一个德国采购经理打开ChatGPT，输入：“我需要一家能承接小批量不锈钢精密零件定制的中国工厂，8有汽车行业经验，交期稳定。”
AI开始回答。它提到了三家公司。其中一家的官网写的是“专业制造商，品质卓越，服务全球客户”，AI没有推荐它。不是因为它不够好，而是AI从这句话里拼不出任何可判断的事实：它是工厂还是贸易商？做不锈钢吗？小批量接不接？汽车行业的经验有证据吗？
这就是外贸B2B正在发生的变化。买家不再靠关键词搜索一个个翻页面，而是直接向AI要一个“经过判断的答案”。AI给出的推荐，取决于它能否从公开信息中拼出一幅关于你企业的、稳定且可验证的画像。这幅画像，就是企业数字人格——不是品牌口号，不是公司简介的改写版，而是一组相互一致的事实、证据与关系，让AI能够识别你、信任你、并在合适的采购场景中把你放进候选名单。
那么，AI到底需要知道哪五类信息，才能完成这个判断？
🔹 第一类：身份与边界——“你到底是谁，做到什么程度，不做什么”
AI遇到的第一个问题，不是“你有多好”，而是“你是什么”。制造商、贸易商、品牌商、解决方案供应商，这四种身份对应着完全不同的采购逻辑。买家对工厂关心产能、工艺和品控，对贸易商关心整合能力和响应速度。如果AI无法从信息中稳定判断你的角色，推荐就无从谈起。
但仅仅说出“我们是制造商”远远不够。AI还需要知道你的能力边界。一篇被广泛引用的GEO实践文章把企业能力分成三类：已确认能力、条件能力、非现有能力。比如，“可以按确认后的二维图纸生产标准材料零件”是已确认能力；“复杂曲面和超高精度要求需经技术评审”是条件能力；“目前不具备某类特种工艺”是非现有能力。只写“我们能做什么”而不写“在什么条件下能做、什么不做”，AI很容易把局部能力放大成普遍能力，最终要么推荐错，要么根本不敢推荐。
💡 你给AI的，应该是一句能站住的身份句，加上一张诚实的能力边界矩阵。
身份句的结构可以是：企业角色 + 核心产品 + 主要客户 + 关键能力 + 服务市场。比如：“这是一家生产工业过滤设备的制造企业，主要服务食品加工和化工项目，具备设计、制造、出厂检测及部分定制能力”。边界矩阵则让AI知道，在什么条件下你的“能做”是可信的。
🔹 第二类：能力与产品——从“参数表”到“采购意义”
很多企业把产品目录和参数表原封不动地交给AI，然后期待它能推荐对的人。但产品目录是按人的阅读习惯编排的，不是按机器的调用逻辑组织的。
一个参数只有进入具体的使用场景和采购决策，才对AI有判断价值。有一个地坪研磨设备的例子：目录上写“工作宽度1600毫米，双15千瓦动力”，这是原始参数。AI需要进一步理解的是：这个机型更适合大型厂房和物流仓储；工作宽度影响单位时间覆盖面积；采购商还可能追问磨盘配置、电压、包装尺寸和运输条件。参数本身不构成推荐理由，参数与场景、决策之间的“关系”才构成。
同样重要的是产品之间的关系。你有几个产品系列，它们之间是什么层级和选型逻辑，哪个系列适合试单、哪个适合批量项目。如果AI只能看到一堆散落的型号，它无法在买家说“我需要一个适合小批量试产的方案”时，准确调用你的某一条产品线。
🔹 第三类：证据与信任——“凭什么信你，而且要能被核验”
这是AI判断中最容易被企业低估的一类信息。你说“质量稳定”“支持定制”“行业经验丰富”，这些在AI眼里都是结论，而不是证据。
信任证据至少包括几个层次。✅ 认证与检测是基础，但关键在于不能泛化：一张ISO 9001证书证明的是其标注范围内的管理体系，不能自动等同于“所有产品都达到最高标准”。✅ 过程证据比结果宣称更有力：你有哪类检测设备，检查的是什么项目，在哪个工序上做，发现了问题怎么处理。✅ 案例证据则需要脱敏后的成交记录、出货过程、客户来访或项目节点，而不是一句“与多家知名企业合作”。
有人把外贸信任证据归为五类：认证与检测、平台信用数据、行业媒体与展会记录、海关物流与发运记录、买家口碑与授权案例。不是每一类都必须齐全，但每一条你想让AI采信的主张，背后都应该有一个可以点开、可以追溯、可以核验的条目。AI不要求你完美，它要求你诚实且可验证。
🔹 第四类：场景与适配——“你最适合解决谁的什么问题，不适合谁”
传统企业介绍习惯说“产品广泛应用于多个行业”。对AI来说，这句话的信息量接近于零。AI在回答买家问题时，面对的不是“什么产品存在”，而是“哪个供应商适合我这个具体场景”。
场景信息要按买家拿着产品去干什么来组织，而不是按你自己的产品分类来组织。同一款产品发往德国和东南亚，德国买家关心的是准入、检测报告和一致性，东南亚买家更关心交期稳定和小批量试单能力。你的信息里需要体现这种差别：目标市场的标准、偏好、常见的合规坑，以及你在每个场景中的应对方案。
同样关键的是“不适合谁”。哪些客户类型不是你最擅长的，哪些需求条件超出了你的能力边界，哪些合作前提你无法满足。说明不适配条件，不是把客户推走，而是防止AI和买家形成错误期待，最终把一个不匹配的询盘变成一个失败的订单。
🔹 第五类：交易与履约——让AI看见你“做过”，而不仅仅是“说过”
在五类信息中，这一类最容易被忽略，却可能是AI判断风险时最先看的东西。一篇实操文章说得直白：“没有订单案例库，你在AI眼里就是一家没有交易历史的公司，而它判断风险的时候，第一眼看的恰好是这个。”
交易与履约信息不需要把合同和报价单全盘公开。它需要的是结构化的交易事实：你出口过哪些市场，以什么合作模式（FOB、CIF、OEM、ODM），典型的订单量级和交期区间，验货和售后响应的实际做法，以及脱敏后的成交与出货节点。这些信息回答的是AI最务实的问题：这家企业不仅声称能交付，而且有可查证的履约轨迹。
配合交易信息的，是合作流程的透明化：从询盘到报价需要买家提供什么资料，打样周期多长，验厂和视频看厂是否接受，付款条件和质保条款的大致框架。流程越清晰，AI在回答“跟这家公司做生意大概是什么样”时，就越有据可依。
📌 五类信息放在一起，指向一个共同的原则：企业数字人格不是“写得更漂亮的介绍”，而是把企业还原成一组AI可识别、可核验的事实关系。
身份让AI知道你是谁，能力与产品让AI知道你能做什么，证据让AI敢于信你，场景让AI知道该在什么时候推荐你，交易与履约让AI确认你确实做过。
外贸B2B的竞争，正在从“谁在搜索结果里排得更前”，转向“谁在AI的候选名单里被描述得更准、推荐得更稳”。而进入那份名单的门槛，不是预算，不是话术，是你愿不愿意把那些原本散落在业务员电脑里、微信聊天记录里、报价单PDF里的事实，整理成一套机器读得懂、买家查得到的语言。
✨ AI不需要你完美。它只需要你清晰到可以被判断。 ✨
