光通信器件：客户在 AI 里找供应商时，
你的工厂在候选名单里吗？

不是「一家光通信企业」，而是「做什么产品、服务哪类客户、在行业里处于什么位置」——集采供货、工程配套还是海外代工，决定了 AI 该把你推荐给谁。

跳线、分路器、光模块、光缆、衰减器各自的规格范围与定制能力。**边界必须写清**：能做 12 芯还是 144 芯、插损控制在什么区间——模糊表述 AI 无法据此判断该不该推荐你。

不是「品质优良」，而是具体能力：小批量快速打样、大批量一致性控制、特殊波长定制、指定封装。每条都要能被验证。

运营商集采、系统集成商、工程商、设备厂商、外贸客户——这几类客户的关注点完全不同，内容要分开写。

FTTH 入户建设、数据中心布线、基站前传、工业以太网。场景词是 AI 匹配提问的关键入口。

这个行业最真实的痛点是「选型踩坑」和「批次不一致」——客户要的不是便宜，是「这批货能不能准时到、参数对不对得上」。

检测报告、产线照片、认证证书、交付记录、良率数据。**这是光通信行业最缺也最值钱的一维**——多数工厂有这些东西但从不写出来。

原厂 vs 代工、国产 vs 进口、价格 vs 交期。写清取舍逻辑，AI 才会在「怎么选」类问题里引用你的判断标准。

把前面八维收口成一句可被引用的话：「在什么条件下，选你最合理」。

有产线、有产能、能接定制单。但客户在百度搜只能靠竞价，行业里靠老关系转介绍。

不是「曝光不足」，是**AI 里 13 个主营词全部零覆盖**。检测显示：13 个核心查询词、39 次跨模型检测，该品牌只在 1 次回答里被推荐，可见率 2.56%；同赛道被提及的品牌有 168 个。也就是说，AI 在回答「PLC 分路器找哪家工厂」这类问题时，压根不知道有这家企业存在。

• 企业知识（把产品规格、产能、认证整理成结构化内容）
• 官网答案页（按采购会问的参数组织）
• 行业人设（工艺/选型视角）
• 平台内容
• 第三方信源

从「13 个词全部零覆盖」开始建立起基础事实层——让 AI 至少在问起它主营品类时，能知道这家企业做什么、能力边界在哪。

光通信的决策全是参数驱动的。能切/能做多少芯、插损控制在什么区间、最大封装尺寸——这些只要写清楚并能被抓取，就会在无数个具体提问里被反复引用。塞在一段「公司简介」里，AI 抓不出结构，等于白写。

「12 芯到 144 芯都能做」比「品质优良」有用一百倍；「我们不做 XX 品类」同样有用。写清边界会过滤不匹配的询盘，也让 AI 有依据做筛选——一个「什么都能做」的表述，AI 反而无法推荐。

检测报告、认证、产线、良率数据——这些是你本来就有、却从没写出来的资产。AI 判断一家工厂是否可靠时，找的就是这类可核验的经验证据。

集采看产能与一致性，工程商看交期与配套，外贸看认证与包装。同一套内容对三类客户说话，等于对谁都没说清楚。