上一篇，我们讲了从0开始做GEO，第一步不是写文章，而是先把企业自己的生意弄清楚。
主营产品是什么？客户是谁？最擅长解决什么问题？
这些弄清楚以后，接下来就该看看：
你以为自己在网上是什么样子，和AI眼里的你，是不是一回事？
有些老板觉得：
“我们官网有了，产品也发了不少，AI应该知道我们吧？”
还真不一定。
今天继续拿工业冷水机工厂举例，看看企业第一次做AI认知诊断，究竟应该看什么。
一、你是一家工厂，AI却可能把你当成贸易商
假设有一家工业冷水机制造企业。
老板介绍得很清楚：
“我们自己生产工业冷水机，做了十几年，主要服务食品加工、注塑等行业，也能根据客户需求定制。”
结果打开AI，输入公司名字。
AI回答：
“这是一家主要从事制冷设备销售的综合型贸易企业，提供多种商用制冷产品。”
老板一看就不乐意了：
“我们明明是工厂，怎么成贸易商了？”
这就是企业需要关注的问题。
明明有生产能力，却没有被准确介绍。
明明主营工业冷水机，却被描述成综合制冷设备供应商。
客户如果只看这一段回答，可能会形成错误印象。
当然，这只是一个假设案例，并不是说AI一定会出现这样的错误。
但它说明了一件事：
企业真实的经营情况，不一定等于AI当前呈现出来的企业形象。
所以我们第一步要做的，就是找出两者之间的差距。
二、别只问公司名字，要换几个角度看
很多老板测试GEO，只会问一句：
“你知道XX公司吗？”
AI回答知道，就觉得效果不错。
回答不知道，就觉得公司在AI里完全没有存在感。
其实只问这一句，信息太少了。
如果是这家冷水机工厂，我会从三个角度来检查。
① AI知不知道你是谁？
直接问：
“XX公司是做什么的？主营产品有哪些？”
重点看它有没有把企业身份、主营业务、产品类型介绍准确。
比如是否把制造商说成贸易商，或者把已经不做的产品当成主营业务。
② 客户找供应商时，AI会不会提到你？
换一个问题：
“食品加工厂需要24小时连续生产，有哪些中国工业冷水机供应商值得了解？”
这次不要主动告诉AI自己的公司名字。
看看它会提到哪些企业，又是根据什么理由介绍它们。
如果没有你的公司，也不用马上认定GEO失败。
因为具体答案还会受到问题表述、AI产品、可用信息和检索方式影响。
但这个结果值得记录。
③ AI说你的优势，有没有事实依据？
再问：
“XX公司在食品加工冷却设备方面有哪些经验？有什么公开资料可以证明？”
这一步重点检查：
AI有没有编造项目？
有没有夸大企业能力？
有没有把其他公司的案例安到你头上？
如果AI给出了资料来源，还应该打开原文核实。
AI愿意提到你是一回事，能不能准确介绍你，又是另一回事。
三、诊断时，最值得关注的是这4种情况
测试几轮以后，老板可能会遇到不同结果。
第一种：AI认错了企业。
比如主营产品、企业性质、服务行业都说错了。
这类问题应该优先处理，因为它直接影响客户对企业的判断。
第二种：AI知道公司，但相关采购问题里没有提到。
比如AI能准确介绍一家冷水机厂，但客户问食品加工行业供应商时，它没有出现。
这时候要进一步研究：
企业有没有公开展示相关的行业经验？客户问题和企业能力是否匹配？竞争对手提供了什么信息？
不能简单归结为“文章发少了”。
第三种：AI提到了企业，但介绍不准确。
比如推荐理由里出现了根本不存在的技术、认证或项目。
这种情况也不能算理想结果。
毕竟客户真来询价了，企业却拿不出对应能力，反而影响信任。
第四种：AI暂时无法提供明确的企业信息。
这可能与企业公开信息不足、名称歧义、资料获取限制等因素有关。
但不能只凭一次回答就断定AI完全不认识这家公司。
需要进一步核查。
对老板来说，诊断的重点不是单纯判断“出现”还是“没出现”。
而是弄清楚：AI到底在哪些地方理解对了，哪些地方理解错了。
四、别忽略一个细节：AI的信息是从哪里来的？
假设AI说：
“XX公司是一家专业的工业冷水机制造商。”
听起来很准确。
但如果想知道它为什么这么介绍，就要继续检查相关信息来源。
比如：
企业官网有没有明确说明制造能力？
产品平台上展示的主营业务是否一致？
有没有相关行业方案和真实案例？
网上是不是还留着很多年前的旧资料？
如果AI回答附带了网页来源，可以进一步核对这些页面。
不过要注意，不同AI产品的信息获取方式并不一样，有些回答可能没有可见来源。即使附带了链接，也不代表内容一定正确。
所以这里不能简单理解成：
“AI引用哪个网站，就一定最相信哪个网站。”
我们真正要做的是：
检查企业公开信息是否准确、一致，并且有可靠依据。
五、老板第一次诊断，不用搞得太复杂
我建议先准备一份简单的《企业AI认知诊断记录》。
每次测试，至少留下这些信息：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
为什么要记录？
因为AI的回答不是固定不变的。
今天问一次，过几天换个时间、换个问题，结果都可能不一样。
如果只截一张图，后面很难判断：
到底哪里改善了？
哪里仍然有问题？
哪些变化可能只是正常的回答波动？
做诊断不是为了收集几张漂亮截图，而是建立一份以后能拿来对比的原始记录。
六、发现问题以后，先别急着发文章
假设诊断结果出来了。
这家冷水机工厂发现：
AI把自己当成贸易商，主营业务介绍不准确，食品加工项目经验也没有被清楚呈现。
接下来怎么办？
先别急着批量生成100篇文章。
应该回头检查企业现有资料。
官网是不是把制造能力讲清楚了？
产品平台的主营类目是不是准确？
早期留下的旧介绍有没有过时？
食品加工行业的真实项目资料有没有整理出来？
如果这些基础资料本身就混乱，再不断往网上添加新内容，不一定能解决问题。
所以诊断之后，企业应该先给问题排优先级。
身份信息错误，先核实并纠正。
主营业务不清楚，先完善官方介绍。
真实能力缺少证据，再补充案例和专业资料。
至于修改之后AI会不会更新认知、什么时候更新，还需要继续测试，不能保证立刻见效。
写在最后
企业做GEO，第一步不是急着告诉AI：
“我们很专业，你应该推荐我。”
而是先看看：
AI现在到底把我们理解成了一家什么样的公司？
企业身份有没有认错？
主营业务有没有说准？
客户问到相关需求时，企业有没有被提及？
AI介绍的优势，又有没有真实依据？
先把这些问题弄明白，后面的优化才有方向。
不过看到这里，可能有老板会问：
“这些道理我懂了，但我现在就想打开AI试试，到底应该输入什么？”
下一篇，第23篇：
《一分钟测试：ChatGPT/DeepSeek到底认不认识你的公司？》
我们不讲复杂理论，直接给老板一套可以照着操作的测试方法。
不需要懂技术，自己打开AI，就能开始检查企业的基本认知情况。
这里记录的是我们的GEO成长实验。
从这一阶段开始，我们按照真实企业的操作顺序，一步一步做好诊断、分析和改进。