ABM 落地页技能
为特定潜在客户创建高度个性化的落地页,最大化转化率同时避免 AI 检测模式。
工作流程
第一步:资料分析
给定一个 LinkedIn URL,提取:
- 当前职位和公司 - 他们日常工作内容是什么?
- 过往经验 - 他们使用过哪些工具/平台?
- 痛点 - 基于职位描述,他们面临什么问题?
- 行业术语 - 他们会使用哪些特定术语?
- 认证 - 他们拥有哪些凭证?
深度使用 LinkedIn 资料来理解他们的世界。
第二步:创建基于细分市场的 URL
绝不在 URL 中使用个人姓名。 创建一个看起来像类别页面的细分市场:
| 错误示例 | 正确示例 |
|---|---|
/for/jon | /for/uipath-certified |
/for/sarah-smith | /for/rpa-consultants |
/for/john-doe | /for/enterprise-it-leaders |
URL 应该看起来是针对一个角色/细分市场,而不是个人。
第三步:内容指南
应当:
- 使用只有内部人士才懂的行业特定术语
- 引用他们使用过的特定工具/产品(例如
idx_aaname、DU模型、Orchestrator) - 编写口语化、略带不完美的文案
- 变化句子长度和结构
- 包含具体场景("周六凌晨2点。升级失败了。")
- 使用随意的语言("经典。"、"提交然后祈祷。")
不应:
- 使用表情符号或图标网格
- 使用陈词滥调,如 "10倍"、"颠覆性"、"变革"、"自愈"
- 使用重复的句子结构
- 使用过于精致、完美的文字
- 使用通用的营销套话
- 在页面上任何地方提及个人姓名
第四步:页面结构
app/for/[segment-name]/
page.tsx # 服务器组件,包含元数据和 JSON-LD 架构
client.tsx # 客户端组件,包含 UI
page.tsx 模板(包含 SEO/AEO 优化)
import { Metadata } from "next";
import SegmentPageClient from "./client";
export const metadata: Metadata = {
title: "针对 [细分市场] | Mediar",
description: "[关于痛点的简短、随意的描述]",
robots: "noindex, nofollow", // 私密页面 - 不索引
};
// 面向 AI/搜索引擎爬虫的 JSON-LD 架构
const jsonLd = {
"@context": "https://schema.org",
"@type": "Article",
headline: "[页面标题]",
description: "[描述]",
datePublished: "2026-01-20",
dateModified: "2026-01-20",
author: { "@type": "Organization", name: "Mediar", url: "https://mediar.ai" },
publisher: { "@type": "Organization", name: "Mediar", url: "https://mediar.ai" },
mainEntity: {
"@type": "FAQPage",
mainEntity: [
// 根据他们的痛点添加 FAQ 项目
{
"@type": "Question",
name: "[他们可能会问的问题]",
acceptedAnswer: { "@type": "Answer", text: "[直接回答]" },
},
],
},
};
export default function SegmentPage() {
return (
<>
<script
type="application/ld+json"
dangerouslySetInnerHTML={{ __html: JSON.stringify(jsonLd) }}
/>
<SegmentPageClient />
</>
);
}
client.tsx 结构
为 AI 爬虫使用语义化 HTML:
<article>
<header> {/* 英雄区域 */}
<h1>...</h1>
<p>更新于 <time dateTime="2026-01-20">2026年1月</time></p>
</header>
<section> {/* TL;DR */}
<h2>TL;DR</h2>
<ul>...</ul>
</section>
<section> {/* 痛点 */}
<h2>...</h2>
</section>
<section> {/* 对比 - 使用 <table> 而不是 div */}
<h2>...</h2>
<table>...</table>
</section>
<section> {/* 社会证明 */}
<h2>...</h2>
</section>
<section> {/* 演示/视频 */}
<h2>...</h2>
</section>
<section> {/* CTA */}
<h2>...</h2>
</section>
</article>
部分顺序:
- 头部/英雄 - 一个关于他们主要痛点的犀利问题 + 可见日期
- TL;DR - 3-4个关键要点的项目符号(AI喜欢这个)
- 痛点 - 4-6个他们能识别的具体场景(无图标)
- 对比 - 他们当前工具 vs Mediar(使用
<table>,而不是div) - 社会证明 - 来自类似角色的推荐语
- 演示/视频 - 与他们的工作相关的具体示例
- CTA - 简单、低承诺的要求
第五步:PostHog 追踪
使用细分市场标识符(而非个人信息)追踪页面浏览量和 CTA 点击量:
useEffect(() => {
if (posthog) {
posthog.capture("segment_page_viewed", {
page: "/for/[segment]",
segment: "[segment_identifier]",
});
}
}, [posthog]);
反 AI 检测检查清单
delivery前,请验证:
- URL 使用细分市场名称,而非个人姓名
- 页面任何地方都没有出现个人姓名
- 内容中没有表情符号图标
- 没有通用陈词滥调(10倍、颠覆性、变革、解锁、赋能)
- 句子长度显著变化
- 有些句子很短。真的很短。
- 行业术语具体且准确
- 文案具有个性特点(破折号、片段、随意的旁白)
- 过渡不够流畅/完美
- 具体场景胜于通用优势
按角色划分的示例痛点
UiPath 开发人员
- 选择器维护(
aaname、idx、锚点元素) - 异常处理(到处try-catch)
- Document Understanding 训练
- Orchestrator 更新/维护窗口
- 版本兼容性问题
- 向初级开发人员传授最佳实践
Power Automate 用户
- 桌面流可靠性
- 连接刷新问题
- 高级连接器成本
- 流运行历史限制
- 调试云流
IT 经理(RPA)
- Bot 许可成本(每个bot每月420美元)
- 基础设施开销
- 扩展有人值守 vs 无人值守
- 安全/合规问题
- 衡量 ROI
财务/运营(最终用户)
- 系统间手动数据输入
- 复制粘贴错误
- 月结延迟
- 报告生成时间
- 审计跟踪要求
文案风格指南
标题
- 问题形式效果好:“如果选择器能正常工作会怎样?”
- 随意陈述:“吞噬你一周的东西”
- 直接:“相同的任务,不同的方法”
描述
像和同事聊天一样写:
过于精致(AI 感):
“我们先进的AI驱动自动化平台通过智能自愈能力彻底改变了企业工作流程管理。”
更好(人类感):
“你懂的。Chrome 更新了,你的 idx_aaname 就坏掉了。有人动了 DOM,你的锚点元素就消失了。我们也受够了。”
CTA
保持随意:
- “预约15分钟”(而不是“立即安排您的个性化演示”)
- “或者查看代码”(而不是“探索我们的开源仓库”)
- “看看我们是怎么处理的”(而不是“发现我们的平台如何转变您的工作流程”)
文件位置
- 落地页:
app/for/[segment]/ - 共享组件:使用
components/中的现有组件 - 线索捕获:使用
LeadCaptureModal来自components/landing/lead-capture-modal
快速开始
当用户提供 LinkedIn URL 时:
- 访问资料并提取职位、经验、技能
- 根据他们使用的工具识别可能的痛点
- 从他们的角色创建细分市场名称(例如 "uipath-certified"、"rpa-consultants")
- 在
app/for/[segment]/中生成page.tsx和client.tsx - 运行开发服务器并在浏览器中预览
- 根据反馈迭代
SEO 与 AI 搜索优化 (AEO)
AI 系统(ChatGPT、Perplexity、Claude、Google AI Overviews)现在可以提取和引用内容。传统的 SEO 专注于在 Google 的10个蓝色链接中排名。现在您还需要优化:
- AI Overviews(Google 的 AI 生成摘要)
- ChatGPT/Bing Chat 响应
- Perplexity、Claude、Gemini 和其他 AI 助手
- 传统搜索(仍然重要,但点击份额正在缩小)
关键概念
1. 答案引擎优化 (AEO)
AI 系统提取并综合答案。您的内容需要:
- 直接可回答 - 清晰、简洁的陈述,AI 可以引用
- 结构良好 - 标题、列表、表格,可干净解析
- 权威性 - 引用的来源、凭证、E-E-A-T 信号
2. AI 模型优先考虑的内容
- 时效性 - 新鲜、更新的内容(日期戳很重要)
- 具体性 - 详细的、小众的专业知识,而非通用覆盖
- 共识 - 与权威来源一致的信息
- 结构 - Schema 标记、FAQ、清晰的层级结构
3. 引用优化
当 AI 引用来源时,它倾向于:
- 原创研究/数据
- 第一手专业知识
- 其他地方找不到的独特观点
- 组织良好的参考内容
战术性改变
内容格式
旧方法: 2000字的SEO文章,充满填充内容 新方法: 密集、可扫描、事实丰富的内容,带有清晰的要点
有效的结构
- 以答案开头(倒金字塔)
- 使用描述性的 H2/H3,它们可以作为独立的查询
- 包含“什么是X”和“如何做Y”部分
- 为常见问题添加 FAQ Schema
- 使用表格进行比较(AI喜欢结构化数据)
技术必备
- Schema 标记 - FAQ、HowTo、Article、Organization
- 快速加载时间 - AI 爬虫有超时
- 干净的 HTML - 语义化标记优于 div 混乱
- 可索引的内容 - 关键内容不进行纯 JS 渲染
衰退中的内容 vs 兴起中的内容
衰退中的内容:
- 关键词堆砌(AI理解语义)
- 内容较薄的联盟营销内容(AI更喜欢主要来源)
- 链接农场/PBN(在 AI 训练数据策划中权重更低)
- 点击诱饵标题(AI评估内容质量,而非点击率)
兴起中的内容:
- 主题权威性 - 对您的小众领域进行深入覆盖
- 品牌提及 - 即使没有链接,被提及的品牌也会被引用
- 社区存在 - Reddit、论坛、讨论影响 AI
- 多格式内容 - 视频转录、播客为 AI 训练提供素材
快速见效的行动
- 用自然的问题添加 FAQ 部分
- 定期更新发布日期和内容
- 为您的类别创建对比表格
- 撰写权威的“什么是X”解释性文章
- 在 Reddit/论坛讨论中被提及
- 认领并优化您的知识面板
- 积极使用结构化数据
关键 HTML 标签参考
| 标签/属性 | 用途 |
|---|---|
<article> | 语义化内容包装器 |
<time datetime=""> | 机器可读的日期 |
<h1> - <h3> | 清晰的层级结构(一个 H1) |
<ul>、<ol> | AI 可以解析的列表 |
<table> | 比较、数据 |
itemscope/itemprop | 内联微数据 |
application/ld+json | 结构化数据块 |
最低可行实现
每个 ABM 落地页必须包含:
- 每个页面一个 JSON-LD 块(Article 或 FAQPage)
- 语义化 HTML(
<article>、<section>、<header>、<time>) - 清晰的 H1 → H2 → H3 层级结构
- 标题附近可见的“更新:[日期]”
- 顶部有 TL;DR 或关键要点
FAQ Schema 模板
根据他们的痛点添加问题:
{
"@type": "Question",
"name": "Mediar 如何处理选择器维护?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Mediar 使用 AI 根据 UI 元素的视觉外观和上下文来定位它们,而不是脆弱的选择器。当 Chrome 更新或 DOM 发生变化时,AI 会自动适应。"
}
}
按页面类型划分的 Schema 类型
| 页面类型 | 推荐的 Schema |
|---|---|
| ABM 落地页 | Article + FAQPage |
| 对比页面 | ComparisonTable 或 ItemList |
| 案例研究 | Article,带有 author、datePublished |
| 操作方法内容 | HowTo schema |
| 解决方案页面 | Article 或 Service schema |
资源
- 反 AI 检测研究:https://octet.design/journal/how-to-detect-ai-content/
- SEO/AEO 指南:
C:\Users\User\SEO & AI Search Optimization Cras.txt - 可参考的现有落地页:
app/compare/目录 - 线索捕获组件:
components/landing/lead-capture-modal.tsx - PostHog 设置:请参见
posthog技能