案例研究：我们如何把 GEO 分数从 12 提升到 71

我们做了 GEO Scoring 这个工具后，第一件事就是扫描自己的网站。结果很尴尬：初始分只有 12/100，属于 D 级。对一个专门评估 AI 搜索可见度的产品来说，这个分数说明我们自己的站点几乎没有为 AI 搜索做好准备。当时网站还是一个客户端渲染的单页应用，没有 SSR、没有结构化数据、没有 FAQ 页面，也缺少足够可引用的内容。

第一轮：技术基础，12 分到 42 分

第一轮优化集中在技术层。我们把站点从 Vite SPA 迁移到 Nuxt 3，并启用服务端渲染。这个变化非常关键，因为 AI crawler 在首屏 HTML 中就能看到真实内容，而不是空壳。随后我们补充 Organization Schema、WebSite Schema、Open Graph 和 Twitter Card 元数据，并新增 About 页面和 llms.txt。仅这轮改造就让分数从 12 提升到 42。

第二轮：内容结构，42 分到 53 分

第二轮重点补内容丰富度和知识图谱信号。我们新增了三个主题 FAQ 页面，分别覆盖 GEO 基础、Schema 指南和评分方法，并给 FAQ 页面加入 FAQPage Schema。我们还增加了“如何提升 GEO 分数”的 HowTo 指南，让 AI 能按步骤理解优化流程。这些页面不仅改善站内链接，也提供了更容易被 AI 抽取的问答内容。

第三轮：可引用性和权威信号，53 分到 71 分

第三轮提升最大，因为我们开始系统性增加可引用文章。每篇文章都围绕一个明确主题，加入 Article Schema、作者信息和具体数据点，并把关键段落改成可以独立引用的结构。AI 系统更喜欢 100-200 词、带有数字或明确事实的段落，因此我们不再只写普通营销文案，而是把文章写成一组可被 AI 直接使用的答案单元。

最有效的三个动作

回看整个过程，影响最大的动作有三个：第一，SSR 让 AI crawler 能看到真实内容；第二，FAQPage 和 Article Schema 让机器更容易理解页面；第三，可引用段落让内容真正具备被 AI 答案引用的条件。相比之下，单纯增加页面数量并不会自动提升分数，如果内容没有结构、没有事实密度，也很难进入 AI 引用池。

下一步目标

从 12 到 71 只是第一阶段。要进入 80 分以上，还需要更深的嵌套 Schema、更完整的主题内容集群、更强的品牌实体信号，以及持续更新机制。这个案例说明，GEO 优化不是神秘技巧，而是一组可以按优先级执行的工程、内容和结构化数据改造。