🏛️ 官方动态
以 AI 重塑广告（Reimagining Advertising with AI）
OpenAI 在 9 月 16 日发布《以 AI 重塑广告》（Reimagining Advertising with AI）。我看完的第一反应：会话式发现（conversational discovery）正式变成广告入口了。
这次更新一共四件事。第一，Sponsored Agents 开始在美国小范围测试。用户点 ChatGPT 广告后，可以跟企业赞助的 agent 开一段新对话，追问尺寸、座位数、保养方式，再决定要不要跳转网站。第二，Ads Manager 上了 plugin，广告主用自然语言就能建、改、分析 campaign，AI 还会基于 landing page 和投放目标给 copy 与 imagery 建议。第三，新增 AI 文案定制和自动翻译，广告能按对话语境改写 headline。第四，首批生态集成落地 HubSpot（首个 CRM 伙伴）和 Shopify（首个电商伙伴），Shopify 商家今天就能在美国跑广告，9 月 23 日起扩到更多市场。
但要说清楚，这是付费广告产品公告。它没给任何 SEO 技术细节，也没解释 Sponsored Agent 的排序逻辑。对 GEO 从业者，这是提前卡位的信号，落地杠杆还得自己试。
我们为发布者改进 Search 个人资料的 3 种新方式
Google 官方这次更新了 Search profiles 发布者资料页，我觉得做品牌可见性的团队该看一眼。核心动作就三个，门槛还降了一半。
第一，多账号管理。媒体集团现在能用一次登录，claim 和管理旗下所有 sub-brand 的资料页，不用再来回切换账号。做多站点矩阵的团队会省事很多。
第二，文章展示优化。缩略图做了适配处理，标题字符上限也拉长了，latest articles 的可读性直接上来。这一条对抓 Discover 和品牌词流量的团队更实用。
第三，门槛从原来的量级降到 10,000 followers，覆盖 YouTube、Instagram、X、TikTok 四个平台。更多美国 publisher 和 creator 现在都能申请。
坦白说，这篇是纯产品公告，没提任何排名机制或技术细节，参考价值偏身份层而非 ranking 层。但如果你在做 publisher entity 建设、想让 Google 认下你的品牌实体，这些 profile 就是喂给 Knowledge Graph 的现成素材。我的建议是：先去 Help Center 把 profile 领了，把社交账号和最新文章都挂上——成本几乎为零。
核心动作就是 claim 资料页并绑定内容，对应原文的 Search profiles 更新。
🤖 GEO·SEO 精选
为什么你的内容没有被引用：GEO 诊断清单
为什么你的内容没有被 AI 引用？Lumar 这份 GEO 诊断清单，把原因拆成五步排查。我觉得这是目前最实用的一篇。
第一步查候选资格（candidate eligibility）。页面要被 indexed，还要具备 snippet 资格，这是 Google 的硬门槛。第二步看 aboutness：核心概念要早出现，开头脱离下文也能读懂。第三步查 chunk 可检索性。Google 已确认其生成式 AI 用 retrieval 技术从索引里抓取具体段落，所以相关步骤、参数、规格要收在同一段里，方便系统找到完整片段。第四步，每个 chunk 要能独立成立，“this”和“it”单独读时指代清楚，实体、单位、限制条件都要带上。第五步才轮到 authority：安全敏感类 query 更看重权威来源，先看同 query 下被引的是谁。
有意思的是，Google 官方明确说不需要把内容切碎喂给 AI，清晰段落和章节就够了。
我的建议是先诊断，再动手。authority、页面相关性、内容结构，三者的修法完全不同。排名和 AI 引用是两套逻辑，用传统 SEO 指标判断 GEO 效果会走偏。7 分钟读完，值得存成 checklist 用。
AI Overviews 在法国使 CTR 下降 23.1%
Ahrefs 用 963 个法国域名的 GSC 前后对比，量化了 AI Overviews 对 CTR 的真实杀伤力——这是我们目前能看到的最干净的“自然实验”。
2026 年 7 月 22 日法国上线 AI Overviews。Ahrefs 截取上线前 28 天和上线后 9 天的数据。整体 CTR 掉 3.4%。高暴露站点的 CTR 掉 23.1%，是前者的六倍。82.2% 的高暴露域名都在掉，全身而退的反成了少数。
我觉得最有价值的是那条回归斜率：−0.9。暴露率每多一个点，CTR 就掉大约一个点。15% 的查询触发 AI Overviews，就准备掉 15% 的 CTR。算法粗糙，但立刻能用——从 Site Explorer 拉出自己的 exposure rate，量级就出来了。
另一个信号是 impressions 涨、clicks 跌。排名稳住，页面照常出现在 SERP，点击被截留在答案框里。这跟 2025 年底那份全球研究、“the great decoupling”的形状完全一致。医疗行业受伤最重。
我的建议：把 AI Overviews exposure rate 加进月度报表，按 −0.9 的斜率做一次损失预估，再看 Q4 的复测数据。
AI 搜索中的品牌保护：如何审计和捍卫品牌身份
AI 搜索中的品牌保护，这篇 SEJ 文章把它写成了可执行流程。我给它 9 分。
作者 Olesia Korobka 拆出两半工作。先审计用户和 AI 看到什么。再防御错误信息和冒名者。
三个做法值得直接抄。
第一，登记品牌资产。域名、App、社媒、创始人、产品、官方支持渠道全部列出。每条事实配来源和最后核查日期。她用一个小 knowledge graph 管这件事，普通表格也够用。这个 dated provenance 是后面所有判断的基准。
第二，按市场切分审计。5 个国家/语言组合，就是 5 次独立审计。查询用干净的 logged-out 浏览器。最好挂目标市场的真实用户环境。移动端的布局和结果都不同，同样要跑一遍。
第三，查询集要覆盖品牌名、官网、login、identity、trust、support、comparison、coupon、拼写错误。平台跑 Google、Bing、Brave、DuckDuckGo、YouTube。垂直覆盖 images、news、maps、shopping。
最值得警惕的是 slopsquatting。攻击者注册了恶意 npm 包“unused-imports”，蹭的是 AI 常引用的“eslint-plugin-unused-imports”。另一个案例里，LLM 自己编出一个包名，命令扩散到 237 个 GitHub 仓库。谁先抢注，名字就归谁。品牌名可以在开发者信任的基础设施里被截走。
我的建议是三步走。先修 first-party 页面，把准确信息和官方渠道做得更容易验证。再报真实滥用，分类处理。最后建长期监控。在 AI 把假客服电话当成答案之前，监控就要到位。
如何让你的网站为 AI Agents 做好准备
如何让你的网站为 AI Agents 做好准备，Moz 这篇给出了五步可落地路径。作者 Crystal Carter 说得直接：Agent 已经在上你的站、填你的表单、读你的文档。万事俱备，只差你动手。
文章把优化分成两类：告诉 Agent（declarative），和让 Agent 动手（imperative）。三个点我觉得最值钱。
GEO 是地基。Agent 用基础模型描述你。今天训练数据怎么写你，明天它就怎么推荐你。文中 Aerion Shoes 的例子很扎心：用户问这双鞋能否跑马拉松，Agent 说适合日常训练，转头推荐了两个竞品。
屏幕阅读器逻辑就是 Agent 逻辑。Agentic browser 靠 ARIA 标签和结构标记读站。你做的 accessibility 投入在这里直接复用。
站点要有事可做。表单、产品页、预订页、下载页，能点、能买、能订的位置越多，Agent 价值越大。
五步里我押注内容侧。CTA 写具体，buy now 胜过 click here。全站事实保持一致，一个页面写六街入口、另一个写七街，Agent 只能瞎猜。这些活儿内容团队自己就能干，排期不用等开发。
协议部分听着多：llms.txt、WebMCP、MCP、ACP、NLWeb。WebMCP 由 Google 在 I/O 2026 提出，打通浏览器内置 Agent 和你的网站，值得先看。
我的建议：这周只做一件事。打开核心落地页，问一句“这里有哪些 Agent 能操作的动作”。答不上来，就从这里开始。
🔗 Moz Blog
分引擎解析 GEO：ChatGPT、Claude、Gemini 与 Perplexity 究竟如何决定该说什么
Neil Patel 这篇分引擎解析 GEO 的文章，是目前 GEO 领域最实用的一份横向对照表。我的核心判断：一套内容打四个引擎的时代结束了。
有意思的是，Neil 按引擎给出了完全不同的信号权重。ChatGPT 吃权威引用和 entity 一致性，品牌在 Wikipedia、行业媒体上的提及，直接决定它怎么描述你。Claude 看逻辑完整性和来源可核验，结构清晰、论点有出处的长文更容易被它引用。Gemini 深度绑定 Google 索引，schema 和结构化数据是硬门槛。Perplexity 极端重视实时来源和引用密度，内容新鲜度就是它的排序信号。
一个值得记住的事实：同一个 query，四个引擎给出的品牌提及差异可以很大。只优化一个引擎，等于把另外三个入口让给对手。
我的建议是先做一份 per-engine content brief。给 ChatGPT 备权威背书素材，给 Claude 备可核查的论证链条，给 Gemini 补 schema 和实体标记，给 Perplexity 保持高频更新。四个引擎的共用底盘是：清晰的实体、可验证的数据、稳定的第三方提及。这套动作做完，AI 搜索里的可见度是能测出来的。
我如何为 agents 构建一个 MCP Server 以使用我的算法更新列表
关于如何为 agents 提供一套可调用的算法更新工具，Marie Haynes 给出了完整范本。她把 15 年（从 2011 年起）积累的 Google 算法更新档案，做成了官方 MCP server：algo.mariehaynes.com。现在你可以在 Claude Desktop 里直接问“我的自然流量在 2026 年 8 月 15 日到 9 月 2 日为什么下跌”，agent 会自动调用工具，拉取带日期的 ground truth 再做分析。
几个我觉得值得抄的设计：
数据先转 OKF，再转工具。她让 Antigravity 把全部旧条目转成带 YAML frontmatter 的 Markdown 文件，再人工逐条校对。agent 查询的准确率因此明显提升，比把整份算法清单塞进 context window 靠谱得多。
零 token 成本架构。server 只提供结构化数据，推理全部发生在你自己的 Claude、ChatGPT 或 Antigravity 订阅里。她这边 token 消耗为零，隐私边界也干净。
兼容性拉满。同时支持 streaming HTTP 和 SSE，桌面客户端走 gateway，云端 agent 也能直连。
一个人对话式搭完。整个项目由 Google Antigravity 协助完成，她只需对着麦克风描述需求。顺手还把旧的更新页面重做成卡片 + 标签 + 搜索，并通过 WordPress API 一键发布。她还公开了 anonymized usage stats（algo.mariehaynes.com/stats）。
我的看法：这是 proprietary data 的正确变现路径——从卖内容转向把知识做成 agent 能调用的 tool。usage stats 那一手尤其聪明，等于把使用数据本身变成新的护城河。
如果你手上有独家数据集，建议先读她 OKF 那两篇，再动手建 server。
Google Search Profiles 门槛降至 10,000 粉丝即可开通
Google Search Profiles 的门槛在 15 周内第二次下调，现在 1 万粉就能申请。
我觉得这条动态，美国做 Discover 流量的同行必读。6 月 4 日上线时，门槛是 10 万粉。TikTok 更高，要 30 万。8 月 12 日降到 3.5 万。9 月 16 日直接砍到 1 万。YouTube、Instagram、X、TikTok 任一账号达标即可。门槛按单账号计算。一个 1.2 万订阅的 YouTube 频道，6 月够不到，今天可以 claim。
第二个变化更实用：多品牌共用一个 login。过去每个 profile 要配一个 Google Account。一家媒体管 5 个子品牌，就要管 5 套登录。现在一个账号全搞定。Badr 只提了媒体公司，独立创作者的多身份场景，官方表述尚不明朗。
第三是展示优化：标题更长，缩略图做了适配。具体尺寸与字数上限，官方留了白。
我的判断：profile 与 Search 排名解耦，收益落在 Discover 的 follow 流。做 Discover 的站点，现在就该去 claim。
动手前先查 Google 的 help page，门槛动得太快。Search Profiles 目前仅限美国，Robby Stein 说过会扩到更多国家，这次公告里没提。
SEO 2026：为什么品牌信号、实体权威与反向链接同样重要
SEO 2026 为什么品牌信号和实体权威开始和外链平起平坐？因为 multi-signal authority 已经不是概念了。这是 Search Engine Land 2026 年 4 月 30 日的分析，Scalevise 做了系统梳理，我读完的第一反应是：做 off-page 的同行该更新 KPI 了。
文章的核心结论很干脆：backlinks 依然是基础，同时要把品牌提及、authoritative citations、editorial coverage、entity data 和 topical relevance 一起算进去。AI 系统现在能读 context、sentiment 和 entity 之间的关系。一条不带链接的权威提及，照样能加分。
文章给了一张对比表，我觉得是全文最值钱的部分。传统 link-first 盯的是链接数量和 link metrics，容易把外链做成孤立 KPI。Multi-signal 那一边看品牌、实体、声誉和 PR 信号，落到动作上就是做 topical authority。
可执行建议有五条，我挑三条实操性最强的：一是挣 editorial coverage，为专业度而做；二是把公司名和 entity 信息在所有 citation 里保持一致；三是监控品牌提及——谁引用了你、怎么描述你、这些关联是否撑得住你的定位。文章还提到未来可能出现的 Share of Model（SoM），以及品牌作为 primary information source 的角色。
我的判断：这篇的原创深度有限，主体是对 SEL 的转述。但那张对比表和五条 action 足够直接抄进团队的季度规划。预算有限时它反而友好——少量高质量、强相关的信号，胜过一堆弱链接。
我让我的网站向 AI 代理收取每页一美分的费用，然后我亲眼看着 Claude 付了钱
我让我的网站向 AI 代理收一分钱一页，Claude Code 真的掏钱付了。这是今年最实操的一篇 GEO 技术参考——Suganthan 把 x402 付费爬取亲手跑通了一遍。
几个硬事实：
Google 的 AI contribution pilot 已在跑。 接受条款的发布者每月在 Search Console 看到一个收入数字，计算逻辑藏在黑盒里，一位知情高管直接称它为 black box。页面只有在 AI Overviews、AI Mode、Gemini 生成答案的过程中贡献显著，才算钱。答案写完之后才被链接的，出局。
Cloudflare 的路已经铺好。 8 月 4 日 Agents Week 放出 Wallets，handle 免费抢。Account Wallets 归人，Virtual Wallets 归 agent 花，额度由你设。截至 9 月 15 日，抢到的 handle 只显示一个名字，转账收款持币全部等上线。Monetization Gateway 7 月 1 日宣布，门还锁在 waitlist 后面。
作者的 demo 跑出了完整闭环。 9 月 15 日早上，5 笔支付落链，每笔都有公开 tx hash。钱是 testnet USDC，真实价值为零。付款方是他自己的 Claude Code，钱包是他给 agent 配的。流程是：agent 请求页面 → 读到价格 → 付款 → 拿到内容。这套逻辑，正是 Cloudflare 给 Virtual Wallets 画的框架。
我的判断：内容授权的窗口正在打开。AI Overviews 让自然点击掉了 38%，这是实打实的 field study 数据。小站堵爬虫，大站谈 licensing，News Corp、FT、Reddit 都已经签了。Cloudflare 自己也在把默认策略从 pay per crawl 转向 pay per use。
建议同行现在就动手：抢一个 Cloudflare wallet handle，搭一个 x402 demo，搞清 agent 怎么读价、怎么付钱。等 Wallets 和 Monetization Gateway 正式开放，你手里已经有一套跑通的流程。
AI 引用测试发现：来源顺序的影响没有看起来那么大
AI 引用测试发现，来源顺序的真实效应远小于原始数据呈现的差距，而结构化重写会重新分配引用归因——这是 SEJ 报道的 arXiv 预印本研究给 GEO 从业者带来的最实用的结论。
研究团队用 GPT-5.4 + Exa 复现 129 个问题、筛出 113 组配对页面，只改顺序和排版。原始数据里第一位引用率 85.1%，第五位 42.8%，差 42.3 个百分点。但把同一页面在配对内上移，被引概率只提升 7.9 个百分点，统计上不显著；纯换顺序的 56 对实验中，估计值为 0.0，95% CI -5.4 到 +5.4。原始差距混进了搜索提供商自身的排序质量，直接看平均值会误判。
结构化重写（标题 + 列表/表格）平均多拿 0.50 个 citation markers（CI 0.20–0.84），但每条答案的引用总数没涨，对手页面的数字几乎不动。credit 在被重新分走，没有被创造出来。
最该记住的是随机性：同一输入重跑 120 次，15% 的目标页引用决策翻转，单次效应的方差约 45% 来自模型随机。作者原话是 “attribution-sensitivity warning, not an optimization tactic”。
我的建议：单次 AI 答案不足以判定引用输赢，跑 5–10 次并报告一致性；看到 vendor 报告里的相关性，先问一句——换掉这个变量之后，结果还站得住吗？
超越内容同质化：为 AI 搜索构建可验证的内容工作流
Bill Hunt 这篇文章给出了超越内容同质化、为 AI 搜索构建内容工作流的核心方法：把”内容缺口”换成”决策缺口”。我觉得这是今年 GEO 内容策略里最实用的一篇，8 分给得稳。
文章的关键洞察有三层。第一，内容同质化正在被 AI 高效放大——今天的工具能爬竞对、找缺失概念、批量生成补位内容，但这套流程的输入全部来自已发布信息，产出只是重新排列组合。第二，作者的客户案例很说明问题：一批专为 AI 可见性做的新页面，全部卡在 “Crawled – currently not indexed”，跑信息增益 prompt 一比，和已有内容及竞对引用源差别极小。第三，破局点在于问一个不同的问题：客户和 LLM 做决策到底需要什么证据。
最值得抄的是那个 Cancun 度假村案例。一个 prompt——”best all-inclusive, family-friendly, beachfront resort in Cancun”——表面看是一堆关键词，实质是一个决策请求。作者逐一拆解每个标准的判定依据，结果发现 “all-inclusive” 最难做：两家高端度假村写了整页内容，却始终没说清 “all” 的边界在哪——比如 FlowRider 的私人时段其实要额外收费。内容不缺，缺的是把标准彻底讲透的证据。
实战建议：下次做 GEO 内容规划时，先列决策标准，再列每个标准需要的证据，最后才问这些证据从哪来。我的判断是，信息增益不会从爬虫里长出来，它得从你的运营数据、客服记录、真实客户问题里挖。
Cloudflare 推出 Disallow AI Training：网站可禁止 AI 训练抓取而不阻断 Googlebot
Cloudflare 把 AI 训练和搜索爬虫彻底拆开了，这是今年 robots.txt 层面最值得关注的一次控制权变更。9 月 15 日起，Disallow AI Training 成为默认迁移目标，站点可以在 robots.txt 里对 Google-Extended、Applebot-Extended 发出 no-training 信号，同时保留 Googlebot、Applebot、Bingbot 的搜索抓取权限。
关键细节我挑几个说：Cloudflare 定义了 “Accountable” 门槛，爬虫要满足四条——支持 robots.txt 训练退出、支持 AI 摘要退出、提供 URL 级透明度、承诺退出训练不影响搜索排名，Google、Apple、Microsoft 达标；Amazon、Anthropic、Meta、OpenAI 则因为把搜索与训练爬虫拆开，也进了名单。一旦你选 Block 而不是 Disallow AI Training，Googlebot、Applebot、Bingbot 会整体被拦，搜索可见性直接归零。Google 的 AI Overviews 开关在 Search Console，跟 Google-Extended 是两套东西。Bing 的 no-training 出口还是 NOARCHIVE meta tag，而且页面被标注后，链接不会进 Copilot。
我的建议：做 GEO 的同行先把 Search 和 Training 两个开关分开检查，别误触 Block。想做 AI 摘要可见性的，Search Console 那个开关才是你要动的。Bing 这边，在 Microsoft 支持 robots.txt token 之前，NOARCHIVE 是唯一手段，而且代价是放弃 Copilot 引用。
Google Search Profile 徽章暴露了发布者流量危机
Google Search Profile 徽章文档上线了，Roger Montti 这篇评论值得每个 publisher 读一遍。他一句话点破：这个 badge 是流量下滑后 Google 的破窗补救。
文档本身很薄，四个要点：Search profile 是什么、badge 怎么加、Google 希望它长什么样、去哪里求助。美国区的 publisher 和 creator 已经能用，门槛是 10,000 followers。Profile 把 YouTube、Facebook、Instagram、TikTok、X 的内容聚到一个入口。用户 follow 之后，这些内容更容易出现在 Google Discover。四大模块是 Enhanced Knowledge Panels、Centralized Content Hub、Discover Integration、Multi-brand Management。
真正的信息量在吐槽里。Montti 说 Google 把求助入口指向 Search Central Help Community，那里的四个分类（Crawling/Indexing/Ranking、Security、Structured Data、Search Console），点进去只有最新帖子列表，满屏互相贴链接。他用《降世神通》的 Ba Sing Se 做比喻：城里的人反复念 “There is no war in Ba Sing Se”。
我的建议：先去 Search Console 确认 profile 状态，把 badge 挂在 About 页和作者页，首屏留给正文。然后盯 follow 转化率和 Discover 曝光变化，这两项是新增量的先行指标。Montti 的判断我认同——Google 正在把自己做成一个 follower ecosystem，发布者得提前占位。
审计发现：Reddit AI 搜索更倾向于选取已经受欢迎的评论
审计发现，Reddit 的 AI 搜索系统性地偏爱“已经很受欢迎”的评论，这是伊利诺伊大学厄巴纳-香槟分校一份预印本给出的结论。研究团队把 10,000 个问题跑了三遍，拿到 30,000 条答案，再回溯到 1,468 万条评论，样本覆盖 20 个 advice/support 类 subreddit。我觉得这是目前关于 Reddit GEO 最扎实的一份实证材料。
最硬的数据是投票排名：评论 score 每升一个标准差，被选中的几率乘以 2.88。入选评论的中位数在第 91 百分位，落选的只在第 45 百分位。语言层面，formality 升一个标准差带来 49% 的选中几率提升（OR 1.488），出现 “should”、“must” 这类词的 OR 为 1.070。含外链的评论 OR 为 2.25，长度每升一个标准差 OR 为 1.79。带个人经验标记的评论 OR 只有 0.789。
时间维度同样关键：入选评论的中位发布时间是发帖后 1.2 小时，落选的是 5.9 小时；92% 的入选评论是对 OP 的直接回复。更值得注意的是，Reddit 生成的答案几乎抹掉第一人称——引用评论里 “I”、“my” 占 3.3%，写进答案只剩 0.06%。
我的建议是：别再教用户“写得更口语化”，先把评论抢到早期高赞位，再把个人经验包装成通用建议，最后补一个可验证的外链。需要提醒的是，样本仅限 20 个社区，作者自己也标注为 observational，把它当作相关性证据会更稳妥。
关于 2027 年的预测，以及为什么你无法验证它们
关于 2027 年的预测，Duane Forrester 这篇是我今年读到最诚实的一篇。他先承认自己在猜，接着告诉你：无论猜没猜对，你都验证不了。
数据很硬。Alphabet 2026 Q2 报出 Search 广告收入 633 亿美元，同比 +17%。AI Overviews 铺开满一年，AI Mode 全球上线，cannibalization 论调落了空。但这是六个季度以来首次减速，CFO 还预警 Q3 基数更难。Forrester 的第一个预测：两件事同时成立——搜索广告绝对额继续涨，“把人送到别人网站”能分到的份额持续缩水。意图在被表达的那一刻就被变现，而不是在转交的那一刻。
第二个预测更扎心。ranking 和 earning 已经拆成两份工作。多数搜索无点击结束，广告业务照涨。排名页会作为 legacy interface 活下去，真正影响产品的决策发生在别处。
第三个预测：Google 和 answer engine 阵营互相下注，赌用户每天把问题敲在哪边。2027 年前双方都会继续按“我会赢”的假设运营。多数公司最终并行跑两套——一套优化 ranked surface，一套优化 answer surface，假设不同，预算共享。这就是稳态。
第四个预测是他最有信心的：到 2027 年底，行业会用 inferred data 做比过去二十年更多的决策，然后用过去只给 counted data 的自信去汇报。counted number 来自你能控制的埋点事件，inferred number 来自无人能完整枚举的样本外推。两者都能对，只有一个能被 check。
我的建议：现在就把 GA4 归因的假设写下来，逐条标注哪些数字属于 inferred。AI Mode 的 noreferrer 事件已经在吞 referral 数据了。等明年有人问你预测准不准，你至少清楚手里拿的是哪种证据。
Google 在 CrUX 报告中新增广告体验指标
Google 在 CrUX 报告中新增了四个广告体验指标，广告变现和页面体验第一次被放进同一套测量体系。
具体测量以下四项：Ad Count 统计视口内可见广告框的平均数量；Ad Density 计算广告占用视口面积的比例；Ad Weight: CPU 和 Ad Weight: Network 分别衡量广告脚本与素材带来的算力开销和网络流量。数据来自主动 opt-in 的 Chrome 用户，覆盖 Android、ChromeOS、Linux、macOS 和 Windows。
有意思的是数据获取渠道。现在你能通过 CrUX API、CrUX History API 和 Chrome DevTools 的 Ad panel 拿到数据，BigQuery 数据集也在接入计划中。这一点很关键——CrUX 正是 PageSpeed Insights 里 Core Web Vitals 的 field data 来源。SEO 和 SEA 团队因此第一次可以用真实用户数据量化“广告到底拖慢了多少”。
我的判断：这仍是实验性指标，距离正式的 ranking factor 还有相当距离。但它和 Core Web Vitals 长在同一个数据集里，被纳入页面体验评估只是时间问题。广告位密集的站点，现在就该盯住两个 Ad Weight 指标，别等到排名波动了再回头查。
一分钟前它还在那里：AI 可见性报告的缺失提及，其解释值得更严格的审视
《一分钟前它还在那里》值得每个做 GEO 的人读一遍。Pedro Dias 用三篇 arXiv 论文，拆穿了 AI 可见性报告里最常见的归因套路。
核心数据很扎眼。MemToC 先让模型自己答对，再让工具返回错误答案。四个模型的正确答案保留率只剩 6.5% 到 17.1%。模型明明知道，却跟着工具改了口。另有 120 条标注样本和五个模型，主动指出信息冲突的记录为零。
第二篇《Empty Shelves or Lost Keys?》更狠。GPT-5 和 Gemini-3 在 95% 到 98% 的事实上通过了编码探测，可靠召回却明显更弱。罕见事实和反向提问最差。开启 thinking 能挽回相当一部分失败。
第三篇直接打开模型内部。研究者发现，结论取决于你测哪个 signal、怎么改它。换一种估计方式，受影响的层次就变了。
所以报告里那个红格子，来源可能是内容缺口，也可能是来源冲突。两者在报表上长得一模一样。我觉得该先测一个问题：加强模型对事实的学习，能否同时提升无工具答题和抗污染能力？测完再决定，要不要给客户开内容优化的账单。
2026 年我亲眼见证的 8 大 AI 营销趋势（有数据支撑）
2026 年我亲眼见证的 8 个 AI 营销趋势，Ahrefs 用真实搜索需求数据逐条验证。作者是 Ahrefs 内容营销总监 Ryan Law。这篇值得每个 SEO/GEO 同行精读。
它的方法很硬核。Ahrefs Keywords Explorer 追踪每个新职位、新术语首次出现搜索需求的月份。需求上涨，趋势就成立。
三个信号最关键。第一，content engineering 取代 content marketing。你的角色从写作者变成系统设计者。第二，GEO、AEO、LLMO 已是独立营销渠道。AI visibility 成了新 KPI。第三，agentic search 让 AI 直接搜索并下单。归因因此更难，AI 影响买家却不留痕迹。
另外五点同样实在。AI 内容生成彻底主流化。自建工具门槛跌到历史最低，营销团队开始自己造工具。synthetic UGC、虚拟人、AI 网红成为常规战术。营销与其他部门的边界正在消失。
我的看法：把注意力放在招聘 JD 的职位名称上。它们是最灵敏的风向标。谁在招 GEO 岗，谁就在押注下一个五年。趋势报告看十篇，不如看一百条岗位需求。
如果 AI Agent 直接读取 Feed 和 Schema，我的产品页文案还重要吗？——Ask An SEO
如果 AI Agent 直接读 feed 和 schema，产品页文案还重要吗？Adam Riemer 的回答很干脆：重要，而且是护城河。
我给这篇打 7 分。它没有实测数据，全是经验判断，但案例扎实、观点清楚，做电商的都该读一遍。
三个关键点：
一、AI 只是流量入口之一。人们照样刷 YouTube 看测评、订阅邮件拿折扣、点 affiliate 链接下单。Adam 自己研究 SCOTTeVEST 旅行夹克，从五家里筛到两家，最后却跑去 Amazon 下单。原因很简单：官网缺退货政策，也缺信任感。
二、Schema 和 feed 常常不完整。不少站点 schema 报错，feed 里的 variants、库存、图片也不全。AI 需要从别处获取信息来交叉验证。
三、同款文案反而会伤到自己。把原版描述发给 marketplace 和 affiliate，它们可能反过来压过你的排名。正确做法是发第二套数据，先把 PDP 保护起来。
产品页还是信任和品牌的载体。尺码偏松偏紧、iPad 能不能塞进去、怎么退货，这些只能写在你自己的页面上。
我的建议：把 PDP 当转化资产管理，别只喂给 AI 当语料。
Google 更新 Mediapartners-Google 爬虫指南：不再仅限于 AdSense
Google 更新了 Mediapartners-Google 爬虫文档。虽然只是一篇 2 分钟短讯，但所有靠广告变现的站点都该同步。核心变化就一句话：文档原先写的是“该 user agent 影响 Google AdSense”，现在改成“影响多种 ad-related Google products（例如 AdSense 和 Google Ad Manager）”。
有意思的是，Google 只给了 2 个例子，却没点名 Google Marketing Platform、Local Services Ads、AdMob 是否在内。也就是说，你在 robots.txt 里写给 Mediapartners-Google 的规则，覆盖面可能比当初设想的更大：本想只控 AdSense，实际可能连带影响 Ad Manager 的广告抓取。
实战建议：今天就 grep 一遍 robots.txt 和 CDN 层的 UA 规则，确认 allow / disallow 逻辑是否仍匹配当前变现结构。靠广告吃饭的站点尤其要重新评估，别顺手把收入来源一起挡了。文章篇幅偏薄、缺少技术深挖，但作为变更提醒已经足够，值得订阅 Google 的 special-case crawlers 官方文档持续跟进。
