背景
客户是做高端机械键盘 / 鼠标 / 屏幕配件的 3C 品牌,主站是英文独立站。他们做了 5 年 Google SEO,排名稳定但增长见顶。突然在 2025 年 Q4 发现一个怪现象:Reddit 和 YouTube 的话题热度还在涨,但 Google 自然流量下滑 12%。
调研发现:用户买键盘前的「我应该选机械还是矮轴?」「红轴和茶轴差在哪?」这类问题,正在从 Google 转移到 ChatGPT 和 Perplexity。一旦 LLM 没在回答里引用你,你就消失了。
挑战
- GEO 是新领域 —— 没有像 Google Search Console 那样的官方信号源
- LLM 倾向引用结构化、有数据、有具体场景的内容,而不是 SEO 时代的关键词长文
- Schema.org 的最新 ProductGroup / FAQPage 标记并不被所有 LLM 识别
- 客户内容团队习惯写 Listicle,不擅长写「带具体数据、带场景对比、带局限性声明」的内容
「以前 SEO 是让搜索引擎知道你存在。现在 GEO 是让 LLM 在回答用户问题时主动引用你。」
—— 客户内容总监,启动会
方法论
我们用「内容审计 + 引用结构化 + LLM 测试 + 持续监测」的四段框架,每篇产品页都按 LLM 引用偏好重写。
STEP 01
LLM 引用偏好分析
采集 ChatGPT/Perplexity/Gemini 对 47 个核心 query 的引用源,聚类引用模式
STEP 02
内容结构重写
每个 PDP 按「问题 → 数据 → 场景 → 局限性」的 GEO 模板重排
STEP 03
Schema 升级
ProductGroup / FAQPage / HowTo / Review 全套标记,JSON-LD 完整覆盖
STEP 04
引用密度提升
外站投稿(独立测评、Reddit AMA)反向链接到产品页特定 anchor
STEP 05
LLM 引用测试
Northstar GEO 每周扫描 200+ query,记录被引用的 URL 与上下文
STEP 06
周报 + 微调
基于 LLM 引用频次反推「哪些段落更值得放进 PDP」,每周迭代 3-5 篇
对比 · Before / After
BEFORE
原 PDP:「Best Mechanical Keyboard for Programming - Cherry MX Switches, RGB, Hot-swappable」加 1500 字 listicle 风格描述。
问题:LLM 抓不到结构化数据,被引用率长期接近 0
AFTER
重写后 PDP:H2「Cherry MX Brown vs Red - which is quieter for office?」段落明确给出 dB 数据;FAQPage schema 标记每个常见问题;引用 3 个独立测评源。
突破:成为 ChatGPT 在 "best office keyboard" query 中的 Top 3 引用源
注:示例为脱敏后的简化版本。
成果数据
AI 搜索月度访问量 · 千 UV
12 周渐进改造
12.2k
vs. 改造前 2.1k 月均
M0M1M2M3M4M5M6M7M8
客户原声
C
"我们 SEO 团队 5 年从来没遇到过这么颠覆的事。GEO 不是 SEO 的下一代,是完全不同的游戏 —— 而且海帆是我接触到的少数真的把这件事想清楚的团队。"
Chris Pang · 内容总监 · 3C 数码品牌
技术栈
Northstar GEOLLM 引用监测GPT-5内容重写主模型Claude Sonnet 4.6引用结构审Schema.org结构化数据海帆 GEO Audit周度审计报告