Fable 5 的 LLM SEO 大师课（完整 B2B 打法）

Fable 5 的 LLM SEO 大师课（完整 B2B 打法）2026 年 7 月 14 日 · 11 分钟阅读 · 查看原文 ↗ AI Claude SEO B2B 过去两年，我们一直在为 100 多家 B2B 公司跑 LLM SEO…… SaaS 平台、代理商、电商品牌，以及横跨几十个品类的服务型生意。 我们见过了到底是什么在驱动 ChatGPT、Claude、Perplexity 和 Gemini 上的引用（citation）。 我们也见过了那一大堆把大多数创始人挡在 LLM SEO 策略门外的审计工作。 Fable 5 刚刚发布。 我们在它内部搭了一套 6 提示词系统，跑那些我们过去要花整整几周的 LLM SEO 审计工作。 你的品牌在哪些 AI 答案里是隐形的——完整审计。 你的竞争对手用哪些 URL 赢得引用位——完整地图。 完整的对比页缺口清单。 AI Overview 触发地图。 Reddit 引用路径。 实体关联审计。 下面每条提示词都端到端地写全了。 确切措辞。该填什么。预期输出。以及为什么每一条都能推动 AI 引用。 收藏它。你会回来的。 AI 品类可见性审计 Google 排名和 AI 引用，已经不是同一个游戏了。 你的品牌可以在某个品类词上排在 Google 第 3 位，却在买家向 ChatGPT 问同一个问题时完全缺席。 Omni Eclipse 今年早些时候跑了一份 1700 家生意的审计。 88% 的生意在 ChatGPT 里是隐形的。 在 Google 首页排名的生意中，有 77% 在 ChatGPT 里同样是隐形的。 这两个系统已经分道扬镳了。 AI 引擎从 Reddit、LinkedIn、Wikipedia、YouTube 和对比页拉取引用，其权重远高于你的首页。 所以要知道你究竟站在哪里，唯一的方法是用你买家正在输入的问题，直接去测每个引擎。 提示词： 跨 ChatGPT、Perplexity、Claude 和 Google AI Overviews 运行以下 20 条买家查询。查询：[在这里列出你 20 个最高意图的品类查询]。对每条查询在每个引擎上，记录：哪些品牌被引用、在什么位置、每个品牌是从哪个 URL 被引用的，以及有没有任何品牌被推荐为第一答案。输出一张电子表格。行：查询。列：每个 AI 引擎。单元格：被引用的品牌及其位置。加一个汇总标签页，展示我的品牌在全部 20 条查询里、每个引擎上的总引用次数。 为什么这很重要： 你拿回来的那张电子表格，就是你的基线。 你会确切看到你在哪里被引用、在哪里没被引用，以及哪些 AI 引擎是你最严重的盲区。 很多时候，创始人发现他们被 Perplexity 引用、却在 ChatGPT 里完全隐形——而 ChatGPT 每周服务 8 亿用户。 手动跨 20 条查询 × 4 个引擎跑这个，要 8-10 小时。 Fable 5 不到 30 分钟就能做完。 竞争对手引用地图 一旦你知道自己在哪里隐形，下一个问题是：谁在赢得那些引用位，他们用什么 URL 来赢。 这是大多数 LLM SEO 崩掉的地方。 创始人试图通过看竞争对手的首页或落地页来反推他们的排名。 但真正驱动引用的那个 URL，往往是一个对比页、一条 Reddit 帖子、一个 G2 主页，或一条他们创始人 6 个月前写的 LinkedIn 帖子。 76% 的 AI Overview 引用，来自已经在 Google 前十里的 URL。 在此基础上，每个引擎还加权不同的来源。 ChatGPT 47.9% 的引用来自 Wikipedia。 Perplexity 46.7% 来自 Reddit。 Google AI Overviews 大量引用 YouTube 和 Quora。 提示词： 跨 ChatGPT、Perplexity、Claude 和 Google AI Overviews 运行同样的 20 条买家查询。对返回的每一条引用，提取来源 URL、域名和页面类型（首页、落地页、对比页、Reddit 帖子、YouTube 视频、LinkedIn 帖子、G2 主页等）。建一张电子表格，每条引用一行。列：查询、引擎、被引用品牌、来源 URL、来源域名、页面类型。然后加一个汇总标签页，展示在全部查询里驱动引用的前 20 个域名，按引用次数排名。 为什么这很重要： 你现在确切知道，在你这个品类里，是哪些类型的 URL 在被引用。 如果你竞争对手 40% 的引用来自 Reddit 帖子，你就知道该把力气放哪。 如果 30% 来自 G2 对比页，那就是你的下一招。 不再瞎猜。 对比页缺口分析 在品类推荐类查询上，对比页和替代方案页被引用的次数，超过任何其他内容类型。 当买家问 ChatGPT"最适合远程团队的 CRM"或"Asana 的替代品"时，引擎抓取的是 Google 上索引到的最权威的对比页。 如果你没有那个对比页，你的竞争对手有。 而他们的品牌，才是被推荐的那个。 值得理解的机制：AI 引擎不是随机抓对比页的。 它们抓的是主题权威 + 新鲜度信号最强的那些。 一个 2 个月前更新的对比页，几乎在所有情况下都压过一个 2 年前更新的对比页。 提示词： 爬取我的域名 [你的 URL] 和 3 个竞争对手域名 [竞争对手 URL]。对每个站点，列出它们发布过的每一个对比页（X vs Y）、替代方案页（alternatives to X）和品类清单文（best X for Y）。放进一张电子表格。列：页面类型、目标关键词、我的站点（是/否）、竞争对手 1（是/否）、竞争对手 2（是/否）、竞争对手 3（是/否）、最后更新日期。高亮出每个"竞争对手有、而我没有"的组合。然后针对我缺失的前 10 个页面，检查目前哪些 URL 排在 Google 自然结果前 5。记录它们的标题标签、第一个标题，以及每个页面有多少字。 为什么这很重要： 你现在拿到了一份带优先级的对比页构建清单，而且内置了两层。 缺什么，以及你要超过当前赢家必须达到什么质量门槛。 不用再花 $2,000-3,000 去做外部对比审计了。 我们见过 B2B 品牌通过系统性地填补这些缺口，在 90 天内从品类查询上隐形，变成在 ChatGPT、Perplexity 和 Gemini 里持续被引用。 AI Overview 触发地图 Google AI Overviews 现在出现在 25% 的搜索里，而 2025 年 1 月是 6.49%。 但它们不是每个关键词都出现。 当它们出现时，第 1 名的点击率从 1.41% 掉到 0.64%（Ahrefs 30 万关键词研究）。 这意味着你的每一个目标关键词，都必须对照 AI Overview 的存在情况做审计。 因为如果 AI Overview 在这个查询上出现，而你不在它里面被引用，你的自然点击率就会跌下悬崖。 提示词： 把我的每个目标关键词 [粘贴你的关键词列表] 各跑一遍 Google 搜索。对每个关键词，记录：是否出现 AI Overview（是/否）、AI Overview 里引用了多少个来源、这些来源在哪些域名上、我的域名是否出现在 AI Overview 里，以及我头号竞争对手的域名是否出现。输出一张电子表格。行：关键词。列：AI Overview 是否出现、我的域名是否被引用、竞争对手 1 是否被引用、竞争对手 2 是否被引用、竞争对手 3 是否被引用、被引用域名列表。按 AI Overview 出现率排序。 为什么这很重要： 你现在为每一个目标关键词拿到了一张决策矩阵。 对"AI Overview 出现、但你的域名未被引用"的关键词，那是朝 AI Overview 收录优化的优先项。 对"不出现 AI Overview"的关键词，你仍然可以打传统的自然游戏。 对"AI Overview 主导、且没有现实的收录路径"的关键词，你可以省下力气，把精力放到别处。 在无痕 Google 上手动检查每个关键词，一份像样的列表要 20-30 小时。 Fable 5 几个小时就能做完。 Reddit 引用分析 Perplexity 46.7% 的引用来自 Reddit。 Google AI Overviews 21% 来自 Reddit。 ChatGPT 11.3% 来自 Reddit。 如果你对 AI 引用是认真的，你需要确切知道，哪些 subreddit 帖子正被拉进你这个品类的 AI 答案。 那些帖子就是引用表面——你要么身处其中，要么就得建一套 Reddit 策略去匹配它。 值得理解的机制：被引用的 Reddit 帖子，并不总是点赞最多或最老的那些。 AI 引擎极度看重近期的互动和评论质量。 一条 200 点赞、30 条近期评论的帖子，胜过一条 3 年前 5000 点赞的帖子。 提示词： 在我这个品类里跑这 15 条买家查询 [粘贴查询]，走 Perplexity。对在全部查询里被引用的每一条 Reddit 帖子，提取：subreddit 名、帖子标题、帖子 URL、点赞数、评论数、发帖日期、最近一条评论的日期，以及评论里提到了哪些品牌。输出一张电子表格。行：被引用的帖子。列：subreddit、标题、URL、点赞、评论、发帖日期、最新评论日期、被提到的品牌。加一个汇总标签页，展示为我这个品类驱动引用的前 10 个 subreddit。 为什么这很重要： 你现在拿到了一份确切的 subreddit 清单——你品类里的买家正在那里活跃讨论方案。 这些就是你的品牌需要出现在对话里的地方。 不是作为一个推销。是作为一个真正懂行、乐于助人的贡献者。 我们见过品牌通过瞄准这份分析浮现出的确切 subreddit，在 60 天内从零 AI 引用到持续被 Perplexity 引用。 实体关联审计 这是列表里最被忽视的提示词。 它也是当你修好它所浮现的问题时，ROI 最高的那个。 AI 引擎会构建实体关联。 当有人问"X 以什么著称"，AI 基于它训练所用的全部来源里、和你品牌名共现的主题和属性，来生成答案。 一个品牌可以在 Google 上对自己名字排第 1，却被 AI 引擎关联到完全错误的话题。 有人把 "Musicfy" 输进 Google，落到它的首页。 但问 ChatGPT"Musicfy 以什么著称"，引擎可能把它关联到"Drake AI voice"，而不是宽泛的"AI 音乐生成平台"。 这就是为什么 SEO 排名相同的两个品牌，会得到完全不同的 AI 引用结果。 实体关联更干净的那个，同时在每一个引擎上获胜。 提示词： 对这 5 个品牌名 [我的品牌 + 4 个竞争对手] 中的每一个，跨 ChatGPT、Claude 和 Perplexity 运行以下 4 条查询：[品牌] 以什么著称？[品牌] 做什么？谁在用 [品牌]？[品牌] 属于什么品类？对每一条回答，提取 AI 与每个品牌关联的前 5 个主题/属性。输出一张电子表格。行：品牌。列：引擎 + 查询类型。单元格：前 5 个关联。高亮出"品牌想以什么著称"与"AI 实际说了什么"之间的任何错位。 为什么这很重要： 你现在确切知道，你的实体信号需要在哪些地方被强化。 如果 AI 引擎认为你以 X 著称，而你想以 Y 著称，你就需要更多强化 Y 的内容、提及和结构化数据，散布全网。 修好实体错位，是 LLM SEO 里 ROI 最高的一步，因为一个干净的关联，就能同时在每一个 AI 引擎上解锁引用位。 手动跑这个，是 5 个品牌 × 4 条查询 × 3 个引擎 = 60 次独立搜索。 Fable 5 一个工作流就搞定。 AI 仍然帮不了你的地方 Fable 5 处理研究。 它不处理判断。 它不会告诉你，你的哪个竞争对手是打得过的，哪个拥有你永远追不上的分发优势。 它不会知道，Notion 之所以在"团队协作工具"上被引用，是因为它在 2022 年被写进了每一份生产力通讯。 它不会从头设计 LLM SEO 策略。 审计、映射和对比工作，才是 Fable 5 真正有用的地方。 坐在那上面的策略层，仍然是一个有经验的操盘手（你自己的，或你雇的）贡献最大价值的地方。 怎么排序 一次性跑完全部 6 个，是大多数人会尝试、然后耗尽的东西。 把它们铺开在一个月里，让审计发现真正为下一轮提示词提供信息。 从可见性开始（提示词 1），这样你就知道自己在每个 AI 引擎上的基线引用数。 那份数据喂给提示词 2（竞争对手引用映射），因为现在你知道自己在哪个引擎上输给了谁。 对比页分析（提示词 3）和 AI Overview 映射（提示词 4）随后。 这两个合起来，给你下一季度的内容计划。 月底用 Reddit（提示词 5）和实体审计（提示词 6）收尾。 这些是站外和定位动作，在你的内容地基打牢之后，解锁引用位。 之后每 30 天重跑一次提示词 1，来衡量你随时间的引用增长。 很可能你会把这个收藏起来，然后从不打开 Fable 5。 事情就是这样。 不评判。 如果你更愿意让我们为你的品牌构建整套引用策略，那就是我们做的事。 我们用上面这套审计和映射工作的变体，驱动了 $35M+ 的客户收入，让 B2B 品牌在 ChatGPT、Claude、Perplexity 和 Gemini 里被引用。 想聊一聊，约个发现电话： https://trailblazermktg.com/#meeting-calender 链接 trailblazermktg.com/#meeting-calender x.com/search?q=%2435M%2B&src=cashtag_click trailblazermktg.com/#meeting-calender** 标签：# X # AI # Claude # SEO # B2B # Youtube # Linkedin # 营销 # 增长 # Thread # 指南 # Chatgpt 相关文章 10 个 SEO 外链 Claude 自动化，3 个月拿到 6.1 万次 AI 提及 外链建设就是试错。SEO AI Claude 自动化