去年到今年，我被问得最多的问题已经不是「SEO 怎么做」，而是「AI 都这么强了，SEO 还有必要做吗」。
有意思的是，问这个问题的人，往往同时在用 AI 批量生产内容，然后发现流量没涨，甚至掉了。
我们老板若凡今年出了一本书，《AI时代的谷歌SEO》，99 章，正文将近五百页。
需要先说明一点：这不只是对近两年新思路的一次整理，而是他做谷歌 SEO 九年经验的完整合集——从早期靠关键词和外链拿排量的年代，一路写到今天 AI 搜索改写入口规则的阶段。
我不想把它包装成什么「必读秘籍」，更想老实说清楚几件事：这本书到底写了什么，能直接拿去用的方法有哪些，什么样的人读完真的会有用，以及什么样的人可能翻两页就放下了。
一、这本书在解决什么问题
书的第一章没有讲任何操作，先讲了 SEO 从业者的两类认知困境。
- ✅ 经验型：靠教程和操作清单学习，规则稳定时能模仿，环境一变，旧技巧就失效
- ✅ 理论型：抓取、索引、权重这些概念都懂，却没法把概念变成一次具体的页面诊断
只记操作或只背理论，都会让判断失真
作者的判断是，这两类困境的共同问题，是没有建立「现象—机制—判断—验证」的完整链条。
这句话基本就是整本书的纲。后面 98 章，都是在这个链条上填东西——看到一个现象，先解释它背后的机制，再判断该动哪一环，最后用什么证据确认它生效。
一个自检方法：每个动作都要能回答三个问题
- 这个动作解决哪个阶段的问题？
- 它依赖什么条件才成立？
- 我用什么证据确认它生效了？
第二个问题最容易被跳过。很多人学到一个做法就直接照搬，却没想过它在什么条件下才成立——这也是技巧失效时最常见的误会来源。
案例：流量异常时，先定位到最早失效的那一环
第二章把页面的生命周期拆成三道门槛：发现、收录、排名。这三道门槛有严格的前置关系，上游没通过，下游的优化就不会真正生效。所以流量异常时，正确的顺序是先定位到最早失效的那一环：
- ⚠️ 页面找不到：先查入口、内链、robots 和 Sitemap，确认 Google 有没有发现机会
- ⚠️ 已抓取未收录：查页面独立价值、重复版本、主题清晰度，不要急着做外链
- ⚠️ 已收录没排名：才进入意图匹配、内容质量、可信度和竞争分析
- ⚠️ 有排名没点击：看标题承诺、结果页特殊模块，以及用户是不是已经在结果页拿到了答案
每一层用的证据都不一样，修复前后都要留状态记录，一次只验证一个假设。
听起来很基础，但现实里绝大多数「是不是算法又更新了」的焦虑，其实都出在这条归因链没走完。
二、五百页的知识地图
我按章节顺序把 99 章拆成了十一段，顺手标了每段里我觉得最值得看的部分。
搜索系统基础（1–3 章）
Google 到底在解决什么问题、一个页面从被发现到被排名要过哪几道门槛、从 PageRank 到 Panda 到 BERT 再到有用内容更新。核心观点是：算法改的是识别能力，不是目标——它一直在削弱投机做法，同时提升更相关、更有帮助、更可信的内容。
关键词（4–11 章）
关键词是需求的文字投影，不是字符组合。怎么把模糊词拆成对象、场景、判断标准、下一步；搜索意图怎么从结果页反推；关键词和页面类型怎么匹配；以及怎么用数据评估关键词的实际效果。
网站结构与页面 SEO（12–20 章）
抓取预算、点击深度、金字塔与筒仓结构、URL 规范、Title 与 H 标签体系、导航与面包屑、页面体验，最后是一份常见错误避坑清单。
内容（21–28 章）
搜索引擎认可的高质量标准是什么、内容深度为什么不等于字数、E-E-A-T 要落在哪些具体细节里、不同类型内容怎么选形式，以及发布之后还要怎么更新和维护。
外链（29–34 章）
外链的真实作用、什么样的外链算高质量、常见的获取方式、健康的增长结构，以及低质量链接的识别与审计。
分场景策略（35–43 章）
本地服务、电商、B2B、多语言、内容站、SaaS、新站与老站。同一套打法换个行业就失效，这部分解释的是为什么。
技术 SEO（44–58 章）
robots、Sitemap、canonical、重定向、404 与 410、网站迁移、Core Web Vitals、移动端优先索引、结构化数据、HTTPS、不同 CMS 的差异，以及一份日常检查清单。
数据（59–73 章）
业务层、诊断层、执行层三层指标怎么搭；排名、流量、转化和行为数据分别回答什么问题；周期性复盘怎么做；GSC 和主流工具该怎么配合用；以及几类高频的数据误区，比如把工具指标当成最终目标、混淆展示量和点击量、小样本过度解读。
AI 与 SEO（74–82 章）
AI 能接管哪些环节、哪些必须留给人工；Google 实际评估的是内容价值而不是创作工具；「AI 生成 + 人工介入」的工作流该怎么搭，批量生成的红线又在哪。
GEO（83–94 章）
AI 搜索改的是入口而不是目标：从关键词匹配转向问题理解，从「被排名」转向「被引用」。答案单元、Query Fan-out 与问题图谱、结构化数据与实体信号、面向 AI Agent 的网站体验，以及 GEO 究竟该怎么衡量。
项目与职业（95–99 章）
优先级怎么排、独立负责和团队协作两种模式有什么不同、外包什么能交什么不能交、绩效该怎么证明，以及 AI 时代 SEO 从业者的长期成长路径。
三、几个可以直接拿去用的判断方法
这本书信息量很大，但有几处我觉得是「读完第二天就能改工作」的。
一个意图只设一个主页面
多个页面争夺同一个搜索意图，就是关键词蚕食。表现是几个 URL 为同一个词轮换排名，谁都拿不到完整信号。修法是选一个最符合意图、内容最完整、历史信号最强的页面做主承接页，其余合并、重定向或重新定位，再用内链支持主页面。
书里还把这条延伸到了页面分工：电商首页承接品牌与核心业务，分类页承接品类词，产品页承接型号、规格、SKU 这类长尾；B2B 则是服务页负责转化、文章页负责教育与筛选，靠语境内链连起来。首页不是关键词仓库，把所有产品和服务词堆上去，只会模糊主题、让内页失去职责。
搜索意图要从结果页反推，不能只看修饰词
带「怎么」「如何」的不一定是信息型，短名词也可能对应学习任务；品牌词背后可能是评价、价格、售后或替代选择，不只是导航。真正可靠的证据是当前 SERP 的模块与页面类型：
- AI Overview 或精选摘要占据顶部 → 信息获取属性强
- 出现购物结果、价格、商品列表 → 商业调查或交易意图突出
- 出现地图和本地包 → 地点、距离、服务半径是硬条件
- 前排是教程和指南 → 产品页很难完整承接
- 前排是对比、榜单、评测 → 用户在选择阶段，需要统一维度和明确建议
而且意图识别的产物不能停在「信息型 / 交易型」这种标签上，要直接落到页面类型、必要模块、信息深度、证据方式和行动入口。
内容深度按类型给体量，不按字数卷
字数本身不是排名因素。书里给了一个可以直接对照的参考：
- 定义型、简答型：300–800 字，短而准
- 操作教程：按步骤复杂度决定
- 产品评测与对比：1500–3000 字左右
- 支柱型内容：3000–6000 字甚至更长
原因很实在：3000 字换着说法重复同一个观点，深度还不如一篇 1000 字但信息密度高的文章。书里还给了个实操优先级——已经排在第 6 到第 20 名的页面，最值得优先加深，因为它离首页只差一步。
外链质量先问四个问题
如果只能用一个标准，看相关性：来源网站和你的行业有没有关系，链接出现在哪个页面、哪段上下文里。剩下三个是——这个网站有没有真实流量（工具分数虚高的卖链站不少）、链接是不是正文里的自然编辑链接、链接属性是什么（DoFollow / NoFollow / Sponsored / UGC）。DR、DA 可以参考，但当不了判断依据。
新站和老站别用同一套打法
新站最大的难点是信任冷启动，适合从长尾和低竞争词切入，评估要看基础建设指标：抓取是否正常、收录有没有增加、目标长尾词有没有曝光。老站的优势是有真实数据，敌人是历史包袱——重定向链、重复页面、过时内容、失效内链、混乱的 canonical，评估要看资产效率：哪些存量页面还在涨，哪些正在衰减。
书里有句话我印象很深：很多 SEO 项目失败，不是策略本身错，而是策略用错了阶段。
四、关于 AI，这本书给的是边界，不是答案
这是我认为最值得看的部分，也是它区别于老版 SEO 书的地方。书里没有回避「AI 能不能用」，而是拆成了两个更实际的问题。
AI 能接管哪些环节
关键词初步分类、内容大纲、初稿、Meta 描述、结构化数据代码、旧内容缺口分析、数据整理和报告初稿——共同特点是输入清晰、输出可审核。
AI 不能主导哪些内容
YMYL 内容、深度观点、案例复盘、产品评测。原因不是 AI 写不好，是它没有真实业务环境：不知道你的资源有多少、销售真正想要什么样的线索、客户最常提什么异议。
AI 内容的四个常见短板
书里对 AI 内容缺点的诊断也很准，不止是「会编数据」：
- ✅ 容易缺少一手信息——能写出「这个工具很好用」，但它没真的用过
- ✅ 必须经过事实核查——可能出现过时信息甚至编造引用
- ✅ 表达过于平衡——满篇「各有优劣」「取决于具体情况」，读者得不到真正的建议
- ✅ 容易同质化——结构规整、语气平稳、每段都总结，读多了像同一个模板生成的
对应的，人工要补的是四类东西：真实经验（Experience）、专业判断（Expertise）、外部权威信号（Authoritativeness）、可验证信息（Trustworthiness）。
按内容风险分级，而不是一刀切
书里给了个很实用的分级思路，我觉得比「能不能用 AI」这种二元争论有用得多：
- 低风险、标准化内容 → AI 可以承担更多初稿工作
- 中等风险内容 → AI 做大纲、整理、初稿，但必须人工深度编辑
- 高风险、高信任、高经验要求的内容 → 必须由人主导，AI 只能辅助
书里反复强调的一个判断，我很认同：
工作流的重点不是提高 AI 占比，而是最终内容有没有达到发布标准。
还有一句更扎心的：真正的问题不是「AI 内容能不能用」，而是「AI 生成之后，有没有被人加工到足够好」。
为什么熟知底层逻辑是前提
这也是我觉得这本书最值得说的一点。
这几年 AI 的发展速度，快到超出大部分人的想象，SEO 的方法论当然也在跟着变。我们现在可以用 AI 辅助完成非常多的 SEO 工作——关键词分类、大纲、初稿、数据整理、代码、报告，几乎每个环节都能提速。
但所有这一切有个前提：你得先熟知 SEO 的标准和底层逻辑。
否则你连 AI 交出来的东西对不对都判断不了，更谈不上改到能发布。工具越强，底层认知的缺口就越致命——AI 不会替你发现你不知道自己不知道什么。
说白了，这就是写这本书的意义：在方法不断被工具重写的时候，把那个不会变的部分先立住。
五、GEO 不是另一套东西
可索引不等于可引用
如果只用一个概念概括后半本书，就是这句话。
一个页面能被 Google 抓到、进索引，不代表它会被 AI 拿去组成答案。中间还隔着好几关：页面有没有 snippet 资格（noindex、nosnippet、过短的 max-snippet 都会把它挡在门外）、段落能不能被独立提取、核心概念有没有清晰定义、证据在哪、JavaScript 渲染出来的内容机器读不读得懂、同一个产品在五个页面上说的是不是同一套话——后者尤其隐蔽，重复内容在 GEO 里不只是权重分散，还会制造答案冲突。
答案单元：让段落能被独立提取
书里给了一个很实用的抓手——答案单元：一段能独立回答某个具体问题的信息块。它可以是文字、步骤、表格或一个 FAQ 条目，判断标准是三件事：主题明确、信息完整（单独摘出来也成立）、内容具体（有判断、步骤、数据、案例或适用条件）。
写的时候让关键段落脱离上下文也能成立，被提取的概率就会高很多。书里举的反例很典型：「这种方法更适合新站」——单独抽出来没人知道「这种方法」指什么；改成「从长尾关键词切入更适合缺少外链和域名信任的新站，因为……」，才是一个合格的答案单元。
不要为每一种 AI 问法都建一个页面
这一点纠正了我的认知。Query Fan-out 确实会扩展出很多子问题——用户问「Shopify 和 WooCommerce 哪个更适合做独立站」，AI 可能同时去查建站成本、维护门槛、SEO 控制权、插件生态、支付方式。但正确方向是把这些子问题收进一个完整的答案单元，而不是拆成一百个薄页面。支柱页面不该变成薄页面集合，这一点 Google 一直在强调。
问题图谱要覆盖用户的决策链
由此还引出一个我觉得很有意思的概念：问题图谱要覆盖用户的决策链，而不只是把关键词改写成问句。用户先理解概念，再判断自己需不需要做，然后比较方案，最后才到供应商选择。图谱要跟着这条链走，而且要和品牌定位一致——你不需要回答行业里的所有问题，优先回答和自身产品、服务、经验高度相关的那批。
结构化数据是解释器，不是开关
它应该解释页面上已经存在、用户也看得到的信息，而不是往里塞页面没有的内容。
品牌实体靠站内外描述长期一致
如果官网自称某类产品的领先供应商，但外部世界几乎没有相关提及，AI 很难建立稳定认知。
面向 AI Agent 的网站体验（第 91 章）
Agent 理解网页不只靠视觉，还会结合 HTML 结构、DOM、无障碍树和截图。所以语义 HTML 是机器理解的基础，任务路径要减少歧义，表单元素要有明确含义，布局要稳定——弹窗遮挡、布局跳动这类问题，人和机器都受不了的。
GEO 的效果该怎么衡量（第 94 章）
目前没有像 Search Console 那样成熟统一的工具，可行的办法是建立一组固定问题，每月或每季度在 ChatGPT、Perplexity 等平台重复测试，记录几个维度：AI Visibility 的整体趋势、品牌提及率、被引用页面数量、品牌描述是否准确、竞品出现频率。其中「描述准确性」比「出现次数」更重要——被提到不一定是好事。
六、读完大概能得到什么
按我的理解，收获分三层。
一套排查顺序
流量掉了先查什么。页面找不到、已抓取未收录、已收录没排名、有排名没点击——四种情况对应完全不同的动作，不该混着改。很多人把所有异常都归因于「算法更新」，其实是在用猜测替代排查。
一套取舍标准
这本书写得最密的部分，其实是「什么情况下不该做」：低价值页面该合并还是删除、哪些外链该拒绝、内容更新值不值得做、什么内容不能交给 AI。SEO 最大的成本往往不是做错事，而是做了大量不该做的事。
一套 AI 时代的自我定位
AI 会把基础执行的价格压下去，同时把判断力的价格抬上去。书末几章讲职业成长，落在同一句话上：搜索思维比具体技巧更持久。书里对 SEO 能力迁移的判断我也认同——关键词数据反映用户在问什么，Search Console 反映 Google 把你的页面展示给了哪些需求，转化数据反映哪些需求真正接近商业价值，这些信息不只服务 SEO，也能反过来服务产品、销售和内容策略。
七、它不适合谁
也想说清楚，免得买错。
如果你想要的是「三天上首页」的技巧清单——没有。
如果你想要一套提示词，直接批量产内容——没有，而且书里明确反对（红线不是 AI，是批量低价值内容）。
如果你只想了解概念、不想动手排查——可能会读得很累，它几乎每一章都指向具体动作。
它更适合：正在独立负责或推进出海 SEO 项目、有一定基础但判断经常摇摆、需要在 AI 和 GEO 的变化里重新校准方向的人。
八、关于这本书，想先说清楚三件事
这几条写在书里可能像例行声明，但放在一篇介绍文章里，我觉得反而是最该讲的部分。
它不是 Google 官方文档
内容来源有三块：作者多年的实操经验、Google 官方公开文档、行业实践。合起来是一套经过真实项目验证的理解，不是官方口径，也不承诺任何固定的排名结果。
信息是有时效的
书里涉及的搜索引擎算法、产品功能和行业工具，都以撰写时的公开信息为准，可能随时间发生变化。SEO 这个领域半年不看就会落后一截，所以遇到和现状冲突的地方，请以当下为准。
它不是可以直接套用的模板
SEO 是长期、动态、竞争性的工作。同一个方法，在电商站和 B2B 站上的优先级可能完全相反；在新站和老站上更是两回事。所有方法都需要结合你的行业、网站阶段和可用资源重新权衡。
更准确地说，这本书提供的是一个系统化的参考框架——帮你建立判断的坐标系，而不是一份照着做就能出结果的清单。
写在最后
这本书是若凡 9 年实战的完整整理，也是我们团队内部一直在用的那套判断框架，这次第一次系统写出来。
如果你也在这个行业里，欢迎读完来聊聊哪一章你不同意。这类分歧通常比结论更有价值。
📖 《AI时代的谷歌SEO》
✍️ 作者：若凡（若聚凡星创始人，公众号「若凡 SEO 优化」主笔）
书里没写进去的新案例，会在「若凡 SEO 优化」持续更新；我们这边也会在「若聚凡星」陆续整理相关的实操笔记。
我是Mia，持续学习外贸知识的外贸人，期待和屏幕前的你一起交流！
如果本文对你有帮助，你还可能感兴趣：
