一句话结论：澳大利亚建筑与运输行业软件商 Kynection 把官网重写成"机器可读的事实层"，并围绕 198 个技术型买家提问重建内容后，在 4 个 AI 引擎累计 11,371 次追踪回答里拿到 4,761 次引用（覆盖率 41.9%），AI 声量份额 23.11% 在 41 个竞品中排第一、超过 Procore 的 6.15%，同期付费搜索会话下降 49%。
背景：问题不在预算，在"AI 答不出你"
Kynection 是澳大利亚的一家垂直行业软件商，产品叫"One System"，把运输、建筑、矿业三类业务的调度、合规、现场管理放进一套系统里卖。它原本的打法是传统 SEO 抢点击，加上每月 2,000 美元 Google Ads 买底漏斗线索。
钱花出去了，但买家用 AI 做前期调研的那一段，Kynection 完全不在场。原文写得很直白：员工和客户都在提同一件事——"ChatGPT 总是推荐 Procore"。也就是说，买家的候选名单在打开官网之前就已经被 AI 定好了，而 Kynection 不在名单里。
执行方 Intelligent Resourcing（IR）对这个问题的判断是结构性的，不是预算性的：CPC 上涨、假机器人流量都只是症状，真正的断点在于 Kynection 的内容不是以"可核验事实"的形态存在，模型没法抽取、也就没法引用。
动作：四步，先测量再改内容
第一步，先把测量系统立起来，再动任何页面。
IR 用自建的 AEO Tracker，固定一批买家提问，在 ChatGPT、Gemini、Google AI Overviews、Copilot 四个引擎上按固定频率反复跑，最终累计 11,371 次 AI 回答快照（快照日期 2026-11-04，追踪提问 420 个）。基线数据是：AI 引用 0 次、AI 声量份额 0%、品牌提及未检出。这套固定 prompt 集的意义在于——后面每一个动作都能对着同一把尺子看涨跌，而不是拿"感觉 AI 提到我们了"当结论。
第二步，重建实体信号层。
关键页面被重做成"严格实体信号 + 更紧的搜索意图 + 机器可读的 HTML 架构"。目标很明确：让模型能把"One System"读成一条可核验的事实（这是什么产品、属于哪个品类、解决什么工况、边界在哪），而不是一段营销文案。
第三步，锁 198 个技术型、商业意图提问。
不再为泛词买点击，而是把买家真正会问的技术问题（参数、工况、集成方式、行业适配）逐条映射出来做覆盖。这一步替代的是原来那每月 2,000 美元的泛点击预算。
第四步，71 篇场景深度内容，兼做 ICP 过滤。
按真实行业场景写深稿，作用有两层：一层是给 AI 提供可引用的场景事实，另一层是把不合格的咨询挡在 demo 之前——原文的说法是"只有被 AI 提前教育过的买家才走到 demo"。
结果：前后对比
| 指标 | 优化前 | 优化后（2026-11-04 快照） | 口径 |
|---|---|---|---|
| AI 引用次数 | 0 | 4,761 次，出现在 41.9% 的追踪回答里 | 服务商自建 IR AEO Tracker，未经第三方复现 |
| AI 声量份额（SOV） | 0%（不存在） | 23.11%，41 个竞品中第一；Procore 6.15% | 同上，同一批提问、同一口径 |
| 品牌提及 | 未检出 | 3,648 次 / 11,371 次回答 | 同上 |
| 追踪提问数 | 0 | 420 个，覆盖 4 个引擎 | 同上 |
| 付费搜索会话 | 2,000 美元/月投放 | 会话下降 49% | 客户 Ads 后台数据，经服务商转述 |
| 见效节奏 | — | 30 天内出现，之后持续累积 | 服务商自述 |
补充两点读法：一是 41.9% 这个数就是 4,761 ÷ 11,371，不是另外一套统计；二是竞品 SOV（Procore 6.15%）与 Kynection 的 23.11% 出自同一个追踪器同一批提问，可比性成立，但仍是单一服务商口径。
复盘：3 条可抄的动作 + 1 条避坑
先固定提问集，再改内容。 420 个提问 × 4 个引擎 × 固定复测频率，把"AI 提没提我"变成一条可以逐月对比的曲线。没有这一步，后面的改版、发稿都无法判断有没有用。
页面按"可核验事实"写，不按形容词写。 实体信号（是什么、属于哪、能干什么、边界在哪）加机器可读的 HTML 结构，是本案例里最基础也最容易被跳过的一层。
用技术参数和工况长尾切入，不硬碰"哪家好"。 Kynection 押的是 198 个技术型买家提问，而不是品类大词，这也是它能在一个细分池子里先成为"被点名的那一个"的原因。
避坑：付费会话掉 49%，别直接读成"省了钱"。 原文只给了会话数下降，没有披露这部分流量是否在别处补回、PPC 转化与成交是否同步变化、预算是否真的 relocated 到别处。要判断"预算回收"成立不成立，得看同期询盘量与成交额，而不是只看会话数少了一半。另外它的 SOV 基线写的是"0%（不可见）"，但未说明这个 0% 是否包含品牌词提问——如果有品牌词在内还是 0%，那才说明连品牌都被低估，这两者的含义差别很大。
标注
来源：Intelligent Resourcing 官方案例页 https://www.intelligentresourcing.co/case-studies/kynection ，发布/更新于 2026-11-04
数据性质：服务商口径（执行方 IR 自述），底层为 IR 自建 AEO Tracker 监测；未经第三方复现，未见品牌方公开数据交叉验证
监测口径：420 个买家提问，跨 ChatGPT / Gemini / Google AI Overviews / Copilot 四引擎，累计 11,371 次回答快照；引用覆盖率 4,761/11,371 = 41.9%
未披露项：案例起点日期与完整执行周期、Kynection 站内流量与询盘变化、AI 渠道带来的成交额、SOV 基线是否含品牌词、付费会话下降 49% 的归因方法
案例周期：基线日期未披露 → 30 天内首次见效 → 监测快照 2026-11-04
标签
AI优化案例、GEO、AI可见度、AI声量份额、建筑软件、垂直行业SaaS