钛白粉巨头Chemours：AI引用份额8%→34%
导语：一家全球最大的钛白粉（TiO₂）生产商，旗下 12 个区域网站各自为政，工程师在 ChatGPT 里问"最好的钛白粉厂商是谁"时根本看不到它；12 个月里把站群合并、把产品参数改成结构化规格库、按平台重写内容，AI 搜索声量份额从 8% 升到 34%，自然搜索询盘 +187%、线索质量评分 +312%。所有数字均为服务商自述口径，且同一页面存在多处口径冲突，下文逐项标注。
背景：有牌子，但在 AI 的答案里没有位置
主体是 Chemours（科慕）钛白科技事业部，产品线为 Ti-Pure™，是钛白粉行业第一梯队玩家。生产基地位于 DeLisle（美国密西西比）、New Johnsonville（美国田纳西）、Altamira（墨西哥）。直接竞争对象包括 Tronox Holdings、Venator Materials、Kronos Worldwide、INEOS Pigments、Lomon Billions Group。
改造前的病灶写得很具体：
- 12 个区域网站各自为政，技术架构不一致、内容不统一，区域之间零协同；
- 技术 SEO 基础差到影响搜索引擎抓取，页面加载性能拖后腿；
- 高价值的工业采购与技术选型查询上，自然搜索可见度几乎为零；
- 案例原文的画面感描述是：工程师、采购、技术决策者在研究钛白粉方案时，"看不到这个品牌"。也就是说，Ti-Pure 的品质口碑在行业里成立，但模型手里没有被抽取得走的结构化证据——没有统一实体、没有可比参数、没有可引用的问答结构。
这就是典型的"品牌有、实体没有"。AI 不是不认你，是它只认它能解析的那一份东西。
动作：三阶段 12 个月，先修地基再喂内容
案例把工作拆成三个并行推进的阶段，顺序很关键——先技术、再内容、最后才是"AI 优先"。
Phase 1（第 1–3 月）：技术基建统一，这一步最像 AIWO
- 12 个区域站点合并为一套统一架构，结束碎片化；
- 所有产品页统一 schema 标记，让机器读到同一套字段；
- URL 结构与导航层级标准化，收敛重复与歧义入口；
- 部署面向 AI 爬虫抓取的技术基建（可抓、可解析优先于漂亮）；
- 全市场页面加载 < 2 秒、移动优先、Core Web Vitals 达标、SSL 全覆盖。
Phase 2（第 2–6 月）：把内容做成"能引用的单位"
- 建立产品规格数据库——参数、等级、适用场景结构化沉淀；
- 按应用场景拆技术指南：涂料、塑料、层压材料分别成篇；
- 把 Ti-Pure 的差异化优势做成对比型内容，而不是形容词；
- 围绕氯化法（chloride process）工艺做思想领导内容；
- 叠加专家信号：高管与技术专家资历优化、行业媒体与会议露出、白皮书，形成跨信源互证。
Phase 3（第 4–8 月）：AI 优先，按引擎重写同一份事实
- 内容生产方式改为"为被引用而写"：先想清楚模型会怎么问、抽哪一段；
- 产品规格加高级 schema，让参数可被机器直接取用；
- 面向口语化的应用型查询优化（工程师不会用目录语言提问）；
- FAQ 结构补齐，给模型现成的问答对；
- 分平台适配：ChatGPT 吃自然语言产品描述 + 应用指南；Gemini 吃结构化技术数据与规格表；Perplexity 吃带引用的研究型内容；Claude 吃平衡的事实型表述。
结果：前后对比（逐项标口径）
| 指标 | 优化前 | 优化后 | 口径与备注 |
|---|---|---|---|
| AI 搜索声量份额 | 8% | 34% | 服务商口径；同页另一处称氯化法 TiO₂ 相关回答达 89%，属细分品类口径，两版并列不合并 |
| ChatGPT 引用率（best titanium dioxide manufacturers） | 未披露 | 89% | 服务商口径，样本 query 数未披露 |
| ChatGPT 应用类提及率（涂料/塑料） | 未披露 | 82% | 同上 |
| ChatGPT 技术类可见度（锐钛型 vs 金红石型） | 未披露 | 76% | 同上 |
| Google AI Overviews 引用（涂料配方类查询） | 未披露 | 84% | 同页另列 "top TiO₂ suppliers 北美" 67%、氯化法工艺 71% |
| Perplexity 引用（竞品对比类） | 未披露 | 73% | 同页另列制造工艺 78%、工业规格 81% |
| Claude 引用 | 未披露 | 72% | 来自原文图表说明段，与正文字段口径未对齐 |
| 与竞品引用对比 | 未披露 | 67% vs Tronox 23% / Venator 18% | 服务商自述 |
| 自然搜索询盘量 | 基线未披露 | +187% | 服务商口径，未经第三方复现 |
| 线索质量评分 | 基线未披露 | +312% | 服务商口径 |
| 技术规格下载 | 基线未披露 | +156% | 服务商口径 |
| 合格样品申请 | 基线未披露 | +89% | 服务商口径 |
| 销售周期 | 45 天 | 28 天 | 缩减 34%，服务商口径 |
| 竞争场景赢率 | 基线未披露 | +67% | 服务商口径 |
| 新增销售管线 | 基线未披露 | $48M / $98M 两版 | 页面概览写 $48M 管线、$18M 收入；正文与客户证言写 $98M 管线、$21.8M 已签约收入；二手汇总（SE Ranking）另给 $90M+ / $20M+，三版并存 |
| 自然搜索可见度增长 | 基线未披露 | +2,847% / +312% 两版 | 正文写 +2,847%，同页时间轴图说明写 +312%，未解释差异 |
| 关键词排名增长 | 基线未披露 | +456% / +365% 两版 | 同上，两版并列 |
| 投入产出比 | — | SEO 基建 5.5x、GEO 4.9x | 服务商口径，测算方法未公开 |
| 线索质量按来源 | 自然搜索 78% | AI 引用 89% | 服务商口径 |
| 见效节点 | — | 第 3 个月起 | 12 个月实施期，三阶段并行推进 |
| 区域表现 | — | 北美 89%、欧洲 67%、拉美 52%、亚太 45% | 指各区域 AI 可见度达成度，服务商口径 |
复盘：3 条可抄的动作，1 条必看的避坑
可抄 1：先合并站群，再谈内容。 12 个站各自为政时，机器无法把"你"归并成同一个实体，schema 各写各的，等于每个站都在从零开始建立可信度。合并架构、统一字段之后，内容才可能被累积而不是被分散。这一步没有任何捷径。
可抄 2：把参数做成"可引用单位"，比写品牌故事有效得多。 工业采购的提问方式是"氯化法 vs 硫酸法差在哪""涂料级需要什么粒径"，不是"谁家品牌好"。产品规格数据库 + 按应用拆的技术指南 + 对比表，正好是模型最爱抽的形态。案例里询盘 +187%、规格下载 +156%，方向是一致的：能被引用的内容，先得能被解析。
可抄 3：同一份事实，按引擎重写成四种表述。 给 ChatGPT 自然语言 + 应用场景，给 Gemini 结构化数据 + 规格表，给 Perplexity 带引用的研究型论证，给 Claude 平衡的事实陈述。不是玄学，是不同引擎的检索与引用偏好不同，一份稿子全平台通吃是幻想。
避坑：这份案例的数字自己打自己。 同一页面里，管线有 $48M 和 $98M 两个版本、收入有 $18M 和 $21.8M、自然搜索可见度有 +2,847% 和 +312%、关键词增长有 +456% 和 +365%、声量份额有 8%→34% 和 89%。原文只说做了 performance attribution modeling，没公开模型、样本 query 面板、也没给第三方复现路径。看到这类"AI 优化战绩"，先问三件事：query 面板有多大、统计周期多长、归因方法是什么。回答不了，就当线索用，别抄成 KPI 目标。
数据来源与性质
- 主来源：ABM Agency 客户案例页《How a Global Chemical Manufacturer Generated Over $20M in Revenue Using a Combination of SEO and GEO》（页面配图上线时间为 2025 年 9 月），服务对象为 Chemours 钛白科技事业部（Ti-Pure™）。
- 数据性质：服务商口径（代理机构自述），未经第三方复现，也未见 Chemours 官方发布对应复盘。文中所有百分比、金额、周期均照原文记录，不做加工。
- 二手来源：SE Ranking 的案例汇总对同一主体给出更保守的金额版本（$90M+ 管线 / $20M+ 收入），与原文两版数字并列。
- 案例周期：12 个月实施期，三阶段为第 1–3 月（技术基建）、第 2–6 月（内容与权威）、第 4–8 月（AI 优先优化）；原文称第 3 个月起可见指标变化。
- 样本量：未披露（AI 引用率的 query 面板、抽样方式、复测频率均未公开）。
- 方法透明性：仅说明使用 performance attribution modeling 做收入归因，具体模型未公开。
- 配图：原文 4 张数据图（AI 引用表现、市场份额变化、管线与收入影响、搜索表现时间轴）已随文归档。
标签：AI优化案例、GEO、AIVO、AIWO、工业化工材料
（内容由AI生成，仅供参考）