AI 搜索

实体SEO的出发点是一个大多数优化建议至今仍然忽略的事实：搜索引擎早就不再匹配字符串了。它们匹配的是事物。一个页面得到什么分数，并不取决于它是否包含某个词组，而取决于系统是否相信这个页面讲的是词组背后的那个概念，以及系统对这个概念到底是什么有多大把握。 这个区别决定了重复关键词究竟对你有帮助，还是完全不起作用。在匹配字符串的系统里，重复是一种信号。在匹配实体的系统里，重复只是噪声，真正能推动结果的，是机器能不能识别出你是什么。 判断你是否作为实体存在的测试： 搜索你的公司名称，看看在没有人追问的情况下，搜索引擎主动给出了关于你的哪些信息。如果它只返回首页，别的什么都没有，那么你只是一串它能找到的字符。如果它返回了描述、所在地、类别以...

有排名却从不被引用，是把搜索引擎优化做对了、却眼看着它什么都没带来的那种非常具体的挫败感。排名来了。展示次数在涨。点击却没有跟上，而且把标题标签改写多少遍都不会有变化。 这不是你优化上的失败。这是当结果页不再是一份链接清单、而变成一个答案时必然发生的事。而且它现在已是常态，不是一个值得拿去诊断的异常。 我们自己的数据，来自 Search Console，统计口径是截至 2026 年 8 月初的 28 天： 本站有 531 个查询词排在前十位，带来 28,847 次展示，却只换到 161 次点击。这就是 0.56% 的点击率，而第四到第十位在历史上通常能拿到 2% 到 8%。这 531 个查询词里，有 452 个一次点击都没有产生。 ...

llms.txt 现在到底有没有用？诚实的答案是：在可测量的范围内几乎没有用，而那些告诉你这个文件对 AI 可见性至关重要的人，通常是在向你推销东西。一边这样说，一边又建议你发布一份，这个立场并不舒服。所以这篇文章先把数字摆出来，然后再解释这条建议本身。 文件本身是个合理的主意。它是放在网站根目录下的一份 markdown 索引，告诉语言模型你发布了什么、内容在哪里，就像 robots.txt 告诉爬虫哪些内容可以抓取一样。想法没有问题。问题出在它原本要服务的那些公司身上，它们几乎没有采用。提出一份规范，和真正出现读取它的一方，完全是两回事。 服务器日志真正显示的情况： Ahrefs 对 137,000 个域名的分析发现，2026 ...

要不要屏蔽 AI 爬虫，通常被摆成一个技术问题，但它并不是。屏蔽本身只是几行配置，在 robots.txt 里加几条规则，或者在网络层打开一条规则，十分钟就能做完。真正难的是决定你到底想不想这么做，而这个决定完全属于生意范畴：你是在两件事之间做取舍，一边是保护内容不被拿去训练模型，另一边是继续出现在人们如今用来替代搜索结果列表的那些答案里。 网上大部分建议都是先站队，然后只替自己那一边说话。诚实的说法是另一种：正确答案随商业模式而变。一家靠页面浏览量吃饭的媒体，和一家靠询盘吃饭的服务公司，本来就应该得出完全相反的结论。如果两者的答案一样，那才是真的出了问题。 这笔交易一句话就能说完： 屏蔽 AI 爬虫可以阻止你的内容被抓取消化，但同...

电商的 GEO 比内容型 GEO 范围更窄，而且在一个具体的地方反而更简单：一个要回答商品问题的助手，想要的是可以直接说出口、不必绕圈子的事实。价格、是否有货、尺寸、兼容清单、退货期限。这些要么以机器可读的形式存在于你的站点上，要么就不存在，而不存在的东西没法被引用。 所以这与其说是写作问题，不如说是数据问题。大部分工作落在商品 feed 和标记上，而不是落在销售文案上，这跟这个领域里其他所有议题的重心正好相反。 决定能否被采用的，是准确度而不是完整度。 一个系统说出了你的价格却说错了，它就产生了一个糟糕的答案，而避免糟糕答案最省钱的办法，就是不再使用不可靠的来源。过期的库存与价格数据是被剔除最快的一条路，而且和排名处罚不同，没有人...

没有人能用当年衡量搜索引擎优化的那套办法来衡量 GEO，原因不是工具不够用，而是结构本身变了。旧指标全都建立在一个前提上：会有人点击。当年值得知道排名，是因为排名可以预测流量，而流量可以预测收入。可是当答案不需要一次访问就被直接送到用户面前时，这条链条在第一环就断了，而它下游的每一个数字仍然照常上报，好像什么都没有发生。 危险的地方正在这里。排名看着正常。会话数看着还撑得住。仪表盘是绿色的，可你真正在意的那一块正在归零，而标准报表里没有任何一栏是为了把这件事告诉你而设计的。 要盯的信号是展示量在涨而点击量持平，而且必须按查询词逐条去看，不能只看整站汇总。 在汇总数字里它是隐形的，因为几个正常增长的页面就足以把它盖过去。在本站，...

谷歌 AI 模式是那个用对话回答你问题、而不是返回十条链接的标签页，它从实验走到十亿月活用户，比过去十年搜索的任何一次变化都快。如果你在英国运营网站，无论你有没有去看，它已经在影响你的数字。 它与 AI 概览的区别不只在呈现方式。概览位于一页仍然存在于其下方的普通结果页上。AI 模式则用一段对话彻底取代结果页，而它构建答案的机制，改变了哪些页面会被看到。 一句话概括： AI 模式接过一个问题，悄悄把它扇出成许多同时进行的搜索，再用返回的结果拼出答案。你不再是为某个查询上的位置竞争。你是在为十几个用户从未输入过的子问题中的某一个，争当最好的信息来源，而这些子问题大多比你关键词研究里的任何一条都更具体。 查询扇出，以及它为什么打破了关键...

AI SEO 代理机构这个说法涵盖了两门完全不同的生意，而在签约之前把它们分辨开来，就是这件事的大半工作。一种用语言模型更快地生产更多内容，并把这称作 AI 服务。另一种研究的是，当 AI 系统生成答案时，你的公司会不会出现在答案里面，这是一门真正的新学科，其机制与把一个页面排上去完全不同。 只有后者卖给你的是你原本没有的东西。前者卖给你的是一座更便宜的文字工厂，而市场上这两者都挂着同一块招牌。 真正重要的区分： 用 AI 写稿的代理是在自动化供给。做 AI 可见度的代理，改变的是当有人提出你产品能回答的问题时，ChatGPT、谷歌 AI Overviews、AI 模式和 Perplexity 会不会引用你。请在头十分钟就问清楚对方...

OpenAI 和 Perplexity 正在从根本上改变用户发现商业品牌和企业平台的方式，针对 ChatGPT Search 的 SEO（GEO）正迅速变得与在 Google 上排名同样重要。这些对话式 AI 搜索引擎不再向用户展示传统的索引链接列表，而是将网页信息提取后合成为单一的、逻辑清晰的回答，并在文本中通过“内联引用”（内嵌引用链接）的形式指向源网页。为了在 AI 检索时代保持网站的自然流量与曝光度，开发者与 SEO 人员必须将网站结构向 AI 检索架构（RAG）靠拢。本指南将为您介绍如何配置爬虫索引、调整数据格式以赢取 AI 的青睐引用，以及如何同时针对 ChatGPT Search 和 Perplexity 进行优化。 ...

生成式引擎优化（Generative Engine Optimization）是数字搜索战略的下一次进化。随着用户从基于关键字的搜索查询迁移到对话式 AI 界面，企业主必须调整其平台展示信息的方式。AI 搜索引擎——例如 Perplexity、ChatGPT Search 和 Google Gemini——直接从原始网页索引数据中合成答案，而不是显示标准的链接列表。因此，未能有效迎合大语言模型（LLMs）的网站将面临失去搜索流量的风险。本指南将解释 AI 爬虫如何解析内容、哪些变量决定了 AI 引用，以及如何在 2026 年结构化您的平台以保持可见性。 研究背景： 生成式引擎优化（GEO）最初在普林斯顿大学、佐治亚理工学院、艾伦人工...