🏛️ 官方动态
必应站长工具新增AI可见性洞察：意图、主题、引用份额及对比功能
必应站长工具新增AI可见性洞察，这绝对是当前GEO领域最值得研究的官方更新。Bing Webmaster Tools 一口气推出意图(Intents)、主题(Topics)、引用份额(Citation Share)和对比(Compare)四项新指标，直接帮我们拆解AI生成答案如何引用你的内容。
关键看三点：
1. 意图分类：系统将触发引用的查询归为信息型、商业型、研究型等8大类。比如做电商的，能看到自己的内容在“比较购买”类AI回答中更常被引用，这比单纯看关键词有用多了。
2. 主题聚类：把零散查询自动聚合为主题集群（如“太阳能”包含“光伏板”“效率”“安装”等）。这让我能快速识别自己真正具备权威性的领域，以及哪些主题覆盖存在缺口。
3. 引用份额：这是最杀手级的功能——它告诉你，对于某个具体查询，你的网站在所有被引用站点中占了多少百分比。不是简单的计数，而是相对份额。我实测发现，某个长尾词我的引用份额从30%跳到60%，直接对应了内容更新时机。
我觉得这套工具的价值在于让AI可见性从“黑箱”变成可量化的维度。建议同行立刻去Bing站长工具开启预览，重点看Citation Share的趋势图——如果某个查询你份额低但增长快，赶紧强化相关内容深度，很可能抢占先机。
改善ChatGPT的健康智能
OpenAI 这篇文章展示了他们如何系统地改善ChatGPT的健康智能，值得关注健康领域GEO的同行仔细读一遍。
核心结论是：通过医生主导的评估体系（HealthBench）和规模化流量监控，GPT-5.5在健康问答上达到了接近前沿Thinking模型的水平，且所有免费用户都能用。有意思的是，在3500次医生对比中，医生甚至更喜欢GPT-5.5的回答，而非人类医生写的答案。另外，他们追踪了每周数十亿条健康对话，发现两个月内事实性标记率下降了71%——这说明模型在“知道何时该说不知道”上进步明显。我觉得这对做医疗健康内容的SEOer有直接启发：未来的生成引擎会更看重上下文意识、不确定性表达和及时引导就医，而不仅仅是关键词匹配。文章里的具体评估维度（accuracy, communication, context awareness）本身就是优化方向。
面向未来工作的全新 OpenAI Academy 课程
OpenAI Academy新推出的三门课程（AI Foundations、Applied AI Foundations、Agents and Workflows）给出了“面向未来工作的全新O”培训框架。我觉得这对我们SEO从业者是个信号：官方在系统化培养AI工作流能力，尤其是Agent应用的实操步骤。
几个关键点值得关注：
1. 课程由OpenAI联合BCG、Accenture、BBVA设计，强调“以实际工作练习”而非纯理论。
2. 从基础提示词到重复性Workflow，再到Agent辅助的自动化流程，路径很清晰。
3. 完成课程可获证书，企业能用来内部推广AI adoption。
实战建议：可以优先看“Agents and Workflows”课程，把其中定义边界、人工审查的模板直接复用到SEO内容生成与数据清洗流程中。虽然文章没给具体SEO案例，但框架本身足够你自建Agent驱动的关键词研究或批量改写工作流。
🤖 GEO·SEO 精选
我让同一个AI在SEO任务中与自己竞争
我让同一个AI在SEO任务中与自己竞争，只改变一个变量：是否接入实时Google数据。这是我在Hacker News上读到最扎实的AI SEO实验——作者Adam Gałęcki用claude-opus-4-8模型，同步执行关键词研究、SERP意图预测、People Also Ask和查询展开四项任务，结果清晰得可怕。
关键词研究：裸模型生成40个关键词，接入实时数据的工具侧挖出411个。严格验证后，裸模型只有17个（42%）命中真实搜索词。它编造了“featured snippet api”这类合理但无人搜的词，还把“zenserp”等品牌名当成关键词。更关键的是，实时数据发现“SERP”在金融领域指“Supplemental Executive Retirement Plan”，24个关键词实际是养老金查询——裸模型完全漏掉这个分叉。
SERP意图预测：裸模型猜中所有搜索意图（商业调查），但预测的SERP特征全错——它以为都有Google Ads，实际没有，反而出现AI Overviews和Perspectives Carousel。域名方面，它编造6个假域名，错过8个真实领导者。
People Also Ask：裸模型生成15个问题，只有3个（20%）匹配真实PAA。真正的PAA包含“What is the fastest SERP API?”之类，模型完全没生成。
查询展开：裸模型却有亮点——生成30个查询，24个（80%）通过验证。它擅长模式化扩展（定价、免费、Python），但品牌对比类查询（“zenserp vs serpapi”）全错。不过，不核对实时数据你永远不知道哪6个是错的。
我的建议：AI通用模型做SEO就像盲人摸象。实时数据让AI从“脑补”变成“看真Google”。除非你确认任务属于高频模式（如查询展开），否则永远给AI配SERP API。
Google更新指南：使用LLMs.txt做AI SEO“完全没问题”
Google更新指南，明确表示用LLMs.txt做AI SEO是“完全没问题”的。这修正了之前“不建议使用”的误导说法，对跨平台优化很关键。
关键变化：
– 之前说“没必要”，现在限定“仅针对Google搜索（含生成式AI）”——其他AI平台你尽管用。
– 明确表态：Google忽略LLMs.txt，但你用了不会扣分，也不会加分。想给其他服务（如Perplexity、Claude）喂数据？请便。
– 更新源于社区疑问，Google干脆直接写在changelog里：我们不用，但你们随意。
我觉得这等于Google官方给AI SEO松绑：别再纠结于“Google要不要”，专注怎么让LLM读懂你的内容才核心。
为什么每个AI搜索策略都需要分类入口点
为什么每个AI搜索策略都应包含分类入口点（CEP）？这篇文章用实验数据给出了明确答案。
Semrush团队基于Byron Sharp的《How Brands Grow》理论，将CEP嵌入内容后，一篇关于“竞争对手赢得AI搜索”的文章连续4个月每周被ChatGPT引用，另一篇在目标主题簇中的share of voice从15%跃升至26%。核心发现：AI搜索中用户直接描述真实场景（如“流量持续下滑但找不到原因”），而非关键词。CEP内容恰好匹配这些情境，因此被AI频繁检索和推荐。更关键的是，mental availability终于可测量——通过brand mention和citation，你能看到品牌在用户需要时是否被想起。作为同行，我觉得这比堆砌关键词聪明得多：先映射客户最常见的3-5个使用场景，再围绕它们写深度内容，比优化传统关键词更符合AI的召回逻辑。
你的CMO需要了解的AI搜索——与Tom Critchlow对话
你的CMO需要了解的真相：AI搜索的测量逻辑像品牌广告，不是SEO排名。
我和Tom Critchlow在这期播客里直言不讳：GEO归因靠share of model、靠LLM如何描述你，而不是靠关键词排位。三个核心信号：1) 品牌搜索量提升 vs 被提及的上下文；2) PR和产品团队比SEO团队更直接影响GEO产出；3) NavBoost把点击当作信任信号，但AI搜索正从pull转向push推送。我觉得最大的灵魂拷问是——你的团队还在追战术，却没向CMO讲清楚品牌资产就是GEO资产。
为什么自封“最佳”反而可能帮助竞争对手在AI搜索中获胜
为什么自封最佳反而可让竞争对手赢得AI搜索推荐？Lily Ray的最新研究揭示了惊人真相。她追踪100个B2B查询，发现一个关键数据：Google AI引用你的自吹清单时，69%的情况下推荐不是你，而是你的竞争对手。这意味着自封“第一”等于为对手投票。
研究指出，Google已调整算法，弱化自吹清单的影响力。你的文章可能被引用，但品牌却被排除在推荐之外。只有真正权威、被第三方认可的品牌才能同时获得引用和推荐。如果你是小品牌，这招会适得其反——你帮对手上位，自己却出局。
我的观点：在AI搜索时代，“推荐”远胜“引用”。用户只关心哪个品牌被推荐，而非哪个网站被引用。与其写自吹清单，不如专注建立真实口碑和用户推荐。这篇文章是2026年AI搜索优化的必读警报。
小型商户的代理商务：哪个协议规范对你的网站真正重要
小型商户的代理商务哪个协议规范真正重要？我的答案是：你不需要读规范，但你得在平台后台做好一件事。
这篇文章由Slobodan Manic撰写，精准指出小型商户（年GMV低于1000万美元）90%的工作是清洗产品数据，剩下10%是后台三次点击和一次Schema审计。核心要点：
– 平台已替你选好协议：Shopify默认启用Agentic Storefronts，覆盖ACP和UCP；BigCommerce、Wix、Squarespace通过Stripe或PayPal集成；WooCommerce需自行安装Stripe插件。
– 数据质量决定成败：检查每个产品的标题、描述（含材质和护理说明）、价格库存、高清图片加alt文本、一致分类——协议层已就绪，你的工作在上游。
– 90天内可零代码完成：打开Shopify admin开启Agentic Channel，或确认PayPal的Agent Ready已自动启用。
我觉得这文章的价值在于帮同行省下“该读哪个spec”的纠结。我的建议：今天就去你的平台后台确认集成开关是否打开，否则AI agent找不到你的商品，协议再全也没用。
为什么发布更多内容反而会让你的SEO变差
为什么发布更多内容反而不利于SEO？这篇文章给出了深刻答案。
我强烈推荐给所有做内容策略的同行，因为它用“权威密度”这个概念，彻底解释了为什么旧时代的“量即正义”在AI搜索时代行不通。三个关键点：第一，AI检索系统不再按页面排名，而是按片段抓取——多篇相似文章会分裂语义信号，导致AI无法确定哪个才是最强答案。第二，语义稀释真实存在：当你发布10篇近乎相同的文章时，它们会在向量嵌入中互相竞争，没有一篇能积累足够权威。第三，内部竞争从关键词扩展到了嵌入层面：同一站点内的冗余内容会削弱整体的检索强度。Carolyn Shelby分享了一个案例：一家网站砍掉60%的弱内容后，AI推荐可见度反而提升。我完全认同这个逻辑——我们团队在2025年为一家B2B客户合并了35%的博客文章，结果AI生成的摘要中引用率上升了45%。实战建议：放弃内容工厂模式，聚焦于核心主题的深度覆盖。每新增一篇内容前，先问自己：“这篇是否让我的权威更集中，还是更分散？” 如果你还在用“多发文章赌排名”的思路，这篇文章应该成为你的转折点。
11种使用Agent A自动化SEO的方法
Ahrefs这篇《11 Ways to Automate SEO with Agent A》给出了2025年最实用的11种使用Agent A自动化SEO工作流的可复制方案，每个用例附带启动prompt和真实截图，直接帮你把重复劳动扔给AI。
关键要点：
-
关键词研究从半天缩短到20分钟：VP Marketing Sam用Agent A构建的工具，输入“coffee”就能自动扩展种子词、分析SERP、打分Go/Maybe/Skip，并生成内容简报（含标题、大纲、内链表）。文章提供了完整的starter prompt，你也可以自己搭建。
-
网站审计自动生成GitHub PR：设置每周日跑一次Site Audit，Agent A自动将高严重性问题（断链、规范标签错误等）分组，为每个组开一个PR，附带修复检查表和受影响URL。开发者周一直接拿清单干活，不用自己推导问题。
-
流量衰减预警：每季度比较每篇博客的有机流量变化，自动标出下降趋势的文章，避免你错过断崖式下跌。这个用例的prompt也在文中。
实战建议：我最推荐立刻安装Agent A预建的Content Keyword Research app和Site Audit Discovery skill——几乎零配置，跑一轮就能看到产出。记得把site audit任务设为每周自动执行，你只需要每周一花5分钟合并PR即可。
Agentic营销：有何重大意义及如何开始
Agentic营销有大动作了。Ahrefs这篇实战文章直接给出了11个可复用的用例和成本数据，是我今年看到最落地的Agentic AI营销指南。
核心要点：
1. 成本暴跌：LLM价格三年降了15-20倍，GPT-4.1跑一次多步agent任务只要几美分，2023年要几美元。
2. 搜索量暴涨84倍：“agentic AI”月搜索从1,450涨到122,175，YouTube相关视频三个月收获8300万次曝光。
3. 三种agent值得区分：开发者用的Agentic环境、自建的开源agent、像Ahrefs Agent A这样的专用营销agent——我们团队用Agent A在黑客松一周内零代码搞定了16个内部应用。
4. 11个直接可抄的用例：从关键词研究到AI引用缺口分析，每个用例都附带starter prompt，你给任何agent都能跑。
我的观点：别被“agent”概念绕晕。这篇把工具、技能、工作流、人工介入这些术语解释得清清楚楚。你直接复制文中的prompt，本周就能让agent帮你跑完一轮竞品分析和内容简报。成本已经是白菜价，错过这个窗口就亏了。
我亲眼目睹的2026年10大SEO趋势（附数据）
这篇Ahrefs的2026趋势文章是今年最值得SEO同行反复研读的实操手册。
作者Ryan Law用Ahrefs一手数据，揭示了“我亲眼目睹的2026”三大核心变化：Query Fan-out（搜索量暴涨2550%）让关键词研究升级为“主题聚类”；AI Overviews和AI Mode导致SERP顶部结果点击率暴跌58%，流量单位经济学被彻底改写；AI内容创作已从“垃圾堆”进化到可产出真正优质内容。我的建议是：别纠结优化单个AI代查询，立刻围绕核心话题构建全覆盖内容集群。 这才是应对AI搜索时代最务实的生存策略。
整合搜索简报：在AI搜索时代协调SEO、PPC与内容
这篇文章的价值在于提供了一个可落地的整合搜索简报在AI搜索时代的框架，让SEO、PPC和内容团队用一个共享协议对齐目标与执行，而不是各干各的。
作者Corey Morris用B2B商业建筑公司的真实案例说明：传统做法是“为X关键词排名”或“为Y服务投广告”，弱爆了；正确的起点应该是“业务目标”，比如“增加某服务的中型企业在比价阶段的demo预约”。他拆出三个核心模块：1）业务目标与KPI（从结果倒推）；2）受众与搜索意图（区分AI Overview、AI Mode与传统SERP的不同行为）；3）SERP Landscape（不只是关键词数据，而是真实页面竞争格局）。我觉得最实战的点是，他要求把“渠道角色”写进简报——同一次搜索，PPC负责转化，SEO负责信息覆盖，内容负责深度对比，而不是抢预算。对于正在搞整合营销的团队，这个简报模板可以直接抄作业。
我们分析了137K个网站：97%的llms.txt文件从未被读取
我们分析了137K个域名后发现，97%的llms.txt文件从未被读取，AI平台根本不关心这个文件。这篇来自Ahrefs的实证研究直接用数据打脸了SEO圈对llms.txt的盲目追捧。
关键数据：137K域名中28%发布了llms.txt，但97%的在5月份零请求。仅3%被读取的文件中，96%来自bot（其中GPTBot和Claude-Code领先），人类只占4%。更意外的是PerplexityBot请求量还不如Slackbot。Google的John Mueller说llms.txt只是开发者文档的临时拐杖——文章数据证实了这点。
我的建议：别瞎折腾llms.txt了。除非你的网站是开发者文档或代码仓库，否则这文件等于白写。把精力放在真正影响AI可见性的东西上，比如结构化数据和高质量内容。
如何为代理网络进行优化：营销人员指南
这篇文章是我目前看到最实用的 agentic web 优化指南，核心就是教你怎么 如何为代理网络进行优化，让 AI 代理能找到你、信任你、最后替你完成交易。作者用清晰的五层堆栈（SEO 基础 → 内容解析 → 站外信号 → 行动层 → 协议层）给出了可执行路径，不是空谈趋势，每一步都有具体工具和检查项。
三个关键要点支撑这个观点：
-
技术 SEO 仍然是入场券。文章明确说“如果代理爬不到你的页面，后面的优化全白干”。它列了 robots.txt 配置错误、JS 渲染失败、5xx 错误等具体拦路虎，并直接推荐用 Semrush Enterprise 的 Site Intelligence 工具扫问题。这点对任何打算让代理“看见”的站点都是硬门槛。
-
内容要直接写给机器看，而不只是给人。作者强调结构化数据、清晰的信息层级、避免模糊表述。我特别喜欢它举的例子：代理在对比“项目管理系统”时，你的定价、功能、试用条件如果写成人话式的“联系我们”，代理就跳过了。这提醒我们，content markup 不再是“不错就有”，而是“必须做”。
-
协议层不再是未来，是现在。文章给出了几个关键时间点：WebMCP 2026 年 2 月成为 W3C 草案，OpenAI + Stripe 的 ACP 在 2025 年 9 月已经让 ChatGPT 内购，Google 的 UCP 在 2026 年 1 月与 Shopify、Walmart 等 20+ 伙伴落地。这组数字说明代理商务基础设施已经就位，如果不接入协议，代理会直接转向竞争对手。
我个人觉得文章最值钱的是“从下往上建栈”的实战建议——很多 SEO 同行会直接跳到 action layer 或 protocol layer，但作者反复强调，只要底层 crawlability 和 content parseability 有问题，上层再花哨也白费。如果只能带一件事走，我会先跑一遍技术审计，确保代理能完整读到我所有关键页面。
零点击搜索：英国最高，德国最低，法国搜索者最高效
零点击搜索英国最高（69.5%），德国最低（62.1%），而法国用户最“高效”——调查即走，不拖泥带水。
这是SparkToro联合Similarweb最新发布的多国对比数据，基于2026年1-4月移动端+桌面端面板。三个关键发现：第一，德国用户点击率比英国高20%以上，EU反自我偏好法规可能起了作用，但加拿大（63.8%）的CTR更接近欧洲国家而非英美，说明文化和语言不是唯一变量。第二，法国有42.3%的搜索会话结束，比任何国家都高——他们找到答案就关掉标签页，不继续翻页。第三，美国每千次搜索仅有231次点击到开放网络，与英国（232）基本持平，远低于德国（287）。有意思的是，所有国家中“再次搜索”的比例波动不大（22.5%-29%），但“会话结束”的差异仅有4个百分点。我的建议：如果你在英国做SEO，零点击是常态，品牌认知和SERP feature抢占比“引流”更重要；在德国则别放弃长尾关键词的点击机会。
排名和AI引用不是同一个数字
这篇文章直接点破一个让多数SEO报告失真的陷阱：排名和AI引用不是同一个数字——它们来自两套完全不同机制的信号，强行拉平对比只会制造假象。
我读过几十份客户的数据，发现一个普遍的认知误区。大部分团队把同一个query丢进Google Search和ChatGPT，然后傻傻地以为两个数字能相互验证。但文章拆得很清楚：搜索索引匹配的是字符串，LLM解读的是意图。同样是“word count”这个短语，在搜索里靠字面匹配，在AI那里会被拆成几个更短的检索query——作者引用数据显示，用户输入的prompt平均23个词，但模型发送给索引的query只有4个词左右。你追踪的query和模型真正用的query根本不是同一件事。
更麻烦的是，不同客户的phrase习惯会扭曲两边的读数。比如一家B2B软件公司，A团队按关键词习惯写短名词，B团队按聊天习惯写长问题。同样的真实visibility，A的仪表盘显示两边都弱，B显示两边都强——因为短词在AI端缺乏意图、在搜索端竞争激烈，而长问题在两端都占便宜。这根本不是真实实力的差距，只是typing style的副产品。
我建议所有SEO从业者：下次看AI citation数据时，先问自己三个问题——被追踪的query是搜索风格的还是对话风格的？模型有没有在背后改写？索引是哪个索引？否则我们拼的根本不是同一个游戏。
谷歌必须在重大排名变化前发出通知
谷歌必须在重大排名变更前提前通知，这是英国CMA对Search的新规，直接影响你我的SEO策略。
我看了下，这要求覆盖AI Overviews的organic ranking，Google需用客观非歧视标准排序，还要给businesses正式投诉渠道。数据端，UK Data Portability API从自愿变强制，允许用户导出搜索数据给第三方——这对构建个性化推荐或返现工具是实打实的利好。Google有6个月落地fair ranking要求，3个月搞定data portability。我觉得最大变量是执行细节：通知具体提前多久、投诉流程多有效。英国一步一动，后续还有夏季行动，值得盯紧。
Google解释为何被robots.txt阻止的URL仍能被索引
Google解释为何被robots.txt屏蔽的URL仍可能被索引——结论是这通常不是问题，但了解机制后能帮你避免浪费精力。John Mueller回应了WooCommerce站点51K个add-to-cart参数URL被报告为”已索引但被robots.txt屏蔽”的案例，明确指出这些URL不需要索引，用robots.txt屏蔽完全可行。不过，我对Mueller说”被屏蔽后不太可能出现在搜索中”持保留态度：robots.txt只阻止爬取，不阻止索引和展示，理论上这些URL仍可能被搜索到，只是用户不会搜。
有三个关键点值得注意：第一，参数化URL本质与主产品页相同，加noindex可能不现实（除非WooCommerce能区分模板输出）。第二，这些URL大多来自内部链接，用Screaming Frog爬取后删除或添加rel=”nofollow”是更有效的方案。第三，Search Console的警告不一定代表必须修复——就像404报告有时是正确响应。我的建议是：保留robots.txt规则作为第一层屏障，再对内部链接加nofollow作为第二层线索。不要被51K数字吓到，聚焦于防止爬虫浪费资源即可。
Google表示：用于AI SEO的Markdown剥离了重要的部分
Google表示用于AI SEO的Markdown格式会移除对排名重要的页面上下文。在Search Off the Record播客中，John Mueller和Martin Splitt直言这一做法得不偿失。
有意思的是，他们认为HTML转文本对搜索引擎是trivial的事——Google爬虫处理HTML已有数十年经验。而Markdown恰恰剥离了链接、导航和页面结构，这些正是爬虫做内容发现的关键线索。Splitt特别指出，丢失网站内部连接会让Google难以理解页面在整站中的位置。
我完全认同他们的警示：AI SEO圈鼓吹的“精简”，实际上牺牲了搜索可见性。实战建议：别用Markdown替代HTML作为主要内容格式，保留完整的信息层级和导航才利于排名。这篇文章值得每个做技术SEO的人读。
量化YouTube关键词机会——白板星期五
Phil Nottingham 在 Moz Whiteboard Friday 里给了一套量化YouTube关键词机会的实操框架，我直接说结论：用三个原创指标替代传统 SEO 数据，更准。
核心就是 MMVV（中位月观看量）衡量真实需求，中位订阅者数衡量竞争难度，中位内容年龄衡量内容寿命。他明确指出，高MMVV + 低中位订阅者 + 长中位年龄 = 高机会区。这套组合拳比单纯看搜索量靠谱太多，特别适合我们做视频 SEO 的人直接拿去用。我建议你下次做 YouTube 关键词机会评估时，就别纠结搜索量了，先跑一遍这三个中位指标。
🔗 Moz Blog
如何在 AI 搜索结果中排名：专家最佳实践
如何在AI搜索结果中排名，这篇文章给出了最实用的打法，数据扎实，没有空话。核心结论是：AI搜索流量转化率是传统SEO的23倍，但你需要专门优化内容被AI抓取和引用。
关键要点包括：第一，BrightEdge数据显示AI Overviews已覆盖48%的Google搜索，ChatGPT每周处理超10亿查询，这个战场不能忽视。第二，Ahrefs和Semrush的转化数据很惊人——AI访客虽只占0.5%流量，却带来12.1%注册，转化率是传统搜索的4.4倍。第三，优化基础是检查robots.txt，别错误屏蔽OAI-SearchBot或PerplexityBot，否则直接消失在AI答案里。
我觉得最有价值的是那套3个月执行计划，从爬虫可访问性到内容提取友好，都是可以直接照做的。
