很多 GEO 项目一开始就走错了：先上工具、追提示词、拉看板。顺序不对------你还不知道自己要和什么比，就先把所有东西测一遍，最后只是在制造数据。
审计 AI、规划内容之前，先回答一句：你到底是谁？
上一篇讲过：联想是 AI 现在怎么看你；属性是你希望 AI 怎么看你。这一篇要做的事，是把品牌身份从一团感觉，整理成有优先级、能直接设计提示词的属性清单------而且对准海外买家用英文问出来的场景。
先决定你是谁
塑造 AI 认知的，不是你脑子里那个品牌版本，而是公开留在网上的版本------尤其是英文独立站、目录站、评测和社区里能被抓到的那一版。
先建立理想状态：服务谁、解决什么、凭什么赢。这不是一次填完就扔的表格，而是循环------第一次审计后会看到差距，再回头修。现在最重要的是方向别偏。
我们为什么能赢
这些话放手册里没问题，拿来做 GEO 远远不够：「我们服务中型企业」「我们做外贸很多年了」。
真正决定结果的是：为什么海外买家最后选你，而不是别人？
AI 答案天生是比较出来的。能让它推荐你的，不是「我们很专业」，而是「在某个具体场景里你更合适」------交期稳、MOQ 合理、认证材料齐、英文资料清楚。只能停在品类层面介绍自己，最后也只会被当成众多选项之一。
也要敢说：我们不适合谁
「为什么能赢」和「不适合谁」是同一问题的两面。想讨好所有人------「小单大单都行、什么市场都能做」------AI 就抓不住你是谁。全网两套不一致说法揉在一起，答案很难让任何一类客户满意。
对大多数出海公司，「两边都服务」的结果，往往是 AI 说你适合所有人，但没有人觉得你是明确首选。定位越精确，AI 越容易围绕这个身份形成稳定共识。
可以逼团队一页纸说清：
我们是面向【具体海外人群】的【品类】，帮他们解决【核心问题】。能赢是因为【交期 / 认证 / 场景等差异】。明确不服务【不适合的人群或场景】。
挖掘你已经有的数据
GEO 时代，关键词研究仍有用，但不够。买家意图里的国家-区域、订单体量、认证、交期、场景，每一个变量都值得关心。
数据分两类：外部（评测、论坛、竞品在 AI 里怎么被说、行业目录）；内部（销售通话、询盘、支持工单）。
位置不同，权重不同。B2B 外贸 / 出海 SaaS：单个客户价值高，一方数据往往信号最强------认真读前五十封英文询盘、听完前五十通销售电话，几乎就能摸清关键信息。偏消费跨境：公开讨论更多，Reddit、评测也能看出规律。成熟品牌公开资料更多；新工厂公开几乎空白时，更要死磕内部询盘。
外部要盯：海外买家此刻在问什么；目录 / 评测怎么写你（页面上的原话，很可能变成 AI 怎么说你）；竞品谁被说成「交期稳」、谁被说成「只适合试单」；社区里没被品牌征集的真话。内部最值钱的是异议、买家怎么描述问题、主动提到的竞品------MOQ、交期、认证、样品，往往才是决策词。
只盯自己网站已经不够。声誉、第三方、目录、社区，都要管。读外部时其实在做两件事：摸清买家在意什么，同时看见全网此刻怎么描述你。
提炼成属性清单
从各来源找反复出现的主题：销售异议、社区吐槽、评测原话、提示词限定条件。一个主题若同时出现在询盘、社区和评测里，就是高置信度素材。再按数量加权：多少通话提到、多少评测提到、是不是购买关键因素。「交期不稳」若出现在大量投诉和销售通话里，就是高优先级；偏门能力只出现两次、销售从不提，就往后排。
定稿前最好再问增长、销售、支持：希望 AI 怎么讲？客户第一次通话前该明白什么？这些输入一进来，GEO 就开始变成全公司的事。
结果是一份属性清单------你希望 AI 把哪些特征和你联系起来。它像多米诺：身份 → 属性 → 提示词 → 衡量系统。第一张牌错了，后面只是在生产数据。GEO 不该拿来发明定位，只该强化已经验证过的定位。
可从这些类起步：产品品类英文叫法；行业与细分人群；痛点；真实使用场景；认证 / MOQ / 交期等交付能力；买家画像。再补只属于你们公司的字段。
先从哪里开始？每个属性问三句：影响购买吗？AI 现在说的和你希望的有差距吗？差距你改得动吗？三个都「是」的，优先做。安全认证、MOQ、交期这类硬事实，必须测准，可单独用准确性提示词盯。
先把地基打好
做完这一章，你该有：说得清的定位、基于真实数据的买家认知、按优先级排好的属性清单。这是后面设计提示词、在 ChatGPT / Gemini / Perplexity 里建可见度基线的地基。
如果你已经在测「AI 提不提我们」，却说不清「希望它怎么形容我们」，先停半步，把定位和属性清单补上。可见 GEO 这类工具适合在清单定了之后，把「有没有被提、说得准不准」变成每周能复查的成绩单------否则看板再花，也只是在测一团模糊的自己。