💡 核心摘要:第一篇建了实体金字塔,第二篇挖了提问意图,这一篇解决中间最实的一步——把一个产品的属性讲全、讲准、讲到能被 AI 引用。SEO 关键词系列第五篇教你把关键词写成能排名的页,GEO 这一篇教你把同一个页面升级成「AI 读完能完整复述」的实体画像。核心方法是:给每个核心实体建一张属性清单(身份、性能、结构、合规、关系、证据六类),逐项补全成具体、可核、带条件的事实,再用一张属性矩阵自查哪些属性还缺、哪些还停留在模糊形容词。
一、为什么“属性补全”是 GEO 最实的一步
GEO 听起来很玄——实体、被引用、AI 可见性。但拆到能动手的层面,最核心、最不玄的工作只有一件:把你卖的东西,每一个关键属性都讲清楚。
道理很直接。AI 要在回答「48V 机架储能电池循环寿命多少」时引用你,前提是你的页面里真的写了循环寿命,而且写得足够具体可信。如果你的产品页只写了「高品质、长寿命、性能稳定」,AI 读完根本提取不出一个能放进答案的事实,自然不会引用你。
第一篇说过实体思维的判断标准:一个不懂电池的 AI 读完你的页面,能不能准确复述「这是什么、有哪些关键参数、能用在哪、和什么兼容」。属性补全,就是把这个「能复述」变成现实的具体工程。
模糊页面(AI 无法引用):
我们的 48V 储能电池采用优质电芯,循环寿命长,
性能稳定,广泛应用于各种储能场景。
属性完整页面(AI 乐于引用):
48V 100Ah 磷酸铁锂机架电池,标称电压 51.2V,
采用 EVE 280Ah 电芯,25°C/0.5C 下循环寿命约 6000 次,
支持最多 16 台并联(扩容至 1.6MWh),
CAN/RS485 通信,兼容 Deye、Growatt、Victron 逆变器,
通过 UL1973、UN38.3、IEC62619 认证。
⚠️ 关键认知:GEO 里 80% 的可见性收益,来自把产品属性老老实实讲清楚这件「不性感」的工作。不要急着研究 AI 引用算法的玄学,先把你最值钱的几个产品的属性表填满。
二、实体属性的六大类别
不同产品的属性各不相同,但可以用一套通用的六类框架去套,确保不漏。以「48V 机架储能电池」这个实体为例:
| 类别 | 回答的问题 | 电池案例的具体属性 |
|---|---|---|
| 身份属性 | 这到底是什么 | 化学体系(LiFePO4)、标称电压、容量、电芯品牌型号、外形(机架式) |
| 性能属性 | 它表现如何 | 循环寿命(带温度/倍率条件)、放电倍率、能量密度、工作温度范围、自放电率 |
| 结构属性 | 它怎么构成、怎么用 | 内置 BMS 规格、通信协议、可并联数量、尺寸重量、防护等级 IP |
| 合规属性 | 能不能合法卖/运 | UL、UN38.3、CE、IEC62619、MSDS、保修年限 |
| 关系属性 | 和什么搭配/替换 | 适配逆变器品牌、适用场景、可替换的铅酸型号、需配的充电器 |
| 证据属性 | 凭什么信你 | 测试报告、工厂资质、质保条款、实测数据、客户案例 |
这六类不是随便分的,它们恰好对应 AI 在不同问题里需要抽取的信息:身份属性回答「这是什么」类问题,性能属性回答「好不好用、能用多久」,结构属性回答「怎么装、怎么扩」,合规属性回答「能不能进口」,关系属性回答「配什么用」,证据属性则决定 AI 判断你这个信源「可不可信」。
💡 和第二篇的衔接:第二篇挖出的提问意图,每一类问题都对应这里的某类属性。「能并联几台」对应结构属性,「-20°C 能用吗」对应性能属性,「需要什么认证」对应合规属性。属性补全,本质就是为提问意图准备好可被抽取的答案原料。
三、证据属性:GEO 比 SEO 多要的一层
前五类属性,认真做 SEO 的人多少都会涉及。但证据属性是 GEO 特别强调、SEO 容易忽略的一层。
原因在第二篇和内容权威篇都提过:AI 不只要一个数值,还要判断这个数值可不可信。同样写「循环寿命 6000 次」,一个页面光秃秃地写,另一个页面附上「依据 IEC62619 标准、25°C、0.5C 充放、容量保持率 80% 测试」,后者被 AI 当作可靠事实引用的概率高得多。
证据属性包括:
测试条件:注明温度、倍率、标准、容量保持率口径
权威背书:UL/TÜV/SGS 报告编号、认证证书
工厂实力:产能、产线、质检流程、成立年限
真实案例:哪个项目用了、装机规模、运行时长
质保承诺:质保年限、循环次数承诺、售后条款
⚠️ 数据要敢于带条件:很多外贸站怕「循环寿命 6000 次(25°C/0.5C/80%DOD)」这种带条件的写法显得数字「缩水」,于是只写「6000 次」甚至「8000 次」。但 AI 和专业买家都更信任带条件的数据。模糊的大数字反而像营销话术,会降低可信度。
四、属性从哪来:四个取数渠道
属性补全最大的卡点往往不是不会写,而是「我也不知道我的产品这些参数到底是多少」。尤其是贸易商,对工厂产品的技术细节掌握不全。四个渠道帮你把属性填满:
渠道一,工厂规格书(Spec Sheet)。 这是第一手来源。找供应商要每个产品的完整技术规格书、Datasheet、BMS 说明,里面的参数直接对应身份、性能、结构属性。贸易商务必建立「每个在售型号都有一份完整 Spec」的资料库。
渠道二,认证文件。 UL、UN38.3、CE、IEC 报告不仅是合规属性本身,报告里的测试条件和数值还能补充性能属性的「证据」。把证书编号、发证机构、有效期都记录下来。
渠道三,竞品对标。 打开行业头部(如 EG4、Pytes、Pylontech)的产品页,看他们讲了哪些属性、用什么口径表达。这不是抄,而是发现「这个品类买家默认关心哪些属性」——竞品都标了循环寿命和并联数量,你不标,AI 在对比类问题里就会漏掉你。
渠道四,技术与售后反馈。 工程师和售后最清楚买家实际会追问哪些属性、哪些参数容易出问题。这些往往是规格书里没有、但 AI 会被问到的「隐藏属性」(比如低温充电保护逻辑、并联通信的主从设置)。
💡 取数优先级:先用渠道一、二把「硬参数」填满(这是基础),再用渠道三发现「品类标配属性」(查漏补缺),最后用渠道四补「买家真实关心的隐藏属性」(差异化)。三轮下来,一个产品的属性画像就相当完整了。
五、把属性写成 AI 能抽取的样子
属性收集齐了,怎么写进页面,决定 AI 能不能顺利抽取。这里先讲原则,第五篇会专门讲答案块的结构工程。
原则一,结构化呈现。 关键参数用规格表(table)呈现,而不是埋在大段文字里。表格的「属性名—值」结构,机器和真人都最容易解析。
原则二,一个属性一个明确值。 不要写「循环寿命视使用情况而定」,要给出具体数值和条件。AI 抽取的是确定的事实,不是「视情况而定」。
原则三,命名一致。 同一个属性,全站用一致的名称。不要这页叫「循环寿命」、那页叫「使用寿命」、再一页叫「cycle life」混用——这会妨碍 AI 把分散信息归到同一个实体属性上(第一篇讲的实体一致性)。
原则四,加结构化数据。 给产品页加 Product 结构化数据,把名称、规格、品牌标注成机器可读,让 AI 和搜索引擎都能精确识别。
属性写法对照:
✗ 本产品寿命长,适合长期使用
✓ 循环寿命:≥6000 次(25°C,0.5C,80% DOD,依 IEC62619)
✗ 支持多台一起用
✓ 最大并联数量:16 台(总容量可扩至 1.6MWh)
✗ 兼容主流逆变器
✓ 已适配逆变器:Deye、Growatt、Victron、Sol-Ark(CAN 协议)
⚠️ 不要为结构化牺牲可读性:规格表是给快速查参数的人和机器用的,但产品页仍要有给真人读的说明文字,解释这些参数对买家意味着什么(比如「6000 次循环意味着每天一充可用约 16 年」)。AI 也会引用这种「把参数翻译成意义」的句子。
六、用属性矩阵自查完整度
和前两篇一样,把工作固化成可填的矩阵。属性矩阵的作用是自查——一眼看出哪个产品的哪类属性还没补全。
| 实体 / 属性类别 | 身份 | 性能 | 结构 | 合规 | 关系 | 证据 |
|---|---|---|---|---|---|---|
| 48V 机架电池 | ✅ | ✅ | ✅ | ✅ | ⚠️缺逆变器清单 | ⚠️缺测试条件 |
| 12V 100Ah 电池 | ✅ | ⚠️缺低温数据 | ✅ | ✅ | ❌缺替换型号 | ❌缺质保条款 |
| 定制电池包 | ✅ | ❌ | ⚠️ | ✅ | ✅ | ❌ |
这张表能立刻暴露问题:12V 100Ah 电池缺「可替换的铅酸型号」,而这正是替换类问题(「能直接替换 12V 铅酸电池吗」)被引用的关键关系属性;定制电池包的性能和证据属性大面积空白,意味着它在 AI 答案里几乎无法被具体引用。
💡 矩阵的用法:先把所有核心产品×六类属性铺成网格,标 ✅/⚠️/❌,按「红格最多 + 商业价值最高」排序补全。这比凭感觉「优化产品页」高效得多——你清楚地知道下一步该补哪个产品的哪类属性。
七、属性补全的三个误区
误区一,堆参数不解释意义。 把规格书整张贴上去,密密麻麻几十行参数,却不告诉买家这些参数意味着什么。AI 能抽取参数,但更愿意引用「把参数翻译成买家收益」的内容。参数 + 意义,才是完整属性。
误区二,只补身份和性能,漏掉关系和证据。 身份性能属性最容易补(规格书直接抄),但关系属性(配什么用、替换什么)和证据属性(凭什么信)才是高价值问题的答案来源,也最能和竞品拉开差距。别停在「把参数列出来」。
误区三,属性不更新,和实物不符。 电芯升级了、认证过期了、并联数量变了,页面却没改。AI 引用了过时属性,轻则误导买家,重则在专业买家眼里损害信任。属性补全不是一次性工程,产品迭代时同步更新页面属性,要写进运营流程。
这三个误区的共同点,是把属性补全当成「填表交差」,而不是「帮买家和 AI 真正理解这个产品」。属性的终点不是填满格子,而是让任何人——人或 AI——读完都能准确、可信地复述你的产品。
📌 核心收获
- ✓ GEO 最实的一步是把产品属性讲全讲准,80% 的可见性收益来自这件「不性感」的工作。
- ✓ 用身份、性能、结构、合规、关系、证据六类框架补全属性,确保不漏。
- ✓ 证据属性(测试条件、认证、案例、质保)是 GEO 比 SEO 多要的一层,决定 AI 信不信你的数据。
- ✓ 属性要具体、带条件、命名一致、结构化呈现,并配 Product 结构化数据。
- ✓ 用「实体×六类属性」矩阵自查完整度,按红格和商业价值排序补全。
🚀 立刻行动
- 给商业价值最高的 5-8 个产品,各建一张六类属性清单(身份/性能/结构/合规/关系/证据)。
- 用工厂规格书、认证文件填满硬参数,再用竞品对标和售后反馈补查漏属性。
- 把模糊形容词(寿命长、性能稳)逐条改写成带条件的具体数值。
- 重点补全关系属性(配什么、替换什么)和证据属性(测试条件、质保)。
- 铺一张「产品×六类属性」自查矩阵,标 ✅/⚠️/❌,按红格最多且最值钱的产品排序补全。
来源:系列原创整理 | 本文为「GEO 意图与实体体系」系列第 3 篇,与从关键词到页面内容对称设计
RELATED / 相关推荐
接着读这些
按同一分类、系列与标签为你挑选。
从关键词到页面内容:写出能排名的页
关键词矩阵做好之后,下一步是把目标词翻译成页面简报、内容模块和转化路径。以外贸 B2B 网站为例,拆解不同关键词应该如何写成能排名、能询盘的页面。
实体金字塔:从关键词到 AI 能理解的概念
SEO 优化关键词字符串,GEO 优化实体与提问意图。本文用电池外贸案例,把关键词金字塔升级成实体金字塔:从核心实体、属性到关系,让 AI 不只匹配词,而是真正理解你是谁、卖什么。
GEO 内容权威:EEAT 与答案优先结构
从 EEAT 出发,拆解经验、专业知识、权威性和可信度如何转化为 GEO 信号,并落到答案优先、FAQ、多媒体和产品页优化。