B2B 采购通常从一份候选名单开始。过去这份名单靠搜索、打开十几个网页、做一张对比表拼出来；现在越来越多是先问 AI 一句「国内做某某的主要服务商有哪些」，再从答案里的几个名字往下走。

这个变化对供应商最不友好的地方在于，它不留痕迹。没进名单的供应商看不到曝光下降，也看不到点击流失，只会发现商机比预期少。

B2B 采购真的已经从 AI 搜索开始了吗

至少在 Forrester 的买方调研里，答案是肯定的。它在2026年1月发布的《The State Of Business Buying, 2026》里写道，生成式 AI 搜索已经是 B2B 买方的起点。更早的2024年版报告中，接近95%的买方预计会在未来12个月内用生成式 AI 支持决策和采购流程。

同一份2026年报告也给出了另一面：AI 搜索工具速度快、效率高，但给出的信息常常不完整或不可靠，买方因此会去找信得过的来源核实。一个典型的采购决策，现在牵涉13个内部相关人和9个外部影响者；采购人员在53%的采购周期里是决策者之一。

13加9典型 B2B 采购决策涉及的内部相关人和外部影响者Forrester 2026
53%采购人员作为决策者参与的采购周期比例Forrester 2026
接近95%预计在未来12个月用生成式 AI 支持采购的买方Forrester 2024

这些数字要打折看。Forrester 的新闻稿没有披露样本构成，我们无法确认其中有多少国内企业，也不能把它直接套到国内的采购场景上。国内有 CNNIC 的数据，截至2025年12月生成式人工智能用户达到6.02亿，但那是全体网民口径，没有拆出企业采购。国内 B2B 买方用 AI 找供应商到了什么程度，目前没有我们能核实的权威数据。

能确定的是方向，而不是比例。

供应商被 AI 推荐，靠的是哪些材料

多数 B2B 品类在网上的公开材料都不多。一个细分工业品，可能只有几家厂商的官网、几篇行业媒体报道、B2B 平台上的店铺资料和零星的论坛讨论。候选池浅，意味着少量扎实的材料就能左右答案，也意味着一家供应商如果一样都没有，就会被整个跳过。

这里用得上信源矩阵的思路：把准确、一致的材料有意识地放在几类不同的信源上，让模型从多个方向读到同一组事实。官网讲清楚能力边界，行业媒体给出第三方视角，B2B 平台的资料和官网参数一致。矩阵的价值来自一致，而不是数量。

学术研究支持这类工作的有效性，但也提醒了边界。Aggarwal 等人在 KDD 2024 发表的 GEO 研究发现，针对性的内容调整可以让来源在生成式引擎回答中的可见度最多提升40%，同时这些策略的效果因领域而异。这是在英文基准数据集上的实验结果，不代表国内某个 B2B 品类在某个平台上能拿到同样的幅度。

决策链长，问题集就要按角色拆

Forrester 说的13个内部相关人，不会问同一个问题。设备使用方关心能不能解决眼前的问题，技术负责人关心参数和兼容性，采购关心价格构成和交付风险，管理层关心要不要自己做。每一类人都可能各自去问 AI，而且问法完全不同。Forrester 2024年的报告还提到，89%的采购涉及两个或更多部门，跨部门本身就意味着多套问法。

所以 B2B 企业 GEO 的问题集，不能只围绕一个品类词展开。

角色典型问题需要被读到的材料
业务使用方某某问题一般怎么解决讲清楚适用场景和不适用场景的方案页
技术评估某某设备选型要看哪些参数以文本呈现的参数表和选型说明
采购某某大概什么价位，什么因素影响价格价格构成与影响因素，哪怕不公开具体报价
管理层这个自己做还是买现成的如实比较自建与采购的利弊

最后一行常被忽略。自建还是采购，是决策链里最早出现的问题之一，而愿意如实回答它的供应商很少。如实写，就意味着要承认某些情况下客户确实不该买自己的产品。

被 AI 点名之后，还要过人的核验

Forrester 描述的那个过程值得多看一眼：AI 给出起点，人去核实。对供应商来说，这意味着被点名只是进了第一道门，后面还有采购、技术和外部顾问的逐项追问。

一份在每一项标准上都指向自己的材料，过不了这道核验。模型读到它像广告，采购读到它也像广告。反过来，公开写出评估标准，包括自己并非最优的那几项，材料才有被引用和被信任的可能。

核验的方式也在变。Forrester 2026年的报告提到，超过60%的企业买方会在购买前试用。能试用的产品，试用条件、周期和申请方式本身就是值得公开写清楚的材料，它回答的正是采购方在核验阶段最想问的那句话：能不能先用用看。

候选名单里没有自己，先查什么

发现自己不在答案里，第一反应往往是赶紧写内容。先别急，答案本身已经给出了线索。

能显示来源的平台，把答案引用的域名逐条记下来，看它们属于哪一类：是竞争对手的官网，是某几家行业媒体，还是 B2B 平台的店铺页。不同的构成指向不同的缺口。答案主要引用行业媒体，说明这个品类在该平台上靠第三方报道撑着，自家官网写得再好也难补上这一块；答案主要引用厂商官网，说明官网内容本身有机会，值得先检查自家页面有没有被收录、有没有正面回答那个问题。

如果答案里点名的几家，恰好都在同一个 B2B 平台上有完整资料，而自己的店铺页还是几年前的版本，那么最便宜的一步就很清楚了。

B2B 企业 GEO 怎么衡量

B2B 最麻烦的是归因。买方来接触时已经做完了功课，统计工具里看不出是什么影响了他。

目前可行的办法有两个。一是直接测量：把「该品类的主要服务商有哪些」这类问题固定下来，每个平台至少测三次，记录出现了哪些名字，自己不在名单里这件事，只有这样才看得到。二是在线索表单里加一个「从哪里了解到我们」的字段，把 AI 列为单独选项。企业服务与 B2B 方案页里的做法也是这两条。

这两个办法都不完美。表单字段依赖客户自己记得、愿意填；测量看到的是可见度，不是成交。细分品类的提问量本来就小，数字的波动会很大。销售周期半年的业务，可见度按月测量，商业结果另外观察，两者不要硬凑在一张图上。

参考来源