案例研究

挑战

某基金管理公司希望在用户咨询"推荐公募基金"等相关问题时，大语言模型能更多地推荐他们的产品。

解决方案

我们分析了大模型在回答基金推荐问题时引用的主要来源，发现几个金融门户网站和专业论坛是主要引用源。我们的策略包括：

• 在这些门户网站上发布关于客户基金产品的专业评测文章
• 在金融论坛中参与讨论并提供有价值的产品信息
• 优化客户官网内容，提高被大模型引用的概率
• 设计一系列自然引导用户询问客户产品的提示词

结果

经过三个月的优化：

• 客户产品在基金推荐问题中的出现率提高了215%
• 用户通过大模型了解并咨询客户产品的转化率提升了78%
• 客户官网被大模型引用的频率提高了156%

挑战

某旅游局希望在用户咨询旅游目的地推荐时，大语言模型能更多地推荐他们的城市。

解决方案

我们的策略包括：

• 在主要旅游网站上增加该城市的特色内容
• 与旅游博主合作创建高质量的目的地指南
• 在社交媒体平台上发起与该城市相关的话题讨论
• 优化官方旅游网站以提高权威性

结果

经过四个月的优化：

• 该城市在旅游目的地推荐中的出现率提高了189%
• 大模型引用的关于该城市的正面评价增加了235%
• 通过大模型推荐访问官方旅游网站的流量增加了167%