摘要
对于模具企业来说，“支持定制”几乎是官网标配。
常见页面会写：
Custom mold service OEM/ODM supported Customized according to drawings Professional mold manufacturer
但当海外采购人员向AI提出下面的问题时：
Which Chinese supplier can develop a custom injection mold from part drawings? How do I evaluate whether a mold maker has real DFM and mold trial capability? Can a supplier modify the mold after T1 samples? What information should I provide before requesting a custom mold quotation?
AI未必能把一家拥有CNC、EDM、慢走丝、试模设备的企业识别成“定制模具供应商”。
原因并不复杂：
设备能力说明“能加工”，产品图片说明“做过”，但定制供应商身份还需要证明企业能够参与需求解析、DFM、模具设计、制造、试模、修改和验收全过程。
这次GEO项目因此没有从“增加custom mold关键词”开始，而是先重新定义：
AI需要看到哪些事实，才能判断一家企业具备完整的定制模具开发能力？
整个实施过程被拆成六个阶段：
供应商身份诊断 → 定制需求建模 → 工程流程拆解 → 知识与证据关联 → 页面结构重构 → AI问题验证
本文以一个匿名化模具企业项目为例，完整记录这套实施过程。
涉及企业、设备和测试数据均经过脱敏或示例化处理，不代表对任何AI平台排名、引用或推荐效果的承诺。 
一、项目开始时，AI只看见了一家“模具加工厂”
项目初期，企业英文官网已经拥有较完整的页面。
Products ├── Automotive Molds ├── Appliance Molds ├── Electronic Product Molds ├── Medical Plastic Molds └── Custom Injection Molds Capabilities ├── CNC Machining ├── EDM ├── Wire Cutting ├── Grinding └── Mold Assembly Equipment Quality Cases About Us Contact
从传统企业官网角度看，这套结构没有明显问题。
设备页面也提供了大量信息：
CNC machining center EDM machine Wire-cut EDM CMM Injection molding machine
产品页则展示大量模具照片，并附带：
Mold material Cavity Runner system Surface finish Mold base Mold life Lead time
但在固定问题测试中，出现了一个明显现象：
AI能够得出：
这是一家注塑模具制造企业。
却很难继续确认：
这家企业是否适合作为从零件设计到试模验证的定制开发供应商？
也就是说，AI识别出了企业的行业身份，却没有稳定识别出企业的服务角色。
二、“模具制造商”和“定制供应商”并不是同一个语义
这是整个项目中最关键的判断。
假设一个页面告诉AI：
企业拥有12台CNC设备； 拥有EDM和慢走丝； 生产汽车和家电注塑模具； 支持OEM定制。
这些事实能够证明：
企业存在； 企业制造模具； 企业具备一定加工设备。
但不能自动推出：
客户只提供3D零件图时， 企业能够进行DFM评审； 企业能够根据材料收缩、 脱模、冷却和顶出条件设计模具； T1试模出现问题后， 企业能够分析并修改； 客户修改零件设计后， 企业能够进行版本管理； 最终可以按照约定的样件和模具标准验收。
所以，“定制供应商”不是一个宣传标签，而是一组连续能力的组合。
可以把它抽象成：
定制供应商身份 = 需求理解 × 工程设计 × 制造执行 × 试模验证 × 问题闭环 × 交付追溯
只要其中几个环节长期缺失，AI就很容易把企业理解成普通加工厂，而不是工程型供应商。 
三、第一阶段：先定义什么叫“定制”
项目第一步并没有修改网页。
我们先和销售、工程、模具设计、项目管理人员共同回答一个问题：
客户所说的custom mold，具体custom在哪里？
最终发现，“定制”至少发生在六个层面。
1. 零件层
客户通常提供自己的零件，而不是采购标准模具。
输入可能包括：
2D drawing 3D model Part sample Material specification Assembly requirement Appearance requirement
2. 模具结构层
同一个零件可能需要确定：
模穴数量； 分型方式； 进胶方式； 顶出方案； 滑块和斜顶结构； 冷却方式； 排气结构。
3. 材料层
需要确认：
零件塑料材料； 模仁材料； 模架要求； 标准件品牌； 表面处理； 特殊耐磨或耐腐蚀要求。
4. 生产目标层
客户最终采购的不是一块钢，而是生产能力。
因此还需要了解：
预计年产量； 目标周期； 注塑机吨位； 自动化要求； 模具寿命目标； 后期备件要求。
5. 验证层
定制项目还存在：
T0 T1 T2 ...
每轮试模都可能产生：
尺寸问题； 外观问题； 缩水； 变形； 飞边； 困气； 顶出问题； 装配问题。
6. 变更层
真实项目还会出现：
产品设计修改； 材料变化； 尺寸公差调整； 表面纹理变化； 客户新增需求。
如果官网只展示“我们有CNC”，这些定制过程全部不可见。
四、第二阶段：把客户输入建模成结构化数据
下一步不是写文章，而是建立定制模具项目的数据模型。
一个简化版本如下：
{ "project_type": "Custom injection mold", "part": { "name": "Plastic housing", "drawing_available": true, "3d_model_available": true, "plastic_material": "Customer specified", "critical_dimensions": [], "appearance_requirements": [] }, "production": { "annual_volume": "To be confirmed", "target_cycle_time": "To be evaluated", "injection_machine": { "clamping_force": "Customer to provide", "interface": "Customer to provide" } }, "mold": { "cavity": "To be evaluated", "runner_system": "To be evaluated", "mold_material": "To be evaluated", "expected_life": "Project-specific" }, "validation": { "dfm_required": true, "mold_flow_review": "When applicable", "trial_required": true, "sample_approval_required": true } }
这里一个很重要的变化是：
没有为了让页面显得专业，而把所有字段都提前填满。
大量字段被明确标记为：
To be evaluated Customer to provide Project-specific When applicable
对于定制制造企业而言，“哪些内容现在还不能确定”本身也是知识。
因为真正的定制过程，本来就是从不完整需求逐步收敛到可生产方案。
五、第三阶段：将模具开发流程变成AI可理解的流程节点
原官网只有一句：
We provide one-stop custom mold services.
这句话被删除，替换成实际流程。
flowchart LR A[客户零件资料] --> B[需求确认] B --> C[DFM分析] C --> D[模具方案] D --> E[模具设计] E --> F[材料与零件采购] F --> G[模具加工] G --> H[装配] H --> I[T1试模] I --> J[样件检测] J --> K{是否满足要求} K -->|否| L[问题分析与修改] L --> I K -->|是| M[客户确认] M --> N[模具交付]
这张流程图的价值不是视觉展示，而是明确企业在定制项目中的角色。
AI可以进一步建立关系：
企业 → 接收客户零件数据 → 执行DFM → 设计模具 → 制造模具 → 进行试模 → 检查样件 → 根据问题修改 → 完成验收
相比“Custom Mold Manufacturer”，这组事实更能支持“定制供应商”的身份判断。
六、第四阶段：把DFM从宣传词变成具体输出
很多模具官网都会写：
Professional DFM analysis.
但没有解释DFM到底检查什么。
页面改造时，我们没有给出一个适用于所有项目的绝对检查清单，而是按照常见工程问题拆成几个信息模块。
例如：
## Part Geometry Review 根据零件结构检查： - 脱模方向； - 倒扣结构； - 壁厚变化； - 深腔结构； - 筋位和柱位； - 可能影响脱模的结构。 ## Gate and Parting Considerations 根据零件和模具方案评估： - 分型位置； - 进胶位置； - 浇口形式； - 外观区域影响； - 后续去浇口要求。 ## Ejection Considerations 检查： - 顶出位置； - 顶出空间； - 顶出痕迹； - 深腔脱模风险； - 产品变形风险。 ## Information Requiring Confirmation 如果客户资料不足，需要进一步确认： - 塑料材料； - 外观要求； - 关键尺寸； - 装配关系； - 年产量； - 注塑设备条件。
这样，AI看到的已经不是一个孤立词汇“DFM”，而是一组具体工程行为。
七、第五阶段：定义“定制供应商知识原子”
项目中进一步把企业资料拆成最小可复用单元。
已有GEO方法论中，将Definition、Fact、Method、Process、Standard、Evidence、Case、FAQ等作为知识原子，再组合成面向真实买家问题的内容网络，同时强调用案例、质量检测和项目事实建立证据链。
针对模具行业，我们将知识原子进一步具体化。
| 类型 | 示例 |
| Requirement | 客户需要提供3D模型或零件样品 |
| Fact | 企业拥有某类EDM加工能力 |
| Method | 使用DFM检查脱模和结构风险 |
| Process | T1后进入问题确认与修改流程 |
| Condition | 模穴数需结合产量和产品结构评估 |
| Limitation | 模具寿命不能脱离材料、结构和维护条件独立承诺 |
| Evidence | T1检测报告 |
| Case | 某外壳模具修改后完成样件确认 |
| FAQ | 报价前需要提供什么资料 |
这套结构的最大价值是：
同一个事实可以重复使用，但不需要重新“创作”。
例如：
“模穴数需要评估”
可以同时出现在：
产品页； DFM页面； 报价FAQ； 采购指南； 案例页； AI问答测试集。
而底层事实只维护一次。
八、第六阶段：建立“定制能力证据链”
如果页面只描述流程，仍然存在一个问题：
企业真的执行过这些流程吗？
因此，项目没有把所有内容停留在文字说明，而是建立证据关系。
以“能够进行试模和修改”为例：
flowchart TD A[试模与修改能力] --> B[试模设备] A --> C[T1样件] A --> D[尺寸检测] A --> E[问题清单] A --> F[修改记录] A --> G[再次试模] A --> H[匿名项目案例]
对应可以公开的信息包括：
试模流程； 样件检测方法； 问题分类方式； 修改前后版本； 脱敏检测报告； 模具修改照片； 客户确认节点。
这里尤其要避免把单个案例扩大为普遍能力。
例如：
某个项目经过两轮试模达到确认状态
只能证明：
这个项目经历了两轮试模。
不能写成：
所有模具两次试模即可成功。
九、重构网站：按照定制决策过程，而不是设备分类
原网站导航主要围绕设备和产品。
优化后，增加了另一条信息路径：
/custom-mold-development/ ├── requirements/ ├── dfm-review/ ├── mold-design/ ├── mold-manufacturing/ ├── mold-trial/ ├── inspection/ ├── modification/ └── acceptance/
同时保留产品类型：
/molds/ ├── automotive/ ├── appliance/ ├── electronics/ └── industrial-parts/
两套内容承担不同职责。
产品页回答：
我们做过什么类型的模具？
工程流程页回答：
我们如何完成定制项目？
能力页回答：
我们依赖什么设备和工艺完成？
案例页回答：
实际项目中遇到了什么问题？
FAQ回答：
客户采购前应该确认什么？
它们共同构成：
产品类型 ↕ 客户需求 ↕ 工程过程 ↕ 制造能力 ↕ 质量验证 ↕ 项目证据
这比不断增加“Custom Mold Manufacturer”关键词页面更加稳定。
十、给每个定制项目建立统一ID
模具企业另一个容易出现的问题，是案例、产品、试模报告和检测文件之间无法互相映射。
因此，可以给每个脱敏项目建立内部ID。
project_id: MOLD-CASE-024 part_category: industrial_plastic_housing customer_input: - 3d_model - 2d_drawing - material_specification engineering_steps: - requirement_review - dfm - mold_design - manufacturing - t1_trial - dimensional_inspection - modification - t2_trial evidence: - dfm_record_024 - t1_report_024 - modification_record_024 - t2_report_024 public_status: anonymized
这样，同一项目的信息可以连接：
案例页 → DFM记录 → 试模过程 → 检测结果 → 修改过程
而不是四份互不相关的内容。
十一、产品页应该如何表达“可定制”
原来：
We support customized molds according to customer requirements.
优化后：
## What Can Be Customized? The final mold configuration is determined from the customer's part geometry, plastic material, production target, injection machine conditions and acceptance requirements. Project-specific decisions may include: - cavity quantity; - mold material; - runner configuration; - gate location; - ejection structure; - cooling design; - surface finish; - standard components. These items should not be treated as fixed specifications before engineering review.
这段文字的重点不是突出“什么都能定制”，而是告诉AI：
定制是一个基于输入条件进行工程决策的过程。
十二、用Schema辅助表达企业的服务角色
结构化数据无法保证AI识别或推荐企业，但可以帮助页面明确实体与服务关系。
对于企业的定制模具服务页面，可以使用Service表达。
<script type="application/ld+json"> { "@context": "https://schema.org", "@type": "Service", "name": "Custom Injection Mold Development", "serviceType": "Custom injection mold development", "description": "Engineering and manufacturing process for project-specific injection molds based on customer part data and production requirements.", "provider": { "@type": "Organization", "name": "Example Mold Manufacturer" }, "hasOfferCatalog": { "@type": "OfferCatalog", "name": "Custom Mold Development Stages", "itemListElement": [ { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "Requirement and DFM Review" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "Mold Design" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "Mold Manufacturing" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "Mold Trial and Modification" } } ] } } </script>
需要注意：
Schema中的服务必须真实存在于正文。
不能为了构造“全流程供应商”形象而加入：
实际没有提供的模流分析； 没有执行的产品设计服务； 未经确认的认证； 不存在的海外售后能力。
十三、用代码检查“定制供应商身份”信息是否完整
为了避免内容团队再次把页面写成设备列表，我们设计了一个简单的检查器。
from dataclasses import dataclass from typing import Dict, List @dataclass class CustomSupplierProfile: requirement_review: bool dfm: bool mold_design: bool manufacturing: bool mold_trial: bool inspection: bool modification: bool acceptance_process: bool evidence_pages: List[str] def evaluate_supplier( supplier: CustomSupplierProfile ) -> Dict[str, object]: capabilities = { "requirement_review": supplier.requirement_review, "dfm": supplier.dfm, "mold_design": supplier.mold_design, "manufacturing": supplier.manufacturing, "mold_trial": supplier.mold_trial, "inspection": supplier.inspection, "modification": supplier.modification, "acceptance_process": supplier.acceptance_process } capability_score = ( sum(capabilities.values()) / len(capabilities) * 80 ) evidence_score = min( len(supplier.evidence_pages) * 5, 20 ) total_score = round( capability_score + evidence_score, 1 ) missing = [ key for key, value in capabilities.items() if not value ] return { "score": total_score, "missing_capabilities": missing, "evidence_count": len( supplier.evidence_pages ) } profile = CustomSupplierProfile( requirement_review=True, dfm=True, mold_design=True, manufacturing=True, mold_trial=True, inspection=True, modification=True, acceptance_process=True, evidence_pages=[ "dfm-case-01", "mold-trial-case-01", "inspection-example-01" ] ) print(evaluate_supplier(profile))
示例输出：
{ "score": 95.0, "missing_capabilities": [], "evidence_count": 3 }
这里的95分不是ChatGPT、Google或任何AI平台提供的评分。
它只是内部内容完整度指标，用于检查：
官网是否只写了加工； 有没有DFM； 有没有试模； 有没有修改流程； 有没有验收说明； 有没有公开证据。
十四、建立专门的AI“供应商身份测试集”
这次测试与以前的产品参数测试不同。
核心目标是检查：
AI把企业理解成什么角色？
第一组：供应商分类
Is this company only a mold manufacturer, or can it support custom mold development? Does the supplier provide DFM before mold manufacturing? Can the supplier work from customer part drawings?
第二组：工程参与程度
Who determines cavity quantity? How is gate location decided? Can the mold design be modified after the first trial?
第三组：项目闭环
What happens if T1 samples fail dimensional inspection? Does the company provide mold modification? How is the final mold accepted?
第四组：证据问题
What evidence shows that the supplier performs mold trials? Is there a project case showing modification after T1? How are sample dimensions checked?
第五组：边界问题
还要故意使用带错误前提的问题：
Does the company guarantee that every mold is completed after one trial? Can every customer part use the same mold material? Does custom molding mean any structure can be manufactured?
理想回答应该主动纠正错误前提。
十五、如何记录优化前后的变化
下面是一组匿名化示例指标，只用于展示方法。
| 测试维度 | 优化前 | 优化后 |
| 正确识别为模具制造企业 | 91% | 96% |
| 识别具备DFM能力 | 24% | 78% |
| 识别具备模具设计环节 | 46% | 84% |
| 识别具备试模流程 | 39% | 81% |
| 识别可进行试模后修改 | 17% | 73% |
| 能找到项目证据 | 11% | 62% |
| 错误理解为“所有配置均可定制” | 12次 | 4次 |
这组数据说明一个重要问题：
项目开始前，AI其实早就知道企业“生产模具”。
真正缺失的不是行业关键词，而是：
AI不知道企业在定制项目中参与到什么程度。
因此，GEO优化的重点不是反复强化：
custom mold manufacturer
而是让“custom”这个词背后的行为能够被验证。 
十六、全过程中踩过的五个坑
1. 把“支持OEM”当成定制能力证明
OEM只是业务描述，无法替代工程流程。
需要继续解释：
客户提供什么； 企业分析什么； 企业设计什么； 如何验证； 如何修改。
2. DFM页面写成概念科普
如果整篇文章都在解释“什么是DFM”，却没有说明企业实际检查哪些项目，它仍然无法证明企业具备DFM能力。
3. 案例只展示成品照片
最终模具照片无法体现定制过程。
更有价值的是：
原始问题； 工程分析； 方案； T1结果； 修改动作； 后续验证。
4. 把极限项目能力变成默认能力
某项目实现了高穴数、特殊材料或复杂机构，并不代表所有项目默认具备同样配置。
5. 为了SEO建立大量“Custom XXX Mold”页面
例如：
Custom Automotive Mold Custom Medical Mold Custom Appliance Mold Custom Industrial Mold
如果页面结构和工程信息完全一致，只替换行业名，新增页面并不会增加多少有效知识。
十七、一套可复用的八周GEO实施路径
第1周：企业身份诊断
测试AI当前如何定义企业：
制造商？ 加工厂？ 模具供应商？ 模具设计企业？ 定制开发供应商？
第2周：客户输入梳理
整理历史询盘需要的：
零件数据； 材料； 产量； 注塑机； 质量要求； 项目时间。
第3周：开发流程建模
确认：
需求 → DFM → 设计 → 制造 → 试模 → 检测 → 修改 → 验收
哪些环节企业实际执行。
第4周：知识原子整理
建立：
事实； 条件； 方法； 流程； 限制； 案例； 证据。
第5周：证据关联
把：
DFM → 项目记录 试模 → T1资料 检测 → 报告 修改 → 版本记录
建立连接。
第6周：核心页面重构
优先建设：
Custom Mold Development DFM Mold Design Mold Trial Quality Inspection Project Case FAQ
第7周：Schema与内链
统一：
Organization → Service → Process → Case → Evidence
之间的关系。
第8周：AI固定问题验证
检查：
身份识别是否正确； 工程流程是否完整； 条件是否被保留； 证据是否能找到； 是否产生无依据的能力扩张。
十八、项目复盘：最重要的不是让AI记住“custom”
这次项目最后得到的一个认识是：
“定制供应商”不是一个可以靠关键词声明的身份。
真正能够支持这个身份的是一系列可观察事实：
客户提供非标准需求； 企业理解需求； 企业进行工程分析； 企业输出设计； 企业负责制造； 企业进行试模； 企业分析问题； 企业继续修改； 双方完成验证。
从这个角度看，模具企业的GEO并不是简单的内容营销问题，而有点像给企业构建一份机器可读的“工程履历”。
最终路径可以概括为：
“我们支持定制” ↓ “我们的定制流程是什么” ↓ “每个环节具体做什么” ↓ “什么条件下可以做” ↓ “有哪些项目证据” ↓ “AI能否正确识别企业角色”
GEO不能保证企业一定进入某个AI答案。
但至少可以解决一个更加确定的问题：
当AI真正检索到企业时，它看到的不再只是设备、模具图片和“custom”标签，而是一套完整、可解释、可验证的定制开发能力。
外贸GEO常见问题
1. 模具企业做GEO，是不是多写“custom mold”文章？
不是。
如果底层页面没有DFM、设计、试模、修改和验收等事实，增加更多custom mold关键词页面，很难解决企业身份识别问题。
更合理的顺序是：
能力盘点 → 定制流程 → 事实建模 → 证据关联 → 页面建设 → 内容扩展
2. 产品很多，为什么AI还是不认为企业擅长定制？
因为产品数量主要证明“做过什么”。
定制供应商还需要证明：
如何接收非标准需求； 如何评估； 如何设计； 如何试模； 如何修改； 如何验收。
也就是说，定制能力更多体现在工程过程，而不是产品数量。
3. 有CNC、EDM和试模机，是否足以证明定制能力？
不足以。
设备证明企业具备一定生产条件，但无法单独证明需求分析、模具设计、问题处理和项目管理能力。
设备应该作为证据链的一部分，而不是唯一证据。
4. GEO页面是不是应该公开所有模具技术细节？
不需要。
应该优先公开能够帮助客户理解供应商能力、且经过企业确认的信息。
例如：
项目输入； 开发流程； DFM检查范围； 试模方式； 检测逻辑； 修改机制； 验收过程。
客户图纸、专有模具结构、商业机密和敏感项目资料应继续保护。
5. 匿名案例对GEO还有价值吗？
有。
客户名称不能公开，不等于案例完全没有价值。
可以脱敏保留：
零件类型； 材料； 项目难点； 工程判断； 试模问题； 修改方式； 验证过程。
核心是案例必须包含事实，而不只是“成功交付”。
6. 模具寿命、周期等数据应该怎么写？
需要说明成立条件。
例如模具寿命通常不能脱离：
模具材料； 产品材料； 结构； 维护； 生产环境； 成型参数。
单独公布一个数字，很容易被AI扩展成无条件承诺。
7. FAQ应该围绕哪些问题建设？
优先从真实采购问题中提取，例如：
报价需要什么资料？ 什么时候需要DFM？ 如何确定模穴数量？ T1之后发现问题怎么办？ 谁负责模具修改？ 试模样品如何检测？ 模具交付前如何验收？ 客户修改产品设计后怎么办？
这些问题比“为什么选择我们”更适合技术型内容。
8. Schema能直接让ChatGPT认为企业是定制供应商吗？
不能。
Schema只能辅助表达页面中的实体和关系。
如果正文没有完整的定制流程和实际证据，仅增加Service结构化数据并不能自动建立可信身份。
9. 如何判断AI已经正确理解企业的定制能力？
建议建立固定测试集，至少检查：
是否识别DFM； 是否识别模具设计； 是否识别试模； 是否识别修改流程； 是否识别验收； 是否能够找到案例证据； 是否保留能力边界。
不要只测试：
“推荐几个模具供应商。”
因为品牌出现次数受到很多外部因素影响。
10. GEO和传统SEO是什么关系？
传统SEO仍然负责大量基础工作，包括：
页面抓取； 索引； 站点结构； 关键词和主题覆盖； 内链； 页面性能。
GEO进一步关注：
AI是否理解实体； 能否理解能力关系； 能否找到证据； 引用时是否保留条件。
因此二者更适合配合，而不是互相替代。
11. 小型模具厂需要知识图谱吗？
不一定需要部署复杂图数据库。
可以先用表格或JSON记录：
项目ID； 产品类型； 客户输入； DFM； 模具方案； 试模； 检测； 修改； 证据； 更新时间。
只要事实能够统一管理并建立关系，就已经完成了最重要的一步。
12. 外贸GEO最容易犯的错误是什么？
对于模具企业，一个高频错误是：
把“定制”写成一个形容词，而不是一个可验证过程。
真正有效的信息应该说明：
输入是什么； 企业做什么； 为什么这样做； 如何检查； 失败后怎么处理； 最终如何确认。
当这些信息可以被检索、组合和验证时，“定制供应商”才不再只是企业自己给自己贴的标签，而成为AI能够理解的一组事实关系。
