跳至正文
Get Ranked On Top示意性案例研究Content Engine 方案

虚构的企业。数据为模拟情景,并非客户的实际结果。

ALABASTRA PERFUMERY · 小众香水品牌,自有工坊与调香课程 · 格拉斯

格拉斯一家香水工坊,如何成为香调与留香问题的标准答案

非品牌自然流量增长 340%,120 条 AI 回答中有 41 条引用

18 个月 · 欧洲 · Content Engine 方案 · 搜索词与提示词研究 · 内容金字塔规划 · 专家主笔指南 · AI 回答优化

内容配方
香调内容篇数
前调快速解答30
中调指南22
后调深度专业内容12

01挑战

大家问的是香气,回答问题的却是别人。

关于香调、留香时长和“类似某款香水”的搜索结果与 AI 回答,都流向了香水数据库和论坛;品牌官网只有产品页,看不出任何专业积累。

Alabastra 在格拉斯的工坊里调制 14 款香水,楼上还开设小班调香课。人们搜索的,恰恰是这家香水屋最擅长的东西:什么是中调、鸢尾为什么持久、哪款香水闻起来像雨后的西普调。可官网上只有产品页和一个预订表单。搜索结果和 AI 回答把这些问题都交给了香水数据库和论坛,而它们又把买家送去了大品牌。

谁占据了前十名

抽样 1,900 个关于香调、留香和“类似某款香水”的搜索词

  • 香水数据库 54%
  • 论坛 33%
  • 零售商 9%
  • 品牌官网 4%

改版前的网站

14 个香水产品页、6 个课程页,能回答问题的页面:0 个。

02诊断

审计在试香纸上闻到了什么。

内容

0

能回答问题的页面

全站一共二十个页面:14 个用氛围文案写成的香水页,外加 6 个课程日期页。没有一页解释香调、浓度或留香时长,问题根本无处落脚。

发现 1 / 4

搜索结果

87%

前十名被数据库和论坛占据

在 1,900 个关于香调、留香和“类似某款香水”的搜索词中,数据库和论坛占了前十名的 87%。品牌官网只占 4%,而且大多是大品牌的香料词汇表。

发现 2 / 4

AI 回答

3 / 120

追踪的提示词中,AI 回答引用 Alabastra 的条数

我们在 AI 助手和 AI 搜索中追踪了 120 条提示词,从“鸢尾香水持久吗”到“普罗旺斯的调香工作坊”。Alabastra 只出现了 3 次,而且每次都只是购买链接,从未作为信息来源。

发现 3 / 4

专业度

22

调香师的从业年数,网站上却只字未提

没有作者页,没有署名调香师,没有 Organization 或 Person schema,工坊自己的试香纸测试记录还躺在纸质笔记本里。本该支撑每个答案的专业积累,搜索引擎完全看不到。

发现 4 / 4

03策略

像调一款香水那样,调配内容方案。

基于我们的 Content Engine 方案:为专业知识本该成为答案的品牌,提供研究、写作和 AI 搜索优化服务。

  1. 01搜索词与提示词研究

    1,900 个搜索词 · 120 条提示词

    收集人们关于香调、浓度、留香和“闻起来像”的所有问题,按搜索意图聚类,并每月追踪 120 条 AI 提示词。每个主题在动笔之前,就已在金字塔上找到自己的位置。

  2. 02内容金字塔规划

    30 · 22 · 12

    快速解答是前调:简短、精确、快速发布。指南是中调:方案的主体。深度专业内容是后调:数量少、制作慢、经久不散。潮流文章限定为六篇测试。

  3. 03专家主笔指南

    12 篇后调文章

    每篇后调文章都与品牌调香师合写:署名作者、工坊照片配有替代文本、品牌对全部 14 款香水做的试香纸和皮肤留香测试,并注明信息来源。

  4. 04AI 回答优化

    追踪 120 条提示词

    段落开门见山先给答案,定义写得能被 AI 助手整句引用,适合的地方加上 FAQ 标记,配齐 Organization、Person 和 Product schema;每个解答向上链接到指南,向下链接到具体香水。

04金字塔

前调先入鼻,后调留肌肤。

在香水里,前调最先闻到也最先消散,中调决定性格,后调则到第二天早上还在。内容方案沿用同样的结构:每个快速解答都通向一篇指南,每篇指南都建立在真正的专业知识之上。

30

前调 · 30 篇

快速解答

一篇只答一个问题,简短而准确:淡香精是什么意思、喷几下合适、什么是中调。见效快,消散也快。

示例文章: 淡香精和淡香水,到底差在哪里?

22

中调 · 22 篇

指南

如何让香味更持久、如何按香调家族挑选、“喜欢这种香调,不妨试试……”——指南围绕香料本身展开,从不借用其他品牌的名字。

示例文章: 如何让香水在皮肤上留香更久

12

后调 · 12 篇

深度专业内容

只有格拉斯调香师才写得出的内容:鸢尾根为何要静置三年、五月的玫瑰与茉莉采收、品牌自己的留香测试。制作慢,一年后仍有人读。

示例文章: 鸢尾:为什么鸢尾根要静置三年才能成为香水

6

流行调 · 6 篇

潮流文章

“今夏流行香气”之类的季节性文章:流量一阵爆发,随即消失。只做了六篇作为测试。

05试香纸测试

把试香纸浸入每一种内容,看它晾上一整年。

调香师会在试香纸上花几个小时评判一款香气。我们用同样的方法评判内容,只是以月为单位:每类内容取一篇典型文章,从发布追踪到第 12 个月。纸条上留下的颜色,就是它的流量占首月流量的比例。

选一条试香纸浸入,或四条全部浸入,然后让它们慢慢晾干。

后调

深度专业内容

尚未浸入

这就是“干香”:深度文章起步安静,却越来越浓。一年后带来的流量是首月的两倍,也是 AI 回答最常引用的内容。

单篇典型文章的流量 · 首月 = 100
0100200036912
  • 潮流文章
  • 快速解答
  • 指南
  • 深度专业内容

06逐月进展

18 个月,从初闻到干香。

  1. 第 1–2 个月嗅探市场

    梳理 1,900 个搜索词和 120 条 AI 提示词,摸清谁在排名、谁被引用,并与调香师和课程团队做了深度访谈。

  2. 第 3–4 个月写下配方

    64 份内容简报落到金字塔各层,搭建作者页和 schema,并为全部 14 款香水设计试香纸与皮肤上的留香测试。

  3. 第 5–10 个月前调与中调

    每周分批发布 30 篇快速解答和 22 篇指南,另做六篇潮流文章作为测试;每个解答都链接到对应指南和香水。

  4. 第 8–16 个月后调

    与调香师合写 12 篇深度文章,每三周一篇,每篇都有数据库里找不到的测试数据或工坊工艺。

  5. 第 15–18 个月干香

    更新排名下滑的文章,把四篇潮流文章并入指南,并从带来最多预订的后调文章链接到调香课程。

07成果

十八个月后,后调依然留在试香纸上。

每月非品牌自然访问
+340%
引用该品牌的 AI 回答(共追踪 120 条提示词)
3 → 41
每月来自搜索的工坊课程预订
11 → 46
第 18 个月来自常青指南的流量占比
62%
每月非品牌自然访问每月访问 2,600 → 11,440
04,0008,00012,000第1月第6月第12月第18月
引用 ALABASTRA 的 AI 回答(共追踪 120 条提示词)

第 1 个月: 3第 18 个月: 41

第 18 个月的流量从哪里来
  • 深度专业内容4,180
  • 指南2,860
  • 香水与课程页面3,020
  • 快速解答1,240
  • 潮流文章140

62% 来自指南和深度专业内容——最经久的两层。

来自搜索的课程预订每月 11 → 46+318%

如今由这家香水屋回答的问题

搜索词(原文)层级之前第 18 个月AI 回答
eau de parfum vs eau de toilette前调100+4已引用
what are base notes in perfume前调100+2已引用
how to make perfume last longer on skin中调713已引用
perfume like a vintage chypre中调100+5尚未
parfum iris qui tient longtemps中调482已引用
orris butter vs iris absolute后调100+1已引用
récolte du jasmin à grasse后调633已引用
atelier parfum grasse后调142尚未

虚构企业的模拟情景,并非客户结果。排名、流量和 AI 引用从无保证,详见我们的条款。

为您定制这样的方案

答案应该来自您的专业积累,而不是别人的数据库。从 Content Engine 方案开始,或者告诉我们您的客户总在问什么。

← 全部案例