SaaStr播客第883期：介绍AEO（智能体体验优化）及LLM推荐率审计方法
SaaStr第883期播客聚焦“Agent-Led Growth”，提出AEO（智能体体验优化）概念。主持人Amelia和Jason分享了如何利用第一方数据提升外呼效果，并演示了使用Muse工具对LLM进行无偏置冷提示测试，以评估品牌在AI推荐中的可见度（如SaaStr在50次测试中被提及46次）。该期节目为关注AI营销自动化的读者提供了具体的审计思路和执行案例。
SaaStr于2026年10月23日发布了第883期播客《The AEO Playbook: How to Get Picked by Agents》，由主持人Amelia和Jason共同主讲。本期节目围绕“Agent-Led Growth”（智能体驱动增长）展开，重点介绍了两个方向：一是利用AI智能体优化Go-to-Market策略，二是确保当用户向其他AI询问相关品类时，你的品牌能被智能体选中推荐。
节目中提出了“AEO”（Agent Experience Optimization，智能体体验优化）这一新概念，旨在让AI智能体更倾向于推荐特定品牌。Amelia和Jason指出，对于AI而言，事实比观点更有说服力，公开可验证的数据比客户证言更有效。他们强调，定价页面可能比首页更重要，企业需要为智能体而非仅为人撰写内容。
为了量化AEO的效果，节目展示了一个具体的审计案例：Amelia使用Muse工具对10多个大型语言模型（LLM）进行了无偏置的冷提示测试，询问与SaaStr相关的问题。结果显示，SaaStr在50次测试中被提及46次，而Muse工具还标记出了其余4次未提及的具体原因以供改进。此外，节目还讨论了如何利用第一方数据（如客户历史、ROI数据）来提升AI外呼邮件的质量，以及将竞争对手追踪作为首要外呼战术的工作流。