這批流量改變了我對內容的想法
幾個月前，我在看數據時發現一件怪事。有一批訪客來到 Clarm 網站，但 referrer 對不上任何一個 SEO 來源。不是 Google，不是 LinkedIn 貼文，也不是哪個社群通路。
他們來自 ChatGPT，來自 Perplexity，來自 Claude。
讓我吃驚的不只是來源——而是他們進站之後的行為。他們的互動率跟傳統搜尋流量根本不在同一個檔次。他們問的問題更具體、更切中要點，而且早就摸清楚 Clarm 能做什麼，購買意圖率明顯更高。
我把數據拉得更細。AI 推薦進來的訪客，預約示範的比率大約是一般自然流量的 4 倍。他們在站上停留更久，在聊天元件裡問的問題也更到位。幾乎每一項指標都顯示，他們是更好的名單。
為什麼 AI 推薦流量的意圖這麼高
有人在 Google 搜「AI 名單獲取工具」時，是在探索階段，還在列清單。他會逛六到八個網站、讀幾篇比較文章，花上幾天甚至幾週才慢慢形成看法。
但有人問 ChatGPT「對於需要 HIPAA 合規、又不想養業務團隊的技術型創辦人，最好的 AI 入站轉換引擎是哪一個」時，情況完全不同。篩選、比較、評估，AI 都幫他做完了，是在針對一個具體問題推薦一個具體產品。點進連結的人不是要開始研究——而是研究已經做完了。
這就是 AI 推薦的訪客轉換率為什麼這麼高。他們在進站之前，就已經被模型預先篩過一輪，而模型的推薦本身就是一種背書。訪客帶著更高的意圖、更明確的預期上門。
我實際做了哪些事：GEO 技術堆疊
GEO——生成引擎優化——還是個很年輕的領域，沒有像 SEO 那樣的標準教戰守則。但我一邊試、一邊看什麼能讓 Clarm 在 AI 模型面前更容易現身，慢慢摸出一套自己比較有把握的做法。
1. llms.txt 檔案
我做的第一件事，就是在 clarm.com/llms.txt 放一個 llms.txt 檔案。這是一項新興規範（類似 robots.txt，但對象是 AI 模型），給語言模型一份結構化、具權威性的產品概述：是什麼、做什麼、服務誰、有哪些關鍵數據點。
這是最容易上手的 GEO 調整。如果你只打算做一件事，那就在網域根目錄放一份結構完整的 llms.txt。
2. 以引用為先的內容結構
AI 模型會從內容裡擷取引用。它們在找的是清楚、直接、具體的論斷，好拿來回答使用者的問題。你的內容越像一段可以直接引用的答案，就越可能出現在 AI 的回覆裡。
具體來說，我把文章開頭重寫成先給答案、再補背景。不再用「許多企業在名單獲取上都遇到困難⋯⋯」這種鋪陳，而是直接寫「AI 入站獲取把訪客轉換成合格名單的效率，是傳統表單的 5–12 倍」。這就是一個可以直接被引用的論斷。
3. 結構化資料（JSON-LD）
Clarm 部落格每一篇文章都帶有 Article schema，作者、日期、發布者、描述等欄位全都填好。首頁則帶有 Organization 和 WebSite schema。結構化資料是內容權威性與作者身分最清楚的訊號之一。
4. 具名的作者署名
AI 模型對具名專家的內容給更高的權重。「Clarm 執行長 Marcus Storm-Mollard 表示」比「Clarm 團隊表示」更容易被引用。通曉八種語言、Deutsche Bank 與 Y Combinator 的資歷——這些不是用來充門面的頭銜，而是讓引用更可信的真實屬性。
5. 每篇文章都有常見問題區塊
常見問題很可能是 ROI 最高的 GEO 元素。它的結構就跟 AI 模型收到的問題一樣，很容易被擷取成一段直接的答案。每篇文章底部都附常見問題，而且問題是照人們在 ChatGPT 或 Perplexity 裡實際的問法來寫的。
6. 帶意圖標籤的內部連結
AI 模型會靠連結的上下文來理解內容之間的關係。Clarm 部落格彼此之間的連結，我用的錨文字是「目標頁面回答了什麼」，而不只是放篇名。這等於直接告訴模型，那一頁解決的是哪個問題。
成效如何
老實說，GEO 很難精準量測。AI 引擎不一定會帶 referrer 資訊。一個從 ChatGPT 看到推薦的人，可能先回去 Google 搜一下再點進來，看起來就像是自然搜尋。
我能有把握講的是：做了這些調整之後，入站名單的品質明顯變好。聊天元件裡的對話更具體，訪客更常直接喊出 Clarm 的名字——這代表他們是帶著推薦來的，不是還在探索階段。
我還能講的是，當我自己拿相關查詢去測——在 ChatGPT、Perplexity 和 Claude 裡發問——Clarm 現在會出現在以前不會出現的回覆裡。這是方向性的佐證，不是精準的量測，但結果很一致。
最關鍵的觀念轉變
想 GEO 最好用的一個心智模型是：你優化的不是點擊，而是引用。
引用你的 AI 模型，不只是幫你導流，更是在推薦你。它已經幫你把訪客篩過一輪，還在訪客信任的語境裡，把你的產品擺到位。從推薦走到付費客戶的路徑，比冷搜尋短得多。
SEO 和 GEO 並不衝突。SEO 打地基——讓內容可抓取、可索引、結構完整；GEO 則是在這個地基上，把內容優化成更容易被 AI 模型擷取、引用和推薦的樣子。基本功共用，只是格式上的優化方向不同。
如果你在做 B2B SaaS、卻還沒開始想 GEO，我建議今天就動手。你的買家正在用 AI 模型研究工具，而那些每次相關問題一被問到、就穩定出現在推薦裡的公司——不是偶爾露臉而是次次都在——正在累積會複利成長的分發優勢。
常見問題
GEO 和 SEO 有什麼區別？
GEO（生成引擎優化）是讓 AI 模型（ChatGPT、Perplexity、Claude）更願意在回答裡引用你的內容。SEO 拚的是搜尋引擎結果頁的排名，GEO 拚的是被 AI 助理推薦。兩者對內容品質的底層要求有重疊，但在格式和結構上的優化方向不同。
llms.txt 是什麼？我的 SaaS 需要嗎？
llms.txt 是一項新興規範——一個放在網域根目錄的純文字檔案，給 AI 模型一份結構化、具權威性的產品說明，就像遞給 AI 的一張名片。每個 SaaS 產品都該有一份。30 分鐘就能做好，很可能是目前 ROI 最高的 GEO 投資。
怎麼知道 AI 模型有沒有在幫我導流？
AI 推薦的追蹤並不完美。有些模型會帶 referrer 資料（Perplexity 相對透明），有些不會。最好的替代指標，是定期拿你的目標查詢去 ChatGPT、Claude 和 Perplexity 測，看產品會不會出現。你也可以在客戶上手時問一句「你是怎麼找到我們的」——越來越多人會回「ChatGPT 跟我說的」。
GEO 多久能看到效果？
GEO 有些地方比 SEO 快（不必等頁面慢慢爬上排名），有些地方更慢（模型按自己的步調重新訓練）。結構化的內容調整通常在 4–8 週內，就會開始出現在 AI 推薦裡。但要穩定卡進引用位置，需要 3–4 個月持續打磨內容品質和結構。
延伸閱讀
想了解內容策略，請讀 將網站訪客轉換為名單的最佳工具。Clarm 在舊金山和蘇黎世設有營運中心，支援全球化的 GEO 策略需求。