🏛️ 官方动态
Radisson 酒店集团将酒店发现体验带入 ChatGPT
Radisson 酒店把酒店发现搬进了 ChatGPT，插件 6 周内上线，转化率约为自然搜索的 1.5 倍。我觉得这是目前最完整的一个 GEO 品牌案例。
数据很硬。2026 年 7–8 月，Radisson Hotels 插件的 visit-to-booking 转化跑到自然搜索的约 1.5 倍。赞助广告侧，54% 的结账和预订事件来自 ad view 归因，也就是 view-through measurement，把 discovery 的评估从直点广告扩到了曝光层。Radisson 旗下 10 个品牌、1,640+ 家酒店在营或在建，这是集团级的动作。
执行速度也值得记一笔。Accenture Song 用 agentic development，6 周完成开发和上线。他们在 OpenAI Partner Network 里是 Elite Partner，先和 OpenAI 聊 ChatGPT 里的 organic positioning，再落地成插件产品。用户在对话里看地图、比价格、查设施，然后跳回 Radisson 官网完成下单。
有意思的是，分发机制变了。ChatGPT 更新后，用户不必再打 @RadissonHotels，装了插件就自动在相关场景触发。Accenture 的 Brittny Cantor 直说，这一步会显著推高 discoverability。
另一个信号更关键：他们为插件搭的 MCP server 和 APIs，同时支撑广告体验，还会复用到后续新功能。一套基础设施，两个入口。
我的判断是，GEO 正从“优化内容被引用”走到“品牌自建入口”。Radisson 抢的是 planning moment，位置比传统比价页更靠前。建议同行把 MCP server 当成长期资产来规划。
OpenAI 对欧盟文本溯源（text provenance）规则的应对方案
OpenAI 对欧盟文本溯源规则的应对方案，是每个做 AI 内容的人必读的一手材料。它首次公开 textGrain 水印的技术细节和检测数据，直接关系到我们的内容改写策略和欧盟合规风险。
几个关键数字值得记住：
- 检测率随文本长度陡增。200 token 段落约 80%，400 token 涨到 95%（目标假阳性率 1%）。
- 内容类型影响巨大。心理学类文本好检测，数学类因为用词受限，检测率明显下滑。
- 改写就是最有效的反检测手段。400 token 段落替换 10% 同义词，检测率从 92% 掉到 66%；替换 25%，只剩 17%。
- 水印几乎不影响输出质量。Astra 模型在 GPQA Diamond、BrowseComp 等 8 个 benchmark 上与无水印版本基本持平。
落地节奏也清晰：API 客户可自愿开启，默认关闭；未来几周在欧盟区 ChatGPT 和 Codex 输出加入隐形水印；检测器只对审核过的研究者和机构开放。
我的判断：25% 同义词替换就能把检测率打到 17%，说明当前水印的鲁棒性还很脆弱，SEO/GEO 团队不必恐慌。但欧盟合规是硬要求，做欧盟流量的站点最好提前把 provenance 纳入内容审计流程。另外这份技术报告即将开源，值得蹲。
GPT-6 与面向所有人的 Intelligent UI
GPT-6 与面向所有人的 Intelligent UI，这是我读完 OpenAI 这篇发布后的第一判断。Intelligent UI 让 ChatGPT 直接生成可交互界面。AI 的答案形态变了，引用逻辑也会跟着变。
几个硬数据值得记下来。GPT-6 覆盖 12 亿周活用户。网页搜索类问题，GPT-6 Instant 平均提前 44% 作答。内部评测里，GPT-6 Extra High 起答速度等于 GPT-5.6 Medium，总分反而更高。
技术实现上，OpenAI 建了一套可流式渲染的原生组件库，配一个 compiler。模型边生成边输出界面，整段回答还在写，界面已经出现。答案形态按问题走：对比用并排布局，讲解用交互图表，简单问题仍用纯文本。官方示例是拆解一辆 7 速自行车，五套系统可点选。
我觉得这对 GEO 是平台级信号。内容要能被“组件化”。对比表格、参数图表、可操作步骤，更容易被选进 UI。做竞品对比页时，把 key facts 放进并排结构，比埋在长段落里有效得多。
为人们使用 AI 的方式打造广告：ChatGPT 新视觉广告格式与测量体系
「为人们使用 AI 的方式」正在被 OpenAI 变成新的广告入口。这篇官方公告首次系统披露 ChatGPT 广告的三件事：视觉广告格式、归因测量伙伴、品牌安全评估机制。
数据很实在。ChatGPT 周活 12 亿。视觉广告先在 Free 和 Go 用户的图像生成场景测试，美国首发。测量侧接入 Hightouch、Tealium、LiveRamp，归因伙伴覆盖 AppsFlyer、Triple Whale、Adjust、Northbeam 等十余家。DV Rockerbox 显示 WeightWatchers 在 ChatGPT 广告的 CPA 比付费搜索基准低 15.3%；Triple Whale 称 Portland Leather 有 93% 的访客是新的；WorkMagic 报告 Dose 的增量购买中 67% 来自净新客户。品牌安全这块，OpenAI 拉来 DV 和 IAS 做独立评估，前提是不碰用户私密对话。
我的看法：这是 paid 战场，别指望直接反哺自然排名。但值得 GEO 从业者读一遍——AI 对话正在长成一层独立的品牌分发面，谁先摸清它的测量口径和投放护栏，谁就先拿到对话式入口的话语权。
🤖 GEO·SEO 精选
使用 AI 辅助 SEO 工作，而非替代 SEO 从业者
使用 AI 辅助 SEO 工作的关键，是让模型把证据讲清楚，由人来拍板结论。Chris Green 在 Search Engine Journal 的这篇新文，把这条边界讲得比大多数 AI SEO 内容都实在。
他的分工原则很干脆。确定性的事交给代码：URL 是否返回 404、canonical 是否存在、server HTML 与 rendered DOM 的链接目标是否变化、robots.txt 是否放行。这些写个 check 就行，反复跑还更稳。真正需要 LLM 的地方是解读：把一坨 JSON 变成一句简洁解释、一份变更摘要、一段能直接贴进 Jira 的描述、给顾问看的清晰措辞。
有意思的是他实测了 Chrome 内置的 4-bit Gemini Nano。面对 raw 与 rendered DOM 的差异，模型能认出 anchor 从描述性文案改成 “Learn more” 会丢掉语境。但让它把多个结构化事实拼成一个最终 SEO 判断时就崩了：混淆输入输出、编造理由、理解不了事实之间的组合关系。他干脆换了分工——本地模型只负责传达发现，判断权留在人手里。
另一个隐藏收益：人在环里，模型出错就看得见。证据噪声太大、技术术语有歧义、两个概念被压成一个、确定性逻辑本身太弱、自己的经验在干扰判断，这些全都会暴露出来。整条工作流一旦外包给模型，这些弱点就彻底隐身了。
我的看法：这套“AI 传达、人做判断”的模式，现在读起来像保守选择。等 AI 成本真的开始咬人，它大概会变成唯一选择。
AI Overviews 目前出现在 83% 的品牌搜索中
AI Overview 正在从信息类查询蔓延到品牌词。Ahrefs 抓取了 2.328 亿次美国桌面 Google SERP（2026 年 7–9 月），发现 83% 的品牌搜索都出现了 AI Overview。
三个数字值得记住。
第一，品牌词的覆盖率在加速。 7 月是 61.3%，8 月 65.1%，9 月 73.3%，9 月 29 日单日快照冲到 82.91%。同期非品牌词只从 73.5% 涨到 78.3%。两者的差距从 12.2 个百分点压缩到 5 个百分点——过去“品牌词比较安全”的判断可以直接扔了。顺带说，这跟 Ahrefs 一年前的研究结论正好反过来。
第二，AI Overview 抢的是 position one。 他们追踪了 100 个 Interbrand 全球品牌名，7 月 1 日只有 5 个触发 AI Overview，9 月 30 日变成 63 个。其中 48 个占据第一位，占 76.2%，平均排名 1.49。用户搜你的品牌名，AI 答案先占了首位。
第三，谁来定义你的品牌。 品牌类 AI Overview 最常见的第三方引用是 Wikipedia、YouTube 和 LinkedIn。AI 讲你的故事时，用的是这些平台上的内容。
我觉得这篇文章的实战价值在于它的可复现性——数据口径透明，还附了追踪方法。建议把核心品牌词单独建一个监控清单，每周记录 AI Overview 触发率和引用源；同时把 Wikipedia、YouTube、LinkedIn 上的品牌资产当一级渠道运营。抱怨没用，占位才有用。
Google 修改 helpful content 指南，强调优质“Main Content”
Google 修改 helpful content 指南，Marie Haynes 认为这是我们行业最被低估的一份文档。我同意。这次更新把 Main Content 写进定义，说明 Google 正拿它训练 ranking 系统。
她整理的要点里，我觉得四条最实用。Main Content 现在指直接完成页面目的的内容：文章、计算器、工具、视频。核心答案放最前面，访问者一眼就能看到。质量拆成四个属性：Effort 看人类投入，批量生成会掉价；Originality 要有独有数据、观点或实测；Skill & Experience 看主题匹配，YMYL 要专家，社区要真实经历；Accuracy 要求事实准确，Google 明确警告未经审核的 AI 幻觉风险。
Deceptive Authorship 被单独点名。假人设、编造的作者简介、误导性署名都算低质量信号。Tabs 和 accordion 被确认可用，前提是内容可访问——用热力图确认关键答案真被看到。
她的判断值得听：Google 发了 Gemini 4 Argon，模型能力上了一个台阶时，ranking 系统常会跟着大改。她预测很快会有一次 significant core update。我的建议是趁现在动手：主内容前置，AI 草稿逐条核实，作者信息写实，别等更新落地才补。
预测：下一次大规模 Google 更新即将来临
预测下一次大规模 Google 更新就在眼前。Lily Ray 这篇前瞻值得每个做 SEO 和 GEO 的人精读。她从 Google 官方文档的改动里读出了信号。
她给出的硬证据很密。Google 本周重写 AI 内容指南。新指南说，AI 生成内容发布前必须人工核查。范围覆盖 title、meta description、结构化数据和 alt text。Helpful Content 指南新增 main content 定义。质量评估看四点：effort、originality、talent、accuracy。批量生产 AI 内容被直接列为低投入范例。假作者也被点名。AI 头像、编造姓名、虚假资历都算欺骗信号。
Gary Illyes 在巴塞罗那 Search Central Live 上直言。scaled content 的麻烦已经超过 link spam。2026 年 Google 发了四次 spam update。3 月、6 月、8 月、9 月各一次。2025 年全年只有一次。间隔在肉眼可见地缩短。Lily 还发现，Google 已在削弱自吹式 listicle 在 AI Overviews 里的效果。
我的判断更直接。GEO 圈眼下最危险的玩法是付费提及和 listicle 铺量。多家公司在公开出售 AI 答案里的位置。nofollow、sponsored 标签、披露全部缺席。这类链接一旦传递权重，就正面撞上 link spam policy。
March 2024 core update 之前也是这套剧本：文档先动，大更新随后落地。做过 recovery 的人都清楚，沾过灰色手法的站点，挨打力度接近纯垃圾站。现在收手还来得及。
AI 搜索优化（AI Search Optimization）如何运作：面向现代营销人员的指南
AI 搜索优化到底怎么运转，HubSpot 这篇是我今年读到讲得最透的一篇。核心结论一句话：AI 答案引擎先检索、再落地、最后引用，你的内容得先过 RAG 这关。
三个要点值得抄下来。
第一，RAG 和 query fan-out 是两个发动机。RAG 负责取回实时网页，把答案锚定在可引用的源头上。query fan-out 负责拆解意图，一个问题能触发几十个子查询。Conductor 的 Pat Reinhart 给了个漂亮对比：Google 平均 query 三到四个词，ChatGPT 的 prompt 平均 23 个词。所以一个页面把整簇相关问题都答全，能被检索到的面就更多。
第二，受众已经搬进答案里。AI 工具带来的 referral traffic 过去一年翻了三倍。44% 的营销人买过在 AI 答案里第一次见到的品牌，近三分之一的人重复购买过。
第三，Google 自己讲清楚了门槛：页面先被索引、再有 snippet 资格，才可能进 AI 答案。这条把传统 SEO 拉回了牌桌。
我的看法：这份指南最值钱的是“本周可落地”那段——实体标注、内部链接、Q&A 结构，都是今天就能动手的活。做 GEO 的同学，建议直接当操作手册存下来。
Google 完成 2026 年 9 月 Spam Update，历时近 14 天
Google 已完成 2026 年 9 月 spam update 的 rollout，从 9 月 24 日跑到 10 月 8 日，前后 13 天 16 小时，几乎用满 Google 预告的两周窗口，是今年四次 spam update 里最慢的一次。
对比今年的节奏：3 月那次只用了 19 小时 30 分，6 月 2 天 1 小时，8 月 2 天 16 小时。再往前看，2025 年 8 月的 spam update 从 8 月 26 日拖到 9 月 22 日，约 27 天。有意思的是，Google 官方目前只给了起止时间，status dashboard 的两条 note 同样停留在时间层面，具体改了什么留待后续披露。
早期数据方面，Diib 9 月 29 日放出一份 32,569 个接入 GA 站点的样本：9 月 24 至 26 日的自然搜索流量占比中位数从 34% 掉到 31%，10% 的站点占比腰斩，而上一周这个比例只有 5%。Diib 自己把结论标注为 “an early read, not a verdict”。SEOmonitor 那边也提到，9 月 26 日起大量 rank tracker 出现跳变，而真实用户在 Google 上的搜索却没有相应变化，怀疑是自动化查询拿到了不完整结果。
我的建议很直接：把 9 月 24 日到 10 月 8 日当成一个固定窗口，用 GSC 的 impressions 和 clicks 做前后对比。第三方工具的单日抖动先放一边，连续多天在 GSC 里坐实的下滑才值得动手。真要复盘，把 Google 的 spam policies 文档重读一遍，改完内容通常要等几个月才会被系统重新评估。
Google 现在已拥有无需 Index 即可排序的数学能力，而搜索结果页将无法幸存
Google 现在已拥有无需 Index 即可排序的数学能力。DeepMind 的新论文证明：autoregressive model 用固定的 hidden dimension 就能排序任意数量的文档，而 dual encoder 的 embedding dimension 必须随文档数线性增长。我觉得这篇的价值远超它那点实验规模。
三个要点。第一，这是 Google 五年研究弧线的收尾：2021 年 Rethinking Search 提出直接回答问题，2022 年 DSI 把整个语料编码进模型参数，2026 年补齐理论，并给出 SToICaL loss，让模型关心整个 ranked list，而不仅仅是第一条结果。第二，document 变成 docID，由模型逐 token 生成，beam search 直接吐出排序，全程没有 lookup。购物实验里 docID 只用 3 个数字，相似商品共享前几位数字。第三，distinctness 成为优化目标：两个近乎重复的页面抢同一个地址，其中一个直接出局；搜索结果第二页从此消失。
实验成绩要说实话：Mistral-7B、in-context reranking、WordNet 约 8.2 万个名词概念、购物评测 310 条样本。这是地基，我建议同行现在就去检查自己的内容在 embedding space 里能否与竞品分开。
当归因失效时，如何衡量 AI 搜索可见度
当归因失效时，如何衡量 AI 搜索可见度？Ahrefs 这篇 9 分文章给出 7 个可落地的信号。我觉得每个 GEO 从业者都该读一遍。
Ahrefs 亮出自己的底牌。AI 流量占总注册量的 21.7%，超过 YouTube，仅次于 Google。AI 搜索转化率是有机搜索的 4 倍。在 wordcount.com 上，ChatGPT 占 AI 搜索访客的 92.4%，Perplexity 4.6%，Gemini 2.7%，Copilot 0.2%。这些数字来自他们自己的数据，很有说服力。
文章拆解了 7 种方法：追踪 AI referral traffic、追踪 AI referral conversions、在销售电话里问“How did you hear about us”、盯 direct traffic 找 dark funnel、衡量 brand demand、看 web mentions、用 traffic share 解释 AI 流量损失。
我的实战建议：先跑通第 1、2 条，拿到 baseline。再用第 7 条向老板汇报。AI 归因缺口短期存在，但 7 个信号拼起来，足够证明 AI 搜索的价值。
AI Search ROI 很难说清，但你可以这样衡量它
AI Search ROI 算不清，但 Ahrefs 这篇给了可复用的框架。我认为它对需要向上汇报 GEO 投入的人，实用价值很高。
先看数据。Forrester 调研显示，94% 的 B2B 买家采购时会用 AI 搜索。NielsenIQ 的口径是 42% 的消费者。Ahrefs 关键词库里，AI attribution 和 ROI 相关搜索量在 18 个月里涨了 212%。预算在涨，汇报压力也跟着来。
框架分四步。第一步拆成本，分成 pure AI cost 和 shared cost。作者给了一个干脆的判断法：假如明天停掉 AI 搜索工作，这笔钱你还付吗？不付就全额计入；还付，就按比例分摊到时间、工具和外包上。第二步估算 AI 收入。第三步套公式：(AI revenue − AI cost) ÷ AI cost × 100。第四步是可选项，给 AI 可见性算一个 ad-equivalent value。
我觉得最值钱的是那句坦白：追求完美归因是场必输的仗。用户在 ChatGPT 里就消化完答案，压根不来你的站点。点进来的，referrer 还被剥掉，看着像 direct traffic。
所以别抠小数点，要抠可重复性。领导要的是一个能按季度对比的合理估算，而大部分数据你手上就有。做 GEO 的同行，值得照这套框架跑一遍。
Google AI Overviews 现已在大多数主要品牌的搜索中出现
Google AI Overviews 正在改写品牌词搜索的规则，这是我这周最想转给同行的文章。
DemandSphere 的数据很硬：9 月 1 日，品牌词 AIO 出现率 26.12%，9 月 27 日峰值冲到 90.48%，9 月 29 日收在 82.06%。Ahrefs 用美国桌面端交叉验证，起点 65.1%，终点 82.91%。两家数据都指向同一结论：9 月底品牌词 AIO 渗透率突破 80%。Google 却没有发布任何公告。
Chris Long 测了 100 个企业品牌，其中 93 个出现 AIO。Barry Schwartz 手动复核，结果一致。两位独立验证，这事基本坐实。
有意思的是，游戏规则变了。品牌词一向是最容易预测的流量来源。用户搜你，你排第一，转化就稳。现在 Google 在你前面插进一段 AI 总结。只盯品牌词排名第一，视野已经不够宽。
你需要盯三件事：AIO 有没有提到你、Google 怎么描述你，以及引用了哪些页面。DemandSphere 只测了 AIO 是否出现，没测品牌是否被引用。这个坑值得注意。
实操路径很直接：打开 GSC 筛选品牌词，对比 9/8-14 和 9/29-10/5 的 CTR。排名稳住、CTR 下滑，AIO 就是首要嫌疑。再用 Semrush Position Tracking 追品牌词的 AIO 引用，配 AI Visibility Reports 看跨平台提及。
品牌词不再是安全区。这是我读完最大的感受。
为什么 Google 搜索更新在早期 rollout 期间无法被评判
为什么 Google 搜索更新在早期阶段无法评判？Dan Taylor 这篇文章讲透了。我推荐给所有被周末数据追问过的 SEO 团队。
他拿 2026 年 9 月的 spam update 做样本。这次 rollout 从 9 月 26 日震荡到 10 月 8 日才收尾，整整两周。9 月 26 日至 27 日那个周末，Barry Schwartz 和 Glenn Gabe 都在 X 上记录了剧烈起伏，商用站点和小型内容站的跌幅尤其明显。很多人当天就下了判断，其实这只是 mid-flight turbulence。
Dan 给了三条操作纪律。第一，代码、redirect、title、批量改内容全部冻结。第二，在 GSC 里做带日期的快照，记录不同页面类型的 query 变化。第三，把“永久损失”的判定放在 rollout 结束、并再过 10 到 14 天稳定期之后。
我最认同他对 C-suite 的沟通框架。CMO 想听计划、里程碑和风险等级，算法细节留给 SEO 团队。用 Torino Scale 做一张风险图，比二十页 PPT 管用得多。他那句“day five is certainly not day 14”，建议直接放进汇报里。
如何用 Semrush 追踪你的 AI Citations（引用）与来源
如何用 Semrush 追踪 AI 引用来源？这篇教程给了一套完整框架。它的价值在于把 citation gap 变成可执行动作。
核心在 Prompt Tracking 里的 Sources report。它盯的是 citation，也就是 AI 答案中链接出去的页面。有个洞察很重要：引用和品牌提及是两件事。前者是链接，后者是品牌名出现在答案里。两边会脱节。
文章用 Amerisleep 做案例。20 个 prompts 在 Google AI Mode 带出 49 个 source pages。品牌只被提及 1 次。同一批 prompts 换到 ChatGPT，出来 40 个 source pages，品牌提及数为 0。
Source 的分类差异更值得看。AI Mode 里电商零售站占 76%。ChatGPT 里只有 38%。知识库在 AI Mode 占 6%，在 ChatGPT 占 33%。同一批问题，两个平台的 source 结构完全不同。
流程分三步。先建 prompt list，从销售对话、客服记录、Reddit 挖真实问题。再读 Sources report，用 Pages 和 Domains 两个视图对比。最后补 gap，靠内容更新或 outreach。
我觉得最实用的是 Pages 视图。它告诉你某个 URL 被多少个 prompts 引用，还会给出你的品牌在相关答案里出现几次。
这本质上是 SEO 竞品分析那套逻辑，搬到了 AI 答案的 source 层。做 GEO 的人可以按这个思路走。
AI 搜索正在改变网站的职责（而非取代它），以下是适应方法
AI 搜索正在改变网站的工作分工，官网依然是 AI 眼中的权威信源——这是我读完 Sachin Puri 这篇访谈最大的收获。Puri 是 Bluehost 母公司 Newfold Digital 的 CEO，手上握着一份 90 天的爬虫数据。
几个必须记住的数字：Bluehost 托管站点每天收到 8340 万次已核验的 AI 爬虫请求。其中约 90% 用于模型训练，9% 用于搜索索引，只有约 1% 是实时助手抓取。针对 ChatGPT/OpenAI，观测到的引用访问比是 1:5350。我觉得这个比例最容易被误读成转化率。Puri 讲得很干脆：machine consumption 和 human referral 是两套测量体系，需要分开追踪。
他给的框架是 Visibility—Accuracy—Action 三层：AI 被问到时你有没有出现；出现时价格、服务、区域、营业时间对不对；曝光最终有没有变成可观测的 referral、booking 或 revenue。我的经验是 Accuracy 最容易翻车：过期价格同时留在自有网站、schema markup 和 Reddit 讨论里，AI 会拿官网做交叉验证，信息一旦对不上就减分。
实战建议是把本地服务页里的”reliable electrical services”这类空话，换成服务项、覆盖区域、营业时间、资质、近期评价的清单，agent 才有素材可匹配。结构化数据、干净的站点结构、跨源一致的 business details 仍是基本功，目标从排名扩展到被机器理解、被推荐、被选择。
SEO 的商业论证正在改变，预算理由也应随之改变
SEO 的商业论证正在从”买流量”转向”买能力”——Carolyn Shelby 的这篇，是我今年读到最实用的预算框架文章。她的核心洞察很扎心：同一份技术 SEO 工作，挂在”tech SEO debt”名下会被砍，换个名字叫”GEO 计划”就能拿到钱。预算科目决定工作生死，跟业务价值关系不大。
几个关键点值得记下来：
一是重分类。 她把 SEO 支出拆成四类：revenue growth、revenue protection、shared discovery infrastructure、AI experiments。逻辑是让每笔钱对应它真正服务的业务目标，而不是全部塞进 organic acquisition 这一个筐。
二是 GEO 预算悖论。 Google Search Central 的 AI features 指南明确说，既有 SEO 基础依然适用，没有单独的 AI 技术优化清单。crawlability、商品信息一致性、内链结构、过期内容这些老问题不解决，买再贵的 AI 可见性平台也是白搭。
三是有个 120 万美元的分配示例。 一家电商，信息型流量下滑，高管逼着投 AI discovery。她把预算按共享基础设施和营收保护重新论证，实操性很强。
我的看法：这套框架真正的价值是给 SEO 负责人一套 CFO 听得懂的语言。别再报 organic sessions 了，改报”我们保护了多少营收页”、”共享发现基础设施服务了几个团队”。AI 搜索时代，先把预算科目改对的人，在下一轮预算会上站得最稳。
Yoast 2026 年 9 月 SEO 更新回顾
Yoast 2026 年 9 月更新值得花十分钟过一遍。Carolyn Shelby 和 Alex Moss 把本月 GEO 关键信号串成了一条线。
我记下的重点：Google 确认 ChatGPT 带来全新长尾查询；OpenAI 全球铺开 ChatGPT 广告；Google 上线 SAFE 反垃圾检测器，低价值 programmatic 页面开始反噬排名；Google 试点向发布商付费，用于 AI 答案引用；Cloudflare 开放屏蔽 AI 训练爬虫的开关。Reddit 上的品牌叙事会被 LLM 当作事实使用，Lighthouse 也新增了 ARD 审计。
我的态度很直接：让 AI 爬虫进来。AI 答案里的引用可以直接转化为流量和署名。反过来，只有把内容结构做干净，LLM 才愿意引你。
这份 recap 深度偏浅，更像快讯，适合作为月度 checklist；深挖还得点原文链接。
GEO书籍：变更与更新
Ross Hudgens 这份勘误文档的价值在于”Updates”部分——他公开修正了GEO书中五个已经过时的判断。这比大多数 SEO 作者的”出版即封笔”诚实得多。
具体更新点很实在：一是 versus pages 的权重被他低估了，Siege Media 自己的研究显示这类对比页对整体可见度拉动明显；二是 Reddit 在 ChatGPT 里的引用占比近期下滑，他建议把这一节从”Reddit 战术”重构为”社区与声誉管理的 LLM 价值”，更 evergreen；三是 CRO 与 GEO 的直接挂钩：把奖项、客户证言、可信数据点铺到全站，是说服 LLM”买单”的最清晰路径。另外他还补了一份 JavaScript 与服务端渲染的技术排查指南，由技术总监 Andrew Craig 撰写。
我觉得最有信号意义的是他对 subtitle 的反思——”Definitive Guide”这个词现在读起来太 clickbaity。一个写出权威指南的人主动拆掉”权威”二字，说明这个领域的变化速度已经不允许任何人自称定论。读过或正在读该书的人，这份更新值得花十分钟过一遍。
Ramp 如何精准追踪 AI 流量（对话 Eric Wu）
Ramp 如何精准追踪 AI 流量？这篇播客笔记给出了目前最具实战性的一套答案。Eric Wu 在 Ramp 主导 SEO、GEO 和 CRO，他把”dark search”这件事讲透了。
几个我觉得最有价值的数据点：Ramp 通过实验发现，30–40% 的 direct traffic 实际来自答案引擎。传统归因里，ChatGPT、Perplexity 这类来源全部被计入 direct，等于你的 GEO 成果被埋进了黑箱。
他们做的一个 markdown 实验很聪明。一个简单的 markdown 文件就能改变 ChatGPT 的答案。他们还挂了一个 $162 的”AI-exclusive” demo offer，结果真实潜客直接找 sales 报出这个 offer 的名字——这条链路证明了 AI 推荐能产生可追踪的转化。
另一个反常现象：2025 年 10 月之后，Search Console 和 GA4 的口径出现了”反转”。Google 至今不肯分享 AI Mode 的点击数据，所以你必须自己建归因体系。Ramp 的做法是让实验多跑几个月，观察答案引擎随时间如何漂移。用”How did you hear about us?”这个老办法，来反向归因 dark traffic。
我的建议：值得听完整期音频。但注意，这篇只是 show notes，没有正文转录，关键细节都在对话里。想真正落地，得边听边记。Ramp Rate 的 vendor comparison 页面和 Reddit 实验也值得单独拆开研究。
Google Search Console 支持按多个国家/地区进行筛选
Google Search Console 的 Performance report 现在支持多国合并筛选，做 international SEO 的同行当天就能用上。
Google 在 10 月 6 日通过 LinkedIn 发布这次更新。Country filter 新增 Filter 和 Compare 两个标签，官方截图里一次勾选了三个国家。旧规则更严苛：多值只能走 Compare，最多两个 item，而且只输出一列 Difference 做对比。Device filter 这次也在更新范围内。
我的看法是，欧洲多市场团队受益最直接。以前做季度报表，DE、FR、ES 的 clicks 得手动加总，现在一个视图看完。值得注意的是，help page 当天仍挂着 two-item comparison 的旧说明，文档同步滞后。SEJ 这篇只有 2 分钟阅读时长，Device filter 到底改了什么，原文并未展开。想搞清楚，还得自己进 GSC 试一遍。
多地点 SEO：如何构建可扩展的策略
多地点 SEO 如何构建？Semrush 这篇给出了我最认同的答案：每个门店只留一份权威记录，让它同时供给页面、GBP、schema 和外部 listings。
作者 Carlos Silva 把规模化难题拆成四块：门店信息同步、location page 重复、GBP 所有权分散、review 冷热不均。案例是 Sam The Concrete Man，100+ 门店要维护 70+ 个目录。第二步我特别喜欢：每个市场单独做关键词调研。搜 “plumbers in NYC”，Places sites 里是 Yelp、Bark、ThreeBestRated；换到 Houston，Bark 掉出，Craigslist 进场。
连锁品牌的同学可以直接抄这套流程，先建 master record。扣分点在于，它偏重整合既有 best practice，新洞察少。
ChatGPT 上线 GPT-6 与智能 UI（Intelligent UI），提供交互式答案
ChatGPT 上线 GPT-6 与 Intelligent UI，直接把答案变成可用工具。这是 GEO 从业者本周最该盯的一件事。
OpenAI 从 10 月 7 日起全球推送 GPT-6。Plus、Pro、Business、Enterprise 今天先上线，Free 和 Go 明天跟进。核心变化是 Intelligent UI：GPT-6 会自行判断答案该用什么形式呈现，可以是按钮、表单或图表；用户开口要，它当场生成，比如储蓄计算器、AA 分摊器，甚至对话里就能玩的小游戏。
我注意到两个关键点。一是 GPT-6 Instant 在有搜索需求的场景下，比 GPT-5.6 Instant 平均早 44% 开始作答；二是它更会判断何时该联网查询。
为什么这件事最扎我？因为 OpenAI 举的两个例子——储蓄计算器和账单分摊器——用的都是通用输入和公开算法。8 月我就注意到，这类工具正是 Google 生成式 UI 最容易复刻的一批。现在 ChatGPT 直接内建，用户不用跳出去，计算器页、转换器页的流量护城河又薄了一层。
实战建议：手上做 tool page 的，赶紧去 ChatGPT 里亲手试一遍。看它生成的版本缺什么——本地化参数、专业口径、真实数据源，这些是它能补但补不好的地方。把差异写进你的页面。另外，当答案以图表或工具形式呈现时，来源怎么露出，OpenAI 这次没说清。这是个值得追的坑。
