[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-cases-cbtcar":3},{"state":4,"article":5,"stale":63},"ok",{"kind":6,"slug":7,"path":8,"title":9,"summary":10,"bodyMd":11,"seoTitle":12,"seoDescription":12,"coverImage":12,"tags":12,"topic":13,"intent":14,"author":15,"reviewer":19,"publishedAt":21,"modifiedAt":22,"reviewedAt":23,"factCheckedAt":12,"sources":24,"changeLog":28,"sections":32,"faq":51,"methodology":61,"limitations":62,"dataset":12},"CASE","cbtcar","\u002Fcases\u002Fcbtcar","CBTCar 案例：技术 GEO 95 分，为什么 AI 推荐率是 0%","我们把方法论先用在自己身上：自营二手车出口站 b2b.cbtcar.com 技术 GEO 审计 95 分，但报价类高商业意图买家问题的 AI 推荐率实测为 0%。本页公开完整过程：基线、买家问题实测、缺口分析、行动与持续追踪——用真实数据说明技术分数不等于 AI 推荐。","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\u002F中东\u002F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](\u002Fgeo\u002Fb2b-export-geo)\n\n## 背景与基线 {#background}\n\n网站基础在出口独立站里算好的：全站 SSR、Organization\u002FProduct 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。\n\n## 真实买家问题实测 {#real-buyer-tests}\n\n我们按目标市场建了买家问题库（发现\u002F产品\u002F报价\u002F法规\u002F信任\u002F对比六类 × 英语\u002F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：\n\n- 发现类（\"best Chinese used car exporters to Algeria\"）：**部分问题有提及，但不稳定**；\n- **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；\n- 法语问题整体显著弱于英语（语言缺口）。\n\n## 核心发现：技术分数 ≠ AI 推荐 {#key-finding}\n\n95 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\"。\n\n## 行动 {#actions-taken}\n\n1. **市场内容族**：阿尔及利亚支柱页 + 辐条文章（进口法规\u002F关税\u002F运输\u002F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；\n2. **引用资产**：进入买家会查的行业目录与第三方信源；\n3. **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。\n\n## 现状：持续追踪中 {#current-status}\n\n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。\n\n## 这个案例对你的意义 {#what-it-means}\n\n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](\u002Faudit)包含 AI 可见度探测）， 再决定补什么。",null,"案例","trust",{"slug":16,"name":17,"title":18},"rocky","Rocky","CTO",{"name":20},"benben420@gmail.com","2026-08-24T00:00:00.000Z","2026-08-26T15:19:44.091Z","2026-08-26T15:13:52.164Z",[25],{"url":26,"title":27},"https:\u002F\u002Fb2b.cbtcar.com","CBTCar",[29],{"date":30,"note":31},"2026-08-26","添加内链",[33,36,39,42,45,48],{"id":34,"title":35},"background","背景与基线",{"id":37,"title":38},"real-buyer-tests","真实买家问题实测",{"id":40,"title":41},"key-finding","核心发现：技术分数 ≠ AI 推荐",{"id":43,"title":44},"actions-taken","行动",{"id":46,"title":47},"current-status","现状：持续追踪中",{"id":49,"title":50},"what-it-means","这个案例对你的意义",[52,55,58],{"a":53,"q":54},"因为这正是方法论的第一课：不测真实买家问题，你永远不知道技术分数背后的真相。用自己的站点当第一个客户、公开过程数据，比任何宣传语都更能说明我们怎么工作。","为什么公开自己不好看的数据？",{"a":56,"q":57},"恰恰相反——它说明推荐位有明确的决定因素（内容与引用），而不是玄学。差距能被定位，就能被针对性弥补；如果推荐是随机的，才真的没法做。","0% 推荐率是不是说明 GEO 没用？",{"a":59,"q":60},"适用。买家问题六分类、分布式采样口径、内容族结构、引用网络建设都是行业无关的框架；行业差异体现在知识库（认证\u002F法规\u002F术语），这部分按行业配置。","我的行业和二手车出口不同，方法适用吗？","按发现、产品、报价、法规、信任、对比六类建立英语\u002F法语问题集；在固定地区和时间窗口重复采样，保存回答原文、引用域和时间戳；以包含 CBTCar 的有效回答数占总有效回答数计算推荐率，并按周复测。","本案例基于[8月份]对ChatGPT的分布式抽样，仅覆盖英语和法语的部分买家问题。AI 回答会因地区、时间、账号及模型更新而波动，结果不代表所有市场，也不承诺内容上线后必然获得推荐。",false]