SaaS 和 B2B 软件怎么做 GEO？

过去选软件，是先 Google 一下，开十几个标签页，再做一张表。现在第一轮筛选越来越多地在 AI 助手里完成：“best CRM for a 10-person agency”“Notion vs Confluence for engineering docs”“cheaper alternatives to HubSpot”。助手列出候选名单，买家带着已经选好的名字来到你的网站，或者竞争对手的网站。AI 回答正在扩展到这类问题上：截至 2026 年 4 月的六个月里，触发 Google AI Overviews 的商业查询占比增长了 71%（Semrush）。

软件买家常问的商业问题有三类。品类问题，比如“best X for a team of Y”，用来找初步选项。对比问题，比如“X vs Y pricing”“X vs Y for startups”，用来缩小范围。问“X alternatives”的人，多半已经在考虑换掉现有产品。这些回答里没有你，买家可能还没约演示就把你排除了。

GEO 要做的，就是在买家列候选名单时，让你的产品出现在助手推荐的供应商里。

这有数据，不是猜的。在一项覆盖 3,000 万条 AI 搜索引用来源的分析里，G2 和 Yelp 在所有被引域名中排第六和第七（Peec AI，2026 年 3 月）。对软件品类来说，“best X”类回答的材料主要来自评价平台。G2 上的资料没有认领，或者内容单薄，就是可见度上的一个缺口，站内做再多工作也补不上。

自有网站的分量，比评价平台的数据显示的还要大。一项研究分析了 SaaS 和科技类查询里的 379,321 条 Claude 引用，64% 指向品牌和公司网站，0.9% 指向社交媒体，指向 Reddit 的一条也没有（Otterly，2026 年 6 月）。同一组数据还说明，这个领域没有被少数网站垄断：引用分布在一条长尾上，前 10 个域名只占 9.5%，16,406 个被引域名里要数到前 500 个才累计到 59.9%。所以规模不大的网站也能靠参考资料式的页面拿到引用：产品文档、规格页、模型能直接搬用的对比表。

下面的建议还参考了另外两项研究。最早的普林斯顿 GEO 研究测到，页面加上权威原话、统计数据和来源引用后，来源可见度最多提高 40%。Ahrefs 分析了 ChatGPT 引用最多的 1,000 个页面，在 564 个能读到日期的页面里，76.4% 在前一个月内更新过，只有 8.9% 超过一年（2025 年 10 月）。这只是和新鲜度相关，不能证明它是排名因素，Ahrefs 也说明页面时间戳并不可靠。这两项研究支持的做法是：把证据写出来，并让信息（包括更新日志）保持最新。

用同一套标准比较两款产品：功能、套餐限制、集成。“X vs Y”页面要写明什么情况下竞品更合适，细节要让买家能核对、助手能引用。普林斯顿研究在自己的实验页面上测到最多 40% 的可见度提升；那是实验里的数字，不等于你的对比页也会这样。

“X alternatives”页面值得单独列为一项工作。在助手里输入“HubSpot alternatives”的买家，不会去搜你的品牌名；替代方案页是你能正当出现在这类回答里的唯一入口。自己发布一个，同时争取进入引擎已经引用的第三方替代方案榜单；两条路对应的是同一类提问。

定价公开能拿到引用，原因很直接：模型只能引用它读得到的内容。页面上只写“联系销售”，助手就没有可引用的材料，“how much does X cost”的答案只能拿第三方的猜测拼凑，可能过时、错误，或者是竞争对手的说法。一个用纯 HTML 写明套餐和限额的公开定价页，就会成为被引用的答案。如果销售流程确实不能公开报价，至少把结构公开：起步价、计费方式、哪些因素会改变价格。

产品文档公开、可抓取、有版本号。这三个特点，让它成为多数 SaaS 公司手里已经有的、最容易被引用的页面。“does X integrate with Salesforce”“what are X's API rate limits”这类功能问题，只要文档能访问，助手就直接从文档作答；把文档锁在登录墙后，这一整类提示词就由别人来回答。Claude 的数据说明了原因：SaaS 和科技类查询里 64% 的引用落在公司自有域名上，而文档正是你域名里读起来像参考资料、而不是销售文案的那些页面。

更新日志能加强这个效果。带日期的条目是新鲜度信号（Ahrefs 在 ChatGPT 引用最多的带日期页面里，四分之三都有这个特点），还能用一条带时间戳、可引用的事实回答“does X support Y yet”。文档保持服务端渲染，更新日志标明日期，限制和尚不支持的情况直接写清楚：注明限制，模型引用这页时反而更放心，不会因此看低它。

模型得先弄清你是谁，才能推荐你。SaaS 的命名习惯让这件事比听起来难：产品名和公司名不一样，模型会把它们当成两个主体，引用就分散到两个都不太熟的名字上，而不是集中在一个上。解决办法是保持一致：在官网、G2、LinkedIn 和 Crunchbase 上用同一个名称、同一句简介、同一个品类标签，再用结构化数据明确写出产品和公司的关系。

SaaS 的好处是，值得测量的问题比较容易定下来。我们和你一起按市场定好品类、对比和替代方案问题，在 ChatGPT、Perplexity 和 Gemini 上用未登录的新会话反复提问，再把引用率和声量份额与基线比较。公开案例用的就是这套方法。面向多个国家销售的公司，我们按语言分别测试。我们用九种语言工作，因为英语回答里有你，不等于德语或法语回答里也有你。

我们不做的事：承诺某一天出现某个具体答案，或者拿另一位客户的数字当你的证据。生成的回答每次测试都会变；你自己的提示词、在你自己的市场上测出的基线，才是唯一可靠的起点。