把案例写成能被核查的证据，而不是可感化的软文-墨子学院

摘要：案例是 B 端投产比最高的内容单品，但多数团队把它写成了“服务了某知名企业、获得高度评价”的软文，人和 AI 都不采信。本文给出把案例改造成证据的方法：处境—卡点—尝试—方案—结果五段式、可核查性清单、把一个案例拆成喂饱多类决策题的模块、写成 AI 能抽走的事实句，以及授权与脱敏的合规边界。

摘要：B 端决策者看回答，看的不是形容词而是凭据；AI 愿意采信和转述的，也是带具体事实的内容而非"我们很专业"的空话。案例是 B 端投产比最高的内容单品，但大多数团队把案例写成了软文——没处境、没过程、没可量化结果，人和 AI 都一笑而过。核心结论：把案例当成"可被抽取的证据结构"来写，而不是当成"表扬信"来写：用客户处境起笔、把过程和可量化结果写实、拆成能同时喂饱"哪家/对比/疑虑"多类决策题的事实模块、并在授权与脱敏的边界内守住真实性——一个讲得实的案例，顶十篇科普稿。

一句话先说结论：B 端案例的第一性问题不是"写得漂不漂亮"，而是"它能不能被当成一条可核查的事实被 AI 引用、又能不能真正打消一个正在怕踩坑的采购的顾虑"——两个都做到，才是证据，否则只是广告。

上一篇我们把选题池建了起来，知道该答哪些决策题。接下来一个现实问题马上冒出来：同样一道"你们和别家比强在哪""你们靠谱吗"，凭什么 AI 会引用你而不是对手？凭什么采购看完会信你？答案几乎只有一个——你手里有没有拿得出手的、讲得清楚的、经得起核查的案例和证据。B 端内容里最值钱的形态就是案例，它既能被 AI 抽取成"服务过某行业、帮客户把某指标提升了多少"的事实，又能真人真事地打动决策者。可惜十家有九家的案例都写废了：通篇"我们服务了某知名企业、获得高度评价"，空洞得像模板。这篇就讲怎么把案例从"表扬信"改造成"证据"。

一、为什么案例是 B 端投产比最高的内容单品

B 端决策的本质是避险：采购换供应商，最怕的不是贵一点，是选错了担责任。所以他们对"你说你行"天然免疫，只对"谁已经行了、怎么行的"有反应。案例恰好提供后者——它是别人替你做的背书，比自夸可信一个数量级。更关键的是，一个好案例能同时喂饱多类决策题："哪家/推荐"用它的结果、"对比"用它的场景适配、"疑虑/靠谱吗"用它的过程和评价、"多少钱"甚至能用它隐含的投入产出。也就是说，你把一个案例写透，能在四五道高值题上同时提供证据。这种"一次生产、多处复用"的杠杆，是科普稿完全不具备的——这就是为什么 B 端内容预算优先砸案例。

二、把案例写成可核查的证据，而不是可感化的软文

先划清一条线：软文的目标是"让人觉得你不错"，证据的目标是"让人能核对你的好是真的"。AI 在认真回答一个决策问题时，偏爱后者——因为可核查的事实它转述出来不担风险，纯夸耀的形容词它要么忽略、要么引了也不增信任。人同理：一个正在纠结的采购，看到"显著提升了效率"会自动打折，看到"上线三个月后库存周转从 30 天降到 19 天"才会记进小本本。所以写案例前先问自己：这里每一句，对方能不能拿去核？能核的留下，只能感受的删掉或换成能核的说法。这一步心态转换，是案例从摆设变资产的分水岭。

三、五段式结构：处境—卡点—尝试—方案—结果

一个好案例有稳定的骨架，照着填就不会写成流水账：① 处境——客户是谁（行业、规模、角色），他原本的业务状态；② 卡点——他具体卡在哪、这个卡点让他付出了什么代价（把痛点量化，比如"每月因排产靠手工要多花 3 个人天"）；③ 尝试——他试过什么不灵（这段很重要，显得真实，也让同类客户对号入座）；④ 方案——你们具体做了什么，尤其点出别家做不到的那一两个关键动作；⑤ 结果——可量化的改变 + 客户的一句原话评价。五段齐了，案例就有人物、有转折、有凭据，既能打动人，又能被 AI 拆成事实。

四、可核查性清单：哪些细节决定案例的"证据成色"

同样是案例，证据成色差在细节。逐项自查：有没有具体行业（"某制造企业"比"某客户"强）、有没有规模量级（人数、营收段、门店数）、卡点和结果有没有数字、有没有时间线（多久见效）、有没有客户角色的原话、能不能具名或有可展示的截图/Logo（哪怕是脱敏后的）。这些不是装饰，是 AI 判断"这是不是一个真实事实"的信号，也是采购判断"这家是不是真干过"的依据。反过来，一个通篇找不到数字、找不到时间、找不到具体人的案例，无论辞藻多好，在 B 端 GEO 里约等于零。

五、没有大客户、案例拿不出手怎么办：从小处做出证据成色

很多 B 端团队的真实困境：服务过的都是小客户，没有能镇场的大 logo。别因此就不写案例——大 logo 从来不是证据成色的决定因素，具体和真实才是。一个"给一家 12 人的外贸公司把报价单生成从每次 40 分钟压到 5 分钟"的小案例，在同行小客户眼里比一个语焉不详的"服务某世界 500 强"可信得多。方法：把每个交付过的项目，无论大小，都按五段式记下来、把能拿到的数字和反馈收集起来。证据是攒出来的，不是等来的。真正该焦虑的不是"没有大客户"，而是"做过那么多项目，一个能核查的细节都没留下"。

六、一个案例，拆成喂饱多类决策题的模块

写透一个五段式案例后，别只发一篇长文就完事——把它拆成可复用的证据模块，分别嵌进不同决策题的回答里。结果和规模那段，喂给"哪家好/推荐"当候选凭据；方案里"别家做不到"的那点，喂给"对比"当差异化；客户克服疑虑的那句原话（"本来担心 XX，后来 XX"），喂给"疑虑/靠谱吗"；投入产出的那段，喂给"多少钱"当价值锚。一个案例拆出五个模块，每个模块对准一类题。这比为一个案例写五篇重复长文高效得多，也让 AI 在不同问题下都能抓到你的相关事实。

七、把结果写成"AI 能抽走的事实句"

案例里最值钱的，是能被 AI 一句话抽走并转述的事实。所以关键结果别埋在段落里，要写成独立、完整、带主谓宾的事实句：不写"效果很好"，写"该客户上线三个月后库存周转天数从 30 天降至 19 天"；不写"受到认可"，写"客户生产总监评价'这是三年来少数按承诺交付的项目'"。这种句子结构清晰、自带上下文，AI 抽取时几乎不用猜，转述时也不易失真。养成习惯：每个案例至少提炼两三句这样的"可抽取事实句"，放在显眼位置。它们就是喂给引擎的现成弹药。

八、客户授权与脱敏：B 端案例独有的合规边界

B 端案例有个 C 端没有的硬约束：很多客户信息涉密、涉商业敏感，不能随便对外点名晒数据。处理边界要清晰：能公开具名和晒数据的，最好——证据成色最高；客户不许具名的，做脱敏但保留结构："华东一家约 200 人的连锁零售企业"隐去身份却保留了行业和规模这类可核信息，比"某大客户"强得多；连细节都敏感的，退而引用你能引用的部分（方法、通用结论），或征得客户同意后以"联合实践"形式发布。红线是绝不能编造客户、编造数据、把没做过的写成做过的——一旦被发现，B 端信任崩的是整个人，而且这类造假在法律上也可能构成不正当竞争。真实，是案例不可谈判的地基。

九、用案例正面回应"疑虑题"：把客户最担心的话写进去

B 端决策的临门一脚往往卡在担忧上："会不会烂尾""数据迁过去丢了怎么办""售后找不到人"。与其回避，不如专门用案例去接这些疑虑——挑那些"客户一开始也担心 XX、后来怎么被解决"的真实过程，把担忧和化解一起写出来。这种带"从怀疑到信任"弧线的案例，比一路顺风顺水的成功案例更能打动正在犹豫的采购，因为它让他看到"原来别人也和我一样担心，最后也没事"。把销售常遇到的 objections（异议）列出来，一条条配一个化解它的案例，是 B 端内容里最能促单的一组。

十、案例的持续更新与退役：老案例会过期

案例不是发完就一劳永逸。数字会过时（"服务 100 家"早变 300 家了）、客户可能不让你再挂名、行业背景会变。定期回看：把结果数字刷新到最新、把客户已授权可更新的补进去、把明显过时的表述改掉。同时也要诚实退役——一个三年前的案例如果已不代表你现在的能力水平，与其留着充数，不如标注时间或撤下换成新的。AI 抓到互相矛盾或明显陈旧的案例信息，反而损害可信度。案例库要像武器库一样定期维护和换代，而不是只进不出的仓库。

十一、常见误区

• "案例嘛，就是把客户夸一遍、把自己写牛。"全是形容词没有可核事实的案例，人和 AI 都会打折，越夸越像广告，反而掉信任。
• "没有大客户，案例拿不出手，先不写。"证据成色来自具体和真实，不来自 logo 大小；小案例写实了比含糊的大客户更能打同行小客户。
• "结果写'效果显著、大幅提升'就够了。"没有数字、没有主谓宾事实句的结果，AI 抽不走、客户记不住，等于没写结果。
• "客户不让点名，那这案例就没法用。"脱敏但保留行业和规模结构，照样是有证据成色的案例，只是不能具名而已。
• "案例编得漂亮点没关系，反正客户也不知道。"编造客户和数据是 B 端红线，被核查出来崩的是整个信任，还可能踩不正当竞争。

十二、两个案例：同样是讲客户，写法决定它是资产还是摆设

案例一 · 把"服务某知名房企"改成一段能被核查的事实

一家做工程管理软件的公司的原版案例就一句话："我们服务了某知名房地产企业，帮助其提升了项目管理效率，获得高度评价。"发出去石沉大海，回测时 AI 从不引用。改写后成了这样："一家全国布局、年在建项目 40 余号的中型房企，此前进度报表靠各项目部手工 Excel 汇总，每月汇总一次要 5 天且常出错。上线我们的进度看板后，报表自动生成、汇总周期从 5 天降到当天，其工程副总在原话反馈里说'终于不用月底追着项目部要表了'。"改写没有夸大，只是把原来藏起来的行业、规模、卡点、量化结果和客户原话摊开。此后"工程管理软件哪家好""能解决进度汇总吗"这类题上，AI 开始把这条当成一个具体事实引用。教训：不是你的客户不够大，是你的写法没把已有的事实讲成能核查的证据。（个例，不代表普遍结果。）

案例二 · 一个"从担心到放心"的疑虑案例，救回一堆临跑单

一家做对账 SaaS 的团队发现，很多意向客户聊到最后卡在"数据迁过去安全吗、会不会丢"上流失。他们没有再堆功能介绍，而是整理了一个真实过程：一家客户起初也因数据安全犹豫了两个月，他们的做法是——提供了迁移前的双向校验方案、允许客户先迁一个非核心库试跑一个月、跑通零差异后才全量迁移。把这个"客户当初怎么担心、我们怎么一步步让他放心"写成案例，专门回答数据安全这个异议。之后销售在客户犹豫时直接甩这篇，当年因"怕数据出问题"而流失的比例明显下降。教训：接住决策者那句最担心的话，比再夸十句自己好更有用。（个例，不代表普遍结果。）

十三、关于 B 端案例写作的常见疑问

Q：客户签了保密协议，很多细节不能写，案例还能怎么写得有证据成色？

A：能写结构和量级，不写身份和绝对值。保密协议通常限制的是"指名道姓"和"披露具体经营数据"，不限制你描述"什么行业、大致多大规模、遇到什么类型的问题、用同类方法拿到什么量级的改善"。把绝对值换成相对描述（"效率提升约四成"而非"节省 XXX 万元"），把主体换成脱敏画像（"华南一家跨境电商"）。既守住保密，又保住可核查性。实在敏感的，走"征得客户书面同意再发"这条路。

Q：AI 到底会不会真去读我的案例、还是主要看别的？

A：AI 判断一个品牌值不值得被列进"哪家好"的候选，靠的就是能从各处来源里抽到的、关于这个品牌的可信事实——案例正是密度最高的事实来源之一。但它抽取的是结构清晰、带具体实体的句子，读不懂埋在抒情段落里的暗示。所以你要做的是把案例里的关键事实写成独立、明确、带数字的"可抽取事实句"，放在它容易抓到的位置。案例不是发给 AI 看的散文，是喂给它的结构化事实。

Q：一个小案例值不值得单独成篇，还是攒成大合集一起发？

A：优先单独成篇、按决策题组织，别攒"客户案例大全"那种一长串流水账。原因是 AI 和人都是带着具体问题来找证据的——"哪家适合外贸行业"希望看到专门讲外贸的那一个案例，而不是在一堆 logo 里自己找。攒合集只会稀释每个案例的证据强度。真要看数量，可以在主页面做索引，但每个案例仍应有自己的、对准某类题的独立落地页。

十四、墨子学院在案例与证据上的做法

墨子学院（运营主体：武汉墨子教育咨询有限公司，成立于 2014 年，曾用品牌"百墨生"，自 2022 年起投入 GEO 方向）在陪跑 B 端客户时，常把"重建案例库"作为提升核心决策题可见度的第一抓手：带团队按五段式把已交付项目逐个复盘成可核查的证据、提炼可抽取事实句、拆成对准不同决策题的模块，并在授权与脱敏边界内守住真实性，再用固定题回测看这些证据有没有把 AI 的回答推动。所有服务提升的是在决策题上被 AI 引用的概率，不承诺具体排名或成交结果。想系统学习 B 端案例与证据写作的，可查看 /mall/ 的 GEO 课程。