你的下一个客户可能永远不会点进你的网站：AEO引用手册核心要点解读

大家好，我是Neo。

先抛一个反常识的结论给你：你的下一个客户，可能永远不会点进你的网站。

这不是贩卖焦虑，这是 Conductor 团队最近在 Search Engine Journal 网络研讨会上公开的 AEO 手册（AEO Playbook）里的核心论点。他们说得很直白：买家在看到一个搜索结果页之前，就已经从 ChatGPT、Perplexity、Claude、AI Overviews 那里拿到答案了。你的品牌必须在答案形成的地方可见，否则你在整个客户旅程里就是隐形的。

今天这篇，我把这场研讨会的干货整理成中文，再加上我自己的解读和一些独立数据，给做独立站的老板们一份“被 AI 引用”的实操地图。

一、先看数据：为什么“引用”比“流量”更重要了

Conductor 的 Pat Reinhart（服务与思想领导力副总裁）和 Lindsay Boyajian Hagan（营销副总裁）用两组数据开场：

1. AI 爬虫的访问逻辑彻底变了

  • 过去的模型：Google 每给你带来一位访客，大约爬你的网站 2 次
  • 现在的模型：AI 爬虫访问网站 几千次、甚至几万次，却带回很少甚至零流量

Conductor 在自己的 Search Console 数据里也看到了同样的趋势：曝光（impressions）持续上升，点击（clicks）持续下降。越来越多的人在搜索帮助，但更多人直接在 LLM 界面里读完了答案。

Pat Reinhart 对汇报体系的态度非常直接：“目标不是流量，因为随着人们在 LLM 界面自我教育，流量自然会下降。” 如果你的周报还在以“自然会话数”打头，是时候换指标了。

2. AI 提示词 vs 传统关键词：信息密度的鸿沟

  • 平均 AI 提示词（prompt）：23 个词
  • 平均 Google 关键词：3-4 个词

这 23 个词里携带的是关键词永远装不下的上下文：“脚宽的跑者在崎岖的城市路面上跑步”问出来的问题，和搜“最佳跑鞋”完全不同——而 LLM 推荐的，是回答了对那个具体场景需求的品牌。

Neo的解读：

23 个词意味着什么？意味着 AI 搜索里的“搜索意图”颗粒度比传统 SEO 细了一个数量级。传统 SEO 我们优化“最佳跑鞋”这种词，最多加几个长尾变体；AI 搜索里，潜在问题空间几乎是无限的——没有哪个品牌能追完所有 prompt。这正是 Conductor 给出“提示词索引”（Prompt Index）方法论的原因，下面会细说。

二、核心方法论一：先建“提示词索引”（Prompt Index），再谈内容

Conductor 的做法是：在动任何内容之前，先建一份“提示词索引”。

简单说，就是系统性地收集你的目标买家会问 AI 的所有问题——按购买旅程阶段分类、打分。Lindsay 说这是她团队策略的转折点：“这对我整个营销策略来说是个巨大的解锁。”

为什么必须先做这个？因为：

  1. prompt 近乎无限，没有品牌能全部覆盖
  2. 你需要知道哪些 prompt 值得赢（有购买意图、有预算在背后）
  3. 后续所有内容、PR 动作都围绕这份索引展开，而不是凭感觉写文章

Neo的解读：

这个思路我非常认同，而且它把 AEO 从“玄学”变成了“清单活”。我在之前写 AI 搜索追踪的文章时也反复强调过：先定义你要赢的问题集，再谈优化。没有索引，你做的所有“让 AI 推荐我”的动作都是散弹打鸟——可能偶尔中，但没法复利。

一个接地气的做法：拿你过去一年 Google Search Console 里带来询盘的 50 个长尾词，把每个词扩展成自然语言问题（“我的 X 适合 Y 场景吗？”、“X 和 Z 哪个更好？”、“X 值得买吗？”），这就是你第一版提示词索引的种子。

三、核心方法论二：引用也有“光谱”，目标是“不成比例的正向推荐”

Conductor 把所有品牌提及放在一条光谱上：

被动提及 → 中性描述 → 正面推荐 → 不成比例的正向推荐

最顶端的状态是：当有人问“你这个品类最好的品牌”时，ChatGPT 直接点名你为权威，而且推荐的频率明显高于你的实际市场份额（disproportionately positive recommendation）。

Lindsay 的提醒很关键：不是每一次引用都平等。能带来订单的引用和毫无作用的引用，完全是两回事。

Neo的解读：

这条光谱本质上把“品牌口碑”变成了“搜索问题”。以前我们做品牌，是等客户在知乎、论坛、朋友圈夸你；现在模型替用户做了口碑聚合，你要做的变成了主动经营模型能读到的那部分口碑。谁的提及质量高、出现在哪、和什么关键词绑定，都变成了可优化的搜索问题。

四、三个反常识的发现（重点）

发现一：YouTube 是所有 LLM 的第一引用源

“YouTube is the number one cited site across all major LLMs.” —— Pat Reinhart

这不是一家之言。Adweek 的独立报道也验证了这一点：数据公司 Bluefish 的分析显示，过去六个月里 YouTube 出现在 16% 的 LLM 回答引用中，而 Reddit 只有 10%——这是 YouTube 首次反超 Reddit，成为被引用最多的社交平台。原因也很直白：视频的字幕、描述、解说词让 LLM 能轻松读取内容。

Neo的解读：

这对我来说是个强信号：做独立站的中文卖家，如果你还没开始做 YouTube 视频（哪怕只是产品解说+字幕），你在 AI 搜索里基本是透明的。 英文内容 + 清晰字幕 + 和官网一致的品牌口径，这是一条投入产出比极高的路。别再把 YouTube 当成“要不要做”的选项了，它是 AI 引用体系里的基础设施。

发现二：看到 Reddit 被引用，说明“内容空缺”

“LLMs only really cite Reddit when there’s no other good source out there. If you see Reddit, that’s a good indicator that the LLM is craving content.” —— Lindsay Boyajian Hagan

Pat 说得更直白：“模型永远不会不给你答案。如果你看到 Reddit 出现在那里，说明没有哪个品牌真正给出了好答案，模型宁愿引用 subreddit 里的讨论——这很疯狂。”

Neo的解读：

这条信息对独立站卖家是黄金信号。当你用“best X for Y”去问 ChatGPT，发现回答里引用了 Reddit 帖子，恭喜你：这个位置是空的，谁先填上高质量的内容，谁就赢。 反过来，如果你发现模型引用的是竞品的官网页面，那说明竞品把内容做好了，你得去对标。

建议每个独立站卖家每个月做一次“Reddit 检查”：把你核心品类的 20 个购买型 prompt 跑一遍，凡是在回答里看到 Reddit 链接的，标记为“内容空缺机会”，这就是你下个月的内容选题。

发现三：外链对 AI 可见性“几乎不重要”

Pat Reinhart 的原话：“对 AI 可见性来说，我不认为外链有多重要。” 他个人战绩：“我大概 20 年没建过一条链接，从来没有遇到过让网站排名的问题。”

他更看重的是什么？研讨会的完整版里有答案，但从上下文看，方向很明显：实体、跨平台一致性、被第三方提及——这些权重远高于传统链接资产。

Neo的解读：

这条最容易引发争议，我说两句公道话。别把“外链不重要”理解成“外链没用”——在传统 Google 排名里，链接依然是核心信号之一（我自己写过很多外链文章）。Pat 的意思是在 AI 引用这个新维度里，链接的传递价值被大大稀释了：模型更在意“别人怎么描述你”，而不是“有多少网页链接你”。

所以策略应该是：传统 SEO 继续做链接，AI 可见性重点做“提及”（mentions）——第三方媒体、评测网站、论坛讨论里的品牌提及，这些是不需要链接的“品牌引用”（brand citations）。Semrush 的研究也支持这一点：品牌引用（brand citations）是驱动 LLM 可见性的核心因素之一。

五、实操补充：内容新鲜度与“别乱改”

研讨会还回答了几个实操问题，我挑三个最有用的：

  1. 内容要不要更新？ Pat 的回答：看绩效。如果一页持续被引用，“leave it be”（别动它），不管它多老。但“别只改个日期装新鲜”——LLM 能识别的“新鲜信号”是真正加了东西的更新，不是日期刷新。

  2. 内容是缺失 vs 内容存在但没被引用，怎么办？ Lindsay 的回答：先诊断再动手。缺内容就补内容；有内容但没被引用，问题通常出在技术层——“技术层现在真的、真的很重要，否则你会隐形。”（“really, really important, or you will be invisible”）

  3. 到底该跟踪多少指标？ Pat 的回答：别什么都跟踪。能“消化成小块”的团队通常更成功，监控太多会陷入分析瘫痪。

Neo的解读：

这三条其实是同一个底层逻辑：AEO 不是“做更多”，而是“做对的事并保持稳定”。 我见过的失败案例，一半是内容方向错了，一半是改了不该改的页面把引用搞丢了。先诊断、小步改、看绩效，比轰轰烈烈的大动作靠谱得多。

六、落地清单：这周就能做的 5 件事

把研讨会的干货压缩成可执行清单：

  1. 跑一遍 20 连测：写 5 个买家会问的购买型 prompt（“best X for Y”、“X vs Z”），分别问 ChatGPT、Perplexity、Gemini、Google AI Mode，记录：点名了/引用了链接/完全没出现
  2. 做 Reddit 内容空缺检查：凡是被引用的 Reddit 讨论，都是你的内容机会
  3. 把 YouTube 提上日程：哪怕先从官网产品页的英文解说视频开始，带清晰字幕
  4. 建第一版提示词索引：从 GSC 的询盘词扩展成自然语言问题，按商业价值排序
  5. 换掉 KPI：从“自然流量”转向“引用份额”（citation share）——对你重要的购买型 prompt 里，有多少比例的答案提到了你