AI 把客户教完了，销售还在讲第一遍

一个做包装设备的销售跟我复盘过一次失败的报价。客户一上来就问：你们标准机的交期是 25 天还是 30 天？他愣了一下，因为他们内部口径是「25 到 30 天视排产情况」。他按话术讲了公司成立年份、厂房面积、合作客户，讲到第五分钟，客户说：这些我看过了，你就说交期。

他没接住。不是态度问题，是准备的东西不对。

这件事的机制很简单：客户在打这个电话之前，已经在 AI 里把该问的都问过一轮了；他的第一句话不是开场，是核对。销售如果从「我们是谁」讲起，就等于把客户已经知道的事再讲一遍，同时暴露了页面和话术对不上。

先把边界说清楚。这一篇讲的是「客户看过 AI 答案之后，销售第一次接触怎么对齐」，不解决曝光问题，那是前一站；也不改销售的能力和关系，那是招聘与培训的事。不适用于纯关系型订单——老客户认人不认材料，这套对齐对他影响很小。另外要说明：下面所有动作只提高「信息不打架」的概率，没有任何方法能保证成交率；生成式引擎优化管不到谈判桌，谁跟你说能改成交率，可以直接结束沟通。

一、客户手上的材料，比你的销售手册厚

过去客户来问，信息是销售给的。现在客户来问，信息是几个来源拼的：他自己的行业经验、同行怎么说、平台上的参数、以及 AI 给他的一份汇总。

这份汇总的特点是「多源、便宜、看起来中立」。它可能有错，但它已经形成了客户的判断框架。销售要做的不是从头讲一遍，是把这份框架校准。

有个数字能说明这份框架的分量。AirOps 在 2026 年的《State of AI Search》里给了一个观察值：品牌被提到的时候，85% 的来源是第三方页面。Semrush 基于 54 万条以上 AI 回答的另一组数字是：62% 的 AI 引用从来没有产生过品牌提及。

两条放在一起看，意思是：客户拿到的材料里，有相当一部分不是你写的，甚至不一定提你的名字。他会带着这些材料来问你——「有人说你们交期不稳，是这样吗」。

多伦多大学那篇预印本测过 AI 对第三方来源的偏好，落在 53% 到 95% 之间，看查询类型。B2B 场景里这个偏好更明显，因为客户问的本来就是「别人怎么看这家供应商」。

所以做 AI 搜索优化，真正被改变的不是流量，是销售面对的那个人：他不再是一张白纸，而是已经形成初步结论、来找你验证的客户。这两种客户的应对方式，完全不同。他手里那份结论可能来自豆包，也可能来自 DeepSeek、文心或 ChatGPT；四个来源给的东西不一样，他会挑最不利的那一条来问你。

二、一笔单子会断在三个地方

在 GEO 里，把 B2B 询盘的路径拆开，能看到三个断点，三件事的解法互不相同，混在一起谈就永远谈不清。

第一个断点，没被看见。客户在 AI 里问了一圈，名单里没有你。这是曝光问题，靠内容覆盖和第三方信源解决。文章 35 讲的是这一段的延伸——被提到了，但客户没点进来。

第二个断点，没被比较进去。客户把你和同行放在一起问，AI 给的对比表里你是空白。这是 AI 搜索优化里的字段问题，靠把可比参数写进页面解决。

第三个断点，进来了但没接住。客户来问了，销售讲的东西和客户已知的对不上，或者讲的东西客户已经知道。这是承接问题，也是本篇要讲的这一段。在外贸询盘里这一点尤其明显：客户常常同时问三家，深圳、东莞的供应商发过去的话术高度相似，谁把数字说准，谁就先被记住。

三个断点里，第一个最花钱，第二个最花时间，第三个最便宜也最容易被忽略——因为它不需要新做内容，只需要把已有的东西对齐。可惜多数企业只盯着第一个。

三、错位通常有四种样子

销售话术和官网口径对不上，是 GEO 最常见的一个内部漏洞——不是谁不用心，是两个东西由不同的人、在不同时间、为不同目的写的。常见的错位有四种。

第一种，数字不一样。官网写「交期 20 天」，销售手册写「25 到 30 天」，报价单写「以排产为准」。三个都是真的，但客户听到的是「你们自己都没数」。

第二种，范围不一样。官网写「支持小批量试单」，销售说「500 件起」。可能官网写的是某个品类，但客户不会去分辨品类。

第三种，重点不一样。官网在讲工艺和参数，销售在讲关系和账期。客户从页面来，期待的是技术对话，遇到的是商务对话，两边都别扭。

第四种，时态不一样。官网还是两年前的产线介绍，销售讲的是去年新上的设备。客户一对照，觉得页面是旧的，顺手也怀疑销售说的是不是新的。

这四种错位里，第四种最伤。因为它同时触发了「信息过期」和「说法不一致」两个判断，客户的信任成本会陡增。Edelman 2026 年覆盖 15 国 17688 人的调查里，88% 认为信任品牌是重要或关键的购买标准——信任这件事，一旦开始打折扣，后面每个数字都要重新验一遍。

反过来看，对齐这件事的收益也在这儿：它不需要你说得更好，只需要你说得和页面一样，而且是同一个时间点的。

四、把开场倒过来写

GEO 落到销售这一步，具体怎么做？一句话：开场从「我们是谁」改成「你问的那个数是多少」。

客户第一句问交期，就直接答交期，答完再补一句条件和依据。客户第一句问认证，就报证书编号、覆盖范围、有效期。客户第一句问「有人说你们交期不稳」，就先承认他听到的说法存在，再给事实。

这套打法对销售的要求其实更低，因为它不需要背更长的话术，只需要记住三个数字和一句条件。但它对后端的要求更高：官网、报价单、销售手册必须是同一套数。

这也是 GEO 在内部产生的一个副产品。做 AI 搜索优化的过程，本质上是被迫把「我们到底有哪些可核事实」梳一遍。梳完之后，第一个受益的往往不是 AI，是销售——因为他终于知道哪个数是可以对外说的。

有一点要提醒：不建议为了对齐而去改页面上的真实数字，让页面去迁就话术。方向应该是反的——话术迁就事实，页面记录事实。如果有两个部门口径不同，说明内部本来就没统一，那要先统一，再谈对外。

五、询盘记录是最好的内容源

对齐之后，生成式引擎优化还有一件顺带的事值得做：把客户的问题倒回去，变成页面的内容。

每一通询盘，客户问了什么、在哪一句上犹豫、在哪个数字上反复确认，这些是最真实的「页面缺口清单」。客户在电话里问了三遍的问题，说明页面上一定没写清楚。

做法可以很土：让销售每周把「被问倒的问题」记一行，月底汇总。一个月下来通常能攒出十几条，这些就是下一批问答区和产品页要补的内容。

反过来也成立。当页面把这些补上之后，同类询盘的前五分钟会明显变短——客户不再问基础问题，直接进到商务细节。这不是成交率提高，是沟通效率提高。这两个指标要分清，混着看会得出错误结论。

KDD 2024 那篇论文的实验，可以借来理解 AI 搜索优化为什么强调依据：给原本排第五的结果加上引用来源，它的被选比例上升了 115.1%；给原本排第一的结果加上引用，反而下降 30.3%。结论不是「引用越多越好」，而是客户在做判断时，依据的权重比排序更管用。销售桌上那场对话，也是同一个道理：位置（谁先讲）不如依据（谁讲得能被核）。

六、三个常见问题

1. 客户拿着 AI 的错误信息来质问，怎么处理？

从 GEO 的角度，先承认他听到的版本存在，再给正确版本，最后说明为什么会有这个错。直接说「AI 胡说」是最差的开场，因为它否定了客户做的功课。另外把这条记下来——如果同一个错误被问了三次，说明你的页面上缺一句能纠正它的话，那是内容问题，不是销售问题。

2. 官网要不要把销售不想公开的信息也写上去？

从 GEO 的角度，不要。页面写什么，由「客户决策必须知道」决定，不由「销售好不好讲」决定。交期区间、起订台阶、认证编号、报价口径这四类必须写；成本结构、客户名单、具体产能瓶颈不必写。这条界线画清楚，销售反而更敢用页面。

3. 这套对齐要谁来做？

至少要三个人在场：懂产品的人、管销售的人、管网站的人。缺一个就会出现「页面改了销售不知道」或者「销售改了页面没改」。如果只能一个人做，那就先做一件事——把三个版本的数字列在一张表上，让差异自己暴露出来。

七、写在最后

回到那个包装设备的销售。GEO 在这一步做的事不复杂：把交期口径统一成「标准机 25 天，急单 20 天加价 8%，超 30 天免运费」，官网、报价单、销售手册三处同时改。他的开场也改了，客户一问交期，先报数，再补条件。

他后来跟我说了一句话：以前怕客户懂得多，现在怕自己懂得少。

这句话其实说到了根上。客户懂得多，是因为他自己去查了；销售懂得少，是因为他没查过客户会查到什么。GEO 在这里的作用，不是让客户少懂一点，是让销售和客户看到的是同一份材料。

易杭做 GEO 是 2024 年的事，在那之前，我们做的是跨境 B2B 和国际站服务。国际站上有个现象我们很熟：买家在询盘之前，已经把详情页、交易记录、评价都翻过一遍，第一封询盘往往直奔最关心的那一条。那时候我们教商家做的是「详情页要经得起问」；换成 AI，道理没变，只是提问的人从买家变成了模型，答案又被买家拿去用了。

数据与效果边界：本文引用的 AirOps 85%、Semrush 62%（基于 54 万条以上 AI 回答）、G2 45% 均为厂商或平台自行发布的观察性统计，未经独立复核；多伦多大学的 53%–95% 为预印本结论，未经同行评审，限其测试查询集。KDD 2024 的 30.3% 与 115.1% 为受控实验条件下的相对变化，非线上机制保证，也不构成对销售转化率的任何预测。Edelman 的 88% 为 15 国 17688 人问卷口径，属态度测量而非购买行为。McKinsey 的供应链数据为 n=100 的问卷口径且经第三方转述，与本文销售承接议题无直接因果关系。文中数据均属机制说明与观察性统计，不构成对任何企业实际结果的预测。所述方法的作用是提高信息一致性与被检索、被引用的概率，不保证成交，也不承诺任何转化指标。

参考资料

1. AirOps：《State of AI Search》2026（85% 品牌提及来自第三方页面；厂商发布，观察性统计）
2. Semrush：《ghost citations》研究，基于 54 万条以上 AI 回答（62% 的 AI 引用未曾产生品牌提及；厂商发布）
3. 多伦多大学：arXiv:2509.08919（AI 回答偏好第三方来源 53%–95%；预印本，未经同行评审）
4. KDD 2024：DOI 10.1145/3637528.3671900（增加引用使原第 1 名 −30.3%、第 5 名 +115.1%；同行评审）
5. Edelman：《2026 信任度调查报告》（17,688 人／15 国；88% 认为信任品牌是重要或关键购买标准）
6. G2：2026 年 B2B 买家调研（45% 认为引用评审网站最能建立信心；平台自行发布）
7. McKinsey：《Supply Chain Risk Pulse 2025》（39% 双源采购、45% 增库存、33% 近岸；n=100，经第三方转述）