🏛️ 官方动态
AI 搜索的新时代
Google 官方今天宣告 AI 搜索的新时代正式到来——这篇公告是所有 SEO/GEO 从业者必读的行业风向标，因为它直接定义了搜索产品未来两年的底层逻辑。我读完最大的感受是：传统关键词检索的死亡倒计时已被加速，agentic search 才是真正的下一站。
几个关键变化足以让你重新思考策略。首先是 AI Mode 已经突破 10 亿月活用户，查询量每季度翻倍，这说明用户行为正在从“搜链接”快速转向“多轮对话”。第二，Google 把搜索框彻底重写了——25 年来最大升级，支持 text、image、file、video 甚至 Chrome tab 混合输入，会自动扩展并给出 AI 驱动的搜索建议。第三，最重磅的是引入“信息代理”：你可以创建多个后台 agent，24/7 监控特定条件（比如租房、球鞋联名），它会在找到结果时主动推送并支持下一步操作。第四，agentic coding 让搜索能实时生成定制 UI，比如可视化天体物理或手表拆解图。
我个人认为，这次升级的关键词是“任务完成”而非“信息返回”。对于 SEO 从业者，传统排名指标会被 agent 的主动筛选能力取代；对于 GEO（生成式引擎优化），你需要为 agent 的“理解-推理-生成”链条准备结构化数据和多模态内容。别再用静态页面思维面对 AI 搜索的新时代了——你的内容要能参与 agent 的实时推理，而不是等着被关键词命中。
AI 模式如何改变美国用户的搜索方式
Google 官方数据证明：AI 模式已从根本上改变美国用户搜索行为，从关键词转向自然语言查询，这是你调整 SEO 策略必须立刻跟进的信号。
核心事实：AI Mode 月活用户已超 10 亿，查询量每季度翻倍。平均查询长度是传统搜索的 3 倍，超过 1/6 的搜索使用语音或图片，图片搜索月环比增长 40% 以上。更关键的是，规划类查询增长比整体快 80%，”where should I”、”ideas for” 等意图明确的自然语言问题正在爆发。
这些数据直接告诉你：传统关键词堆砌已经死了。AI 模式不再是实验，而是主流。如果你还在按 “最佳 XX 排名” 套路做内容，流量会持续被 AI 摘要吃光。现在该做的是用结构化数据覆盖具体问题的完整答案，尤其是比较、规划、brainstorming 类查询。这不是未来，是现在。
我们在 I/O 2026 上宣布的 100 项内容
核心结论：Google I/O 2026 的 100 项公告，我认为最值得 GEO 从业者关注的，是 Gemini 3.5 Flash 和 Omni 模型如何重塑搜索与信息代理的底层逻辑。 这篇文章是美国 Google 官方博客的汇总清单，虽然缺乏深度分析，但数据点密集，适合快速抓取今年 AI 搜索的关键变化。
关键要点：
– Gemini 3.5 Flash 在 agentic benchmark（Terminal-Bench 2.1 76.2%）上碾压前代，且成本低于其他 frontier 模型一半——这意味着我们做 SEO 时，需要为模型自主完成任务（比如自动生成代码、审计文档）准备结构化的上下文。
– Gemini Omni 支持从视频生成视频，并附带 SynthID 水印。有意思的是，它在 Gemini App 和 YouTube Shorts 中的零成本使用，可能会让视频内容成为新的“搜索入口”，优化视频元数据比以往更重要。
– AI Search 更新（第 16 条往后）包括更智能的购物和发现体验，但文章本身只列了标题，没有实现细节。作为从业者，建议直接去 Google 开发者博客看对应的技术文档。
我的建议： 别只盯着这 100 条清单，而是重点关注 Gemini 3.5 Flash 的 agentic 能力（比如它能在终端中执行命令），以及 Omni 的多模态生成如何影响内容认证（SynthID 水印）。我们在 I/O 2026 发布后，需要更新内容策略，为“模型读取而非人类阅读”做准备。
Bing 图像搜索推出更智能的探索方式
Bing 图像搜索推出 AI 驱动的分组式浏览体验，这是我对它最直接的判断——这不是一次简单的 UI 改版，而是搜索引擎理解视觉内容的方式的结构性变化。
关键要点：
– 输入查询后，AI 自动将图片归类并生成短摘要，比如搜索“华盛顿最高山峰”，结果不再是一堆图片堆砌，而是分成了不同山名的分组
– 新功能默认隐藏，用户需要手动点击 “New Version” 开关才能体验，这意味着 Bing 在试探性地部署
– 目前仅对美区用户开放，无需登录即可使用，PC 和移动端都支持
有意思的是，Bing 特别强调了设计灵感、购物、教育类场景，比如搜索“毕加索”会自动按风格与时期分类。但对 SEO 而言，这更像一个信号：搜索引擎开始重视图片之间的语义关系和上下文标签。官方文章没有给出任何具体的优化建议——这让我觉得，现阶段更多是观察和测试，而不是马上调整策略。
推进内容溯源：构建更安全、更透明的 AI 生态系统
OpenAI 这篇博文的核心是推进内容溯源，构建更安全的 AI 生态，我强烈推荐给关注 GEO 信任信号的同行。
它不再空谈透明度，而是给出了具体落地方案：C2PA 符合性让元数据跨平台留存，SynthID 水印弥补元数据容易被剥离的缺陷，再搭配公开验证工具让用户能自己查证图像来源。三层设计互相兜底——C2PA 提供详细上下文，SynthID 扛住截图和格式转换，验证工具把检测权交到普通人手里。有意思的是，OpenAI 还特别强调 “no single technique is enough”，这提醒我们：在 GEO 实践中，信任信号也得走多层路线，单一方案太脆弱。虽然文章不是 SEO/GEO 操作指南，但溯源标准的演进直接关系内容可信度的量化，值得放进我们的策略雷达。
I/O 2026：欢迎来到代理型 Gemini 时代
I/O 2026 欢迎来到 agentic Gemini 时代，这篇文章是 Google 官方对未来搜索生态的终极预告——实用价值有限，但战略信号明确。作为从业者，必须读懂：AI 搜索已从“检索器”进化为“执行体”。
核心信号有三：
1. AI Overviews 月活 25 亿，AI Mode 超 10 亿用户。这意味着传统蓝色链接的点击率将持续下滑，内容必须为“被引用”而非“被点击”而写。
2. Gemini 应用月活 900 万翻倍，token 消耗 7 倍增长至 3.2 quadrillion/月。用户不再在乎你排第几，只关心 AI 是否能直接给出答案。你的数据结构（schema、结构化内容）比关键词密度重要 10 倍。
3. Ask Maps、Ask YouTube 登场。搜索从“输入问题→看结果”变成“直接问，AI 帮你执行”。我的判断：未来 SEO 的核心 KPI 将从“排名”转向“模型调用频率”。
但注意：这是官方 PR 稿，没有具体技术参数或排名信号。别指望找到“如何让 Gemini 推荐你”的秘籍。我的观点：立刻开始用 LLM 模拟测试你的内容是否被 Agent 准确引用，否则你会在 2027 年被彻底淘汰。
🤖 GEO·SEO 精选
愚人山有了定价页面
我读了 Pedro Dias 这篇《愚人山有了定价页面》，它用实证和官方文档撕开了 GEO 行业的虚假确定性。核心结论：离 AI 模型越远的人越自信地卖方案，离模型越近的人反而承认自己无法控制输出。这篇值得每个做 GEO 的同行认真看。
三个关键要点：
1. AI开发者自己说不可控：Anthropic公开承认模型是黑盒，DeepMind的mech interp团队负责人Neel Nanda在2025年9月说“最激进的可解释性项目基本死了”，Ilya Sutskever在NeurIPS 2024上说“推理越多越不可预测”。而GEO顾问们却在精确到小数点的“保证”、“确保”和“定量提升”——他们的自信方向完全反了。
2. Ahrefs实证打脸核心战术：跟踪1,885页添加Schema的页面，对比4,000个控制组，30天前后测AI引用变化。结果：无任何有意义提升，AI Overviews引用反而轻微下降（统计显著，概率1/2500）。Schema让LLM理解内容这套说法，经不起控制实验。
3. Google官方文档直接辟谣：2026年5月15日Google发布AI优化指南，白纸黑字否定多数GEO处方。行业还在卖这些框架，但Google自己说“别信那个”。
我的实战建议：别买任何“保证AI抓取”的套餐。先读Anthropic和DeepMind的原文，再对比你看到的那些说法。自己跑控制实验，别信单组前后对比的伪数据。愚人山有定价页面，别付钱买那张票。
Yoast SEO更新 – 2026年6月
YoastSEO更新：June 2026直播预告，专家拆解AI搜索趋势，但缺干货。
我上周看到Yoast的SEO Update播客活动页面，给出了7/10的评分。它由Principal SEO Carolyn Shelby与Alex Moss共同主持，定在6月30日直播。亮点包括：1小时免费，覆盖算法更新和AI搜索变化，含Live Q&A。Carolyn和Alex都是资深从业者，他们选的话题通常有实战价值。
但页面只有注册入口，没给出任何具体洞察或数据。如果你想了解最新SEO趋势，注册后看回放是合理选择。我自己会等录播出来后，重点听他们对Google AI Overviews的解读。不过，如果预算紧张，建议优先关注其他已发布的分析文章。
AI可见性的新规则及如何为此做好准备
这篇文章深入解析了AI可见性的新规则及如何准备，核心结论是：SEO没有过时，但AI搜索正在重塑品牌被发现的方式——你需要同时优化排名和AI摘要中的品牌引用与准确性。
Aleyda Solis用三个关键洞察戳破行业迷思。第一，AI搜索不会替代传统搜索，而是扩展用户旅程。Google明确表示生成式AI仍基于核心排名系统，基础SEO依然有效。第二，点击不再决定一切——AI在用户点击前就通过摘要、对比、推荐影响了决策，品牌可见性变成“预点击影响力”。第三，用户提问从短关键词变成了长尾上下文查询（比如“适合户外活动且不僵硬的牛仔裤”），传统关键词研究失效，需要用主题+意图+决策约束来分组分析。
最让我印象深刻的是“确定性点击到概率性点击”的转变。以前SEO追求排名第一，现在AI可能直接给出答案而不引荐你。你必须监控品牌在AI输出中的准确性、情感和第三方验证。Moz Pro的AI Visibility功能正是为此设计。
实战建议：别去追逐单个prompt变体，而是围绕产品线、客户阶段、评价约束构建prompt集群。同时优化可访问性、权威内容和结构化数据。我觉得这篇文章的最大价值在于提供了可操作的checklist，而不是空谈理论。强烈推荐给每一位关注生成式引擎优化的从业者。
🔗 Moz Blog
LLM指南不像SEO指南那样具有可迁移性
Duane Forrester这篇文章的核心观点很清楚：LLM指南不像SEO指南那样可以跨平台通用。我强烈推荐任何从事搜索生态的同行都读一遍。
传统SEO指南的迁移性建立在共享标准上：2006年谷歌、雅虎、微软联合支持Sitemaps协议，2011年三家共同发布Schema.org结构化数据标准。这些协议让从业者优化谷歌时，效果能“顺便”提升Bing等平台的排名。一个指导原则通用所有引擎的黄金时代，确实存在过。
LLM世界完全不同。训练数据、爬虫机器人、检索架构都在各玩各的。OpenAI花2.5亿美元与新闻集团签了5年授权协议，谷歌有自己的Reddit交易，Anthropic甚至没有公开授权伙伴。没有统一标准意味着每个平台的优化方法都独一份。
我的建议：停止“优化一个就当优化所有”的习惯。GEO需要为每个AI平台单独诊断、单独调整。这是新规则，也是新机会。
什么是Agentic SEO？以及如何在本周开始实践
Agentic SEO 是今年以来最值得关注的 SEO 工作流进化。Ahrefs 这篇指南首次系统定义了什么是 Agentic SEO——让 AI 代理自主规划、执行、修复流程，而非仅生成文本——并给出了本周即可上手的具体步骤。我读完的最大感受是：这不再是未来概念，而是今天就能用 prompt 跑起来的实用方法。
关键要点：
- Agentic ≠ 全自动：代理仍需要人类监督，特别是客户交付环节。长流程比短流程更易出 bug，大数据集可能导致幻觉或跳过行。
- 三大核心组件：代理环境（如 Claude Code、ChatGPT Agents）、MCP 连接器（Ahrefs MCP 可直接调 API 拿数据）和预设技能（Skills）。缺少任何一环，代理只是有观点的聊天机器人。
- 实战用例到 prompt：文章附带了 9 个可复制粘贴的指令，比如“找出流量下滑前 20 页并生成修复建议”。直接描述“好结果”是什么样，代理自动拆解步骤、调用工具、返回结论。
- Agent A 是捷径：Ahrefs 自家推出的预配置代理，内置了 MCP、GA/GSC/CMS 连接和 SEO 技能库，零组装即可运行。
我觉得这篇文章的价值在于把概念落地到具体工作流。以往我们讨论 AI SEO 大多停留在内容生成或关键字建议，但 Agentic SEO 把整个执行链路交给了 AI。唯一的门槛是模型质量——Claude Opus 或 GPT-4o 的推理能力决定了代理的上限。如果你这周就想试，我建议从 Ahrefs MCP + ChatGPT Agents 开始，给一个明确的小目标（如“检查首页技术问题”），用上文章里的 prompt，一小时就能跑通第一个循环。
AI Agents for SEO：它们是什么、如何工作以及如何构建
Ahrefs这篇实战指南彻底讲透了AI SEO agent是什么、能做什么以及如何搭建。我读完觉得这是目前最落地的自动化方案解析，不是理论空谈。
关键要点：
– 真正的AI SEO agent是替你干活的软件，不是聊天框。比如他们内部工具Scrapbook，每周一自动跑竞争词分析，直接给内容灵感。
– 文章拆解了三层结构：Agent平台（如Agent A）、你配置的agent本身、以及技能/数据组件。这个分层让构建变简单。
– 五大应用场景都给了真实案例：Mateusz用Agent A一键完成关键词聚类；Ryan做了内容老化检测app；Dmytro用Agent A直接修复了Site Audit里的broken image，从发现到PR合并几乎全自动。
– 作者特别强调：好的agent不需要全自主，设好人机审批点更安全。复杂任务靠“技能文件”定义你的执行标准。
我的实战建议：如果你团队还在手动做技术审计或内容优化，从一个小流程开始试——比如让agent每周一自动跑一次网站爬虫并输出优先级列表。成本低、见效快，关键是能腾出时间做策略。
如何三步控制LLM对你品牌的评价
这篇文章给出了如何三步控制LLM对品牌陈述的实战方法 —— 不是靠优化官网，而是靠引导第三方共识。Siege Media 用自身数据和客户案例证明了这套方法的有效性。
关键要点很扎实：
1. 三步审计法：先跑10-20个买家意图提示词（如“best X for Y”），记录ChatGPT、Perplexity、Gemini的回复；然后追踪每个引用来源，分类为评测站、Reddit、新闻等；最后针对高权重源头发起内容或PR活动，改变描述语言。
2. 数据驱动：他们发现推送原创数据的品牌比依赖“最佳整体”路线的品牌多获得45%的AI引用。Volume不等于赢，specificity才是关键。
3. 可复用的工具：文章免费提供了一个Google Sheet跟踪器，能帮你统计每个来源的“投票”次数，直接定位哪些渠道在定义你的品牌。
4. 行业基准：以Siege Media自身为例，在“content marketing agency”这类提示词下品牌可见度96%，但“enterprise SEO agency”只有70%——这种gap正是行动的起点。
我的观点：这篇文章撕开了LLM品牌可见度的黑箱。过去我们只知道要上listicle，现在它告诉你不仅要上，还要确保每个listicle用同一套专属定位词描述你。这不是猜测，Siege有$148M营收案例和45%数据支撑，值得每个做GEO的团队照做一遍。
SerpApi vs. Google与SEO的未来
Google 起诉 SerpApi 的案子，是我最近读过最让人后背发凉的 SEO 深度分析。它直接告诉你：如果谷歌赢了，你手上那些扒 SERP 数据的标准操作可能立刻变成违法。这篇文章的核心价值是，它把 SerpApi vs. Google 这场官司的每一个法律细节和行业后果拆解得清清楚楚，不是泛泛而谈“版权风险”，而是用谷歌自己的 13 页起诉书说话。
几个让我倒吸冷气的要点：
1. 谷歌要求 280 万美元赔偿并永久禁令，定义 SerpApi 的 API 业务为“寄生商业模式”，声称 SERP 页面享有版权，绕过反爬就是违反 DMCA。
2. SerpApi 的反击才是关键：他们主张搜索结果属于事实信息，不可版权化，谷歌是在滥用版权法扼杀竞争。如果法院采纳这个逻辑，现在所有 SEO 工具（Ahrefs、Semrush）扒 SERP 的行为都要重新评估合法性。
3. 数值很吓人：文章指出，可能因此消灭超过 1000 亿美元的 SEO 服务市场。谷歌过去几年砍掉 num=100 参数、收紧 API 速率，都是在削除数据管道，现在直接拿法律锤子敲。
我觉得这事比任何算法更新都致命。如果你靠抓取谷歌搜索结果做竞争分析或排名追踪，建议立刻读原文并开始准备替代方案（比如自己建立品牌搜索数据池、或押注 Bing/Perplexity 生态）。别等判例落地再慌。
Google针对生成式AI搜索优化的官方指南
Google针对生成式AI搜索的这份官方指南，我推荐所有SEO从业者必读。核心结论很明确：生成式AI visibility本质上还是SEO，基础优化依然管用。
关键要点：
1. Google明确表示，AI Overviews和AI Mode等生成式功能依赖核心搜索ranking和quality systems，采用RAG（检索增强生成）技术将网页内容grounding到AI响应中，同时展示可点击链接。
2. 查询扇出（query fan-out）机制会并行生成多个相关子查询，比如“如何修复长满杂草的草坪”可能触发“最佳除草剂”“无化学除杂草”等，这意味着一篇优质内容可能覆盖多个流量入口。
3. 内容质量要求更高：Google强调非商品化（non-commodity）内容，比如不要写“首次购房者7大技巧”，而要写“为何我们放弃验房省了钱——下水管道内幕”。必须提供独特视角或第一手经验，避免重复他人或AI就能生成的信息。
4. 图片和视频优化同样重要，因为这些素材也会在生成式AI结果中显示，按照image SEO best practices做就对了。
我个人看法：这份指南最大价值是扫清了“AEO/GEO是新物种”的迷思。Google用官方文档盖章了：你做好SEO，就是在为生成式AI优化。别再瞎折腾新概念，回到内容原创性、E-E-A-T和结构化数据这些基本功上。
Google 开始推出 2026 年 5 月核心更新
Google开始推出2026年5月核心更新，这篇文章及时给出了官方时间线和行动指南。
这是今年第二次核心更新，预计持续两周。官方未发布详细说明，仅确认“常规更新”。我特别认同文章强调的：不要根据早期排名波动改内容，至少等更新结束一周再分析Search Console数据。文章还列出了近期更新时间线，March core 12天，February Discover 22天，方便你理解节奏。我觉得这类报道的核心价值在于帮你提前预判波动，避免盲目操作。保持内容质量，等更新落地再评估。
Google公布AI Mode上线一年后的首批使用数据
Google公布AI Mode一年使用数据，对SEO从业者最直接的冲击是：关键词策略必须重新定义。
数据显示AI Mode平均搜索长度是传统搜索的三倍，follow-up查询月增超40%，每6次搜索就有1次是多模态（图片、语音）。关键词从“best”“buy”转向“what is”“explain”“identify”，甚至出现“I”开头——用户明显在对话而非填空。
我建议立刻做两件事：一是把内容从单点答案升级为多轮对话框架，覆盖用户追问路径；二是加大多模态素材（图表、视频片段）的布局，因为16%的查询已经不吃纯文本那套了。传统关键字堆砌只会让AI Mode抓取不到你的内容，而长尾、多轮、带推理意图的查询才是未来流量入口。
搜索新规则：2026年关键AEO与内容营销趋势
搜索新规则2026年的核心就是AEO实战化。
Conductor这场分享给出了具体框架：哪些内容类型最容易被AI引用、如何重新定义KPI（不再只看点击）、以及用agentic workflows规模化生产权威内容。我特别同意他们说的——AI搜索时代，visibility-first比流量思维更重要。拿这个框架去调整内容投资，能少走半年弯路。
新研究：90%的品牌在AI搜索中零提及，揭示4个关键SEO洞察
新研究90%的品牌在AI搜索中零提及，Victorious对177个品牌、8个AI平台、107,011条响应的分析揭示了一个残酷的现实：AI visibility的竞赛远未开始。89.8%的品牌毫无存在感，这意味着早期布局者面对的竞争微乎其微。
三个关键发现让我觉得这份研究特别有实操价值：第一，垂直差异极其显著——医疗、SaaS和金融服务品牌同时被mention和cite（驱动因素分别是结构化数据、第三方平台和编辑媒体），电商品牌被提及多但citation少（来源被Amazon、Reddit截流），法律品牌则相反——cited多于mentioned（AI平台引用专业内容但不太直接点名品牌）。第二，金融服务是唯一citation率超过mention率的垂直，说明AI平台信任内容产出胜过品牌身份本身。第三，传统Authority Score与AI mentions存在正相关，但垂直内部差异大，不能一刀切。
我的建议很直接：对大多数品牌而言，现在从零建立AI可见性完全来得及。优先做三件事——结构化自己的实体标识（如schema、位置、资质），获取权威第三方平台的链接或认证（如G2、MarketWatch），并在自己域名上生产可被引用的原创内容（而非只依赖聚合页面）。电商品牌尤其要警惕：如果所有citation都落在第三方域，你的品牌只是AI回复里的配角。
Google发布生成式AI搜索优化指南
Google发布生成式AI搜索优化指南，核心结论很直接：AI搜索可见性依然取决于传统SEO基础，不存在独立捷径。
指南由John Mueller于5月15日发布，明确AI Overviews和AI Mode基于核心排名系统，内容技术差就别想出现在AI回答里。更有意思的是，Google直接辟谣了llms.txt、内容分块、AI专用改写、特殊schema等江湖传说，说这些都不需要。同时首次提及agentic experiences（如UCP/WebMCP），但列为未来可选项。
我觉得这份文档最大的价值在于：GEO本质是SEO的延伸，不是独立赛道。想赢在AI搜索？先搞定站点健康、内容质量和结构化数据。别被“GEO刷存在”的营销话术带偏。
如何衡量和报告AI搜索可见性（真正重要的指标）
这篇文章最有价值的地方在于它清晰地回答了如何衡量和报告AI搜索可见性——而且不是泛泛而谈，直接给出了可落地的指标框架和汇报话术。
传统SEO指标（排名、流量）在AI搜索时代失灵了。AI回答直接满足用户需求，不产生点击。你的品牌可能在ChatGPT或AI Overviews里被频繁引用，但网站流量纹丝不动。所以，我们需要一套新KPI。
关键要点就三个：
1. 跟踪引用频率和情感准确性——不只是“我们出现了吗”，还要看AI怎么描述你。比如用Semrush的AI Visibility Toolkit测量citation share和sentiment accuracy。
2. 向老板汇报时用结果语言——别讲“我们在prompt set A里出现率42%”，要说“AI工具在用户比较我们品类时，近一半回答会推荐我们”。利益相关者只关心三个问题：我们被看到了吗？AI描述得对吗？我们在赢还是输？
3. 长期看引用份额增长和prompt-level趋势——这不是一次性的数字，而是季度对比。引用份额上升意味着品牌认知在AI生态里持续扎根。
我个人强烈建议：立即把AI可见性报告从传统SEO报告中拆分出来。单独跟踪AI Overviews、ChatGPT、Gemini这些平台，并用工具直接抓取引用和提及数据，同时观察品牌搜索量和直接流量的滞后变化。别等老板问“为什么流量没涨”时你才解释。前置报告，主动证明AI可见性的价值，才是这个新赛道的生存之道。
什么是提示词跟踪？（+ 4 种需跟踪的提示类型）
这篇文章系统解释了什么是提示词跟踪，并给出了四个必跟的 prompt 类型。
观点很务实：提示词跟踪不是盯排名，而是监控 AI 系统如何回应真实用户提问。作者提出了 prompt portfolio 框架，将提示词分为 revenue、reputation、competitor、gap 四类。最让我认同的是“25个精选提示词胜过500个随机”这个判断。实践上我建议先从 revenue prompt 入手，比如“best product for problem”或“your product vs competitor”，这些直接关联购买决策。文章还提供了 SaaS 公司的模板样例，方便直接套用。对于正在做 GEO 的团队，这篇文章能帮你把监控落到具体业务结果上，而不是只看 AI 的露脸率。
什么是 AI 品牌提及？它们与 AI 引用有何不同？
这篇文章彻底讲清楚了“什么是AI品牌提及？”——AI在生成回复时引用品牌名称但无来源链接，与传统带链接的citations有本质区别。对我这种搞SEO的人来说，这是个必须搞懂的新战场。
关键要点：第一，AI品牌提及分直接推荐、比较、举例和上下文引用四种场景，ChatGPT问“最好的WordPress SEO插件”时会直接提到Yoast。第二，LLM决策靠四重信号：训练数据中的主题关联、RAG实时检索、语义理解映射用户意图、跨来源权威验证。第三，提升提及率的关键是创建清晰、结构化、可提取的内容，并把品牌与相关术语、实体语义关联。第四，提及和引用各有用处——提及让AI先认出你，引用才真正证明你的可信度。
我的实战建议：别只盯着传统citation，要主动做“品牌关联”优化。在行业权威平台输出问题解决方案，让品牌名反复出现在相关上下文里。同时确保你的站点结构化数据完整，方便RAG系统抓取。两件事都做，才能在AI搜索时代站稳脚跟。
GEO / AEO 的语义相关性：如何使内容与 AI 搜索意图对齐
Lumar这篇关于GEO/AEO的语义相关性的文章，是我今年读到最实用的AI搜索优化指南之一。它用UC Berkeley的学术实验证明：LLM选择引用哪篇内容，关键不是“写得是否专业”而是“语义匹配度”——这直接决定了你的内容在AI回答中的胜出率。
几个让我拍桌子的点：
-
LLM根本不在乎你的文笔。UC Berkeley那篇论文（arXiv:2402.11782）用head-to-head对比测试发现，语气客观、词汇丰富、句子复杂这些人类看重的“权威感”，对AI选择引用几乎没有影响。真正起作用的是语义向量相似度、n-gram重叠和“这段话就在回答这个问题”这样的明确提示。简单说：语义相关性的权重碾压所有风格特征。
-
AI会做query fan-out。用户问一个问题，LLM会把它拆成多个子查询去搜。如果你的内容只覆盖主问题，不覆盖子问题（比如“2026年英国”这种边界条件），AI就会从别人那里补全。文章建议每个section都像“可检索的模块”，只讲一个claim或sub-question，并明确标注时间、地域、scope。
-
要主动覆盖反面论点。AI经常在回答中总结正反两方观点。如果你不写counterargument，AI就会从其他源引用。这不是“站队”，而是为了“topical completeness”——你覆盖得越全，被选中的概率就越高。
实操上我直接拿来用的：结论前置，再给理由。每段开头放“Yes/No/It depends”式的明确答案，后面用论据支撑。这正好匹配AI检索时对passage-level清晰度的偏好。
如果你想在GEO/AEO上快速见效，别折腾什么文风优化。先死磕语义相关性和内容完整性。这篇文章的所有tips都是可执行的，值得反复对照。
Google将AI内容验证引入搜索
Google将AI内容验证引入搜索，这是内容溯源从专业工具到日常场景的关键一步。
我觉得这对SEO/GEO从业者至关重要。具体来说：SynthID现已集成到Search、Lens和Circle to Search，用户可直接问“这是AI生成的吗？”；C2PA Content Credentials验证即将到来；Google Cloud还发布了AI Content Detection API，首批合作方包括Shutterstock、Snap等。有意思的是，OpenAI、ElevenLabs等也开始采用SynthID水印。我的判断：未来内容是否携带可验证水印，将直接影响搜索排名和用户信任。建议尽快了解这些工具，并评估自身内容的可溯源策略。
使用ChatGPT或Gemini写出优质内容的7个技巧——周五白板
停止从AI获取垃圾内容。Moz的Chima Mmeje在Whiteboard Friday中分享了使用ChatGPT或Gemini写出高质量内容的7个实操技巧，核心在于训练文档和护栏。
关键要点包括：先创建一篇你写过的优秀文章作为训练文档；然后提供大量上下文，包括你要实现的目标和喜欢的写法；接着创建Project（GPT/Gem/Gemini），在里面设置超详细的写作指南和护栏，比如禁止“shape”这类AI高频词；最后，把产品价值和定位文档也喂进去，让AI在合适时机自然植入。
我觉得最有价值的是：先用你自己的内容教会AI你的风格，再设定规则避免那些“AI味儿”的废话。亲测有效。
🔗 Moz Blog
