🏛️ 官方动态
Search profiles：新的搜索资料页帮助发布者和创作者在搜索中突出其作品
Google Searchprof 对 SEO 行业是一次结构级变革——它让发布者和内容创作者首次能在 Google 搜索结果中拥有一个官方自定义的“个人主页”。我强烈建议所有做 content marketing 或 publisher SEO 的同行立即研究这个新入口。
关键要点：
– Searchprof 是 Google 为创作者和发布商推出的独立 profile 页面，能聚合文章、视频和社交帖子，并通过 knowledge panel 或 Discover 直接访问。
– 用户关注 profile 后，相关内容会优先出现在 Google App 的 Discover 流中，相当于直接绑定了一个稳定的流量通道。
– 申请门槛是“至少在主流社交/视频平台拥有 sizable following”（具体数字未公布，但估计是几万粉丝级别），claim 后方可定制头像、简介、链接。
– 目前仅限美国，但官方明确表示未来将全球扩展，且计划增加更多功能。
我的观点：这本质上是 Google 在用户信任和品牌权威之间的新博弈——用 profile 替代传统 E-E-A-T 信号，让内容方自己管理“可信来源”的形象。对于中大型创作者和媒体，这是提升 search visibility 的黄金窗口；对小站点则可能进一步拉大差距。建议尽早 claim，即使不着急定制，也能抢占 knowledge panel 升级的先机。
网站所有者的新机遇、控制与洞察
这篇文章是Google官方发布的AI搜索新武器，直接关系到每个网站所有者的策略调整。核心结论：Google在Search Console中推出全新控制开关，让网站所有者决定是否参与AI Overviews、AI Mode等生成式搜索功能，并配套提供印象数据洞察。我建议大家立刻跟进。
几个关键要点：
– AI Overviews月活超25亿，AI Mode月活破10亿，用户正通过AI搜索新的问题类型。这意味着新的流量机会，但也需要主动管理。
– 新的Search Console开关（正在英国部分网站测试）允许网站选择“加入”或“退出”生成式AI搜索展示。选择退出将失去AI带来的流量和印象，但不会影响传统搜索结果排名。值得注意的是，这个开关不是排名信号，只针对AI场景。
– Google同步更新了AI优化指南，强调独特非商品化内容、良好页面体验、高质量图片和视频的重要性。他们还放大了内联链接数量，并在AI回答中引入“偏好来源”和订阅标签，让用户选择信任的网站。
– 新的性能洞察会显示哪些页面在AI回答中出现、出现次数及对应国家。后续还会增加更多指标。
我的实战建议：立即检查你网站的Search Console，确认是否有新的AI控制选项（目前英国先行，但全球即将铺开）。同时，按照Google的新指南重新审视内容策略，重点提供不可替代的原创信息，并优化多媒体元素。我觉得接下来几个月是抢占AI搜索曝光窗口期的关键，主动控制比被动等待更明智。
宣布 Microsoft Web IQ
微软宣布Microsoft Web IQ，这是AI时代搜索引擎架构的一次根本性重构。它不再是为人搜索，而是为AI代理设计的grounding API。
几个关键事实：
– 它基于Bing的全球索引，但为agentic era重新设计了从索引到检索、排序、段落选择的整个管道。
– 核心思路是用少数世界级模型（如嵌入模型和排名模型）紧密集成到系统中，直接优化LLM推理效果。
– 检索层扩展了DiskANN，实现分布式、低延迟的近邻搜索，并返回段落级证据而非整篇文档，大幅提升信息密度。
我的看法：这意味着内容生产必须从“人类可读”转向“代理可检索”。段落结构、事实密度、语义清晰度将比关键词密度更关键。
为每种角色、工具和工作流设计的 Codex
OpenAI 这篇官宣最核心的价值是：Codex 不再只属于开发，现在为每种角色、工具和工作流都提供了即插即用的插件和协作能力。非开发者用户已占20%，且增速是开发者的3倍，这意味着你的营销、分析、设计团队都能直接上手。
几个让我眼前一亮的关键点：
– 新发布了6个角色插件（数据分析、创意生产、销售、产品设计、股权投资、投行），每个都预装了10～20个常用工具和技能，开箱即用。
– Sites 功能让 Codex 能直接生成可分享的 URL 交互页面，比如客户 review 板、场景规划器、项目追踪 hub——这才是真正的“AI 取代文档”落地场景。
– 注释功能允许你直接在输出上高亮并修改（比如选中导航栏改字体），比 prompt 调参效率高得多。
我的建议是：如果你的团队正在用 Snowflake、Tableau、Figma 或 Salesforce，别犹豫，先让一个分析师或设计师试用对应的插件。我觉得数据分析插件和 Sites 会是最高 ROI 的两个能力，尤其适合需要快速对齐内部 stakeholders 的团队。
Endava如何围绕AI agent重新设计软件交付
Endava如何围绕AI agents重新设计软件交付，这篇文章对我理解GEO趋势很有启发——它展示了一个11,000人的科技公司如何将AI嵌入日常流程，而非当作额外工具。
三个关键点值得关注：1) 他们用ChatGPT Enterprise和Codex构建了名为DavaFlow的AI-native方法论，覆盖从需求到部署的全链路；2) AI adoption没有停留在工程团队——法务用AI做研究，项目经理用Codex生成报告，商业团队自己搭定价app；3) 核心教训是“behavior change, not software rollout”，CTO自己每天用agent跑后台。我的看法：虽然这不是SEO/GEO的直接战术，但它验证了“AI优先”思维在软件交付中的可行性。GEO从业者同样需要思考如何让AI成为内容生产和搜索策略的第一工具，而不是事后优化。
🤖 GEO·SEO 精选
GSC新的AI概览报告：我们如何利用这些信息？
GSC新的AI概览报（Generative AI报告）终于让我们看到内容在AI Overviews、AI Mode等生成功能中的展现数据，这对优化策略至关重要。
文章核心要点：
1. 报告只显示impressions，没有点击或CTR，但高impressions页面直接告诉Google的AI模型认为哪些内容最值得引用。
2. Marie Haynes建议用Antigravity或手动交叉分析这些页面与常规搜索的点击数据——如果同一页面在AI里impressions高、在常规搜索中点击也高，这就是非商品化内容的信号。
3. 她提供了一个实用Prompt：“What does this page have that the AI Overview doesn’t?” 答案往往是第一手经验、原创图片或深度分析。
4. 英国CMA的推动是报告推出的关键，同时新增的“退出AI数据集”开关我不建议关闭——退出AI Overviews基本等于退出搜索。
我的推荐：立刻去GSC看这个报告，用数据反向推导出哪些内容值得放大，而不是纠结于缺少点击指标。
如何在不依赖Schema标记的情况下实施实体优化？—— 来自SEO专家的解答
如何在不依赖Schema的情况下实施实体优化？这篇文章给出了清晰的技术路径。
我特别认同作者的观点：实体优化的核心不是加一堆结构化数据，而是建立机器可读的一致身份。关键要点有三：一是用 sameAs 属性把站内外实体（如作者、产品）关联起来，Google会交叉验证而非单纯信任Schema；二是保持线上线下品牌名称、地址、标识完全一致，避免被算法误判为不同实体；三是在网站技术层面（如URL结构、ID命名）用统一标识符强化一致性。我觉得最有价值的是，作者指出Schema只起到“镜像”知识图谱的作用，真正决定实体识别的是外部信号和数据点的连接。实战建议：先梳理品牌核心实体（产品、人物、地点），再确保每个引用都能被机器无歧义地链接回主节点。
EntityMap：赋予AI系统结构化企业视图的开放标准
EntityMap赋能：一个开放标准，让AI系统不再靠猜来理解你的业务。
这篇文章直接点破当前AI搜索的核心痛点——品牌信息分散在几十个页面，LLM靠概率拼接导致幻觉频发。我强烈推荐所有做SEO的同行立即关注并参与公开咨询（截至6月30日）。三个关键干货：第一，EntityMap是一个JSON文件，用Entities、Relations、Evidence chunks三要素声明“我知道什么、怎么关联、证据在哪”；第二，它填补了sitemap（只列页面）和schema.org（只描述单页）之间的空白，给AI一个完整的机构知识视图；第三，每个证据片段都带元数据（来源URL、发布时间），确保归因链条在RAG系统中不丢失。我觉得这是2026年最有实战价值的结构化数据新方案——不需要替换现有策略，而是在传统SEO之上加一层“AI可读的知识层”。建议立刻去entitymap.org下载规范，至少给自己的核心品牌页面建一个EntityMap，抢跑AI visibility红利。
什么是好的Domain Rating？（附真实数据）
什么是好的Domain Rating？这篇文章给出了真正的答案——不是追逐一个魔法数字，而是用三种数据驱动的方法来评估自己的DR。
这篇文章来自Ahrefs，用真实数据拆解了DR的参考价值。作者Ryan Law直接点破：DR是对数尺度，大多数网站集中在0-10，从70爬到80需要数千个外链，而“好”完全取决于你比较的对象。他提供了三个实用对比维度：
- 对比直接竞争对手：以SEO软件行业为例，前十玩家DR普遍80+，Ubersuggest的69明显是短板。你的DR只要超过你实际竞争的公司就是“好”的。
- 对比整个行业：分析600家SaaS公司的DR，中位数为62，前25%达到77。按这个方法拿20-50家同行数据做四分位分析，就能得到自己的行业基准。
- 对比目标关键词的SERP：这是最预测排名能力的比较。例如“best CRM software”的Top10平均DR高达89，最低排名页面也有73；而“best running shoes”的Top10平均DR仅76，最低页面只有29。这说明每个关键词对DR的要求完全不同。
我觉得最核心的价值是：别再问“我的DR是70好不好”，而是问“在我的赛道里，我需要多少DR才能赢”。文章教会你如何用Batch Analysis快速跑出对比数据，而且每个方法都有实操步骤。
一句话总结：如果你只记住一个点，那就是DR是相对指标，真正的好是建立在竞争对手和关键词门槛之上的好。
Perplexity 中被引用最多的 50 个网站（2026 年 6 月）
Ahrefs 用数百万条查询扒出了 Perplexity 的引用偏好——这份数据直接告诉我们内容策略该往哪使劲。
Perplexity 的引用极其集中：YouTube 拿走 32.4% 的份额，Reddit 占 16.6%，Wikipedia 仅 8.2%。有意思的是，Alibaba（5.1%）、Etsy（1.8%）、Target（1.6%）等电商平台挤进前十，说明 Perplexity 在购物类查询中大量引用商品页。我建议 GEO 策略优先押注 YouTube 视频 + Reddit 讨论帖，这两类内容在 Perplexity 的 answer engine 模型里转化效率最高。同时，如果你做电商，优化 product schema 并争取被这些平台收录，比追传统 SEO 关键词更管用。
主题权威：它是什么，Google 如何衡量它，以及如何建立它
Ahrefs这篇关于主题权威它是什么（Google如何衡量与构建）的文章，直接说清了一个残酷事实：未来SEO竞争不是比关键词数量，而是比主题所有权。作者Despina Gavoyannis用数据和案例证明了，即使Domain Rating只有15的小站，也能靠主题权威碾压DR 96的亚马逊。
三个关键要点打脸“唯外链论”：
1. 小站逆袭的真实案例：Bicycle Motor Works（DR 15）在e-bike关键词上碾压亚马逊（DR 96），并且在Google AI Overview中频繁出镜。核心原因只有一个——它把e-bike这个主题的所有子话题都填满了。
2. 数据冲击：一篇内容换2500个关键词：Healthline的镁甘氨酸盐文章不仅在Google排了2500个关键词，还在AI Overview、ChatGPT、Perplexity等5个平台拿到了总计1066个提示的曝光。主题权威让“溢出流量”成为常态。
3. 可复制的六步工程化路径：① 用Ahrefs Keywords Explorer基于种子词做主题扩展；② 用Matching Terms报告筛出所有子话题；③ 用Traffic Share by Domains找竞争缺口；④ 按搜索意图创建内容集群；⑤ 用内部链接打通主题网络；⑥ 持续跟踪并更新。
我的实战建议：别再用“头词-长尾词”的旧框架。打开Ahrefs的竞争对手关键词报告，找出对方覆盖了但你还没写的子话题，哪怕月搜索量只有50，也值得优先补充——因为主题权威的累积效应比单篇流量重要十倍。
页面内容格式：答案引擎真正青睐的格式 [新研究]
基于2026年HubSpot与Wix联合研究的百万级数据，这篇研究直接告诉你：页面内容格式答案引擎真正青睐什么。核心结论是：列表、文章、产品页和分类页是跨AI引擎最安全的格式，而对比内容在ChatGPT上引用率高达95%——这是所有格式中的最高分。
三个关键要点值得你立刻拿走：
- 不同引擎偏好差异明显：Google AI Overviews最爱博客文章（42%引用率），Gemini偏好博客（76%），ChatGPT对格式几乎不挑但最青睐对比内容（95%），Perplexity则偏爱产品列表和落地页（84%）。如果你的目标受众集中在某引擎，格式策略得调整。
- 第三平台内容也不容忽视：虽然本文聚焦自有页面，但Reddit、G2等讨论平台在Perplexity上占了17.35%引用，是跨引擎均值的两倍。如果你重视Perplexity，必须并行推进外站讨论策略。
AI搜索行为：对你2026年营销策略意味着什么
AI搜索行为对你的2026营销策略意味着：流量虽降但意向翻倍，AEO已是必选项。
HubSpot《2026 AEO状态》报告显示，AI搜索是CRM买家购买意向的第一预测指标，AI来源线索转化率是其他渠道的3倍。SparkToro数据更指出60%的Google搜索已无点击——AI摘要占据了所有可见空间。我的建议：立即停止只盯点击率，开始监测品牌被AI引用的频次、伴随的竞品、以及哪些prompt带来高意向流量。对B2B团队，从“如何在小团队中实施AEO”这类深度问题入手做content，而非泛泛定义。
预测B2B AI搜索流量最多的内容类型：对比页面
Siege Media这份基于116个B2B站点的原创数据，告诉你一个直接的结论：VS页面（对比页）是预测B2B AI搜索流的最强内容类型，没有之一。
三个关键要点：
– VS页面的相关性是“替代品”和“最佳X软件”页面的两倍。LLM遇到“X vs Y”意图时，VS页天然匹配问题形状，引用优先级更高。
– 拥有21+个对比页的B2B站点，AI搜索中位数流量是只有1-5个页面的9倍。从5页增加到20页，中位数提升350%——第一个20页回报最陡。
– 定价页表面关联很大（21倍差距），但控制内容投资后效果消失——它是“已经有了VS页面”的代理变量，不是独立驱动因素。
我觉得这份数据最大的实战价值在于：如果你只能选一种对比内容，别纠结，直接上VS页面。而且不需要堆量，第一批20个就能看到明显AI搜索流量增长。Siege甚至建议把VS页从之前“推荐做”提升到“第一优先级”。对B2B SEO团队来说，这是可以直接照做的优先级清单。
如何为 AI 可见性优化并为 Agentic Search 做准备
这篇文章真正解决了困扰我的难题——如何为AI可见性优化的具体框架，Aleyda Solis给出了可以直接落地的分层KPI体系和prompt追踪方法。
关键要点：第一，她把AI impact拆成Observed（可直接归因的转化数据）和Proxy（品牌搜索增长、页面需求变化等间接信号），用不同置信度指导资源分配。第二，她建议用prompt groups按产品线、客户旅程阶段分组追踪，而非孤立测试单个prompt——我试过用Moz AI Research Toolkit搭建dashboard，对比ChatGPT和Gemini上的品牌表现，效率提升很明显。第三，她列出核心AI KPI：prompt coverage（覆盖率）、recommendation rate（被推荐率）、linked citation rate（带链接引用率）、comparative win rate（对比胜率），这些比单纯看traffic更反映商业影响。
我的实战建议：在转化点加个简单survey问题——”你从哪知道我们的？” 选”AI回答”。这能低成本补上数据盲区，值得立刻用。
🔗 Moz Blog
仅22%的营销人员已完全整合AI搜索与SEO。他们正在领先。[研究]
仅22%的营销人员已完全整合AI搜索与SEO，而这22%正在拉开差距——Semrush基于481位营销人员的调查揭示了一个残酷现实：战略已变，执行未跟上。
这篇研究最刺痛我的三个数据：85%的受访者承认AI改变了搜索策略，但只有22%真正做到了“策略、执行、报告”全整合；49%的人无法衡量AI对管道或收入的影响，40%还在靠手动查ChatGPT当监测手段；更关键的是，整合团队报告从AI平台获得流量/线索的比例是81%，而完全分离的团队只有36%。这意味着执行差距直接换算成拿不到增量。
文章还指出测量是最薄弱的环节——77%的人把AI搜索视为SEO的延伸，但只有28%实际复用同一套工作流。内容规划相对统一（22%完全统一），可报告和评估体系却各自为政。我特别认同它对“团队对齐”的讽刺：90%觉得自己对齐了，但其中59%的执行还是分开跑。
我的建议：别被“AI是独立渠道”的说法迷惑。如果你还在用不同的关键词库、不同的简报模板、不同的归因模型去处理Google和AI搜索，那你很可能在浪费资源。真正的红利来自把AI visibility的权重写进团队日常的content brief和KPI里。如果22%的先行者已经吃肉，剩下78%至少要先把碗端平。
Google 5月核心更新偏好意图匹配的页面
Google5月核心更新不再只看网站权威性——Aleyda Solis的SISTRIX数据分析显示，页面与查询意图的匹配度决定了赢家。
关键数据：
– 英国版amazon.co.uk涨21.3%，而国际版amazon.com跌54.6%
– 教育类不全是赢家，cambridge.org涨40.9%，但类似的youglish.com跌69.6%
– 论坛整体收缩，reddit.com在英国跌23.8%
我认为这次更新更像一次“意图精准度测试”。高权威域名如nytimes.com依然可能掉排名，说明单纯靠权威性已经不够。有意思的是，本地化搜索结果明显偏向当地域名而非全球默认站点。
我的建议：分析你页面的来源类型是否符合查询意图，而不是盲目堆砌权威性。对于国际站点，检查是否被展示在错误市场，并加强国家信号。这个分析很值得细读，尤其适合那些做多语种SEO的团队。
谷歌必须允许英国网站选择退出AI搜索功能
谷歌必须允许英国网站退出AI搜索功能——英国CMA正式要求Google为出版商提供AI Overviews和AI模式的opt-out机制，这是内容控制权的里程碑。
三个关键点：
1. 网站可单独退出AI搜索功能及AI模型训练，无需牺牲传统搜索结果摘要。
2. Google须在AI生成结果中清晰标注来源链接，影响内容归属与流量分配。
3. 要求6-9个月内落地，Google需每半年向CMA提交合规报告。
我觉得这对所有面向英国用户的站点都是及时雨：过去用nosnippet一刀切，现在能精准控制内容是否被AI“吃掉”。建议SEOs立即关注robots.txt或Search Console的具体实现方式，提前规划内容授权策略。
用户为何逃离AI搜索？这对SEO意味着什么
这篇文章的核心结论很扎实：用户为何逃离AI搜索，因为强制AI体验正在触发心理反弹。数据显示，82%的用户并未规律使用生成式AI，而YMYL话题上57%的人坚持传统搜索。DuckDuckGo的No AI搜索流量翻了三倍——这不是小趋势，而是用户用脚投票。
我特别欣赏作者引用的心理学研究：De Freitas指出“透明度缺失”和“控制感丧失”是两大信任障碍；Sapru把用户分为“进取型”和“防御型”，后者一旦感觉AI被强加就会焦虑；Yin则揭示了一个链条——技术威胁感知→可规避性→恐惧→使用犹豫。这些机制完美解释了DuckDuckGo的飙升。
实用建议：别假设用户全盘接受AI。保持内容可溯源（引用来源）、提供选择（如无AI结果模式）。对YMYL类内容，强化权威性和透明度比堆砌AI摘要更有效。未来SEO的重点不是对抗AI，而是帮用户重建控制感。
你终于可以衡量内容对齐了。这才是危险之处
在这篇文章里，作者 Duane Forrester 警告说，你终于可以衡量内容对齐了，但这恰恰是最危险的部分。
他点明向量对齐评分只是更高分辨率的近似值，而非真理。精确的数值让你产生虚假自信，忘了关键词研究时代已知的局限。Netflix 2024 年研究证明，余弦相似度在嵌入空间中可能任意且不可靠。我完全同意：盲目优化 0.92 的分数，不如回头验证实际检索表现。保持批判性，用多元信号交叉验证，才是正解。
AI不该自动化什么：SEO技能退化的陷阱
『AI不该自动化什么S』——这个问题的答案决定了SEO行业的未来。Search Engine Journal的这篇文章用最新数据警示我们：盲目自动化正在掏空入门级SEO人才的基础技能，最终伤害整个行业的长期健康。
文章的核心数据值得每位从业者深思：
– 43%的营销组织在过去一年裁员，较大型企业达62%
– Anthropic报告显示，AI完成大学级别任务的成功率仅66%，生成代码的错误率比人类高1.7倍
– 入门级岗位招聘量下降约35%，意味着技能传承的管道正在枯竭
关键洞察：AI不是替代专家，而是放大了专家的短板。新手缺乏能力判断AI输出的质量，越依赖AI，越难积累判断力。作者Reza Moaiandin的建议很直接：永远不要用AI做你自己无法手工作的事。先学会，再加速。
我觉得这篇文章的价值不在于恐吓，而在于给出了一个可操作的边界：那些看似低效的重复性任务——竞品分析、基础爬虫排查、内容审核——恰恰是新手的训练场。把它们全交给AI，团队会在12个月后发现自己没人能接高级项目。
一个实战建议：留出20%的小时薪任务强制手动执行，比如每周手动审计5个URL。这既是Skills audit，也是防止Deskilling的最简单方法。
谷歌CEO Sundar Pichai淡化“零谷歌流量”担忧
谷歌CEO Sundar Pichai在最新采访中淡化“Google Zero”流量归零的担忧，强调25年用户满意度指标能保证AI搜索质量。这篇分析值得每位SEO从业者细读——它揭示了Google内部如何看待流量下降。
几个关键点让我印象深刻：1）Pichai透露Google用engagement、sessions、bounce-backs等长期指标衡量AI搜索，而非短期点击；这说明他们更关注整体用户体验而非单次流量。2）他承认AI Overviews有时过于主观，因为技术进化快于指标反馈——“那是0.0001%的边缘案例”。3）个性化搜索可能导致同一query出现不同结果，你无法100%依赖关键词排名。
我的建议：别只盯着点击率变化，Google在重新定义“用户满意”。你需要主动适应AI搜索的多元推荐，比如优化内容深度而非关键词密度。
2026年107个SEO统计数据
107 SEO Statistics for 2026 是Ahrefs今年最有价值的统计合集——直接告诉你搜索现状和2026年该押注什么。
关键数据：68%的在线体验从搜索引擎开始；96.55%的页面从Google获取零流量；AI Overviews让首位自然结果CTR下降58%；只有1.74%的新发布页面能在一年内进入谷歌前十。
这些数字不是摆设。比如那58%的CTR下降意味着你必须重新审视SERP策略——传统排名第一不再是安全的流量来源。另外87%的营销人已经在用AI创作内容，而AI引用的内容比普通页面新鲜25.7%，这暗示 freshness 在2026年会更吃香。
我建议你把这份清单当2026年规划的工具书——每一条都能直接用来验证你的当前策略是否还成立。
GSC 新出的 AI 概览报告 – 我们该如何利用这些信息？
GSC新出的AI概览报告，让我们终于能直接看到内容在AI Overviews和AI Mode中获得了多少impressions，这对SEO从业者是颠覆性的透明度提升。
三个关键点：
– 报告只显示impressions，没有clicks，但能精准识别哪些页面被Google的AI模型用于grounding。这是优化方向的黄金信号。
– 英国CMA施压推动了这次更新，Google还加了opt out开关。我觉得绝大多数人不应退出——退出AI Overviews等于退出搜索。
– 用Antigravity或手动比对常规搜索数据：如果一个页面在AI Overviews中曝光高，同时自然搜索clicks也高，说明内容提供了AI摘要无法覆盖的深度、一手经验或原创素材。
我的建议：专注创建非商品化内容，让AI只能引用你，无法替代你。这是利用该报告的最佳策略。
Eli Schwartz谈Google的GEO建议及当今SEO职业发展
Eli Schwartz在这期对话里捅破了两个窗户纸：Google的GEO指南其实只是SEO老调重弹，而当下SEO职业路径已经彻底断裂。我仔细看了这篇访谈，觉得它说透了2026年SEO从业者最该面对的两个残酷现实。
第一，Google的AI搜索指南本质上就是内容质量、结构化数据、用户体验这些老原则，换个新包装。Elischwartz的观点很毒舌：这届SEO从业者太容易跟着Google的话术走，而忽略了根本。第二，企业招聘SEO时高喊要“增长黑客”，实际上只想有人负责关键词填充和链接建设。这个巨大的期望错位导致真正能做技术SEO的人反而在公司里被边缘化。
有意思的是，Elischwartz认为技术SEO正在变得更值钱，尤其是在LLM时代。他建议SEO开始用产品经理的思维自居，这已经不是技能问题了，是身份认同的重构。我最认同的是他关于哪些行业能赢的论断：那些自带结构化数据、有时间敏感性的垂直领域，比如金融、医疗、旅游，最容易被LLM生态收编。这点值得所有从业者重新审视自己的行业定位。
