导语： 一个没有融资、没上过创投节目、没投一分钱广告的印度新饮料牌，用 4 周把官网改成 AI 能读、能引、能信的样子：AI 可见度评分 16/100 → 60/100，ChatGPT、Google AI Overviews、Google 自然结果三个入口从 0 个变成 3 个。但全程没有披露任何会话数或成交数——这是一份"可见度口径"的作业，不是"生意口径"的作业。
一、背景：AI 里搜自己，四个竞品都在，它不在
DRANKS 是印度的即饮（RTD）无酒精鸡尾酒品牌，主站 dranks.in，域龄约 12 个月，走的是低卡、无添加糖的"调酒师风格"路线。
2026 年 5 月，案主做了一件很朴素的事：拿消费者真实会问的问题去问 AI。比如"印度有哪些无酒精饮品品牌推荐""德里有什么好的 mocktail 品牌"。结果很稳定——四个竞品每次都出现，DRANKS 一次都没有。
基线数据（服务商 Lexsis AI 自测）：
AI 可见度评分：16/100
类目认知类问题覆盖：0/100（完全不出现，只有用户直接报品牌名时才被认出来）
竞品占据 AI 提及份额：**100%**（四家均为 5–11 年品牌，有融资、上过创投节目）
在传统 SEO 的判断里，这个差距要 18–24 个月才补得回来。案主给的结论是：不是产品不行，是**缺一条 AI 能抓取、能解析、能核验的"证据链"**。
二、动作：6 步里走了 5 步，重点是①③⑤
AI 优化常用的 6 步框架是：①抓取放行 → ②结构标记 → ③可抽取内容 → ④实体对齐 → ⑤站外互证 → ⑥信任信号。这次改造基本全铺开，4 周内完成。
第①步 抓取放行：robots.txt 按名字放行 26 个 AI 爬虫
不是写一句 User-agent: * Allow: / 了事，而是把 GPTBot、PerplexityBot、ClaudeBot、GoogleOther 等 26 个 AI 爬虫逐个点名放行。同时在域名根目录部署 llms.txt，给 AI 一份"站内有什么、去哪找"的结构索引。
这一步的意义常被低估：AI 引用一个页面之前，先得抓得到。很多企业的 AI 可见度是 0，纯粹是因为 robots.txt 里遗留的爬虫拦截规则。
第②步 结构标记：5 类 Schema，全站铺，零报错
Product（产品，含规格、卡路里、糖含量）
Organization（品牌实体）
FAQ（问答）
Article（文章）
BreadcrumbList（路径）
交付标准写得很实：Google Rich Results Test 零校验错误。这是唯一能被第三方工具独立验证的一项——建议所有 GEO 项目都把它写进验收条款。
第③步 可抽取内容：10 篇长文 + 60+ 条 FAQ + 硬指标对比表
10 篇 1,500–1,800 字长文，对准高意图查询（德里/孟买/班加罗尔三城分别铺）
60+ 条 FAQ，做成"一问一答、答案可独立成立"的格式，方便 AI 整段摘取
对比表里放硬指标：卡路里、糖含量、每份单价——不是形容词，是可被核验的数字
内容里点名竞品，建立实体间的关联（AI 做横向对比时会沿这些关联走）
第④步 实体对齐：让"DRANKS"在模型里挂上确定属性
通过 5 类 Schema + 正文一致的口径，把品牌固定为"低卡、无添加糖、即饮、调酒师风格"这一组属性。之后 AI Overview 的原话就是这句："印度卡路里最低的即饮鸡尾酒（每 300ml <27 至 <49 卡）"——属性对齐成功，幻觉空间就小了。
第⑤步 站外互证：Reddit 11 帖、Quora 12 答、35 家媒体名单
AI 引擎在引用一个陌生品牌前，会去多个独立信源交叉核对。案主的做法是：
Reddit 11 条帖（明确针对 Perplexity 做，理由是"Perplexity 有 46.7% 的回答引用 Reddit"——此比例原文未注明出处，按服务商口径看）
Quora 12 条专业回答（针对 Google AI Overviews）
PR 外联，35 家媒体的目标名单，争取测评与榜单类收录
第⑥步 信任信号：把评价变成结构化数据
站内原生评价体系 + AggregateRating schema，让星级评分出现在产品页，并具备富媒体结果资格。
三、结果：30 天前后对比（全部为服务商口径）
| 指标 | 优化前 | 30 天后 | 口径与可信度 |
|---|---|---|---|
| AI 可见度评分 | 16/100 | 60/100 | 服务商自有评分体系，算法未公开，非第三方标准 |
| AI 回答中出现的入口 | 0 个平台 | 3 个（ChatGPT、Google AI Overviews、Google 自然结果） | 以截图存档为证，原文附 6 组引用实录 |
| 类目认知类问题覆盖 | 0/100 | 未单独披露 | 原文只给了总评分，未给该分项复测值 |
| Google 自然排名 | 未收录 | 7 天内 #1 | 页面级、长尾词（如"Mocktails for Indian Wedding"），非全站排名 |
| Schema 类型数 | 0 类 | 5 类，零报错 | 可用 Rich Results Test 独立复现 |
| 内容资产 | 0 | 60+（10 篇长文 + 60+ FAQ） | 可数，可核验 |
| 会话数 / 询盘 / 成交 | 未披露 | 未披露 | 原文完全没有商业结果数据 |
| 案例周期 | — | 执行 4 周，观测 30 天 | 原文自述 |
可达成的引用实录（原文附截图，节选）：
ChatGPT「Mocktail Brands in Delhi」：*"DRANKS: Premium ready-to-drink craft mocktails with flavors like Firestarter, Berry Love Potion..."*
Google AI Overview「Premium Mocktails in India」：*"DRANKS Craft Mocktails: India's lowest-calorie, ready-to-drink mocktails (ranging from <27 to <49 calories per 300 ml serving)..."*
Google 自然结果「Premium Mocktail Brands India」：dranks.in 进入首页，与 Bartisans、Swizzle 同列
四、复盘：3 条可以抄，1 条必须避
可抄①：把"抓取放行"当第一道工序，而不是最后一项优化。项目启动先查 robots.txt 与 llms.txt。AI 可见度为 0 的品牌里，相当一部分死在"爬虫进不来"这一步，跟内容质量无关。这项改动成本最低、见效最快。
可抄②：在内容里放可核验的硬数字，替掉形容词。这个案例被 AI Overview 原文引用的那句话，全是数字：<27 到 <49 卡、300ml、无添加糖。AI 抽取时优先取能直接当结论用的数据，形容词没有抽取价值。对比表同理——放规格，不放"更好喝"。
可抄③：FAQ 做成一问一答，答案能独立成立。60+ 条 FAQ 各自成段，每段第一句就是完整结论，不写"如上所述"。这是 AI 最容易整段摘取的形态，也是 Schema 与正文能对上的地方。
避坑：AI 可见度评分不能当 KPI 汇报。这份案例交付的是"评分、平台数、排名"三项，没有一项是生意指标——页面没有 GA4 会话数，没有询盘数，没有成交额，也没有第三方复现。可见度分是服务商自有模型算的，不同工具对同一品牌能差出 30 分以上。对内向老板汇报，只能把它当"过程指标"，商业化验证还得自己补埋点（AI 引荐渠道 + UTM + 会话级转化）。
另外两点要在排期里留出风险位：（1） 7 天到 #1 打的是低竞争长尾词，不能拿这个数当交付承诺；（2） 11 条 Reddit 帖 + 12 条 Quora 答属于站外铺量，各平台反垃圾规则趋严，铺法一旦被判为操纵，反噬是删帖加降权，这部分节奏要比内容节奏慢。
五、数据来源与性质
来源：Lexsis AI 官方案例页《Success Case Study on DRANKS》，发布 2026-10-30，原文 https://www.trylexsis.com/blogs/success-case-study-on-dranks
性质：服务商口径（甲方代理机构自述），未经第三方复现。原文自附截图，但截图与评分均出自该服务商自有监测体系
样本与周期：基线 2026 年 5 月，执行 4 周，观测 30 天；测试查询集数量未披露
未披露：AI 引荐会话数、询盘数、成交额、类目问题覆盖率复测值、Perplexity 与 Gemini 的引用数据（原文称"仍在追踪"）
本站注：所有数字均按原文转述并标注口径，未做推断或补齐；"46.7% Reddit 引用率"为原文引用但未注明出处，仅作线索参考
六、标签
AI优化案例 · GEO · AIVO · AIWO · 快消饮料 / D2C