导语： 金融自动化平台 Ramp 没有改全站、没有堆外链，只按"AI 已经在引用什么"补了 4 个页面：应付账款类目的 AI 可见度从 3.2% 升到 22.2%，类目内金融科技品牌排名从 第 19 位进到第 8 位，两个月内两个核心页拿到 300+ 次 AI 引用。全部数据出自 Profound 的服务商口径，没有第三方复现，也没有一条线索或成交数。
一、背景：买家已经在问 ChatGPT，Ramp 不在答案里
Ramp 是美国金融自动化公司，产品线包括企业费用管理、公司卡和应付账款（AP）自动化，客户以中小企业和中大型财务团队为主。
它的处境很有代表性：传统 SEO 排得不差，品牌在 Google 上有稳定位置，但买家行为先变了。Ramp 团队自己的观察是，采购方在打开搜索框之前，已经在 ChatGPT、Perplexity 里问"哪款应付账款软件适合我们"。而在 AP 这个类目里，Ramp 的 AI 可见度只有 3.2%——同一个问题，AI 报出来的名单里基本没有它。
这个数字的可怕之处不在于低，而在于低得没有反馈：传统 SEO 里排名掉了能看关键词、能看竞品页面；AI 答案里不出现，你连"输给谁、输在哪"都看不见。
二、动作：先做引用缺口诊断，再补 4 个页面
这个案例最值得抄的地方，是它几乎没有技术动作，全是诊断 + 内容重排。按 AI 优化常用的 6 步框架看，它只走了第③步（可抽取内容），外加半个第④步（实体与品类对齐），没有披露爬虫放行、Schema、llms.txt、站外信源矩阵方面的任何改动。
1. 诊断：把"AI 已经在引谁"当关键词库用
Ramp 用 Profound 的 Answer Engine Insights 抓取 AI 回答里的引用源，看两件事：哪些问题被高频问、这些回答引用了哪类内容。
结论很干脆：AI 在 AP 类问题里偏爱引用三类内容——自动化主题、AI 应用、软件横向对比。而 Ramp 既有引用中，只有 6% 来自这三类内容。
6% 对上 AI 的偏好，就是缺口。这一步等于把"关键词研究"换成了"引用源研究"：不问这个词有多少搜索量，只问 AI 在这个问题上现在引谁。
2. 不动全站，只建 4 个页面
Ramp 没有改版，而是按缺口新建/重写了 4 个页面：
Accounts Payable Software for Small Businesses（中小企业版）
Accounts Payable Software for Large Businesses（大型企业版）
Top 6 Accounts Payable Automation Software（横向对比清单）
AI in Accounts Payable（概念/教育页）
前两页解决"买家规模不同、评估维度不同"的问题，后两页解决"对比类提问"和"概念类提问"。
3. 按完整问句作答，而不是按关键词铺密度
这是全案最实的操作细节：一页只服务一类买家的整条决策链。中小企业关心价格、上手速度、是否要 IT 介入；大型企业关心审批流、ERP 集成、权限与扩展性。同一个"AP 软件"问题，被拆成两套完全不同的答案结构。
对比页则是把竞品拉进同一张表、用同一组维度横评——AI 在做"哪家好/有哪些替代"这类回答时，会顺着这种实体间的对比关系走。
4. 页面对齐的是"可整段摘取"
标题即问题、首段即答案、结构化小节承接论证，让引擎能直接截一段就用。这个动作不需要任何技术栈支持，编辑就能做。
三、结果：可见度 ×7，排名 +11 位
| 指标 | 优化前 | 优化后 | 变化 | 口径 |
|---|---|---|---|---|
| AI 可见度（AP 类目） | 3.2% | 22.2% | 约 ×7 | Profound 监测面板；prompt 集、模型清单、样本量未披露 |
| 类目内金融科技品牌排名 | 第 19 位 | 第 8 位 | +11 位 | 同上，Profound 口径 |
| 两个核心页带来的 AI 引用 | 未披露基线 | 300+ | — | "一个月内"；Profound 官方页称新页引用量约为此前内容的 2 倍 |
| 引用份额（Citation Share） | 8.1%（2024-12-01） | 7.5%（2025-02-15） | 略降 | 官网图表标注，与可见度上行方向相反，官方未解释 |
| AI 流量 / 询盘 / 成交 | 未披露 | 未披露 | — | 本案没有任何商业结果数据 |
| 周期 | 2024-12-01 | 2025-02-15 | 约 11 周 | 官网标题写"1 个月"，图表横轴跨 11 周，两处口径不一致 |
真实结果是可见度层面的，不是生意层面的。这点必须说清楚：一个 B2B SaaS 的 AI 可见度从 3.2% 到 22.2%，只说明"在被问到时它更常出现在答案里"，不等于 demo 变多、成单变快。案主自己也没有给这条链路的数据。
四、复盘：3 条可抄的，1 条必须避的
可抄 1：先做一次"引用缺口审计"，再决定写什么。拿 20–40 条真实买家提问去问 ChatGPT / Perplexity / Gemini / 元宝，把每条回答里的引用源和品牌名单拉成表。看两列：AI 偏爱引用哪类内容、你自己被引的内容属于哪类。Ramp 的 6% 就是这么算出来的。这个动作一天能做完，比买工具便宜。
可抄 2：一页只吃一类买家，宁可拆碎。把"XX 软件"拆成"中小企业版 / 大型企业版 / 横向对比 / 概念科普"四页，每页对应一组 prompt。一页想回答所有问题，结果是被 AI 判定为"泛、不可引用"。这一条对 B2B 工业品同样成立：选型指南、参数对比、行业应用，本来就该是三个页面。
可抄 3：对比页是 GEO 的高杠杆页面。AI 在被问"有哪些替代/哪家好"时，最需要一份能横向比较的素材。做一张同维度的硬指标对比表（价格口径、集成方式、实施周期），把可核验的数字放进去，比形容词有用得多。
避坑：别把"1 个月"当承诺抄回去。这个案例有两处硬伤：一是官网标题写"in just 1 month"，但面板横轴从 2024-12-01 跨到 2025-02-15，约 11 周；二是引用份额从 8.1% 掉到 7.5%，与可见度大涨并存，官方没解释。再加上全程只有服务商一方数据、无第三方复现、无商业结果，正确用法是抄它的诊断逻辑和页面切分方法，不要拿它的百分比去给客户做承诺。
五、数据来源与性质
一手：Profound 官方案例页《How Ramp increased AI brand visibility 7x in accounts payable》（服务商自述，2025 年 6 月前后发布）
第三方：Adweek 2025-06-24 报道（复述同一组 3.2%→22.2% 数字，未做独立复现）
二手转述：钛媒体、Concat Pro、Elfsight、ExplainGEO 等（均未增加新数据）
案例主体：Ramp（美国，金融自动化 / B2B SaaS）
案例周期：2024-12-01 至 2025-02-15
数据性质：服务商口径，未经第三方复现；可见度指标依赖 Profound 自有 prompt 采样方法，换工具、换 prompt 集不可直接对比
未披露项：prompt 数量与语言分布、采样频次、覆盖模型版本、Schema/robots/llms.txt 改动、AI 流量、询盘与成单
标签： AI优化案例、GEO、金融科技、B2B SaaS、AI可见度诊断