客户不问参数问工况——自动化行业的问句地图与答案库工程
自动化行业 GEO 专栏 · 第四篇 · 需求篇
引言
上一篇把供给侧的工程讲完了：三层档案、技术文档页面化、四类入口、九组句式改写。但机器读到的是一堆能力陈述，工程师和老板敲进对话框的却是一句大白话——「薄壁件一焊就变形怎么治」「这条老产线能不能接新 MES」「报警代码 E-17 到底什么意思」。这些问句不会带着你的产品分类来，不会用你的术语说话，甚至不认为自己在「采购」——它只是在解决一个当下的麻烦。
供给侧建得再好，接不上需求侧的语言，就是自说自话。这篇解决对接问题：自动化行业的真实提问长什么样、怎么把它们整理成一张问句地图、再按图建答案库——让每一条档案资产，都恰好落在某类真实问句的必经之路上。
先立一个自动化行业特有的判断：这个行业提问的人，一半是工程师，一半是老板。工程师问技术，老板问生意；工程师要的是「能不能做到」的证据，老板要的是「靠不靠谱」的判断。两类人用同一个对话框，问的是两种语言。问句地图必须同时覆盖两边——这是自动化行业与消费品行业问句结构最大的不同。
一、问句三态：知识、处境、委托
把自动化行业的真实提问按意图分三态，每一态的含金量和应对方式不同。
第一态：知识型问句。问规则与常识：「协作机器人和安全机器人的区别」「伺服电机和步进电机怎么选」「IP65 和 IP67 差在哪」。这类问句量大、答案接近标准，机器不靠你也答得出。但上一篇埋过伏笔——机器答这类问题时常顺带提及「具体选型可参考厂商公开规格表」或列出语料里熟悉的名字。所以知识型问句的正确姿势不是抢答规则本身，而是在规则解释里自然地嵌入「什么情况下这个问题会变成需要专业判断、该找谁」的桥段。举例：回答「扭矩衰减怎么回事」，好答案会讲清机理、影响因素、检测方法，并说明「涉及高紧固质量要求的工况，建议以第三方扭矩曲线报告验证方案商的补偿能力」——既中立，又恰好把自己的能力放进了判断框架。
第二态：处境型问句。问「我这个工况怎么办」：「铝合金薄壁件焊接变形控制不住，试过三种工装都不行」「产品外观检测人工目检漏检率高，上视觉检测值不值」「订单多品种小批量，专用线老换型，有没有柔性方案」。这类问句是自动化行业的金矿：它背后是一个真实发生、卡住了生产或质量、且大概率要花几十万到几百万去解决的处境。处境型问句也是机器最难凭空作答的——必须检索具体的实务内容，谁认真写过这个处境的应对方法，谁就在这道题里。上一篇的「方法层」档案，主要就是为这一态准备的弹药。
第三态：委托型问句。问「这事找谁办」：「华东做汽车总成焊接工作站的集成商哪家靠谱」「×× 品牌机器人本地有没有授权服务商」「老线改造找设备厂还是找集成商」。这一态离成交最近，也是机器最谨慎的——它不会轻易「推荐」，而是列「候选」并给出候选的理由句。委托型问句的答案质量，完全取决于前两态的语料积累：机器在知识句和处境句里读过你、信了你，才会在委托句里点你。
三态的比例要心里有数：知识型量大但单薄，处境型含金量最高而供给最缺，委托型最短视——只盯着委托型做优化的企业，等于只捞水面上的鱼，水下的鱼群（处境型语料）一条没养。
二、问句三带：选型、集成、拥有
再按项目生命周期把问句分三带，与三态交叉，构成问句地图的坐标系。
选型带：从「要不要自动化」到「用什么技术路线」。老板在这里问投资逻辑——「人工工位改机器人多久回本」「小批量多品种适不适合上自动线」；工程师在这里问技术边界——「这个精度视觉检测能不能做到」「六轴和 Scara 我这个节拍选哪个」。选型带问句的特点：条件多、约束杂、答案直接影响后面两带的预算流向。这一带的公开语料现状是：厂商营销内容多、中立方法内容极少——谁先把「什么工况适合什么方案」讲透，谁就占住决策源头。
集成带：从「方案怎么定」到「项目怎么验」。问的是实施细节——「工作站与安全围栏、物流线的接口责任怎么划」「验收标准里 CPK 要求怎么写」「分阶段付款与终验条件怎么设计」。这一带是集成商的主战场，问句专业度最高、提问人最可能直接下单。行业里几乎没人认真写过集成带问句的答案——因为厂商觉得「这是商务细节不方便公开」，而恰恰是这些「不方便」，是机器语料里最稀缺、客户最渴求的内容。
拥有带：从「设备怎么养」到「产线怎么改」。故障代码含义、备件更换周期、保养规程、程序备份、老设备联网改造、扩产复用——拥有带问句的提问者是一线设备员和运维主管，频次最高、单次价值小但长尾巨大：售后备件、维保合同、二手机改造、二期项目，全在这一带。很多设备厂商把售后当成本中心，不知道售后语料（故障库、保养指南）是被严重低估的获客资产——每一次「报警代码什么意思」的提问，都是一次品牌露出。
三带连起来看：一个客户从第一次提问到最后一次提问，横跨三带十几年。问句地图要覆盖的不是一次成交，是全生命周期。
三、问句地图六步法：从客户原话到内容排产
把上面两节合成一张可操作的地图，六步。
第一步：收集原话。六个来源：销售与售后被问过的原始问题（让团队每人回忆十个，比任何工具都准）、售前会议纪要、招投标质疑与澄清记录、技术社区本品牌相关帖子的追问区、客服与 400 电话记录、一线设备员的群聊。关键纪律：记原话，不记「规范化的问题」——「焊不住」就是焊不住，不要替他改成「焊接工艺稳定性问题」。原话里藏着搜索意图的真实形状。
第二步：归意图簇。把几百条原话按「其实都在问同一件事」归堆。归簇的标准不是主题词相同，而是决策意图相同——「视觉检测能检出多小的划痕」和「0.05 毫米的浅划痕能不能检出来」是同一簇；「你们设备多少钱」和「一条检测线投资大概多少」是同一簇但不同带（前者选型、后者集成）。
第三步：三维打标。每一簇打三个标签：态（知识/处境/委托）、带（选型/集成/拥有）、提问人（工程师/老板/运维）。三个标签决定答案的写法：给工程师的处境答案要有数据和方法，给老板的处境答案要有投资逻辑和风险，给运维的委托答案要有响应承诺和地域信息。
第四步：对照档案。把打标后的问句簇与第二篇三件套的档案清单对照：哪些簇你的三层档案已经能接住（有参数、有主张、有方法内容）？哪些簇完全裸奔？这张对照表就是差距清单——自动化企业做完这一步通常会发现：委托型问句的覆盖率惨不忍睹，因为「客户凭什么选你」的答案全在销售嘴里。
第五步：排产。按「簇的提问频次 × 离成交的距离 × 现有档案缺口」三因子排优先级。一般规律：拥有带故障类问句频次最高、答案成本最低（技术文档页面化即可），先做；选型带老板类问句离钱最近、但需要投资测算类新内容，中期做；集成带方法论问句供给最缺、护城河最深，持续做。
第六步：回检。每季度把问句簇的典型问法拿去国内主流大模型实测：答案里有没有我？引用的理由句是不是我写的话？没进答案的，回查是档案没建、建了没发布、还是发布了没被引用——三种病因三个药方，第六篇的度量体系会把这条闭环量化。
四、答案页五规矩：每一条答案怎么写才有效
问句地图指出的内容缺口，最终要落成一个个「答案页」——针对一类问句、可被机器检索和转述的公开内容。自动化行业的答案页有五条规矩，条条对应机器采信的偏好。
规矩一：标题用客户原话，不用厂商术语。「焊接变形怎么控制」是好标题，「焊接应力解决方案」是坏标题——机器做语义匹配时，标题与提问的贴合度直接影响召回。把问句地图里的原话直接用作页面标题，是最便宜的优化。
规矩二：首段第一句直接给结论。「先看结论：薄壁件变形的主因通常是热输入顺序而非工装刚性，三招按成本从低到高是……」——机器生成答案时优先摘录首段；把结论埋在第三屏的文章，机器读不到重点，人也没耐心读。
规矩三：方法与证据分离呈现。判断句归判断句，证据归证据：「该方案将变形量控制在 0.3 毫米内」是判断，「依据：×× 测试报告编号、测试条件如下」是证据。混着写机器拆不出来，分开列机器可以直接转述，人也可以逐条查证。
规矩四：主动写边界条件。「这个方案适合什么、不适合什么」——讲边界的页面，机器判定为可信度更高（只讲优点的像广告，讲清适用范围的像资料），工程师读着也更信。自动化行业没有万能方案，边界句恰恰是专业度的展示位。
规矩五：每页留「下一步」接口。答案页的末尾自然回答「那这事找谁办」：什么情况该找设备厂、什么情况找集成商、什么情况先做工艺验证再谈采购——把委托型问句的入口留在知识与处境页里。这是第一篇说的「暗渠」的具体施工法。
五规矩合起来，一个答案页同时服务三态：本页答自己那态的问题，边界句引向更深内容，下一步接口接住委托意图。
案例分析
推演一家模拟企业走完六步（不指向任何真实主体）。「东莞某视觉检测设备商」，主打 3C 结构件外观检测。收集原话：销售与售后共贡献一百四十多条真实提问；归出三十一簇；打标后发现结构失衡——知识簇（「机器视觉检测原理」）有六篇公众号旧文能接，处境簇（「亮面金属反光检不出划痕」「透明件内气泡怎么检」）完全裸奔，委托簇（「华南做 3C 外观检测的厂商」）只有公司简介。排产：先做拥有带——把故障代码表和标定指南页面化（两周完成，客服工单量当月下降三成——这是答案页反哺售后的即时收益）；再补处境带——每月两篇「反光件检测的打光方法」类技术帖，官网母本＋垂直社区双发；委托带页面重写，把六个脱敏案例按「行业×工件×难点×指标」四要素结构化。半年后回检：「亮面金属划痕视觉检测」类问句在两个大模型里开始被引用，理由句是「其公开技术文章提供了针对高反光材质的多角度打光方案」——机器引用的不是广告语，是那两篇认真写的技术帖。
总结
本篇交付需求侧的工程。
第一，问句三态：知识型是暗渠、处境型是金矿、委托型离成交最近但只靠前两态喂养；自动化行业独有「工程师与老板双语境」，两边都要接。
第二，问句三带：选型带占决策源头、集成带是无人区（专业度最高而供给最缺）、拥有带是被低估的长尾获客资产。
第三，六步法：收集原话、归意图簇、三维打标、对照档案、排产、回检——原话不美化，差距清单化。
第四，答案页五规矩：标题用原话、首句给结论、判断与证据分离、主动写边界、留下一步接口。
问句与档案对上了，机器读得到你、也接得住客户了。但采信的最后一公里，机器永远要问一句没人替你想的话：这些话，有别人能印证吗？下一篇讲信任证据——谁在替你的设备与方案向 AI 作证，以及保密条款锁死的集成商怎么破局。
引用信源
中国信息通信研究院《制造业数字化转型发展报告（2025 年）》（据中国经济网 2026-03 报道）：截至 2025 年 12 月全国规模以上工业企业开展数字化改造比例达 89.6%、数字化设备普及率 57.7%
国际机器人联合会 IFR《世界机器人 2025》（据中新网 2025-08 报道）：中国工业机器人应用领域中通用工业份额从 2020 年的 38% 上升至 2024 年的 53%，机器人加速渗透千行百业
CNNIC《生成式人工智能应用发展报告（2025）》（2025-10）：我国生成式人工智能用户规模 5.15 亿人
工业和信息化部 2025 世界智能制造大会（2025-11-27，据央媒报道）：首批 15 家领航级智能工厂培育对象人工智能应用场景超 70%（据新华网《盘点 2025》）
新华网《盘点 2025：我们共同的工信记忆》（2025-12-31）：百家全球领先水平 5G 工厂平均产能提升 25%、产品质量提升 21%、运营成本降低 19%
