vidle 会议回放 整洁原始文字 20260308

《会议回放整理：整洁版原始文字》

整理说明：
1. 本文基于你提供的会议转录整理。
2. 保留原发言顺序、核心观点和大部分原意。
3. 已去除麦克风调试、明显 ASR 噪音、重复口头禅、茶歇闲聊和无信息量插话。
4. 个别英文内容已按原意整理成更顺的中文表达，便于后续复盘。

==================================================
一、Daniel Johnson：如何构建以营收为中心的 SaaS 增长引擎
时间段：约 00:00 - 29:38
==================================================

[开场]
Daniel 先讲了自己为什么会进入 SEO。
他最早不是因为热爱营销，而是因为小时候想买一辆 1000 英镑的碳纤维自行车，靠做家务赚的钱远远不够，于是开始研究如何用互联网自己获客、自己赚钱。

[SEO 的变化]
他回忆说，早年 SEO 很粗暴：
只要某个词在网站上出现得比别人多，就更容易排第一。
但现在已经完全不是那个逻辑了。
现在核心不再是关键词密度，而是用户意图。

他说，很多人现在仍然对 SEO 有很多错误认知：
不是拼内容数量，不是拼流量数字，而是拼内容质量、转化链路和营收结果。

[AI 内容的误区]
Daniel 说，AI 刚出来时，他也非常兴奋，疯狂产出内容。
结果是：
内容很多，收入没涨。
这让他意识到：
问题不是你写得多不多，而是你有没有一套真正有效的系统。

[他的增长系统]
他给出的系统框架是：
1. ICP
2. Intent map
3. Activation layer
4. Revenue feedback

也就是：
先搞清楚你到底在卖给谁；
再搞清楚这些人真实在搜什么、在想什么；
再把内容和 CTA、lead magnet、转化动作接起来；
最后用营收和销售反馈反过来修正内容和定位。

[最核心的认知：情绪先于理性]
他举了 IBM 和 SAP 的例子。
以前他们写内容，会讲：
“我们的系统能提高 0.04% 的效率。”
这种话没人会因为它掏百万预算。

后来他假装成客户去和潜在买家打电话，发现客户真正关心的是：
“我能不能早点下班去接孩子？”
于是内容从“提高 0.04% 效率”变成了：
“让你更高效完成工作，更快下班回家。”

他的结论是：
用户做决策时先被情绪打动，再用理性给自己找理由。
不管是 B2C 还是 B2B，这个规律都成立。

[不要用自己的话描述产品，要用客户的话]
他提到一个案例：
一家 SaaS 公司内部的人都说自己卖的是：
“最快的代码、最干净的 JavaScript、最好的性能。”
但客户喝酒聊天时给出的真实描述却是：
“一行代码就能开店。”

他们把广告文案换成客户的说法后，转化率直接翻倍。

这段的核心意思是：
你以为用户在意你的技术细节，
其实用户在意的是“我用了以后到底少了多少麻烦”。

[Activation layer：有流量不代表有线索]
他提到一个客户的博客流量很高，但几乎没有线索。
后来发现问题很简单：
文章里根本没有合适的 CTA。

加完与文章主题强匹配的 CTA 以后，
一周内线索从 0 增长到 15。

他的建议是：
不要只放一个“预约演示”的通用按钮，
要让 CTA 和内容主题、用户所处阶段、实际需求匹配。

[销售和营销要用同一份数据]
他说很多公司增长做不起来，是因为营销团队和销售团队看的是两套数据。
这样就会导致：
营销觉得线索不错；
销售觉得线索垃圾；
两边每天都在做不同的决策。

他现在的做法是：
每周把销售电话 transcript 扔给 AI，
自动产出周报，发到 Slack。
周报里回答这些问题：
1. 客户最大的痛点是什么
2. 客户用的原话是什么
3. 客户真正的情绪问题是什么
4. 哪些 ICP 更值得继续加码

[AI 该怎么用]
Daniel 认为，AI 最适合做的不是批量生产无聊内容，而是：
1. 竞争分析
2. 销售 transcript 总结
3. ICP 洞察
4. 信息提炼和结构化

他不太看好纯 AI thought leadership，因为太像所有人，声音会越来越同质化。

[他的医疗 SaaS 案例]
他们服务的一家医疗客户，原来内容做得很多，但很泛，谁都想覆盖，结果谁都打不动。
后来他们做了几件事：
1. 先缩小 ICP，不再面向“所有医生”
2. 用实验去验证哪些 persona 互动最好
3. 从销售电话里提炼客户真实情绪和职业压力
4. 把内容从“功能说明”改成“情绪+商业意图”结合
5. 在内容里嵌入 CTA、lead magnet、webinar
6. 建立营销-销售统一反馈闭环

结果：
给客户带来了接近 100 万美元的收入。

[他给大家的立刻行动建议]
1. 看你流量最高的 10 篇内容，检查有没有明确商业意图。
2. 挑一篇最重要的内容，加一个强匹配的 CTA 或 lead magnet。
3. 每周固定同步销售、营销和内容团队，更新 ICP 和 messaging。

[Daniel 这一段最值得记住的一句话]
不是渠道决定结果，
而是你在渠道里到底说了什么、打中了谁、把人往哪一步推。

==================================================
二、Jonathan Kibush：Perception Engineering / AI 时代的感知工程
时间段：约 31:26 - 01:03:41
==================================================

[大前提：用户第一次认识你，不一定在你的网站上]
Jonathan 的核心观点是：
以前所有路都通向你的网站；
现在很多用户在来到你的网站之前，
已经在 ChatGPT、Claude、Perplexity、Copilot 里做完了第一轮判断。

所以你以为自己控制的是：
首页、品牌文案、官网设计、案例页。
但实际上，AI 先给用户生成了一份“扁平化共识摘要”，
你真正先输赢的地方，往往在官网之前。

[旧游戏 vs 新游戏]
旧游戏：SEO 的目标是拿流量。
新游戏：GEO / AI 搜索时代的目标是控制共识。

用户不只是问：
“最好的某某 SaaS 是什么？”
还会继续追问：
“哪个更适合 agency？”
“哪个和 HubSpot 兼容？”
“哪个更安全？”
“哪个更适合小团队？”

如果互联网上留着一句两年前的旧评价：
“这个产品不适合 agency。”
那你可能直接在第二轮对话里被 AI 淘汰。

[AI 的信息源]
他强调，AI 不只看官网。
它会综合：
1. review 平台
2. comparison blog
3. Reddit
4. forum
5. 行业媒体
6. 社区讨论
7. 第三方提及

而且负面内容的传播速度，往往比正面内容快得多。

[Jonathan 的 5D 框架]
1. Discover：先发现 AI 现在是怎么描述你的
2. Diagnose：定位你到底输在哪
3. Design：设计内容来修正这种认知
4. Distribute：把内容发到 AI 真会抓的地方
5. Defend：持续复盘和维护，防止口碑漂移

[Discover：如何发现问题]
他建议最简单的做法是：
新建一个 ChatGPT Project，
把 memory 设成 project only，
然后模拟 ICP 提问。

例如：
1. 你的品牌 vs 竞品 A vs 竞品 B
2. 你的品牌适不适合 agency
3. 你的产品支不支持 workflow automation
4. 你的产品和某某软件兼不兼容

把回答收集起来，再用 AI 总结，就能很快看出模式：
AI 到底经常怎么评价你，
你到底在哪些点上被“暗中扣分”。

[工具层]
他提到可以用：
1. Scrunch
2. Peec AI
3. Profound
4. Semrush / Ahrefs 之类的工具

这些工具可以批量跟踪 prompt、平台回答、品牌情绪和引用模式。

[Diagnose：按 CAC 影响排序]
不是所有叙事问题都要一起修。
应该先看：
哪些感知问题最影响获客成本和成交概率。
比如如果你的产品特别依赖兼容性，
那“它跟某某平台能不能一起用”就应该优先修。

[Design：内容不是写着玩，是为纠偏服务]
要写的不是泛内容，而是能纠正 AI 认知的内容。
包括：
1. comparison 页面
2. alternatives 页面
3. use case 页面
4. compatibility 页面
5. review 和 testimonial 素材

如果团队不允许你在官网上写竞品对比，
那就去第三方平台发。

[Distribute：只发官网不够]
他强调：
不是你写完就算完成，
而是你必须把内容放到 AI 真会学习的地方。

包括：
1. 自己官网
2. review 平台
3. 行业媒体
4. Reddit / forum
5. developer 社区
6. 更容易被抓取的文档页

[Defend：不是一次性项目]
他建议至少季度复盘一次。
原因是：
1. 市场上会冒出新竞品
2. 第三方会不断产生新内容
3. 品牌认知会慢慢漂移
4. AI 的抓取和生成偏好也会变化

[Bing Webmaster AI Performance]
他特别提到微软 Bing Webmaster Tools 里的 AI Performance。
这里最值得关注的两个点是：
1. AI cited URLs：你的哪些页面被 AI 引用
2. Grounding queries：AI 为了找到你，会实际去搜哪些词

这很有价值，因为它不是你以为用户搜什么，
而是 AI 真正在后台拿什么 query 去找你。

[他对未来五年的判断]
他说未来不是“世界末日”，而是决策流程会越来越前置。
以后用户可能都不再比较网站，
而是直接让 AI 帮他选。

所以未来赢的公司，不是最会堆流量的，
而是最早学会经营“品牌在线共识”的。

==================================================
三、Stan：新 SaaS 品牌如何做到每月 12K 大模型推荐流量
时间段：约 01:05:05 - 01:41:05
==================================================

Stan 分享的是一个非常具体的 GEO 实战案例：
一个新品牌 AI 换脸工具，几乎从 0 开始，
一年后做到每月约 12K 的大模型推荐流量。

[他的 GEO 六点认知]
1. SEO 是 GEO 的基础，GEO 是 SEO 的延伸。
2. 大模型明显偏爱头部大品牌，新品牌不能硬碰硬。
3. 大模型答案来自预训练数据 + 实时检索。
4. 大模型会把一个 prompt 拆成很多子问题。
5. 不同大模型偏好的信息源不一样。
6. 如果产品不是特别偏某一个模型用户，优先做好 ChatGPT 即可。

[他的整体策略]
他把工作分成三块：
1. 基础 SEO
2. 提升品牌力
3. 影响数据源

提升品牌力的渠道里，他优先做：
1. PR
2. 红人营销

他暂时不优先做：
1. affiliate
2. ads

原因很简单：
affiliate 太慢，
ads 太烧钱。

[PR 怎么做]
不是发“我们上线了新功能”这种 PR，
而是发“品牌 + 关键词意图”强绑定的 PR。

例如：
让你的品牌名和某个主题词、用例词、场景词一起出现，
这样大模型在做语义联想时，
你的品牌和那个主题之间的距离会更近。

[红人营销怎么做]
他的红人营销不是按 ROI 考核，
而是按品牌搜索量增长考核。

所以他优先找：
1. 被大模型已经引用过的 YouTube
2. 价格便宜但能带来品牌搜索量的红人
3. 特定地区高性价比创作者，例如印度红人

[影响数据源怎么做]
这是他最核心的一块。
他先做一张大表：
1. 主题
2. 关键词 / prompt
3. 大模型
4. 该模型下引用了哪些来源
5. 哪些来源是“可行动的”

什么叫可行动？
就是你可以去触达、去合作、去植入、去补内容的来源。

竞品官网、应用商店这类通常不可行动；
YouTube、Reddit、Quora、某些 blog 则是可行动来源。

[工具]
他提到两个工具特别有帮助：
1. Ahrefs Brand Radar / 类似工具：找到更真实的 prompt
2. Profound：批量跑 prompt，收集各模型下的引用源

[实际执行]
4-6 月集中做：
1. PR
2. 红人营销
3. 引用源植入

他给出的数据包括：
1. 3 篇 PR
2. 16 个视频
3. 150 条 Reddit post
4. 150 条 Reddit comments
5. 20 条 Quora
6. 若干 listicle blog 植入

[Reddit 怎么做]
他单独展开讲了 Reddit：
1. 找高价值帖子
2. 优先去高流量、高相关度帖子下面评论
3. 如果帖子 archived 了，就模仿思路发新帖
4. 不只是发评论，更重要的是让评论排到前面
5. 评论要投票、要有讨论、要像真人
6. 可以在 Upwork / Freelancer 外包，但要按结果付费

[他的结论]
GEO 不是单一 SEO 动作，
而是品牌、PR、红人、内容、社区、第三方数据源一起打。

==================================================
四、Greg：Reddit 在 AI 搜索时代为什么重要，怎么做才不像垃圾
时间段：约 01:41:21 - 02:02:17
==================================================

Greg 讲的是 Reddit 操作层面的经验。

他先说了他们踩过的坑：
1. 帖子位置不对
2. 写法太像品牌自夸
3. 没有具体细节
4. 只有吹，没有提限制
5. 没有形成对话

[他总结的正确做法]
1. 先进入对的 subreddit 和对的 thread
2. 写法必须像那个社区里真实的人
3. 要有具体数字和使用细节
4. 不能全是赞美，要有一点真实限制
5. 要引发互动，让 OP 回复

他明确说：
如果一条 Reddit 评论只是说“这个工具很好，推荐你用”，
那基本没用。

更像真人的表达应该是：
“我最近试了它，前几次确实很惊艳，后来感觉正常了；
不过它在某个场景里确实比以前那个方案省事。”

[他特别强调的几个反直觉点]
1. 不要像 LinkedIn 一样写长篇废话。
2. 不要发假问题。
3. 不要在每条评论里硬塞链接。
4. AI 可以辅助生成草稿，但不能直接复制粘贴。
5. 每个 subreddit 都有自己的规则和语言风格。

他的一个很强的观察是：
如果 OP 回了你的评论，
这通常是一个很好的信号，
说明这条评论的真实感、参与感和“可被模型认为有价值”的概率都更高。

==================================================
五、Wolfgang：多语言增长的机会，不只是德法西，很多小富国反而更香
时间段：约 02:04:09 - 02:39:34
==================================================

Wolfgang 分享的是语言学习站点和多语言 SEO 的经验。

他做了很多语言书和语言站点后发现：
真正带来不错表现的，不只是大语种，
很多“人口小、购买力高、英语又不错、而且有自己语言”的市场，
反而非常值得做。

[他的观察]
高潜力国家包括：
1. 荷兰
2. 瑞典
3. 挪威
4. 丹麦
5. 芬兰
以及一部分东欧市场。

这类国家的共同特点是：
1. 人口不大
2. GDP per capita 高
3. 有自己的本地语言
4. 用户英语普遍不错，但更愿意用本地语言的软件

[他的本质观点]
大多数 SaaS 出海团队的语言扩展顺序是：
英语 -> 德语/法语/西语 -> 日语/韩语/中文 -> 大人口国家。

但如果你的资源有限，
而且你卖的是高客单价、强使用频次、需要长期登录的软件，
那做荷兰语、瑞典语、挪威语这类市场，
有时性价比反而更高。

[他建议怎么选语言]
1. 先看现有客户和自然流量来自哪里
2. 先把少量页面翻译成更多语言试水
3. 先做几页 landing page 或 free tool
4. 看真实流量和转化，再决定要不要继续

[AI 翻译的看法]
他认为 AI 可以辅助翻译，
但不要拿来直接整站一键翻。
更合理的方式是：
1. 人工译员做主翻
2. AI 做辅助、校对、关键词扩展
3. 多找几位译员做小样测试

==================================================
六、Micro SaaS 失败复盘：Facebook Photo Downloader
时间段：约 02:40:11 - 03:06:57
==================================================

这一段是一个非常实在的失败复盘。

项目是一个 Chrome 插件：
帮助用户批量下载 Facebook 图片。

目标用户本来设想得很大：
所有 Facebook 用户都是潜在用户。

需求看起来也真实：
1. 备份回忆
2. 账号丢失
3. 家人去世后想保存照片
4. Facebook 原生备份不好用

[他们的问题]
1. 产品还不够稳定就上线了
2. 用户体验太差，很多人卡在最基本的操作上
3. 一堆一星评论把产品口碑打烂
4. 目标用户定得过大，根本不精准
5. 最后还收到 Meta 律师函

[这段最重要的教训]
1. 不要太贪心，不要把“所有人”都当 ICP。
2. 产品没打磨好，别急着发出去。
3. B2C 很容易拿到坏用户和差评，处理成本极高。
4. 创业项目最好一开始就想好 exit strategy。
5. 小团队能不做 B2C 微工具就尽量别先碰，优先做 B2B。

==================================================
七、Daniel 第二场：Founder-led distribution
时间段：约 03:23:08 - 03:38:21
==================================================

Daniel 第二场讲的是：
在 AI 内容同质化越来越严重的情况下，
为什么创始人本人、团队真实声音和个人权威，反而变得更有价值。

[他的核心观点]
1. 人会关注人，不会关注企业壳子。
2. 公司主页内容，通常不如创始人账号和个人账号更容易传播。
3. 真正有洞察的人，最容易打破 AI 套话的同质化。

[他的方法]
1. 先积累内容种子
2. 再做信任与权威建设
3. 再做对话和分发
4. 最后沉淀成 playbook

他说很多高表现内容并不是精雕细刻出来的，
而是创始人洗澡时突然想到一个观点，
发个语音给团队，
团队整理成帖子后直接发布，
反而效果最好。

[他最强调的四点]
1. 如果自己都觉得这篇内容没意思，就别发。
2. 数据有用，但更重要的是叙事。
3. 评论区互动不能放掉。
4. 不要为了频率牺牲质量。

==================================================
八、整场会议浓缩后的主线
==================================================

把整场会浓缩成一句话就是：

旧 SEO 是“写更多、铺更多词、等流量”；
新 SEO / GEO 是“理解谁在搜、为什么搜、搜完会不会买、AI 在站外怎么评价你、你有没有把人推进下一步”。

更直白一点说：

1. 内容不是越多越好，而是越接近成交越好。
2. 关键词不是不要，而是不能停在关键词。
3. GEO 不是发几篇 AI 文章，而是经营品牌在互联网的共识。
4. PR、YouTube、Reddit、Quora、review、comparison、founder IP，都不是“可选项”，而是未来越来越重要的分发层。
5. 多语言不是盲目加语种，而是优先做高购买力、高意图、低竞争的语言市场。

—— 以上为整洁版原始文字整理。

本文档为站内渲染。原始文件本地路径：saas/source/seo-llm/raw-seo知识库-TXT整理-seo方法论-ppt-vidle_会议回放_整洁原始文字_20260308-daf0bf.txt（仅本地保留，不入库不部署）