SOLUTION 01 · INSTRUMENT
科学仪器的 GEO 推广方案
仪器是被「型号」定义的品类。科研人员问 AI 时，问的往往不是品牌，而是「这台和那台差在哪」「跑 96 孔板要不要换机器」。AI 答不好，原因几乎从不在文案，而在型号实体和参数结构。
Direct answer · 直接回答
仪器类 GEO 的最小可引用单元是「品牌 + 型号（含别名）+ 一个参数 + 单位 + 检测方法 + 适用样本量」。先做型号归一，再做参数结构化，最后补第三方计量与评测——顺序反过来，写多少内容都不会被引用。
执行周期 12 周
核心动作 4 步
交付物 6 类
验收指标 4 项
这个品类的 AI 现状
科学仪器的 GEO 失败，很少是「写得不够多」，而是下面这四个结构问题。它们有一个共同点：不改结构，增加内容量不会改善结果。
型号写法不统一
- 典型表现
- 同一台机器在官网写 5200、经销商写 5200Multi、论文致谢写 Tanon-5200
- AI 侧的后果
- 模型把它们当成三个产品，参数互相张冠李戴，回答里出现「该系列有三款」这种模糊说法
参数只存在于 PDF
- 典型表现
- 规格书是 PDF 或图片，网页上只有「高灵敏、高通量、智能化」
- AI 侧的后果
- 没有可抽取的数值，模型只能概括成形容词，或者干脆引用竞品的参数表
没有对比维度
- 典型表现
- 选型问题需要横评，但每家只讲自己
- AI 侧的后果
- 答案里出现的对比往往来自第三方评测，谁被评测过，谁就被写进去
停产与替代关系缺失
- 典型表现
- 老型号停产，官网直接下架，没有「替代为 X」的说明
- AI 侧的后果
- 问老型号的问题被导向竞品——这类长尾提问的存量其实很大
四步怎么做
顺序很重要。先修实体、再修参数、再补证据、最后才做内容分发——反过来做，等于在流沙上盖楼。
- 型号实体归一2 周建立型号主表：标准写法、历史别名、在售状态、替代型号、上市年份。所有渠道按主表统一，主表作为后续一切内容的唯一来源。
交付：型号主表（CSV）· 官网型号页模板 · 全渠道改写清单 - 参数结构化3 周每个型号选 8–12 个决策相关参数，写成「数值 + 单位 + 测试条件 + 方法」。参数多了模型抓不住主次，少了撑不起选型判断。
交付：参数表（HTML 表格 + JSON-LD）· 型号详情页改造 · 参数口径说明 - 证据层：靠第三方3 周CNAS 计量校准证书、第三方评测（如仪器信息网横评）、用户论文的方法学引用。自己的宣传语进不了证据层。
交付：证据清单 · 证书编号与有效期页 · 第三方评测引用页 - 选型内容与问答4 周按「通量 / 预算 / 样本类型」做三档选型页，每档一句结论；再补 30 条长尾问答（兼容、耗材、维保、搬迁）。
交付：选型页 3 个 · 长尾问答 30 篇 · 分发与复测计划
交付物清单
所有交付物都可验收、可进入你的资产。项目结束时，即使不续约，这些材料仍然在你手里，也仍然在为你工作。
| 交付物 | 包含什么 | 解决什么 |
|---|---|---|
| 型号主表 | 标准型号 / 别名 / 在售 / 替代关系 | 解决实体分裂，是所有内容的地基 |
| 参数事实库 | 8–12 参数 × 数值单位方法 | 让模型能抽出可比较的事实 |
| 证据索引 | 证书编号 / 评测链接 / 文献 DOI | 进入「信得过」层的唯一通道 |
| 三档选型页 | 按通量 / 预算 / 样本类型给结论 | 承接最高意图的选型提问 |
| 30 条长尾问答 | 兼容 / 耗材 / 维保 / 搬迁 / 排障 | 覆盖存量最大的提问 |
| 复测报告 | 20 问 × 4 引擎 × 5 次采样 | 证明变化，而不是声称变化 |
90 天排期
12 周一个循环，第 13 周出第一次完整复测。下面按周排，不含节假日与素材等待时间。
| 周次 | 动作 | 里程碑 |
|---|---|---|
| W1–W2 | 型号实体归一 | 型号主表定稿，全渠道改写清单下发 |
| W3–W5 | 参数结构化 | 核心型号页上线，结构化标记生效 |
| W6–W8 | 证据层：靠第三方 | 证据页可访问，第三方凭证齐全 |
| W9–W12 | 选型内容与问答 | 内容分发完成，基线复测启动 |
| W13 | 完整复测 | 20 问 × 4 引擎 × 5 次采样，输出对比报告与下一轮待办 |
验收指标
四个指标都写清口径。口径不写清的数字，三个月后没人能复核，也就没有意义。
| 指标 | 口径 | 目标 |
|---|---|---|
| 型号类描述准确率 | 问「XX 型号的检测下限是多少」时，回答与官方参数一致的比例 | 目标 ≥ 85% |
| 选型类提及率 | 20 条选型问题中出现品牌或型号的比例 | 90 天内提升 30 个百分点以上 |
| 对比类首位率 | 「A 和 B 哪个好」类问题中排在第一位的比例 | 按合同基线定 |
| 引用命中率 | 回答里引用的 URL 中，归属你方资产的比例 | 按内容投放量定 |
为什么不用「曝光量」「收录量」做验收这两个指标和「有没有被 AI 引用」之间没有稳定的因果关系，且极易被刷。我们只用可复现的采样结果：固定问题集、固定引擎、固定次数，原始回答与截图全程留档。
我们不接的情况
写下不接的项目，比写下能做的项目更能说明我们是谁。
- 只做监测、不做页面改造的项目，我们不接仪器的瓶颈在参数结构，不在监测频率。只看数据不动页面，三个月后曲线不会变。
- 拿不出测试条件与方法的参数，先补数据「灵敏度高」这类描述无法结构化。要么补原始记录，要么这一项先空着，不要编。
- 期待 30 天见效的项目，预期要对齐仪器决策链长，从内容上线到被稳定引用，通常 60–90 天。承诺一个月翻倍的说法都不成立。
常见问题
科学智源 做科学仪器的 GEO，和通用 GEO 服务商有什么不同？
通用服务商通常从「发稿」入手，我们从这个品类最容易塌的那一层入手：型号实体与参数结构。同样的预算，先修承重墙。
需要我们把官网推倒重做吗？
不需要。绝大多数项目是在现有官网上改造型号页 / 服务页 / 参数页，并新增选型或清单类页面。只有当站点本身无法被正常抓取（robots 误封、纯 JS 渲染、全站图片化）时，才会建议重建——这种情况我们会先给出证据再谈费用。
多久能看到变化？
内容上线后 4–6 周开始出现变化，稳定可测通常在 60–90 天。科学仪器的决策链较长，我们不接受「一个月翻倍」这类承诺，也不会把波动说成增长。