10-3 · 反面教材与失效模式
一句话：失败案例比成功案例值钱——最大的两个坑是**“被引爆但没流量”和”影响了却归因不到”**。
💔 被引 ≠ 有流量（头号失效模式）
- G2：评测类 AI 回答中被引 23.1%，同期自然流量却掉 84.5%。
- Reuters / Guardian：被频繁引用，但 AI 引荐流量 <1%（Similarweb 2026）。
- Chegg：公开承认 ChatGPT 冲击后股价崩 ~90%——靠搜索可见度吃饭却不转型的最坏剧本。
- 本质：引用是”给 AI 答案背书”，不是点击引荐 → 分清 02-6-引用vs提及。
🕳️ 零点击陷阱
SparkToro：60% 的 AI 搜索零点击收尾。你的页排第一、被 AIO 抽走当答案，自己拿不到流量 → 01-3-为什么现在重要-市场与流量迁移。
🧮 归因黑洞（项目被”误杀”的主因）
- AI 影响 → 用户隔周 branded 搜索 / 下周注册，analytics 接不回那次 AI 提及 → 看起来”没用”被砍。
- AI 平台用户 +30–50%/季：流量涨可能是平台红利而非优化 → 必须 control group / before-after 引用率隔离 → 07-3-归因-从AI引用到流量转化。
🐍 厂商蛇油与指标错位
- uSERP CEO：“80% 的 GEO 是扎实的 SEO；不明说这点的服务，在卖蛇油。”
- 只报”引用数”= 失效指标：AI 是”great neutralizer”，把每个品牌都顺嘴推一遍，引用多 ≠ 被推荐 → 看 SoV/转化而非裸引用数 → 07-1-指标体系-SoM与SoV。
🚫 战术黑名单（实测”不管用/反伤”）
| 坑 | 为什么坏 |
|---|---|
| 假 Reddit 种草 / 低质自荐 | 被社区标记、被模型忽略 → 正解见 P3-3-社区与评测策略 |
| 垃圾 FAQ / 过度格式化 | 页底塞无用问答、硬套 Q&A/表格，对用户零价值反降质 |
| 低效 hack（llms.txt / markdown / AI info 页） | 入场券非胜负手，别当核心 → P2-4-llms-txt与机器可读表面 |
| 结构错误 | 缺 schema、实体定义模糊、大段密排——杀可引用性三连 → C3-渲染与内容可提取性 |
| 关键词堆砌 | 旧 SEO 惯性，对 GEO 反作用（Princeton 已验证） |
| set-and-forget | 50% 月度引用波动、11% 跨平台重叠——不复测=盲飞 → 12-5-模型波动与监测预警 |
| 一套打法套所有平台 | 平台隔离严重，漏掉需平台特定打法的机会 → 03-0-平台横向对比矩阵 |
相关
- 约定/分级 → 10-0-案例库约定与证据分级；成功案例 → 10-2-成功案例卡
- 认知误区 → 01-5-常见误区与认知陷阱；归因 → 07-3-归因-从AI引用到流量转化