买家会问 AI 什么问题？

照明类提问分三类：合规型（「出口美国的 LED 面板灯需要哪些认证」「ERP 能效指令对驱动电源的要求」）、选型型（「仓库挑高 8 米用什么工矿灯」「可调光 LED 灯带配什么调光器」）、比较型（「中国 LED 工矿灯品牌对比」「COB 和 SMD 光源哪个好」）。每类都要在官网有对应的直接答案页，且答案里必须有具体参数：流明、显指、色温范围、功率因数、质保年限。

哪些认证与规格是信任信号？

按市场分：欧盟看 CE、RoHS 与 ERP 能效标签；美国看 UL/ETL 列名、FCC 与 DLC、能源之星；还有跨市场的 LM-80 光衰报告与 IES 配光文件。这些文件本身就是 AI 喜欢引用的结构化事实源——把测试报告摘要做成网页正文，而不是只挂 PDF。AI 引用的是可读文本，不是附件。

答案块怎么写？

模板：「该产品为 X 场景设计，光效 150 lm/W，显指 Ra>80，支持 0-10V 调光，通过 UL 与 DLC 认证，质保 5 年。」一句话覆盖场景、参数、认证、质保四个要素。产品页用 FAQPage 结构化数据包裹「是否可调光」「质保多久」「是否支持定制」这类高频问题，部署方法见 结构化数据。

信源图谱的目标是什么？

行业目录（LightingEurope 成员名录、ALA、GlobalSources 照明类目）、展会（法兰克福 Light+Building、香港国际灯饰展、广交会）的参展商页面、认证机构数据库（UL Product iQ、DLC QPL 合格产品清单）——DLC QPL 这类可公开查询的清单是极强的实体确认信源，务必确保在列且信息与官网一致。

常见坑

  • 参数只写「高光效」，没有 lm/W 数字，AI 无从摘引
  • 认证证书过期或型号对不上，被引擎交叉验证时扣分
  • 测试报告只有 PDF，正文里没有可引用的摘要
  • 多语言站点之间参数不一致，实体信息互相打架，见 多语言 GEO

常见问题

DLC、能源之星这类清单对 GEO 有多大用？
非常大。它们是公开可查的权威数据库，AI 引擎做落地验证时权重高。在列信息（型号、光效、功率）必须与官网完全一致，任何字段冲突都会削弱实体确认。
照明行业内容写英文够吗？
英文是底座，但欧洲与拉美买家常用本地语言提问。至少为德语、西语核心答案页做本地化版本，并保持参数逐字段一致。