ExportGEO 的每条方法都先在我们自营的出口业务上验证。这个案例公开 b2b.cbtcar.com（中国二手车出口 B2B，主打北非/中东/俄语区市场）的完整 GEO 实测过程——包括不好看的数字。外贸 B2B 的 GEO 专门打法

背景与基线

网站基础在出口独立站里算好的：全站 SSR、Organization/Product Schema、 hreflang 多语言、llms.txt、sitemap 齐备。跑我们自己的 72 条规则审计： 技术 GEO 95 分。按常见认知，这应该是"AI 友好"的站点了。

真实买家问题实测

我们按目标市场建了买家问题库（发现/产品/报价/法规/信任/对比六类 × 英语/法语），在 Gemini 与 Google AI Overview 上做分布式采样（同一问题 多次采样统计提及比例，原始回答全量留档可回放）。结果：

  • 发现类（"best Chinese used car exporters to Algeria"）：部分问题有提及，但不稳定；
  • 报价类高商业意图问题（CIF 价格、批发条款）：推荐率 0%——AI 推荐的名单里全是同行；
  • 法语问题整体显著弱于英语（语言缺口）。

核心发现：技术分数 ≠ AI 推荐

95 分的技术底座没有换来推荐位。逐条回放 AI 的回答与引用后，差距清晰指向 两处：内容缺口——网站没有页面回答"阿尔及利亚限龄政策、关税计算、 清关流程"这类买家真正在问的问题；引用缺口——被推荐的同行背后有 行业目录、媒体内容的第三方印证，我们只有自己的官网。技术优化解决的是 "AI 能不能读懂你"，推荐位取决于"你有没有回答买家的问题、有没有人给你作证"。

行动

  1. 市场内容族：阿尔及利亚支柱页 + 辐条文章（进口法规/关税/运输/认证），每篇对准一条监测中的买家问题，含真实税率与港口事实，法语版本补语言缺口；
  2. 引用资产：进入买家会查的行业目录与第三方信源；
  3. 归因部署：geo.js 识别 AI 来源访客，WhatsApp 点击携带访客码，询盘阶段回传。

现状：持续追踪中

内容与信源动作正在按内容族节奏推进，每次上线都在推荐率曲线上标注时点， 按周重采样对照。我们不在这里编造一个"推荐率从 0% 到 60%"的漂亮结尾 ——AI 语料更新需要 2-8 周，这个页面会随真实数据更新。诚实的过程数据， 比一个无法验证的成功故事有用。

这个案例对你的意义

如果你的独立站"技术检查都没问题，但 AI 从不推荐你"——大概率和我们一样， 缺口在内容与引用，不在代码。先实测你的真实买家问题基线（ 免费诊断包含 AI 可见度探测）， 再决定补什么。