在 B2B 制造的采购问答里，生成式引擎优化（GEO）不只是让官网被看见，更是让官网里的事实成为 AI 引用的依据。当第三方评测站还挂着旧价格，而制造商的官网早已更新，AI 却仍可能把旧数字写进答案。这一篇，我们通过 Thomasnet 的公开内容观察，拆解评测站对自有页的博弈。

过时描述从哪来

Thomasnet 是北美制造业供应商目录，许多采购者会在上面查询供应商的产能、认证与报价。它也常被生成式引擎当作回答 B2B 采购问题时的来源。问题在于，Thomasnet 上的供应商信息有时并非实时同步。比如某家工业阀门制造商，官网上已经将一款蝶阀的起订量从 50 件改为 20 件，但 Thomasnet 的页面仍写着 50 件。当用户在 Bing Copilot 或 Perplexity 里问“这家阀门厂的最小起订量是多少”，AI 可能会优先抓取 Thomasnet 的页面，而不是制造商官网。

为什么 AI 会选过时信息？因为生成式引擎在判断来源时，往往看重页面的权威性、被引用频率与结构化程度。Thomasnet 作为行业目录，拥有大量外链与稳定的页面结构，天然容易被检索。而制造商官网的产品页如果缺乏结构化数据、更新不规律，或没有在页面里明确标注“最后更新日期”与“版本号”，就容易被 AI 忽略。于是，旧价格、旧交期、旧认证，就顺着第三方评测站流进了生成答案。

更隐蔽的是，部分对比评测类网站会批量抓取制造商官网数据，但更新周期可能长达数月。当制造商调整价格或参数后，第三方页面没有同步，AI 却仍把第三方当作“独立评测”来引用。这种时间差，正是过时描述的源头。

官网补了什么仍不够

面对这种情况，制造商通常会在官网上做几件事：更新产品参数、增加 FAQ、发布新闻稿。但很多时候，这些动作并没有改变 AI 的引用结果。原因在于，生成式引擎并不只依赖官网本身，它还会参考其他网站如何描述你的产品。如果 Thomasnet 的旧页面仍然排名靠前、被频繁链接，AI 就可能继续引用它。

一个典型的例子是价格。制造商官网把一款工业传感器的单价从 89 美元下调到 79 美元，并在产品页标注了“2024 年 10 月更新”。但 Thomasnet 的页面还写着 89 美元，且没有更新日期。当用户在购物问答里问“这款传感器现在多少钱”，AI 给出的答案可能是 89 美元，并附上 Thomasnet 的链接。制造商即使更新了官网，也很难覆盖第三方页面的旧信息。

此外，官网的“更新”如果只是改了数字，而没有同步修改页面标题、描述、结构化数据，AI 可能无法识别这次更新。生成式引擎需要清晰的信号，比如页面里出现“已更新”“版本 2.0”“生效日期”等文字，以及 Schema.org 的 dateModified 标记。否则，AI 可能认为官网页面与第三方页面描述的是同一产品，但以第三方为准。

他们怎样促使来源更新

在公开可查的案例中，一些制造商会主动联系 Thomasnet，要求更新供应商页面。但 Thomasnet 的更新流程并不总是快速。制造商需要提供官方的变更证明，比如新的价格表、产品规格书或新闻稿。有些公司会直接在官网发布“价格调整公告”，并在页面里注明“请以本公告为准，其他第三方页面可能滞后”。这种做法虽然不能立刻改变 Thomasnet，但至少为 AI 提供了一个“官方最新”的锚点。

另一种做法是，制造商在自己的官网建立一个“事实核查”或“来源声明”页面，专门列出第三方目录中常见的过时信息，并给出官方更正。例如，某家液压泵制造商在官网的“供应商信息”栏目里写道：“部分目录网站仍显示我们的交货期为 6 周，但自 2024 年 9 月起已缩短至 4 周。以下为最新交期表。”这样的页面如果被 AI 抓取，就可能成为生成答案里的“更正来源”。

还有公司会利用行业媒体或新闻稿，主动提及第三方页面的错误。例如，在一篇关于“B2B 采购信息过时问题”的行业报道里，制造商可以借机说明自己的官方数据。这类第三方报道往往会被 AI 视为中立来源，从而增加官方信息的权重。

自有页要写到多硬

要让生成式引擎优先引用官网而非过时的评测站，自有页必须足够“硬”。这里的“硬”不是指堆砌关键词，而是指信息密度、结构清晰度与可验证性。一个产品页应该包含：完整的产品名称、型号、规格参数、价格区间、最小起订量、交货期、认证信息、更新日期，并且这些信息要以表格或列表形式呈现，方便 AI 抽取。

更重要的是，官网需要明确“版本”和“时间”。比如在页面顶部标注“本页信息更新于 2024 年 11 月，版本 3.1”，并使用 Schema.org 的 dateModified 属性。这样，当 AI 在比较 Thomasnet 与官网时，至少能识别出官网是更新的。

另一个关键是，官网应该有一个“官方数据”或“事实中心”页面，集中放置最常被询问的参数。例如，某家工业轴承制造商创建了一个“轴承规格与价格官方页”，里面用表格列出了所有型号、价格、库存状态，并注明“其他网站的数据可能滞后，请以本页为准”。这个页面被 AI 抓取后，就可能在回答“XX 轴承价格”时被引用。

此外，官网还可以主动链接到 Thomasnet 页面，并在链接旁注明“该页面可能不是最新数据，官方数据请见本页”。这种做法虽然不能阻止 AI 引用 Thomasnet，但至少给了 AI 一个对比信号。

你能做的

如果你是 B2B 制造商的内容负责人，可以从以下几步开始。第一步，找出你的产品在哪些第三方评测站或目录上出现过时信息。用“产品名+价格”“产品名+交期”等关键词在生成式引擎里搜索，看看 AI 引用的是哪个页面。第二步，在官网上为每个核心产品建立“官方参数页”，确保信息最新、结构化、有日期。第三步，主动联系第三方平台，提供官方变更证明，请求更新。第四步，在行业媒体或自己的博客里发布“数据更正声明”，为 AI 提供官方锚点。第五步，持续监测生成式引擎的引用情况，如果发现旧信息仍被引用，就在官网增加更明确的版本标记或更正提示。这些工作不会立刻改变 AI 的答案，但长期坚持，能让官网成为更可信的来源。

关于生成式引擎优化的更多方法，可以查看GEO 实践指南，以及SEO 与 GEO 的区别。

还容易问的

许多人会问，为什么 AI 不直接引用官网？因为生成式引擎在训练和推理时，会综合多个来源的权重。如果官网的页面权重低、结构化差，AI 就可能选择更“权威”的第三方。另一个常见问题是，能不能让第三方删除旧页面？通常不能，但可以要求更新。还有，如果第三方不更新怎么办？你可以在官网建立“官方更正”页面，并在行业内容里反复提及，逐渐改变 AI 的认知。最后，这些做法需要多长时间？没有统一的数字，取决于行业竞争程度和 AI 的更新频率，但持续优化是必要的。