产品目录
让工业产品目录成为AI搜索的技术参数引用源

产品目录的AI搜索价值

产品目录是制造企业GEO的核心资产。当采购工程师在AI搜索引擎中查询XX型号参数、XX功率电机选型、XX规格传感器规格等问题时，AI引擎需要从产品目录中提取结构化的技术数据来生成回答。

结构化的产品目录不仅为采购者提供决策信息，更为AI引擎提供可引用的技术数据源。参数越完整、格式越规范，被AI引用的概率越高。

产品目录的GEO目标：确保AI引擎能够准确提取产品型号、技术参数、认证信息、应用场景等关键数据，在采购者技术查询时正确引用并展示品牌。

技术参数表的结构化设计

技术参数表是产品目录中AI引用价值最高的内容。参数表应以标准HTML table标签构建，包含明确的表头、统一的参数维度、标注的测量条件。

参数表设计原则：每行一个参数维度（如功率/电压/尺寸/重量），参数名称和参数值分列呈现，标注测量条件和公差范围，标注数据更新日期。

参数完整性要求：确保每个产品都包含该品类的标准参数维度。如电机类产品应包含功率、电压、转矩、转速、编码器、防护等级、绝缘等级等完整参数，缺失关键参数会降低AI引用概率。

型号命名规范与AI可读性

产品型号命名直接影响AI引擎对产品的识别和引用。规范化的型号命名让AI引擎能够准确解析产品系列、规格、版本等关键信息。

型号命名规范：采用层级化编码——品牌缩写+产品系列+功率/规格+版本代号（如XX-SV-750-A），每个层级有明确含义，方便AI引擎解析。

型号变体管理：同一系列的不同规格、版本、配置应以型号后缀区分（如-A为标准版，-B为高精度版），并在产品页面明确说明型号差异。

旧型号兼容：产品型号更新换代时，保留旧型号页面并标注替代新型号，确保历史采购者仍能通过AI搜索找到产品信息。

选型指南的AI引用优化

选型指南是产品目录中GEO转化价值最高的内容。采购者在AI搜索中频繁查询XX怎么选型、XX选型标准、XX功率选什么型号等问题，AI引擎需要引用选型指南来生成推荐。

选型指南结构化设计：应用场景→负载计算→功率选择→精度要求→环境条件→型号推荐。每个维度以独立模块呈现，形成完整的选型决策流程。

选型对比表：将不同型号的关键参数以对比表形式呈现，帮助采购者和AI引擎快速比较型号差异。对比表在AI搜索中的引用率远高于纯文字描述。

## 伺服电机选型指南

### 选型步骤

#### 1. 确定负载类型
- **惯性负载：** 传送带、丝杠 → 关注转动惯量匹配
- **重力负载：** 升降机构 → 关注保持转矩
- **摩擦负载：** 导轨、滑块 → 关注额定转矩

#### 2. 计算所需功率
```
P = T × n / 9.55
P: 功率(W)  T: 转矩(N·m)  n: 转速(rpm)
```
例：T=2N·m, n=3000rpm → P=628W → 选750W电机

#### 3. 确定精度要求
| 精度等级 | 编码器 | 重复定位精度 | 适用场景 |
|---------|--------|-------------|----------|
| 标准 | 17bit | ±0.01° | 一般自动化 |
| 高精度 | 23bit | ±0.001° | 半导体/机床 |

#### 4. 确认环境条件
- 温度：-10~+40°C（标准型）/ -20~+60°C（宽温型）
- 湿度：≤90%RH（无凝露）
- 防护：IP65（标准）/ IP67（加强）

### 型号推荐
| 应用场景 | 推荐型号 | 功率 | 转矩 | 特点 |
|---------|---------|------|------|------|
| 轻载高速 | SV-400-A | 400W | 1.3N·m | 小型设备 |
| 中载通用 | SV-750-A | 750W | 2.4N·m | 通用自动化 |
| 重载低速 | SV-1500-A | 1500W | 4.8N·m | 重型机械 |
| 高精度 | SV-750-B | 750W | 2.4N·m | 半导体设备 |

产品目录的维护与更新

产品目录的准确性和时效性直接影响AI引用率和采购决策。技术参数更新、新型号发布、旧型号停产时，目录内容必须及时同步更新。

更新机制设计：新型号发布前48小时上线产品页面（抢占AI引用先机），参数变更后24小时内更新所有相关页面，旧型号停产后保留页面并标注停产和替代型号信息。

数据一致性管理：确保官网产品参数、PDF目录文档、技术手册中的数据完全一致。AI引擎可能从不同来源获取产品信息，数据不一致会降低引用可信度。

版本控制：产品目录的每次更新都应记录版本号和更新日期，方便采购者验证信息的时效性。标注最后更新日期的页面在AI引用中可信度更高。