3,595 次 AI 采购提问实测：AI 只在「推荐」类问题里点供应商的名
6 个原料药品种 · 美国与日本两套题集 · 3 个 AI 平台 ｜ 3,600 次采集（3,595 有效）｜ 2026-10 ｜ 客户匿名
一句话答案：AI 愿意在"推荐几家供应商"这类问题里点名，但在"你的质量体系/法规文件怎么样"这类问题里，它几乎不点任何具体企业。
3,595 个有效样本里：
- 供应商推荐类问题：命中率 7.2%（美国）／7.8%（日本）
- 质量 / 规格类问题：0.6%（美国）／0%（日本）
- 法规 / CMC 类问题：2.2%（美国）／0%（日本）
含义："我们质量很好"这句话写在官网上，对 AI 里的可见性帮助有限 —— 它需要的是能被检索到的、可核验的事实落点。
两个词先定清
- 提及（Mention）
- AI 回答正文里出现品牌名。可能在推荐名单里，也可能只是"这类供应商如 A、B"的举例。
- 采购意图分类
- 把 600 个买家问题按"问什么"分成 10 类：供应商推荐、制造商核验、质量规格、质量文件、法规/CMC、样品资质、商业条款、物流进口、对比风险、RFQ/长期供应。
分类在采集前定好并冻结，复测使用同一套题与同一套分类。
这次测了什么？
| 项 | 规模 |
|---|
| 采集 | 3,600 次（12 轮 × 100 题 × 3 平台） |
| 有效样本 | 3,595 |
| 市场 / 题集 | 美国（英文题集）1,800 ｜ 日本（日文题集）1,795 |
| 产品 | 6 个原料药与中间体品种 |
| 平台 | ChatGPT · Gemini · Perplexity |
| 问题结构 | 10 类采购意图 × 每市场 600 题 |
AI 在哪些问题上愿意点名？
| 采购意图 | 美国 | 日本 |
|---|
| 供应商推荐 | 13/180 = 7.2% | 14/180 = 7.8% |
| 商业条款 | 5/180 = 2.8% | 4/180 = 2.2% |
| 制造商核验 | 4/180 = 2.2% | 0/180 = 0% |
| 法规 / CMC | 4/180 = 2.2% | 0/179 = 0% |
| 质量 / 规格 | 1/180 = 0.6% | 0/180 = 0% |
| 质量文件 | 1/180 = 0.6% | 1/179 = 0.6% |
分母是各意图的有效样本数，不是采集量。
为什么能力类问题几乎为零？
三个可能原因，按可能性排序：
- AI 没有可用的企业级证据：批文、检测报告、产能数据多数不在公开网页上，AI 无从引用；
- AI 不愿意为具体企业背书：涉及质量与合规的表述，它倾向给通用要求而不是点名；
- 页面结构不利于抽取：事实散落在 PDF、图片、招商页里，抓取不到。
这三条都指向同一个动作：把可核验的事实搬到能被抓取、能被单独引用的页面上。
产品之间也不均匀
| 产品 | 美国 | 日本 | 判读 |
|---|
| 品种 A | 16/300 = 5.3% | 15/299 = 5.0% | 两市场均有提及 |
| 品种 B | 13/300 = 4.3% | 6/300 = 2.0% | 两市场均有提及 |
| 品种 C | 3/300 = 1.0% | 0/300 = 0% | 仅美国 |
| 品种 D / E / F | 0/300 | 0/300（其一 0/296） | 两市场均未提及 |
同一家企业、同一套方法、同一时间窗，三个品种有稳定提及、三个为零 —— 说明可见性要逐品种、逐市场算，不能用总分概括。
这对供应商意味着什么？
- 别把"官网写得好"当成 GEO。 能力类问题里 AI 不点名的原因，往往不是文案不好，是缺少可被引用的硬事实。
- 先做事实落点，再谈内容数量。 资质、检测、产能、交付记录，以结构化、可抓取的方式写到页面上。
- 分品种、分市场建立基线。 用一个总分评估全部产品线，会掩盖真正的强弱项。
常见问题
Q：7.2% 这个命中率算高还是低？
单看数字没有意义。它描述的是"在这 6 个品种、这个时间窗、这 3 个平台上，AI 在推荐类问题里点到该企业的比例"。要做判断，需要同品类、同题集的对照。
Q：为什么日本市场质量类问题是 0%？
我们只能如实报告观测结果，无法确定平台内部原因。可能与该市场的信源结构有关（更依赖监管机构与行业数据库）。
Q：这些数字能复现吗？
能。题集冻结、分类冻结、平台与时间固定，提及按品牌名在正文匹配，全部可从原始回答重算。
Q：这些结果能证明优化有效吗？
不能。这是基线，没有对照实验，也没有复测结果，所以本页不给任何提升幅度。
Q：如果我们的产品也在"零提及"那一档，怎么办？
先确认它是不是真的没被提（分母是否有效），再看该品种的品类问题里 AI 都在引用谁 —— 通常能找到"它愿意引用的事实类型"，那就是补内容的起点。
我们怎么交付这类诊断：
- 按 10 类采购意图建题（每市场 600 题），冻结后附 SHA256 指纹；
- 两个市场分别统计，只做横向对照，不相加当总体；
- 提及与被引分层统计，每个数字带分子与分母；
- 交付：基线报告 · 缺口四分类 · 整改资产 · 含指纹的复测报告。
事实资料页（逐条可核验） · 服务内容与验收方式 · 该案例完整版
口径与边界
- 数据来自一次真实客户诊断（2026-10），客户匿名，未经授权不披露名称与品种全名；
- 有效样本 3,595（采集 3,600），分母为有效样本数；
- 单次记录，不同时间、账号、地区结果会不同；
- 无对照实验，不给提升幅度；不承诺排名、收录或被推荐。
利益披露：本页由 Look4GEO（问擎GEO）基于真实客户诊断记录整理。我们本身是 GEO 服务商，因此不构成独立第三方研究。
聚合口径与原始样本可按需提供复核（涉客户商业信息部分需客户同意）。