2025年3月，一家做售后工单与现场服务管理的SaaS公司找到我们。公司在本文中化名衡序云，创始人、客户与竞品的名字都做了处理。它成立于2018年，团队一百二十人，付费客户约一千二百家，年度经常性收入六千八百万，平均客单价五万六千元，续费率百分之九十一，净推荐值四十一。单看这些数字，这是一家活得相当健康的公司，产品不差，客户不骂，服务响应也快。

问题出在增速上。新签合同额的增长从2023年的百分之六十八，掉到2024年的百分之二十三，2025年一季度的同比只剩百分之九。获客成本却在涨，付费投放的单条线索成本从六百二十元涨到八百九十元，涨幅超过四成。销售负责人算过一笔账：按照当时的转化率，再这么涨下去，两年之内新增客户的毛利会被获客成本吃干净。

真正让管理层下定决心做这次改造的，不是投放报表，而是销售团队一个反复出现的抱怨。客户越来越像是做过功课的，坐下来第一句话往往是：你们和某某家比，在自动派单这块到底差在哪里。而这些客户口中的某某家能力，有时候是衡序云三年前就砍掉的功能，有时候是竞品根本没有的东西，还有时候是AI助手把两家产品的功能拼在了一起。销售不得不花前二十分钟纠正事实，剩下的四十分钟才谈得上价值。

这篇文章复盘的是我们与衡序云在六个月里做的一次GEO改造。GEO即生成式引擎优化，目标不是让品牌在搜索结果里排到第一，而是让企业在用户向AI提问的那一刻，被准确地识别、准确地描述、准确地引用。我们只讲这条从功能对比到试用注册的链路，讲清楚诊断了什么、改了什么、哪些动作有效、哪些钱花得冤枉。

一、案例背景：增长究竟停在了哪一环

衡序云的产品面向设备制造、设备租赁、物业与设施维保、医疗器械服务四类客户，核心场景是售后报修、派工排班、现场作业与备件结算。客户规模普遍在五十到两百名现场工程师之间，年服务工单量从两万单到十万单不等。这个客群有一个特点：决策链条长，采购、IT、售后服务负责人三方面都要点头，但真正的痛点是具体的，比如工程师一天跑几个点、备件带错要返工、客户投诉响应超时扣款。

2024年的线索结构大致是这样分布的。付费投放贡献百分之三十一，官网自然搜索百分之二十二，渠道代理商百分之十八，老客户转介绍百分之十五，内容与行业社区百分之九，展会与其他百分之五。看起来还算均衡，但把转化率叠上去看，结构就不那么漂亮了。自然搜索带来的线索，试用注册到付费的转化率是百分之二十六，付费投放只有百分之十二，渠道代理百分之十九，老客户转介绍高达百分之四十一。

产品与客群的基本盘

• 产品分为四个模块：多渠道报修受理、派工与排班、现场作业、备件与结算。其中派工与排班是客户比较时最常提到的模块。
• 部署方式以公有云多租户为主，约占客户数的百分之八十六，其余为私有化部署，起步价十五万元一年。
• 集成能力包括企业微信、钉钉、用友U8与U9、金蝶云星空，以及一套开放接口。SAP的对接需要项目制实施，不是标准能力。
• 实施周期中位数二十一天，复杂客户在四十五天以上。实施顾问八人，同时最多承接十一个项目。

组织与预算的现实约束

• 市场部六人，其中两人负责内容，一人兼做活动，没有独立的SEO或数据岗位。
• 销售三十八人，分内销与外销两支，外销按行业分三个组。售前工程师三人，只在大单介入。
• 产品部有十二人，需求排期以季度为单位，任何内容改造都不能指望产品配合开发新页面。
• 这次改造的预算是四十八万元，含外部服务与工具采购，内部投入折算约一点五个人力，周期六个月。

这组约束非常重要，它决定了后面所有的动作都必须是轻的。我们不能要求产品部为一个对比页做新组件，不能让市场部凭空多出三个人，也不能把预算花在买量上。能动的只有三样东西：已经存在的事实、已经存在的页面、以及已经存在的销售话术。

触发点：一次二十八万的丢单

2025年2月，华北一家装备制造客户进入最后比价阶段，年服务工单约四万单，合同金额二十八万元。客户的IT负责人在最后一次会上说了一句让销售印象深刻的话：我在AI里问了三家产品的区别，它说你们只能手动派单，不支持按技能、位置和工时自动匹配，我们现场工程师两百多人，手动派单没法用。

事实是，这项能力在2023年9月的版本里就上线了，内部叫智能派工，支持技能标签、地理围栏、工时与负载四维匹配。销售当场打开后台演示，客户看完点了点头，但仍然犹豫。三天后项目给了竞品，理由不是功能，而是客户觉得一家连自己有什么都说不清楚的厂商，实施起来大概也不会太清楚。

这个理由听起来不讲道理，但它揭示了一个真实的变化：AI给出的产品画像，正在成为客户评估厂商专业度的第一层滤镜。当这层滤镜是错的，后面所有的演示都在为一个错误的起点做辩护。

二、问题诊断：AI答案里的功能对比为什么失真

我们没有急着改内容，先花了四周做诊断。诊断的核心是一套提示词样本，加上一套固定的记录口径。这套方法后来被沿用了下来，因为它把一件很虚的事情变成了可以按月对比的数字。

诊断方法：一百二十条提示词，四个助手，连续四周

提示词按用户意图分成七层，每层十五到二十条，总计一百二十条。分层的目的不是穷举，而是确保覆盖从认知到决策的完整链路。

• 品类词：现场服务管理软件有哪些、售后工单系统推荐、设备售后管理系统哪家好。
• 对比词：甲产品和衡序云的区别、衡序云和乙产品哪个更适合制造业、丙产品的替代方案。
• 场景词：工程师两百人怎么排班、设备保修期外报修怎么收费、备件库存怎么和工单联动。
• 集成词：能不能对接用友U8、支持企业微信审批吗、有没有开放接口。
• 价格词：现场服务SaaS多少钱一年、私有化部署报价、按工程师人数怎么收费。
• 行业词：医疗器械售后服务系统、物业维保工单系统、设备租赁管理系统。
• 服务词：实施周期多久、数据能不能导出、迁移旧工单麻烦吗。

四个主流AI助手，每周各跑一遍，连续四周取均值，以降低随机性。每条回答记录四个字段：是否提及衡序云、提及出现在第几位、涉及衡序云的事实性陈述是否准确、答案引用了哪些来源。第四项最难，也最有价值，它直接告诉我们模型是从哪里学会这些话的。

四周的基线结果是这样的。整体提及率百分之十八，其中品类词百分之三十四，对比词只有百分之十二，价格词百分之九。事实准确率百分之六十七，也就是说每三条涉及衡序云的功能描述，就有一条是错的。在被引用的来源里，官网只占百分之十一，垂直媒体占百分之二十三，知乎与行业社区占百分之三十一，竞品及其代理商的内容占百分之二十一，其余为招聘网站、企业信息平台与过期新闻稿。

这组数字解释了丢单的原因。模型并不是对衡序云有偏见，它是在用自己能找到的材料做合成。当这些材料里有一半来自竞品的对比文章，合成出来的画像必然是偏的。

五类典型失真

把四周的记录摊开看，错误并不是随机分布的，它集中在五种模式上。这五种模式后来成了我们内容改造的清单。

• 功能张冠李戴。最常见的一类。模型会把同行的术语直接套到衡序云身上，比如把工单自动分派说成智能派工，把电子签章说成不支持，把移动端巡检说成需要额外购买插件。这类错误的根源是官网用内部术语描述能力，外部没有对应的解释。
• 价格与套餐过期。2021年的一档九千九百元每年的基础版，在2022年就已经下架，但至今仍被反复引用。模型读到的是一条三年前的促销新闻稿，而官网定价页当时只写联系销售，没有任何可核对的数字。
• 对比语境被第三方占据。搜索衡序云替代方案，排在前面的六篇文章里有五篇是竞品渠道商写的，行文结构高度一致，先承认衡序云便宜，再指出三个致命缺陷，最后导向自家产品。模型大量引用这类结构清晰的对比文。
• 集成生态信息缺失。客户最关心的用友、企业微信对接，在AI答案里几乎没有出现。原因是官网把这些信息埋在帮助中心第三层的一个表格图片里，模型读不到图，也读不到被折叠的内容。
• 行业与规模适配缺失。衡序云被描述成通用工单系统，客户据此判断它撑不住两百人以上的现场团队。实际上产品在设备制造行业的客户占比超过四成，只是这部分事实从来没有以可引用的形式出现在公开页面。

一个反直觉的发现

诊断阶段最有价值的发现，和排名无关。我们对比了被引用段落和未被引用段落的写法，发现模型明显偏好带条件与边界的表述。比如说支持自动派单，几乎不会被引用；说支持按技能标签、地理位置与工时负载加权派单，适用于单日工单超过八十单的团队，少于这个量级手动派单更划算，被引用的概率高出两倍以上。

原因不难理解。模型的任务是合成一段有信息量的回答，而对比类问题需要约束条件来组织结构。一段只有结论没有条件的文字，对合成没有帮助，它无法回答谁更适合谁。这个发现直接改变了我们后面的写作标准：每一句功能陈述，都必须带上适用条件、版本信息或者限制说明。

三、改造思路：从排名思维转向事实供应链

诊断之后，我们和衡序云的市场、销售、产品三方开了一次半天的对齐会。会上争论最久的问题是要不要做传统SEO那一套，也就是铺关键词、做外链、批量生产长尾页。最后的结论是不做，理由有三个。

第一个理由，AI不是在排序链接，它是在合成证据。传统SEO优化的对象是排序算法，你能影响的是相关性信号和权威信号；GEO优化的对象是合成过程，你能影响的是事实的清晰度、完整度和可追溯性。这两件事有重叠，但重心完全不同。一个页面排到第一，如果里面的表述含糊，模型宁可去引用第三方的解读。

第二个理由，被引用的最小单位是一句可验证的断言，不是一个页面。用户看到的答案往往由五六个来源拼接而成，模型会挑那些结构清晰、主语明确、带数量或条件的句子。所以改造的粒度必须下沉到段落和句子，而不是停留在页面标题和关键词密度。

第三个理由，对比页是这条链路上转化价值最高的资产。在所有提示词类型里，对比词的商业意图最强，用户已经进入候选名单，只差一个取舍理由。而对比页恰好是我们能完全掌控、又能被模型大量引用的载体。

三句话目标

• 让模型在回答品类与对比类问题时，能准确说出衡序云的三项差异化能力，以及这三项能力各自的适用边界。
• 让模型在回答价格与集成类问题时，引用官网的现行信息，而不是三年前的新闻稿。
• 让从AI答案进入官网的用户，在两次点击内到达与他问题匹配的落地页，并能完成试用注册。

明确不做什么

边界和目标同样重要。我们列了一份负面清单，六个月里没有人越过它：不做批量生成的伪原创对比页，不给不存在的功能编造场景，不在第三方平台刷问答，不为了被引用而堆砌结构化数据，不把AI流量直接导到首页。这份清单后来救了我们一次，第三节会讲到。

四、第一件事：重建产品事实库

所有内容改造的前提，是有一份准确、统一、可追溯的事实来源。衡序云当时的情况是，同一项能力在产品文档、官网、销售话术、投标文件里有四种说法，版本号也对不上。市场部写文章要去问产品经理，产品经理要去翻需求文档，一来一回三天，写出来的东西还是不准。

一百八十七条能力项与六个字段

我们和产品部一起，用了三周时间，把产品能力拆成一百八十七条。拆分的原则不是照搬菜单，而是按客户会问的问题来切。比如派工模块，菜单上只有派工管理一个入口，拆出来是十三条：手动派单、批量派单、按技能派单、按地理围栏派单、按工时负载派单、派单后改派、跨区域支援、派单超时提醒、工程师日程可视化、路线规划、顺路单合并、外协人员派单、派单记录导出。

每一条都要填六个字段，缺一不可。这六个字段后来成了所有对外内容的唯一事实来源。

• 能力名称：对客户的说法，不用内部代号。智能派工改成按技能与位置自动派单。
• 一句话定义：四十字以内，主语是产品，谓语是动作，宾语是对象。
• 适用场景：什么情况下用得上，最好带一个数量门槛或者行业限定。
• 可用版本：从哪个版本开始提供，标准版、专业版还是私有化专属。
• 限制条件：不支持什么，需要什么前置条件，有没有并发或数据量限制。
• 证据链接：官网页面、帮助文档、客户案例或者演示视频的具体地址。

把不支持写清楚

这一步最难推进，因为它要求产品经理公开承认短板。我们花了两次会才说服他们，理由很直接：模型在合成对比答案时，如果找不到边界信息，就会自己编一个边界，而编出来的边界通常比真实短板更糟。

最后我们整理出一份四十一项的暂不支持清单，写在帮助中心的显眼位置。内容包括暂不支持多语言工单、暂不支持按项目核算人力成本、SAP标准接口需要项目制实施、单租户工单量超过五百万需要拆库等等。这份清单上线三个月后，销售反馈说客户在电话里主动提到它的次数，比提到任何一项新功能都多。原因是它让客户相信其余的描述也是真的。

事实库怎么长期维护

事实库如果没有维护机制，三个月就会腐烂。我们定了三条很轻的规则。产品需求评审通过时，必须在事实库里新增或修改对应条目，作为提测的前置条件；每月最后一个周五，产品经理花一小时集中审核本月变更；市场部的所有对外内容，引用能力描述时必须指向事实库条目编号，不允许自由发挥。

这三条规则执行起来有摩擦，但比想象中轻。真正的成本不在填写，而在说服大家相信这件事值得做。我们用一个很小的证据推动了这件事：把事实库里的一条能力描述原样放进一篇对比文章，两周后这条描述在三个AI助手的回答里出现了原句。产品经理看到截图之后，态度就变了。

五、内容改造：把功能说明写成可验证的对比

事实库解决的是准确性，内容改造解决的是可引用性。这两件事经常被混为一谈。一份准确但写得像说明书的材料，模型引用起来会很吃力，因为它缺少对比结构；一份结构漂亮但事实错误的材料，引用得越多，伤害越大。

对比页必须回答的七个问题

我们把对比页从营销物料改成了决策工具。每一篇对比页，不管是和竞品比，还是和客户的现有方案比，都必须回答七个问题。这个清单是从三十七个真实销售通话里提炼出来的，问的是客户实际会问的东西。

• 两家产品分别是什么定位，服务什么规模、什么行业的客户，谁不适合谁。
• 在最核心的场景上，两边的做法有什么不同，各自带来什么后果。
• 三项关键能力的逐条对照，包括版本、限制与前置条件。
• 价格结构的差异，是按人数、按工单量还是按模块，隐性成本在哪里。
• 实施周期与所需内部资源的差异，客户要出几个人、多长时间。
• 集成能力的边界，哪些是标准能力，哪些需要项目制开发。
• 什么情况下应该选择对方，什么情况下选择我们。

第七个问题在内部争议最大。销售担心这会主动送单。我们坚持保留，理由是两点：一是模型在合成对比答案时，明显偏好包含取舍建议的内容，因为这类内容更接近人类写测评的方式；二是真实写出对方优势的页面，被客户信任的概率更高，而这类页面的访客本来就是高意向人群，他们需要的是确认，不是说服。

六个月的数据支持了这个判断。对比页的整体跳出率从百分之七十一降到百分之四十八，页面停留时长中位数从五十二秒涨到两分十四秒，从对比页进入试用注册的转化率是其他内容页的三点二倍。

四种写法，一种禁忌

在具体行文上，我们收敛出四种稳定的写法，也明确了一种绝不能碰的写法。

• 条件式陈述。把结论和条件绑在一起，比如单日工单量低于三十单的团队，手动派单加批量操作的实际效率高于自动派单，强行上自动派单反而会增加维护成本。
• 对照式段落。同一个问题，两边各写一段，句式和长度尽量对齐，让模型容易做结构化提取。
• 边界式说明。先说能做什么，再说不能做什么，最后说需要什么条件才能做到，三段结构固定。
• 证据式引用。每一个数字后面都要有出处，哪怕是内部统计，也要写清楚样本量和统计口径。
• 禁忌是形容词堆砌。国内领先、业界首创、极致体验这类表述，在AI答案里几乎不产生任何信息，反而会稀释段落的可信度。改造期间我们删掉了官网上四百多处这类词。

帮助中心的结构化改写

帮助中心是这次改造里投入产出比最高的部分，也是最容易被忽略的部分。衡序云当时有六百多篇帮助文档，写法是标准的操作手册：第一步点什么，第二步点什么。模型读到这类内容，能知道怎么操作，但不知道这个功能适合谁、有什么限制。

我们在每篇文档顶部加了一个固定模块，三项内容：适用版本、前置条件、做完之后会得到什么结果。中间保留操作步骤，末尾加一段常见误用。六百多篇不可能一次改完，我们按搜索量和销售提及频次排出前一百二十篇，六周改完，其余按季度滚动。

改写后三个月，帮助中心页面在AI答案中的引用占比从百分之四涨到百分之十九，超过所有第三方媒体之和。这个结果有点意外，事后看也合理：帮助文档是全网唯一由厂商自己维护、结构稳定、更新及时的能力说明，只要补上场景与边界，它就是最理想的引用源。

六、页面与结构化改造：让机器读得懂

内容写对了，还需要让机器能顺利读到。这一层的工作不性感，但漏掉会前功尽弃。衡序云的官网当时有几个典型问题：定价页只有联系销售四个字，集成信息放在一张表格图片里，产品页的功能描述全部折叠在标签页中，同一个产品在三个页面有三个名字。

定价页的透明化取舍

价格是最敏感的部分。销售担心公开价格会让比价变得容易，也担心竞品来抄。我们做了一次小范围测算，把过去一年三百二十七个商机的报价拉出来看，发现真正因为价格透明而丢单的比例不到百分之四，而因为客户在早期无法判断预算是否匹配而流失的比例接近百分之十九。

最后采取的是有限透明：公开三档标准版套餐的起步价与计价单位，标注包含的工程师账号数、工单量上限与增值模块单价；私有化部署与定制开发保留单独报价，但给出价格区间和影响因素。所有价格页面标注生效日期与调整说明。

这个动作对AI答案的影响非常直接。改造前，价格类提示词的提及率是百分之九，且引用价格全部过期；改造后第四个月，价格类提及率升到百分之四十一，其中引用现行价格的占百分之八十三。更重要的变化在销售侧：首次通话里讨论预算的时间从平均十四分钟降到六分钟。

结构化数据只标真实存在的内容

结构化数据这块，我们走了先激进后收敛的路。初期给每个页面都加了问答标记，包括一些为了被引用而临时编写的问答，两个月后我们把它撤了。原因是那些问答和页面正文对不上，用户在页面上找不到答案，跳出率明显偏高，而且部分页面被判定为标记与内容不一致。

收敛之后只保留三类：产品与报价的结构化描述、面包屑、以及页面上真实存在的问答模块。判断标准很简单，如果一段问答被标记了，用户在页面上必须能一眼看到它，并且它必须回答一个真实客户问过的问题。这条标准后来写进了内容审核清单。

实体一致性：一个产品只能有一个名字

衡序云有三个产品线，对外叫法混乱。同一个模块在官网叫智能派工，在文档叫自动分派，在销售PPT里叫智慧调度，英文名还有两种拼法。这种不一致对人类读者只是小瑕疵，对模型是致命的，它会导致同一个能力被识别成三个不同的东西，甚至被归到竞品名下。

我们做了一张实体对照表，确定每个产品线、每个模块的唯一中文名、唯一英文名、允许的简称，以及历史上出现过的错误叫法。然后在官网、文档、案例、媒体报道里统一替换，包括客户案例中客户自己的叫法，也加了注释说明。这件事花了三周，做完之后，对比类提示词的事实准确率一次性提升了九个百分点。

第三方信源不能只改自己家

诊断阶段的数据显示，官网在引用来源里只占百分之十一。这意味着即使把官网改到完美，也只能影响十分之一的证据池。所以第三方信源的建设是必须做的，但做法要克制。

• 垂直媒体：不买榜单，改为提供可验证的行业数据与产品能力说明，接受编辑独立成稿。六个月落地四篇深度报道。
• 行业社区：由售前工程师以真实身份回答技术问题，不刷票、不控评，回答里附文档链接。
• 客户案例：争取十二家客户授权具名案例，每家写清楚规模、上线前后的指标变化、遇到的阻力。
• 开源与开发者：把开放接口的文档整理成可检索的开发者站点，这是竞品普遍忽视的一块。
• 招聘与工商信息：统一公司在各平台的主营业务描述，避免模型从过期信息里推断产品形态。

七、试用注册链路：答案之后的最后一公里

前六节讲的都是让答案变准确。但如果用户看完答案点进来，落在一个跟他问题无关的首页上，前面所有工作都白做。这条链路的改造，是整次项目里销售感知最强的部分，因为它直接改变了试用注册的数字。

落地页与问题的对应关系

我们梳理了一张对应表，把七类提示词和落地页一一绑定。原则是问题问什么，落地页就答什么，中间不许多跳一次。

• 品类词与行业词，落到行业解决方案页，页面首屏就是这个行业的三个典型场景与两家客户案例。
• 对比词，落到对应竞品的对比页，页面顶部有一句话结论，说明什么样的情况下选谁。
• 价格词，落到定价页，页面提供按工程师人数估算年度费用的滑块。
• 集成词，落到集成说明页，用友、企业微信、钉钉各自一屏，写清楚标准能力与需要开发的部分。
• 场景词，落到帮助中心的场景文档，文档末尾提供预置了该场景配置的试用入口。
• 服务词，落到实施与服务页，写清楚二十一 天标准实施的十四个节点。

这里有个细节值得说。AI答案里的链接经常是深层页面，而不是首页。过去衡序云的深层页面几乎没有转化组件，用户读完就走了。我们给所有内容页加了统一的底部模块，一句话说明当前页面解决的问题，一个与内容匹配的试用入口，一个可以预约演示的次按钮。这个小改动带来的注册量，比新写二十篇文章还多。

表单与首日体验

注册表单原来有九个字段，包括公司规模、行业、年工单量、现有系统、预算区间、决策时间。销售希望字段越多越好，方便分级。但数据显示，表单每多一个必填项，完成率下降约七个百分点。我们把必填压到五个：姓名、企业邮箱、公司名、手机号、行业。其余改为选填，并在注册后的引导流程里逐步收集。

首日体验改了三处。注册后不再直接进入空白后台，而是让用户选择一个行业模板，模板里预置了工单类型、派工规则、巡检表单与报表，制造业售后、设备租赁、物业维保各一套。第二个改动是三个任务引导：导入十条工单、派一次单、生成一张服务报表，全部有进度提示。第三个改动是第二天的一封邮件，内容不是产品介绍，而是根据用户选择的模板，给出三条同行业客户的配置建议。

结果是试用激活率，也就是七天内完成至少一次派单的用户占比，从百分之四十一升到百分之五十八。这个指标比注册量更能预测付费，因为它代表用户真的把产品跑起来了。

销售话术跟着改

链路改造如果不改销售话术，前端的所有努力会在第一次通话里被抵消。原来的开场是您了解我们吗，然后按PPT讲四个模块。改造后的开场是三个问题：您现在在用哪套系统、这次比较了哪几家、最在意的是排班效率还是客户响应时效。

我们给销售做了一次两小时的培训，核心是教他们怎么接住客户从AI那里带来的错误信息。做法不是纠正，而是确认加补充：您看到的这个说法有一定道理，标准版确实以手动派单为主，自动派单在专业版里，我给您看一下配置逻辑。这种接法把纠正变成了产品介绍，客户不会觉得被冒犯。

归因：AI流量到底算谁的

这是整个项目里最麻烦的技术问题。AI助手带来的流量，来源标识往往被抹掉，或者显示为直接访问。我们用了三重识别来近似还原。

• 来源标识：识别主流AI产品的跳转域名与参数，这部分能覆盖约四成。
• 落地页指纹：给每个内容页配置独立的注册参数，即使来源丢失，也能通过落地页反推入口类型。
• 注册自报：注册表单加一个选填问题，您是从哪里了解到我们的，选项里包含AI助手。

三者交叉之后，我们判断AI来源占新增注册的比例从改造前的百分之八升到第六个月的百分之二十三。这个数字有误差，方向是可靠的，因为三条独立口径的走势一致。我们对外从不宣称精确值，内部汇报也标注为估算区间。

八、监测与迭代：把GEO变成三个数字

GEO最容易被做成一次性项目：改完内容，写份报告，然后没人再管。要让它持续，必须把它压缩成几个可以在月度例会上讲清楚的数字，并且明确谁负责。

四个核心指标

• 提及率：在指定提示词集里，品牌被提到的比例。分品类、对比、价格、集成四组看，不合并成一个总分。
• 准确率：提及品牌的回答中，事实性陈述正确的比例。这个指标比提及率重要，错误提及的伤害大于不提及。
• 引用结构：答案引用的来源中，官网、帮助中心、第三方媒体、竞品内容各占多少。这是唯一能指导下一步动作的指标。
• 链路转化：AI来源会话的注册率、激活率、三十天内付费率，与自然搜索、投放两条线做对照。

除了这四个，我们每周还看一个粗糙但灵敏的指标：新出现的事实错误条数。只要有人在抽查里发现新的错误类型，就在周会上过一遍，判断是内容缺失、表述含糊还是第三方误导。

迭代节奏

双周做一次小样本抽查，四十条提示词，只看对比词和价格词，由市场部自己跑。每月做一次全量一百二十条，输出一页纸的对比表，和市场、销售、产品三方过。每季度重写一批内容，标准是三个月内从未被任何助手引用的页面，要么重写，要么合并，要么下线。

这个节奏看起来密，实际耗时不多。全量抽查一个人半天能跑完，整理数据两小时。真正花时间的是讨论，尤其是当数据显示某篇我们很满意的文章从未被引用时，要有人愿意承认它写得不好。

九、六个月的数据结果

先把口径说清楚。以下数据来自衡序云自己的统计后台与我们的抽样记录，时间跨度是2025年4月到9月，对照组是同期的自然搜索与付费投放。我们不做严格的因果推断，因为同期还改了销售话术和试用流程，多个变量同时在动。能说的是方向和相关强度。

• 整体提及率从百分之十八升到百分之五十二，对比词从百分之十二升到百分之四十七，价格词从百分之九升到百分之四十一。
• 事实准确率从百分之六十七升到百分之九十三，新出现的事实错误从每月十一起降到每月两起。
• 引用来源结构：官网从百分之十一升到百分之三十四，帮助中心从百分之四升到百分之十九，竞品及其渠道内容从百分之二十一降到百分之九。
• AI来源会话从月均两千一百次升到九千八百次，占全站会话的比例从百分之三升到百分之十四。
• AI来源的试用注册转化率从百分之二点一升到百分之四点六，同期自然搜索从百分之三点四升到百分之四点一，投放从百分之一点二升到百分之一点五。
• 试用激活率从百分之四十一升到百分之五十八，七天内完成首次派单的用户占比提升十七个百分点。
• AI来源客户的三十天付费转化率是百分之十一点三，高于自然搜索的百分之九点八，低于老客推荐的百分之十七。
• 销售周期中位数从五十二天缩短到四十六天，首次通话中用于纠正错误信息的时间从平均十四分钟降到五分钟以内。

有两件事需要冷静看。第一，九千八百次会话里，真正能确认来自AI的只有四成左右，其余是按落地页与自报来源推断的，误差不小。第二，注册转化率的提升里，表单精简和模板预置的贡献可能大于内容改造，我们做过一次拆分测试，把表单改回九字段，转化率回落到百分之三点一，说明链路改动至少贡献了一半。

还有一个没法量化的收益。销售负责人说，现在客户进门时对产品的描述基本是对的，偶尔有偏差也在细节上，不再是方向性错误。这句话听起来平淡，但它意味着销售可以把时间花在谈价值上。按他们的估算，一个销售每月因此多出的有效沟通时间约十一个小时，折算成人力相当于多了两个半销售。

十、经验总结与踩过的坑

六个月下来，有些判断被验证，有些被推翻。这一节只写对下一次有用的东西。

五个真正有效的动作

• 先建事实库再写内容。跳过这一步的项目，三个月后必然出现版本混乱，改得越多错得越多。
• 把限制条件当成资产。写出不支持的清单、写出适用门槛，反而提升了被引用率和客户信任度，这是整个项目里最反直觉的一条。
• 重写帮助中心。投入最小，回报周期最短，而且完全在自己掌控之内，不受第三方影响。
• 对比页写取舍建议。承认对方在哪些场景更好，不会丢单，会让高意向客户更快做决定。
• 把落地页和问题一一绑定。这一步对注册量的贡献，可能超过所有内容工作的总和。

四个花了钱没回报的坑

第一个坑是批量生成对比页。项目初期我们用模板生成了三十四篇竞品对比，覆盖了几乎所有同行，两个月后全部下线或改写。原因是模板生产的页面结构雷同、事实密度低，模型几乎不引用，用户也不看，还拉低了整站的质量信号。最后保留的十二篇，每一篇都是人工访谈加实测写出来的。

第二个坑是结构化数据滥用。前面提过，为了被引用而编写的问答标记，最终因为内容与标记不一致被撤掉。结构化数据是放大器，不是内容本身，内容不对，放大的是错误。

第三个坑是只改官网。前两个月我们把官网翻了一遍，提及率只涨了六个百分点。真正打开局面的是帮助中心改写和第三方信源建设，因为证据池的绝大部分不在官网上。

第四个坑是把AI流量当搜索流量运营。初期我们把AI来源的用户全部导到首页，结果跳出率高达百分之八十二。这批用户的特征是问题非常具体、耐心很低、对比意识强，他们要的是答案的延续，不是品牌的自我介绍。

三条不要做的事

不要试图欺骗模型。短期内也许能让某段错误描述被引用，但模型的语料在持续更新，一旦被发现，修复成本远高于收益。不要把所有资源压在单一助手上，不同产品的语料来源差异很大，押注一个等于放弃其他。不要让内容团队独自承担这件事，事实库要靠产品，话术要靠销售，链路要靠市场与技术，缺一环就会在某个节点断掉。

常见问题

预算只有十万左右，最小可行的GEO动作是什么

优先做三件事。第一，把定价页和集成页改成可读的文字，公开起步价与计价单位，把图片里的信息变成文字。第二，选二十条最重要的对比类与价格类提示词，人工测一遍，记录错误，再针对错误改对应的页面。第三，把帮助中心访问量最高的三十篇文档，在顶部补上适用版本、前置条件、结果说明。这三件事不需要外部服务，一个人四周可以完成，通常能在两个月内看到提及率与准确率的明显变化。

公开价格会不会被竞品抄，或者引发老客户不满

抄价格不是真正的风险，价格本来就在客户之间流传。真正的风险是价格结构不清晰，导致客户在早期误判预算。做法是有限透明：公开标准版的起步价、计价单位、包含额度，保留定制与私有化的区间报价。同时准备好老客户解释口径，说明公开价是新签标准价，存量合同不受影响。衡序云执行六个月，没有出现一例因此产生的客户纠纷。

多久能看到效果，什么时候该判断失败

分三层看。页面层，定价页与帮助中心改写后，通常四到八周能看到引用来源结构变化。答案层，提及率与准确率的变化一般在八到十二周出现，因为模型的语料更新有滞后。业务层，注册与付费的变化最慢，三到六个月。如果六个月后准确率没有提升，说明事实库或表述方式有问题；如果准确率提升了但注册没动，问题在落地页与链路，不在内容。

需不需要买专门的GEO监测工具

监测工具能省人力，但不是必需品。一百二十条提示词、四个助手、每月一次，用表格记录完全可以支撑决策，衡序云前三个月就是这么做的。工具的价值在于扩大样本量和提高频率，当提示词超过五百条、或者需要按天监测时，才值得投入。买工具之前先想清楚一个问题：看到数据之后，谁负责改，改哪一页。如果这个问题没有答案，工具只会产生更多报告。

AI带来的流量怎么归因，数据不准会不会误导决策

绝对准确做不到，但可以做三条独立口径的交叉验证：来源标识、落地页指纹、注册自报。三者走势一致就足以支撑决策，不必追求精确到个位。关键是把口径写清楚，内部汇报标注为估算区间，不要把一个推算值当成事实去汇报。另外建议保留一个对照组，同期观察自然搜索与投放的转化率，避免把所有增长都算到GEO头上。

内容团队只有一个人，怎么持续做下去

放弃全面覆盖，做窄而深。选一个行业、一类场景、三到五个主要竞品，把这块做到全网最清楚，其余一律不做。衡序云的经验是，十二篇高质量对比页加一百二十篇结构化帮助文档，覆盖了绝大部分高价值提示词，剩下的是长尾。节奏上按季度规划，每季度重写六到八篇，比每月产出二十篇低质内容有效得多。真正稀缺的不是产量，是准确的事实和愿意写限制条件的人。