AI 推荐供应商时，看的不是你官网

一、头部不是工厂，是平台

637 次引用分布在 291 个域名上。排在最前面的，是在线报价平台和内容站，不是制造企业官网。

前 20 个域名拿走 63.7% 的引用，剩下 271 个域名分 36.3%，平均每个不到一次。这不是「排名先后」的问题，是在不在名单里的问题。26 个域名逐个被引了多少次、覆盖 12 个问题里的几个，见 竞品画像。

二、榜单页只占 7% 的页面，却拿走 13% 的引用

637 次引用落在 458 个不同页面上，平均每页 1.4 次。按内容形态拆开看：产品与服务页数量最多（355 页），拿走了 70.5% 的引用，但分摊到每页只有 1.26 次；「best of / top 10」类聚合榜单只有 33 个页面，占全部被引页面的 7.2%，却贡献了 13.3% 的引用，单页平均被引 2.58 次——是产品页的两倍。

单页被引次数最高的 10 个页面里，5 个是聚合榜单。另外 5 个是产品页和技术指南——说明榜单不是唯一的路，但它是最省力的那条。

这张表里的页面全部挂在厂商自己的域名下——点进去就是竞品官网。为了不把读者送出报告，本表只列标题，不设外链；需要核验原始页面，可以按「域名 + 标题」直接检索，或者向我们索取完整的被引 URL 清单。

值得一提的是：写这些英文榜单的，很多是中国厂商。样本里有 11 个中国域名合计拿到 45 次引用，占 7.1%，打法高度一致——写「美国市场最佳 CNC 公司」，把自己排进去。这条路已经被验证过，不是理论。

三、同一个问题换个时间再问，答案会变

我们用同一个引擎、同样 12 个问题复测过：结果的相似度只有 0.136–0.158。复测并集 85 个源里，稳定出现的只有 18 个，67 个只出现过一次。

两批域名数（268 / 291）不可相加，也不可互相换算。同一个域名在两套口径下的引用次数也不同，例如 protolabs 在 541 口径是 41 次、在 637 口径是 47 次。本页第 01 节用 637 口径，第 04 节用 541 口径，标题与表注里都写明。

注意这是已经被 AI 引用的那批公司。它们尚且如此，没被引用的可想而知。

再往下一层：113 个产品页，逐字段拆开看

七类证据看的是「整站有没有」，产品页看的是「单个页面有没有说清楚」。我们对 113 个产品页做了字段级判定，只认页面里明确出现的量化声明——写「low-volume」不算，要写具体批量区间才算。

趋势很清楚：越往后、越影响下单决策的字段，写得越少。工艺人人写，尺寸上限只有 38%。

更值得注意的是「假完整」：在 672 条字段判定里，只有一半是有量化声明的（334 条），8.8% 是「提到了但没给数」（59 条），41.5% 完全空白（279 条）。也就是说，很多页面看起来什么都有，实际一句能用的话都没有。17 个头部页面逐页解剖的结构差异，见 信源结构。

口径：672 条字段判定（334 + 59 + 279）与上表「写了的页面」列不是同一种计法，两组数字不可互相换算；原始判定记录可按域名索取。

最后一列的意思是：平均每被引一次，能换来多少个不同问题的覆盖。protolabs 被引 41 次只覆盖 8 个问题，因为它在一个问题里被反复引 5 遍；unionfab 只被引 4 次，但每次都在不同的问题里。

这不是说 protolabs 弱——它覆盖 8 个问题已经是最多的。真正的问题是 naitetech：11 次引用，只覆盖 2 个问题。12 个采购问题里，客户在其余 10 个环节根本不会遇到它。

58% 的域名只在一个引擎里出现

26 个域名里有 15 个只出现在单一引擎的来源列表中。这不是小样本噪声，是结构性的：

• fictiv.com 9 次引用全部来自 ChatGPT，在 Gemini 和 Perplexity 里一次都没有。
• quickparts.com 9 次全部来自 Perplexity，ChatGPT 里完全不存在。
• hubs.com 8 次全部来自 ChatGPT。

对客户的含义很直接：只在一个引擎里做优化，等于只对一个引擎的用户存在。如果你的买家习惯用 Perplexity 做供应商初筛，那你在 ChatGPT 里做得再好也没用。

12 个问题，有两个几乎没人占

把 26 个域名按问题拆开，每个问题有多少个域名能覆盖，差距大得离谱。

本节口径：26 个采样域名（品牌库域名 + 按引用规模补采），合计 205 次引用，占全部 541 次引用的 37.9%。541 口径下被引域名共 268 个，与封面「291 独立域名」不是同一批——后者含 2026-10-20 补采批次（637 次）。所以本节「被引多少次」全部是 541 口径，封面和第 01 节条形图是 637 口径，两处不要互相比较（例如 protolabs 在本节是 41 次、条形图是 47 次）。「覆盖问题数」指该域名在 12 个采购问题中至少被引用过一次的数量。

• 位置是空的。整个 637 次引用里，行业协会、标准组织、行业媒体一次都没出现，唯一的权威源是美国海关的一个页面。这个领域还没有「被 AI 默认信任的第三方」——先建立可信度的人先占位。
• 对手还没反应过来。中国厂商已经在写英文榜单了，但绝大多数只做了「进榜」，没做「证据」。而采购方最终下单前一定会核证据。
• 成本窗口会关。榜单文的有效期比想象中长——我们复测过的页面里，18 个稳定出现，其中就有几篇中国厂商写的榜单。现在写还来得及，等头部把这批词占满，再进就要付溢价。

输出方式：跟头部比，不跟满分比

诊断不打分。给你打分没有意义，你需要知道的是「我和这个行业里被引用最多的十家比，哪一栏掉了」。

这张表比一份「总分 78 分」的报告有用得多：它直接告诉你下一版该改哪一页。

不包含的内容也说明白：我们不承诺「做完了就会被 AI 引用」。引用受算法、时间、竞争格局影响，没人能保证。我们能保证的是：每一条数字都标着它的引擎、问题和批次，你可以照着重跑一次；每一条建议都指向具体页面。

三份延伸材料

这份报告讲的是「发生了什么」。下面三份，把其中三件事拆到可以照着做的程度。

• 单市场单品类。CNC 精密加工、美国买家、英文。换成注塑、钣金或欧洲市场，结论必须重跑，不能直接套用。
• 样本量有限。637 次引用、25 家可判定域名、113 个产品页。足够看方向，不足以断言因果。我们说的「负相关」，准确表述是「在本样本中未观察到正相关」。
• 复测只覆盖了一个引擎。ChatGPT 和 Perplexity 的波动幅度尚未测量，可能更稳也可能更不稳。
• 缺 Google AI Overviews。这是美国买家最常接触的入口之一，本样本没有覆盖，后续会补。
• 抓取是单次快照。域名状态会变，报告里的源健康度以采样日为准。