引子

上周，一家工业传感器企业丢了一个跟了 4 个月的单子。

说这话的是他们的销售总监。在一次工作坊上，他讲了整个过程：采购经理很坦诚，不是产品的问题。他下单前用 AI 问了一句“哪家工业品传感器供应商靠谱”，AI 给了三个名字，其中就有最后签约的那家。他看了资料，觉得匹配，就直接联系了。

他说完，台下的销售管理者有人点头。

工作坊导师问了一个问题：“你猜客户问 AI 那个问题时，收到的答案里，有没有你公司？”

没人接话。

采购的第一站，从问同行变成了问AI

过去十年，B2B 采购的启动动作是很固定的：有需求，先问同行和朋友推荐，列一份 3 到 5 家的名单，然后逐一打电话、要资料、比价格、看现场。

现在这个动作前面，多了一站。

采购经理打开 AI，问一句“哪家工业品传感器供应商靠谱”，AI 给出三个名字，他看完资料觉得匹配，就直接联系了。整条路径变成：有需求，问 AI，AI 给 3 到 5 家，看官网和案例，主动联系，进入洽谈。

这两条路径的差别不在速度，在于谁先筛谁。前者是企业先找到客户，后者是客户先筛掉企业。

这件事已经不是个别现象。G2 在 2026 年做的一项调查覆盖了 1076 名 B2B 软件买家，其中 51% 的人表示，现在做供应商调研是从 AI 开始的；而在 2025 年 4 月，这个比例还是 29%。一年半的时间，起点从搜索引擎和官网，挪到了对话框里。

更要紧的是名单长度。TrustRadius 2026 年的调研显示，83% 的 B2B 买家最终候选名单不超过 3 家。也就是说，客户不是货比十家，而是在一个很短的名单里做决定。这个名单之外的供应商，后面的努力基本用不上。

使用的广度也早已不是少数派。Forrester 2026 年的买家调研覆盖了近 18000 名全球 B2B 买家，94% 的人在最近一次采购中使用过 AI 工具，AI 已经排在他们获取信息的渠道里，位置在官网和销售之前。Gartner 2026 年 5 月对 645 名 B2B 买家的调查则显示，45% 的人在最近一次采购中用过生成式 AI，主要用途就是了解供应商和产品。

一边是销售还在发微信、打电话、跑拜访找线索，一边是客户已经在 AI 里完成了第一轮筛选。而被筛掉的企业，往往不知道自己是什么时候出局的。

线索少了，不一定是销售不勤奋

看到线索变少，很多销售管理者的动作是加大拜访量、加强考核、提高 KPI。这些做法不算错，但它们解决的是执行强度，解决不了入口位置。

卓翰在服务企业的过程中，反复看到一个现象：线索的总量并没有明显减少，减少的是“客户主动找上门”那一类。咨询是我们主动打出去的，还是客户带着需求找过来的，这两种线索的成本和转化完全不同。前者越来越难打，后者越来越依赖你在客户视野里的可见度。

这两类线索的周期也不一样。传统路径从展会、朋友介绍、陌生拜访开始，到建立关系、进入方案，周期通常在 3 到 6 个月；而客户在 AI 里筛完再主动联系过来的，往往在 1 到 2 个月内就能推进到实质阶段，因为他在联系你之前，已经看完了你的案例和资质，判断的基础已经在了。

效率高、成本低、决策快，这是入口换位带来的直接结果。它的另一面是：如果你的品牌不在 AI 的推荐列表里，销售再勤奋，也拿不到这批线索。勤奋解决的是“见得到之后能不能谈成”，而名单决定的是“有没有机会见到”。

客户问AI的那句话，决定了你在不在名单里

采购经理在 AI 里问的问题，比我们想象的要朴素。常见的是这几类：

“哪些工业品传感器供应商靠谱？” “B2B 销售培训哪家好？” “智能制造解决方案提供商推荐” “我们的行业，头部供应商有哪几家？”

这些问题背后只有一个动机：省时间。他不想一家家搜官网、一个个打电话问，他要的是一个可以直接拿去比价的短名单。

所以 AI 给出的那 3 到 5 个名字，就是采购流程里的第一印象入口。在过去的采购习惯里，这个角色由“朋友推荐”和“行业口碑”扮演，现在推荐人换成了 AI，而 AI 不看你和谁喝过酒，只看它能读到什么。

这里要说清楚一件事，免得走偏。被 AI 推荐，不等于拿到订单。

Gartner 同一项调查里还有一组数据：在用过 AI 的买家中，69% 的人仍然希望由销售来确认 AI 给出的信息。这说明客户自己心里也清楚，AI 给的是一份初步名单，不是最终结论。他要找人核实，要问具体工况能不能适配，要问交付周期和售后责任。

所以销售的角色变了，不是被取代，是位置往前挪了一格。以前销售的工作是找到客户，现在的活是一部分客户由 AI 送到你面前，你要做的是接住，并且把它讲明白。客户坐下来第一句往往就是“AI 推荐了你们，也推荐了另外两家，你们有什么不一样”，这一问，考的是你对业务的理解，不是话术。

搜得到、搜得全、搜得准，缺一个AI就推荐不了你

AI 不会凭空推荐一家企业。它给出的每个名字，都是从它能读到的信息里推出来的。所以企业能不能被推荐，取决于三个条件。

搜得到。 官网、公众号、行业媒体上的内容，AI 能不能读到。这一点上最常见的问题不是内容太少，而是内容藏在 AI 到不了的地方：产品资料在销售的个人微信里，技术参数在 PDF 报价单里，案例在内部培训的 PPT 里。公网上几乎找不到可用的素材，AI 自然无从知道你的存在。

搜得全。 读到了之后，能不能拼出一个清晰的“你是谁”。行业定位、产品线、客户分布、资质认证，这几块信息要能对上。我们梳理过的企业里，最常见的情况是官网首页写满了“赋能”“引领”“打造生态”，读完不知道这家企业做什么产品、服务哪个行业、解决什么问题。AI 读到的也是同样的印象，模糊，无法归类。

搜得准。 信息是不是具体到可以引用。这一点差别最直观：

空话版是“我们服务过多家世界 500 强企业，深受客户信赖”。AI 拿这句没法推荐，因为里面没有任何可核对的事实。

可引用版是“我们为某汽车零部件企业做过大客户销售体系改造，覆盖 3 个事业部共 120 名销售，一年内新客户签约周期从 5 个月缩短到 3 个月”。这句里有行业、有动作、有数量、有结果，AI 可以直接拿来回答“有没有做过这类项目”。

三个条件里缺一个，推荐链条就断了。搜不到，AI 不知道你；搜得全但没有细节，AI 不敢说你；有细节但拼不成一个清晰的身份，AI 不知道把你归到哪一类去推荐。

这个入口，值不值得现在动手

值得，理由有三个。

一是客户已经在那里了，不是将来会在那里。二是这个入口不需要和同行竞价，谁的内容立得住，谁就被引用，规则对中小企业反而是有利的。三是这件事的投入主要在整理，不在投放，做一次可以持续被读到。

但要把边界划清楚：这不是投广告买排名，是让 AI 有东西可引。买来的位置会掉，自己的内容不会。

如果想知道自己现在是什么状况，有个零成本的做法：拿三个你最希望被搜到的行业关键词，去主流 AI 里各问一遍，看能不能搜到你、它怎么描述你、推荐的是哪几家。这一遍问完，大概就知道自己缺的是哪一块。

卓翰给企业看这件事，第一步也是这个动作：先用关键词把能见度摸一遍，再决定补什么。

十四年里，B2B获客的入口换了三次

卓翰从 2012 年开始服务 B2B 制造和工业品企业，十四年里，获客入口换过三次。

2012 到 2018 年，展会和朋友介绍是主流。销售靠腿勤赢单，谁跑得快、谁先见到决策人，谁就有机会。

2018 到 2023 年，阿里巴巴、慧聪网这类平台起来了。企业开始学线上获客，把产品搬到平台上，等着采购方来搜。

2024 年到现在，AI 搜索成了新的第一站。采购决策前的预筛选环节，正在被 AI 接管。

每一次入口变化，都有一批企业掉队，也有一批企业抓住了机会。掉队的原因几乎一样：用旧入口的方法，去应对新入口的规则。

卓翰自己也在做这件事。从 2024 年开始，我们把内容按结构化重做，客户案例改成可引用的写法，行业观察持续输出。原因很简单，我们自己也要被 AI 读到。

下次获客复盘，加一条AI搜索能见度

回到开头那位销售总监。工作坊导师给他的建议，是下次获客复盘时加一条统计，而不是加大拜访量。

统计三个问题就够了：

拿你的行业关键词去 AI 里搜，能搜到你公司吗？搜不到，说明内容结构有问题，AI 没有可用素材。

搜到了，AI 是怎么描述你的？描述模糊、说不到你的主业，说明案例不够具体，AI 拼不出你的身份。

AI 推荐了你，还推荐了谁？如果同行都在，说明这个入口上已经有人在争，内容要做差异化。

这三个问题不用花钱，一次复盘会就能做完。做完之后，企业通常会发现一件事：获客的入口已经变了，而自己的动作还停在原地。

知道缺什么之后，接下来是三件事：把内容结构重新捋一遍，把案例改成能引用的写法，按季度复盘能见度的变化。这三件事卓翰都在陪企业做，从诊断开始，到内容补齐，再到定期回看。

入口从人际关系挪到 AI 搜索，这件事已经在发生。谁先适应，谁就拿到下一波线索。

常见疑问

AI 搜索真的影响 B2B 采购决策吗？

影响。Gartner 2026 年 5 月对 645 名 B2B 买家的调查里，45% 在最近一次采购中用过生成式 AI，主要用途是了解供应商和产品；Forrester 2026 年的调研中，94% 的买家在最近一次采购中使用过 AI 工具。这不是预测，是已经发生的行为。

中小企业没有预算，怎么在 AI 搜索里被推荐？

这件事的成本主要在时间，不在钱。三个动作：把官网的产品页按“行业、产品、案例、资质”分成清晰模块；写三到五篇有具体客户、具体问题、具体结果的案例；在公众号或行业媒体上持续发选型指南、避坑清单这类内容。不需要投广告。

AI 给出的信息有误怎么办？

这种情况会出现，尤其是产品参数、服务区域、资质这类细节。处理办法是让正确信息在更多可信来源上重复出现，官网、行业媒体、第三方平台的说法保持一致。单一来源的信息 AI 会犹豫，多来源一致的信息 AI 才会采用。

不同 AI 工具推荐不一样，以哪个为准？

各家抓取的信源和排序逻辑不同，推荐结果有差异是正常的。不必纠结哪个更权威，看的是重合度：几个主流工具都推荐到的企业，说明它在公网上的信息足够清晰、足够一致。这个重合度本身就是一份诊断报告。

卓翰能帮企业做什么？

我们做的是诊断、内容梳理和陪跑三件事。先用关键词把能见度测一遍，找出缺的是哪一块，再按内容结构和案例写法补齐，之后按季度复盘变化。这套动作在《B2B 获客渠道升级与销售转型》课程里会完整讲一遍，也会以顾问的形式陪企业落地。