AI 怎么看你。这一篇要做的事是把品牌身份从一团感觉整理成有优先级、能直接设计提示词的属性清单——而且对准海外买家用英文问出来的场景。先决定你是谁塑造 AI 认知的不是你脑子里那个品牌版本而是公开留在网上的版本——尤其是英文独立站、目录站、评测和社区里能被抓到的那一版。先建立理想状态服务谁、解决什么、凭什么赢。这不是一次填完就扔的表格而是循环——第一次审计后会看到差距再回头修。现在最重要的是方向别偏。我们为什么能赢这些话放手册里没问题拿来做 GEO 远远不够「我们服务中型企业」「我们做外贸很多年了」。真正决定结果的是为什么海外买家最后选你而不是别人AI 答案天生是比较出来的。能让它推荐你的不是「我们很专业」而是「在某个具体场景里你更合适」——交期稳、MOQ 合理、认证材料齐、英文资料清楚。只能停在品类层面介绍自己最后也只会被当成众多选项之一。也要敢说我们不适合谁「为什么能赢」和「不适合谁」是同一问题的两面。想讨好所有人——「小单大单都行、什么市场都能做」——AI 就抓不住你是谁。全网两套不一致说法揉在一起答案很难让任何一类客户满意。对大多数出海公司「两边都服务」的结果往往是 AI 说你适合所有人但没有人觉得你是明确首选。定位越精确AI 越容易围绕这个身份形成稳定共识。可以逼团队一页纸说清我们是面向【具体海外人群】的【品类】帮他们解决【核心问题】。能赢是因为【交期 / 认证 / 场景等差异】。明确不服务【不适合的人群或场景】。挖掘你已经有的数据GEO 时代关键词研究仍有用但不够。买家意图里的国家-区域、订单体量、认证、交期、场景每一个变量都值得关心。数据分两类外部评测、论坛、竞品在 AI 里怎么被说、行业目录内部销售通话、询盘、支持工单。位置不同权重不同。B2B 外贸 / 出海 SaaS单个客户价值高一方数据往往信号最强——认真读前五十封英文询盘、听完前五十通销售电话几乎就能摸清关键信息。偏消费跨境公开讨论更多Reddit、评测也能看出规律。成熟品牌公开资料更多新工厂公开几乎空白时更要死磕内部询盘。外部要盯海外买家此刻在问什么目录 / 评测怎么写你页面上的原话很可能变成 AI 怎么说你竞品谁被说成「交期稳」、谁被说成「只适合试单」社区里没被品牌征集的真话。内部最值钱的是异议、买家怎么描述问题、主动提到的竞品——MOQ、交期、认证、样品往往才是决策词。只盯自己网站已经不够。声誉、第三方、目录、社区都要管。读外部时其实在做两件事摸清买家在意什么同时看见全网此刻怎么描述你。提炼成属性清单从各来源找反复出现的主题销售异议、社区吐槽、评测原话、提示词限定条件。一个主题若同时出现在询盘、社区和评测里就是高置信度素材。再按数量加权多少通话提到、多少评测提到、是不是购买关键因素。「交期不稳」若出现在大量投诉和销售通话里就是高优先级偏门能力只出现两次、销售从不提就往后排。定稿前最好再问增长、销售、支持希望 AI 怎么讲客户第一次通话前该明白什么这些输入一进来GEO 就开始变成全公司的事。结果是一份属性清单——你希望 AI 把哪些特征和你联系起来。它像多米诺身份 → 属性 → 提示词 → 衡量系统。第一张牌错了后面只是在生产数据。GEO 不该拿来发明定位只该强化已经验证过的定位。可从这些类起步产品品类英文叫法行业与细分人群痛点真实使用场景认证 / MOQ / 交期等交付能力买家画像。再补只属于你们公司的字段。先从哪里开始每个属性问三句影响购买吗AI 现在说的和你希望的有差距吗差距你改得动吗三个都「是」的优先做。安全认证、MOQ、交期这类硬事实必须测准可单独用准确性提示词盯。先把地基打好做完这一章你该有说得清的定位、基于真实数据的买家认知、按优先级排好的属性清单。这是后面设计提示词、在 ChatGPT / Gemini / Perplexity 里建可见度基线的地基。如果你已经在测「AI 提不提我们」却说不清「希望它怎么形容我们」先停半步把定位和属性清单补上。可见 GEO 这类工具适合在清单定了之后把「有没有被提、说得准不准」变成每周能复查的成绩单——否则看板再花也只是在测一团模糊的自己。