主题
Atlan E-E-A-T Playbook 启发与行动方向
背景
研究了 Atlan（数据目录 SaaS）如何用 52 个页面赢得 35% AI 引用份额的案例。经过 Claude + Codex + DeepSeek 三模型交叉验证，提炼出适用于校园VC 的核心洞察和行动方向。
核心启发
1. 真正的护城河是"独家可验证证据"，而非页面格式
错误理解：作者栏 + 日期 + 摘要框 = AI 引用
正确理解：真实学员数据 + 失败案例 + 独家方法论验证 = AI 引用
Atlan 的证据：Kiwi.com 减少 53% 工作量、G2 评分对比表
校园VC 的对应：
- ❌ "1000+ 学员"（无法验证）
- ✅ "2025-2026年 127 名学员中，63% 在第3周卡在用户访谈环节"（可验证）
验收标准：每个页面至少有 1 个其他网站无法轻易复制的证据。
2. 档案升级的 ROI 远高于新内容发布
数据支持：
- Atlan 的 2022 年页面，2026 年更新后成为第二高引用页（26次引用）
- XYVC 已有 20+ 篇基础不错的文章
结论：升级 5 个核心页面比再写 20 篇新文章更合理。
3. 校园VC 最大的结构性优势是"教学经验"，但这些经验目前没有转化为可引用的证据
当前状态：有课程、有学员、有案例，但缺少系统化的证据采集
需要做的：建立一个可被反复引用的第一方证据资产
建议形式：《2026 中国大学生 AI 创业实践观察》
- 带分母的转化率数据
- 样本范围和统计方法
- 至少 1 个失败/未达预期案例
- 外部审核人背书
4. 教育服务的 Trust 信号 ≠ B2B SaaS 的 Trust 信号
B2B SaaS（Atlan）：推荐竞品 Secoda/Collibra 增强信任（都是付费企业软件，不会直接损失用户）
教育服务（校园VC）：推荐北大AI创业营可能真的会流失用户（免费课程）
正确做法：
- ✅ 在对比页中客观列出优劣
- ✅ 明确说明"校园VC 不适合谁"（诚实边界）
- ❌ 不要在自己主页面上主动说"如果你 XX，请去竞品"
5. 意图覆盖 > 关键词堆砌
Atlan 的发现：1 个页面（/data-catalog-tools）赢得 16 个查询变体
对校园VC 的翻译：一篇《大学生创业融资指南》应该覆盖：
- "大学生如何融资"
- "校园 VC 投什么"
- "学生创业者融资条件"
- "天使投资 vs 校园 VC"
执行方式：用 /yao-geo-intent-miner 聚类问题，设计单页多意图覆盖。
行动方向
优先级 P0（核心必做）
1. 建立 GEO 测量基线
目的：先测量，再优化
步骤：
定义 30 个核心问题（按人群分）：
- 学生类 15 个："大学生如何开始 AI 创业"
- 决策类 8 个："AI 创业营哪个好"
- 教师类 7 个："如何设计 AI 创业课程"
用现有工具监测：
/yao-geo-intent-miner→ 聚类问题/yao-geo-effect-monitor→ 记录当前引用状态/siteaudit→ GSC 数据作为对照
输出：一个表格
- 列：问题 | 当前引用情况 | XYVC 是否出现 | 竞品情况 | 优先级
成功标准：月底用同一批问题复测（不要换问题找好看的结果）
2. 升级 4 个中心页
为什么是 4 个不是 10 个：质量 > 数量，避免质量稀释
优先级排序（基于代码审查）：
/resources/how-to-validate-demand（已有基础最好）/resources/ai-entrepreneurship-programs-comparison（已有利益披露）/resources/how-to-find-first-users（高意图）/resources/ai-startup-roadmap（有余力再做）
每页的升级清单：
- ✅ 3-5 条关键结论框（置顶，LLM 可提取）
- ✅ 可见作者信息（姓名 + 为什么有资格写这个）
- ✅ 发布日期 + 最近实质更新日期
- ✅ 至少 1 个真实案例（带数据，可验证）
- ✅ 适合谁 / 不适合谁（Trust 信号）
- ✅ 利益冲突披露（如果提到校园VC）
- ✅ 至少 1 个其他网站无法轻易复制的证据
❌ 不要：
- 音频版本（成本高，ROI 不确定）
- 外部审核人署名（第一版可跳过，避免卡进度）
3. 设计证据采集方案
目的：把教学经验转化为可引用的第一方证据资产
范围：
- 选取最近 1-2 期数创班/大创社群
- 指标：报名数、完成率、MVP 数、访谈数、首个用户数
- 包含至少 1 个失败/未达预期案例
建立流程：
- 知情同意书模板
- 数据记录表格（飞书表格）
- 案例访谈提纲（标准化）
- 找 1 位合作高校教师作为外部审核人
输出：《证据采集方案 v1.0》文档
成功标准：
- 5 个可独立引用的数字
- 3 个有过程和结果的案例
- 1 位外部审核人
- 2 个第三方页面提及或链接
必须避免的错误
错误 #1：把 Atlan 当成"页面装修模板"
错误做法：
- 给所有文章加作者栏、日期、摘要框
- 继续批量生产内容
- 3 个月后发现没效果
根本原因：LLM 引用某页是因为它有"独特、可验证的事实"，而不是因为页面上写着"阅读 7 分钟"
验收标准：这个页面有没有至少 1 个其他网站无法轻易复制的证据？
错误 #2：盲目复制 B2B SaaS 的"推荐竞品"策略
核心差异：
- Atlan 推荐竞品不会直接损失用户（都是付费企业软件）
- 校园VC 推荐北大AI创业营可能真的会流失用户（免费课程）
正确做法：强调"不适合谁"，而非"竞品更好"
错误 #3：期待 3 个月见到 Atlan 级别的效果
现实：
- Atlan 的 35% 引用份额建立在 DR 75、6200 个反向域名的基础上
- 这是多年积累，不是 52 个页面 3 个月的结果
正确预期：
- 本月：建立基线，完成 3-4 个页面升级
- 3 个月：看到 1-2 个问题的引用出现
- 6-12 个月：形成稳定的引用模式
- 长期主义：GEO 是品牌建设，不是流量黑客
工具缺口
最大缺口：证据采集系统
现有工具（/geo、/yao-geo-*）完善，但缺少一个轻量"证据库"：
需要的结构：
- claim：要支持的主张
- evidence：数据、访谈、案例或外部来源
- owner：谁负责确认
- date/scope：时间、样本、适用边界
- public URL：读者和模型可以验证的页面
- reusable pages：哪些页面可以引用它
次要缺口
- "关键要点"框模板：工具可能不会自动生成 LLM 优化的可提取摘要
- 音频版本：未内置（但对文本为主的 VC 站点优先级较低）
- Editorial review 流程：工具不强制人工审核步骤
最终总结
"别急着做 20 个页面升级。先做 3-4 个，每个页面至少加入 1 个独家证据（真实学员数据、失败案例、独家方法论）。同时启动'最小可信版本'的证据采集方案设计。做对 3 件事，比做完 10 件表面功夫更有价值。"
核心共识（三模型压力测试后）
- ✅ 档案升级 > 新内容发布
- ✅ 第一方证据是最高杠杆（但执行难度被低估）
- ✅ 意图覆盖 vs 关键词堆砌
- ✅ E-E-A-T 信号易实施且高影响
- ✅ 最大错误是形式主义（装修页面而不加独家证据）
关键洞察
页面组件是放大器，真实证据才是信号源。
本文档基于 Atlan E-E-A-T Playbook 案例研究，经 Claude Code + Codex + DeepSeek V4 Pro 三模型交叉验证后提炼。