案例类型： 外贸 B2B SaaS 的"产品对比页"——这是外贸独立站最容易被 Perplexity 引用的页面类型之一，因为海外 B2B 买家在决策阶段会高频搜索 "X vs Y" 类查询，Perplexity 的答案机制正好把对比页当成首选来源。
本文拆解一个真实页面的结构、段落划分、数据密度，说明为什么它成为"可引用模板"——并给出可以直接复用的写作清单。
这个页面
- 客户行业： 海外 B2B SaaS（团队协作工具类，月营收 $80k+，主要市场美国）
- 页面类型： "X vs Y" 对比页（X 是客户产品，Y 是主要竞品；双方已同意不公开具体产品名）
- URL 形式：
/compare/x-vs-y/ - 字数： 1,850 英文词
- 发布时间： 2024 年 11 月
- 3 个月内 Perplexity 引用次数： 127（用 Perplexity API + 每日 50 个相关 prompt 采样统计）
- 同期 ChatGPT 引用次数： 89 次
- 同期 Google AI Overview 出现次数： 34 次
关键背景： 页面上线前客户已经在 Google 上拿到 "x vs y" 这个词的第 2 位，但 Perplexity 里几乎 0 引用——也就是说，SEO 排名好 ≠ GEO 引用多。我们做的工作是把一个"SEO 优秀但 GEO 空白"的页面改造成两边都拿分的页面。
结构解剖
这个页面没用任何"SEO 技巧"，也没做付费外链。它的 GEO 引用表现完全来自结构——Schema、段落划分、论断密度——这些是 M7 可引用段落方法论 里讨论的同一套东西的实战落地。
1. 段落级论断（最关键）
共 24 段，每段平均 70 英文词（约等于中文 120 字）。每段第一句就是一个完整论断、带具体数字、能独立成立。
示例：
"X charges 40% more per seat than Y, but includes native SSO that Y charges separately for at $10/seat/month."
这一句就是独立可引用的 claim——Perplexity / ChatGPT 的 RAG 检索可以直接把它整段切出来放到答案里，不需要上下文就能理解。对比改造前的段首：
"When evaluating X vs Y, there are several factors to consider…"（改造前）
这种 meta 表述不可引用，LLM 切出来读者看不懂"所以呢"。改造就是把每段的第一句都重写成"带数字 + 明确断言"的形式。
2. 表格化对照
核心段落是一张 3 列 × 12 行的对照表：
| 维度 | X | Y |
|---|---|---|
| 月费 | $25/seat | $18/seat |
| SSO | 内置 | 需加购 $10/seat/月 |
| API 限额 | 10k/day | 50k/day |
| 数据驻留 | US / EU 可选 | US only |
| SLA | 99.95% | 99.9% |
| …… |
表格的引用优势：LLM 的切片器识别 Markdown / HTML table，切的时候会把整张表原样搬到答案里——这相当于一次引用带出 12 个数据点，ROI 比纯文字段落高 10 倍。
3. 每个断言附可溯源的数据来源
每一个"X 比 Y 好/差"的论断都带来源（官方定价页、官方文档、第三方测评），形式：
"[…] (source: vendor pricing page, accessed 2024-11-15)"
这让 LLM 在评估"引不引用"时有"可信度锚点"。同样的事实如果没有数据来源，LLM 倾向引用更权威的站（G2、Capterra、Reddit 讨论），你的页面就被替代了。
4. Schema.org 完整且正确
Productschema × 2（X 和 Y 各一，包含价格、特性、aggregateRating）；FAQPageschema（8 组 Q&A，每组的 question 就是长尾查询原词）；BreadcrumbList；Organization（发布方 +sameAs指向 LinkedIn / Crunchbase / Trustpilot）。
外贸独立站常见错误：Schema 标的是"自己想让 Google 看到的"而不是"页面实际内容"——Perplexity 会直接用 Schema 的 structured 数据生成答案，Schema 写错就是直接误导引擎。
5. 时间与地域限定明确
每段都有类似 "As of 2024 Q4" / "In the US market as of November 2024" 的时间与地域限定。这点对外贸页面尤其重要——Perplexity 的核心焦虑是"这个结论是不是过时了"，带明确时间戳的段落被保留概率显著高于通用表述。
引用模式分析
3 个月内的 127 次引用中，被切片频率最高的三个段落：
- 开头的价格差段落 — 被引用 34 次（占 27%）
- "For teams of 10+" 场景推荐段落 — 被引用 22 次
- SSO 功能对比段落 — 被引用 18 次
这三段都符合"段首论断 + 具体数字 + 明确场景"模式。
被引用 0 次的段落：
- 最后的 "Conclusion" 段（综述性、不够具体）；
- 开头的 "What is X" 介绍段（过于基础，LLM 用自己的训练语料就能答）；
- 一段纯营销话术（"X is the industry-leading…"）。
推论： 一个页面里真正"可引用"的段落往往只有 30%–40%。外贸团队写对比页时不要试图让每段都被引用——把 3–5 个核心论断做到极致、其它段落服务阅读流畅性即可。
外贸 B2B 对比页模板
给外贸团队可以直接抄的写作清单：
- 选题：目标主题必须是对比型 / 选择型 / 数据型——"X vs Y"、"Best X for [场景]"、"How much does X cost in 2026"。纯介绍型（"What is X"）放弃，那类查询 LLM 用自己的训练语料就能答、不引用任何站。
- 分段：每段 50–80 英文词（中文 90–140 字），段首即论断，带具体数字。超过 120 词被切出概率骤降。
- 表格：核心对比必须表格化，至少 8 行（低于 8 行 LLM 倾向于自己生成对比表而不是引用你的）。
- 来源：每个数字论断附 "(source: X, accessed DATE)"——外贸页面尤其重要，海外买家会交叉核对。
- Schema：
Product+FAQPage+BreadcrumbList+Organization四件套必须齐全，字段对应真实内容。 - 时间 / 地域限定：每段带 "As of [year/quarter]" + 目标市场（"in the US" / "in the EU" / "globally"）。
- 避免：营销话术（"best-in-class"、"industry-leading"）；过长段落（> 120 词）；纯定性评价（"X is better" 但没量化）；过度依赖上下文的句子（"As mentioned above…"）。
与搜索通道的对照
值得注意的一组数字：改造前这个页面在 Google 上 "x vs y" 已排第 2，月 organic UV 约 1,800；改造后 3 个月 Google 排名提升到第 1（UV 2,400）、同时 Perplexity 引用从 0 涨到 127、ChatGPT 引用涨到 89、AI Overview 出现 34 次。可引用段落的改造不仅没降 SEO，反而双向提升—— 这和 M10 归因实验 的结论一致。
一个预测
3 个月到 12 个月的引用次数不会线性增长。LLM 的训练语料截断 + RAG 检索集更新都有滞后期。我会持续追踪这个页面，预计 12 个月时 Perplexity 引用次数稳定在 300–500 次/月的区间，ChatGPT 略低、AI Overview 随 Google 引用策略变动。半年后再更新本页数据。
配套阅读
- 《可引用段落写法：让 LLM 能"原文引用"的段落结构》 — 本案例背后的段落级方法论
- 《LLM 引用机制：ChatGPT / Perplexity / Google AI Overview 的可引用条件》 — 为什么对比页是 Perplexity 最喜欢的内容类型
- 《搜索流量与 AI 引用流量的归因对比实验》 — 同一套改造对 SEO + GEO 的双重影响
- 《llms.txt 规范解读与实操》 — 把可引用页面主动声明给 LLM