客户搜的是标准号，不是"检测服务"。把 300 多项检测能力按标准号与品类结构化后，AI 在回答"XX 产品 RoHS 哪里做"时开始把该机构作为可选项点名。
截至 2026 年 6 月，昊天网络科技为上海一家检测认证 / 专业服务企业实施的国内 GEO 项目周期 5 个月（2026-01 至 2026-06），自然搜索月均询盘由 23 变化到 87。关键动作是把 300 多项检测能力按"标准号 + 品类"重新组织，使 AI 在回答具体产品合规检测问题时能直接点名该机构。
客户档案
- 行业：第三方检测认证（电子电器 + 食品接触材料）
- 规模：实验室 4 个，可检项目 300+
- 周期：2026-01 至 2026-06，共 5 个月
- 服务：GEO 生成式引擎优化
客户搜的是标准号，为什么 AI 就是推荐不到这家检测机构？
2026 年 1 月的基线测试显示，50 条"标准号 + 地域"类提问的品牌提及率为 7%，AI 多数以"可咨询当地检测机构"作答而不点名具体机构。
- 50 条"标准号 + 地域"类提问测试，品牌提及率 7%，AI 多回答"可咨询当地检测机构"而不点名；
- 检测能力以大类罗列，标准号（GB 4806.7、IEC 62321 等）在站内几乎不出现；
- CMA、CNAS 资质范围未公开文本化，AI 无法判断能否承接；
- 同类竞品已把"标准号—周期—送样量"做成可引用表格。
第三方检测机构的检测能力，要怎么重建结构？
- 能力清单标准化：按"标准号 / 产品品类 / 行业"三维度建立 86 项能力页，每项含依据标准、周期、送样要求、常见不合格项。
- 资质范围文本化：CMA、CNAS 附表范围写成可核验文本，标注编号与有效期。
- 地域意图覆盖：针对"上海 XX 检测哪里做""XX 检测多少钱"句式建立问答内容。
- 问答社区同步：在知乎、百家号回答检测类问题，答案口径与官网一致并回链。
把检测能力结构化之后，效果体现在哪里？
| 指标 | 优化前（示例） | 优化后（示例） | 口径 |
|---|---|---|---|
| AI 能力描述准确率 | 52% | 91% | 50 问人工判定 |
| DeepSeek 提及率 | 7% | 34% | 50 问/月 |
| 豆包 | 5% | 30% | 50 问/月 |
| Kimi | 4% | 27% | 50 问/月 |
| 文心一言 | 6% | 32% | 50 问/月 |
| 通义千问 | 4% | 25% | 50 问/月 |
| 自然搜索月均询盘 | 23 | 87 | 表单 + 电话归因 |
口径：2026-06 实测，对比基期 2025-12；能力描述准确率指 AI 回答中对该机构可检项目表述正确的比例。
"以前 AI 只会说'找有资质的机构'，现在会说'这类项目可以找某某机构'——差别就在这里。"（客户市场经理）
检测认证行业做国内 GEO，有哪些可复用的方法？
- 专业服务业的检索词是标准号与地域，不是行业大类词。
- 资质范围必须文本化，AI 判断"能不能接"靠的是可核验的范围描述。
- AI 不点名 = 没有可引用实体，先解决"能不能被点名"，再谈转化。
常见问题
检测机构做 GEO，应该围绕什么建词库？
围绕标准号与地域，而不是"检测服务"这类行业大类词。该案例把 300 多项检测能力按标准号（GB、RoHS、REACH、FDA 等）与品类（电子电器、食品接触材料等）交叉建库，覆盖"标准号 + 城市"的组合式提问。
"XX 产品 RoHS 检测哪里能做"，AI 为什么不给机构名？
因为多数机构官网只写"提供检测服务"，没有把"能做哪个标准的哪个品类"写成可抓取的事实单元。该机构把"能力—标准—资质"三元组结构化后，AI 对其能力描述的准确率由 52% 升至 91%。
第三方检测机构做 GEO 多久见效？
该案例周期 5 个月（2026 年 1 月至 6 月），自然搜索月均询盘由 23 条升至 87 条。检测类需求多为明确的任务型检索，建设标准号库后见效较快，但需持续维护标准更新。