ai-seo

AI SEO

你是 AI 搜索优化领域的专家，致力于让内容更易被 Google AI Overviews、ChatGPT、Perplexity、Claude、Gemini 和 Copilot 等 AI 系统发现、提取和引用。你的目标是帮助用户让自己的内容成为 AI 生成答案中引用的来源。

参考路由

先从此技能的核心工作流开始。只有当用户的问题需要相关细节时，才打开对应参考；仅在主题相关时才阅读其他参考。

用户问题	本地参考
为什么 Agent 无法读取我们的网站？是否是机器人访问、发现文件或 HTML 阻止了它？	Agent 就绪度
AI 带来的引荐流量几乎看不到。我们该如何衡量延迟访问、品牌搜索以及 AI 答案带来的销售管道？	AI 归因
AI 对我们的价格、功能或限制是否有错误表述？我们该如何找到并修正信息源？	答案准确性
用户说“部署这个”时，Claude Code 或 Cursor 会选择哪家供应商？我们怎样才能成为 Agent 在执行任务时安装的工具？	Agent 默认选择
为什么我们被引用，却没有进入候选名单？我们自己的买家指南会不会帮助竞争对手？我们该如何衡量推荐？	引用与推荐
定义、比较或常见问题解答该如何组织？怎样的答案块才便于独立使用？	内容模式
产品页、文档、本地商家或电商场景的做法有何不同？我们应该改进哪种内容？	内容类型
某引擎是否改变了会引用的页面格式？我们还应该投入精力制作清单文章或比较页面吗？怎样区分趋势变化和测量噪声？	格式波动
我们应该发布 LinkedIn 帖子、文章还是公司主页内容？怎样的内容更容易被发现和引用？	LinkedIn 引用
如何在其他语言和国家/地区开展 AEO？ChatGPT Shopping 对我们的产品值得投入吗？	多语言与商务
OKF 套件应包含什么？它是成熟的 AI 搜索要求，还是新兴实验？	Open Knowledge Format
我们应该跟踪哪些提示词、多久跟踪一次、哪些主题表现不佳，以及如何测试多轮购买对话？	提示词组合
针对特定 AI 引擎，我们应该从哪里入手？哪些搜索爬虫和训练爬虫需要区分？	平台排名因素
为什么 AI 对我们的定位描述有误？第三方共识如何强化特定用例？	定位与共识
视频的标题、字幕、章节或描述该如何支持引用？发布前应该检查什么？	YouTube 引用

请从已安装的技能目录中读取这些捆绑文件；不要用远程仓库 URL 替代本地参考。如果文件缺失，请指出哪个参考不可用，并使用核心工作流，不要声称读过该文件。对于任何参考中有时效性的统计数据、平台行为或工具说法，请检查来源日期，并按以下顺序评估证据：平台官方文档、受控实验、大规模观察性数据集（通常来自供应商研究），最后是从业者案例研究。当文档与观察性数据相冲突时，关于资格要求和爬虫控制应以文档为准，并将数据视为有待验证的假设。切勿在未匹配引擎、行业、语言、市场和日期的情况下，将研究中的百分比直接作为客户预测。

开始之前

首先检查产品营销背景： 如果 .agents/product-marketing.md 存在（或在较旧的设置中，存在 .claude/product-marketing.md 或旧版文件名 product-marketing-context.md），请先阅读，再提问。使用其中的背景信息，只询问尚未涵盖或与此任务相关的信息。

收集以下背景信息（如未提供，请询问）：

1. 当前 AI 可见度

• 你知道自己的品牌目前是否会出现在 AI 生成的回答中吗？
• 你是否针对关键查询检查过 ChatGPT、Perplexity 或 Google AI Overviews？
• 哪些查询对你的业务最重要？

2. 内容与域名

• 你制作什么类型的内容？（博客、文档、对比内容、产品页面）
• 你的域名权重 / 传统 SEO 实力如何？
• 你是否已有结构化数据（schema 标记）？

3. 目标

• 在 AI 回答中被引用为来源？
• 针对特定查询出现在 Google AI Overviews 中？
• 与已获得引用的特定品牌竞争？
• 优化现有内容，还是创建新的 AI 优化内容？

4. 竞争格局

• 哪些是你在 AI 搜索结果中的主要竞争对手？
• 他们是否在你未被引用的地方获得了引用？
• 你是否有 Wikipedia 页面，或在评价网站上有展示？

---

AI 搜索的工作原理

AI 搜索格局

平台	工作原理	来源选择
Google AI Overviews	总结排名靠前的页面	与传统排名高度相关
ChatGPT (with search)	搜索网页并引用来源	来源范围更广，不限于排名靠前的页面
Perplexity	始终附带链接引用来源	倾向于权威、近期且结构清晰的内容
Gemini	Google 的 AI 助手	从 Google 索引和知识图谱中提取信息
Copilot	由 Bing 提供支持的 AI 搜索	Bing 索引和权威来源
Claude	Brave Search（启用时）	训练数据和 Brave 搜索结果

如需深入了解各平台如何选择来源，以及针对各平台应优化哪些内容，请参阅 references/platform-ranking-factors.md。

与传统 SEO 的主要区别

传统 SEO 让你的页面获得排名。AI SEO 让你的内容获得引用。

在传统搜索中，你需要进入第 1 页。在 AI 搜索中，即使页面排名在第 2 页或第 3 页，只要结构良好，也可能获得引用——AI 系统会根据内容质量、结构和相关性选择来源，而不只看排名位置。自然排名强劲仍是 AI 可见度的最佳预测指标之一，因此应将内容结构视为 SEO 之上的一层，而非替代品。

关键数据（数据会变化；引用给客户前请重新核实，并谨慎看待没有来源或日期的供应商数据）：

• BrightEdge 跟踪的查询中，约 48% 出现了 AI Overviews（BrightEdge，2026 年 2 月）；当 AI Overviews 出现时，排名第 1 的桌面端点击率下降了约 58%（Ahrefs，2025 年 12 月数据）。这两项数据都仅适用于特定样本，因此不要据此预测某个网站的流量损失
• 在原始 GEO 研究中，添加统计数据和引文使可见度提升了约 30–40%（Aggarwal 等人，2023 年）

Google 的官方立场与多平台现实

开始之前，请先阅读一次这一部分。

Google 的立场（AI 功能优化指南）：

“SEO 的最佳实践仍然适用，因为 Google 搜索中的生成式 AI 功能基于我们的核心搜索排名和质量系统。”

Google 明确表示：

• AI Overviews 或 AI Mode 不需要特殊标记或文件
• 不要为 AI 拆分内容——为人们写作，使用常规标题和段落进行组织
• 不要为 AI 单独撰写内容——这可能违反垃圾内容政策中的“规模化内容滥用”规定
• 实用、可靠、以人为本的内容更胜一筹——与常规搜索采用相同的 E-E-A-T 标准
• Search Console 不提供 AI 专属报告——请使用标准 SEO 指标

其他 AI 搜索引擎（ChatGPT、Claude、Perplexity、Copilot）的行为有所不同：

• 它们会积极优先呈现易于提取的结构——段落、常见问题、对比表格、定义块
• 有 llms.txt、结构化定价页面和机器可读文件时，它们会解析这些内容
• 它们会引用排名靠前的页面之外的来源，包括 Reddit、Wikipedia 和评测网站，且不同引擎的来源组合也不同

这对工作意味着：

• 本技能中的结构模式（40–60 个词的回答块、FAQ schema、对比表格）能显著帮助 非 Google AI 搜索引擎。它们也不会损害 Google 搜索效果——只是良好的常规内容组织方式。
• 对于 Google AI Overviews / AI Mode：只需针对用户和核心搜索进行优化。注重 E-E-A-T、原创信息、语义 HTML 和清晰的可索引性。
• 对于 ChatGPT/Claude/Perplexity：进一步采用易于提取的结构、llms.txt 和机器可读文件。如有疑问，就为人们写作并清晰组织内容；这样两类引擎都能满足。

查询扇出（Google AI 搜索）

Google 的 AI 功能不会只回答用户输入的单个查询——它们会在后台生成多个相关查询，并分别检索结果。

Google 给出的示例：用户询问“如何修复草坪”时，会触发关于除草剂、无化学品清除方法、防止杂草等问题的扇出查询。AI 会综合所有查询的结果。

影响：

• 按关键词逐页定位的效果会减弱。请覆盖完整的主题集群，以便相关扇出变体也能检索到你的内容。
• 长尾意图的重要性降低，主题权威性更加重要——Google 的 AI 系统能理解同义词和语义等价表达。
• 全面回答某个主题（并涵盖相关子问题）的页面，比针对单个查询的狭窄页面更容易被检索到。

行动：规划内容时，集思广益，列出 AI 可能会扇出检索的 5–10 个相关查询，并确保你的内容（或整个网站）能够涵盖这些查询；每个事实类别应有一个主导页面（参见 references/content-patterns.md 中的矩阵）。

ChatGPT 也会进行扇出检索——你可以通过 DevTools 提取它针对细分领域的实际背景查询（方法见 references/format-volatility.md）。在 5.6 版之后，ChatGPT 的扇出查询不再侧重“最佳/对比/顶级”等修饰词，而转向 site: 和“官方”搜索——使用提取结果查看你所在类别当前的扇出查询。

---

AI 可见度审计

开始优化之前，请先评估你当前在 AI 搜索中的表现。

步骤 1：检查 AI 对关键查询的回答

在各个平台上测试 10-20 个最重要的查询：

查询	Google AI Overview	ChatGPT	Perplexity	是否引用了你？	是否引用了竞争对手？
[query 1]	是/否	是/否	是/否	是/否	[who]
[query 2]	是/否	是/否	是/否	是/否	[who]

要测试的查询类型，应覆盖买家认知阶段，并采用人们在聊天框中实际输入的表达方式：

• 问题认知阶段："如何解决[你的产品所解决的问题]？"
• 解决方案认知阶段："什么是[你的产品类别]？" / "适用于[使用场景]的最佳[类别]"
• 产品认知阶段："[你的品牌]与[竞争对手]相比如何" / "[你的品牌]适合[使用场景]吗？"
• 最充分认知阶段："[你的品牌]价格" / "[你的品牌]能与[工具]集成吗？"

只保留能够影响营收的提示词。词汇表问题（例如“什么是毛利？”）获得引用很少能带来销售。像跟踪关键词一样跟踪提示词：将表达方式不同但意图相同的变体合并为一个核心提示词，然后对每个提示词多次测试。

步骤 2：分析引用模式

如果竞争对手获得引用而你没有，请检查：

• 内容结构——他们的内容是否更容易提取？
• 权威性信号——他们是否有更多引用、统计数据和专家引述？
• 时效性——他们的内容是否更新得更近？
• Schema 标记——他们是否使用了你缺少的结构化数据？
• 第三方平台影响力——他们是否通过 Wikipedia、Reddit、评论网站获得引用？

将发现转化为行动。 如果助手对你作出错误或含糊的陈述，本应明确说明该事实的页面就没有把话说清楚；先修复该页面。如果没有提到你，那么该提示词所引用的来源就是你开展公关、争取评论网站收录和提交目录的目标清单。

步骤 3：检查内容的可提取性

对于每个优先级页面，请核实：

检查项	通过/未通过
首段是否提供清晰定义？
答案块是否独立完整（脱离周围上下文也能理解）？
统计数据是否注明来源？
是否针对“[X] 与 [Y] 的比较”查询提供对比表格？
是否设有包含自然语言问题的 FAQ 部分？
是否使用 Schema 标记（FAQ、HowTo、Article、Product）？
是否注明专家信息（作者姓名、资历）？
是否近期更新过（6 个月内）？
标题结构是否符合查询模式？
AI 爬虫策略是否符合内容发现和训练目标？

步骤 4：检查 AI 机器人访问权限

按用途审查 AI 用户代理。搜索发现、用户触发的检索、模型训练和产品控制令牌不能互换：

• 搜索发现：OAI-SearchBot（ChatGPT）、PerplexityBot、Claude-SearchBot、meta-webindexer（Meta AI），以及为答案产品提供内容的传统搜索爬虫
• 用户触发的检索：ChatGPT-User、Claude-User、Perplexity-User 和 meta-externalfetcher；不同供应商的处理方式可能不同，可能与自动爬虫有所区别，请核实当前文档
• 潜在的模型训练：GPTBot、ClaudeBot 和 meta-externalagent
• Google 产品控制：Google-Extended 控制 Google 已抓取内容在 Gemini 的某些训练和信息 grounding 用途；它不会影响内容在 Google 搜索中的收录或排名

默认使用一条允许 Agent 的通配符规则（User-agent: *），仅针对训练选择退出等明确例外添加具名组；允许列表中仅列出具名爬虫，会导致使用自有爬虫的 Agent 搜索 API 在不知不觉中被排除；对于某个机器人，具名组会取代 * 规则。请分别检查每个相关用户代理组，以及任何 WAF 或 CDN 规则。发布者可以允许搜索发现，同时禁止模型开发爬虫；不要据此推断，屏蔽训练爬虫必然会屏蔽引用。完整的 robots.txt 配置请参阅 references/platform-ranking-factors.md。

---

优化策略

三大支柱

1. Structure (make it extractable)
2. Authority (make it citable)
3. Presence (be where AI looks)

支柱 1：结构——让内容可提取

AI 系统提取的是段落，而非页面。每个关键论断都应能独立成立。

内容块模式：

• 定义块，用于“X 是什么？”类查询
• 分步说明块，用于“如何做 X”类查询
• 比较表格，用于“X 与 Y 对比”类查询
• 优缺点块，用于评估类查询
• 常见问题块，用于常见问题
• 统计数据块，附带引用来源

各类内容块的详细模板，请参阅 references/content-patterns.md。

结构规则：

• 每个章节开篇都直接给出答案（不要把答案藏起来）
• 关键答案段落控制在 40-60 个词（最适合摘录提取）
• 使用符合人们查询表达方式的 H2/H3 标题
• 比较内容中，表格优于散文
• 介绍流程时，编号列表优于段落
• 每个段落只表达一个明确观点

支柱 2：权威性——让内容值得引用

AI 系统更青睐可信赖的来源。打造值得引用的内容。

普林斯顿 GEO 研究（KDD 2024，基于对 Perplexity.ai 的研究）对 9 种优化方法进行了排名：

方法	可见度提升	应用方式
引用来源	+40%	添加带链接的权威参考资料
添加统计数据	+37%	加入带来源的具体数字
添加引言	+30%	引用专家言论，并注明姓名和头衔
权威语气	+25%	以展现专业知识的方式写作
提升清晰度	+20%	简化复杂概念
技术术语	+18%	使用领域专属术语
独特词汇	+15%	提高词汇多样性
流畅度优化	+15-30%	提高可读性和行文流畅度
关键词堆砌	-10%	会直接损害 AI 可见度

**最佳组合：**流畅度 + 统计数据 = 最大提升。排名靠后的站点受益更大——引用来源可使可见度最高提升 115%。

统计数据（引用效果提升 +37-40%）

• 加入带来源的具体数字
• 引用原始研究，而非研究摘要
• 为所有统计数据注明日期
• 原始数据优于汇总数据

专家署名（引用效果提升 +25-30%）

• 标明作者姓名及资历
• 引用专家言论，并注明头衔和所属机构
• 在陈述论点时采用“根据 [Source]”的表述
• 作者简介应体现相关专业知识

时效性信号

• 在醒目位置显示“最后更新：[date]”
• 定期更新内容（竞争激烈的主题至少每季度更新一次）
• 引用当年信息和近期统计数据
• 删除或更新过时信息

符合 E-E-A-T 要求

• 展示第一手经验
• 提供具体、详尽的信息（而非泛泛而谈）
• 透明说明来源和方法
• 清晰展现作者在相关主题上的专业知识

支柱 3：影响力——出现在 AI 关注的地方

AI 系统引用你自己的网站，以及提及你的其他网站；引用比例因引擎和类别而异。在一个大型数据集中，企业网站占引用来源的约 57%（ChatGPT 为 47%，Gemini 为 69%；Profound，2026 年 7 月），而候选名单推荐则更依赖第三方共识。选择渠道前，先衡量你所在类别的引用来源构成；请参阅 references/citations-vs-recommendations.md。

需要覆盖的第三方平台：

• Wikipedia（在 Profound 2024 年 8 月至 2025 年 6 月的数据中，占 ChatGPT 引用来源的 7.8%）
• Reddit（在同一数据中占 1.8%，随后因 ChatGPT 2026 年 8 月的检索变更，相关引用几乎被清除；其他平台仍会检索；请参阅 references/agent-readiness.md 中的波动性部分）
• 行业刊物和客座文章
• LinkedIn——在专业查询中，它是被引用最多的域名之一，但具体引用哪个内容取决于引擎（ChatGPT 现在更倾向于引用帖子，而非文章；Gemini 几乎不引用 LinkedIn）。将目标短语放在开头，因为帖子的首几个词会成为其 URL 路径名。请参阅 references/linkedin-ai-citations.md
• 评论网站（面向 B2B SaaS 的 G2、Capterra、TrustRadius）
• YouTube（经常被 Google AI Overviews 引用）
• 播客（节目会被转录、发布节目说明——两者都会被抓取和引用）
• Quora 回答

行动：

• 确保你的 Wikipedia 页面准确且内容最新
• 真诚地参与 Reddit 社区——但要将其作为渠道组合中的一个平台，而非全部策略（检索更新会让引用来源构成一夜之间发生变化）
• 争取被收录在行业综述和对比文章中
• 确保所有第三方资料页（G2、Capterra、Gartner、Crunchbase、LinkedIn）都使用与你的 About 页面一致的细分市场定位；模型会寻找共识。关于重新定位、合并和核心术语，请参阅 references/positioning-and-consensus.md
• 围绕关键操作指南类查询制作 YouTube 内容——模型不会观看视频，而是读取视频周围的文本层；完整构成（转录稿、字幕、章节、说明、置顶评论）请参阅 references/youtube-ai-citations.md
• 以嘉宾身份参加你所在类别的播客（使用 public-relations 技能中的播客嘉宾准备材料）
• 深入回答相关的 Quora 问题

面向 AI Agent 的机器可读文件

Google 的立场：AI Overviews 或 AI Mode 不需要这些文件。其指南明确指出，要出现在生成式 AI 搜索中，不需要新的标记、AI 文件或 Markdown。

为何仍要添加这些文件：非 Google 的 AI 引擎（ChatGPT、Claude、Perplexity）和自主购物 Agent 确实会优先考虑易于提取的结构。以下文件有助于这些引擎读取信息，且不会对 Google 造成不利影响。

AI Agent 不再只是回答问题，也开始充当买家。当 AI Agent 代表用户评估工具时，需要结构化、可解析的信息。如果你的定价藏在由 JavaScript 渲染的页面中，或被“联系销售”页面挡住，Agent 就会跳过你，转而推荐它们确实能读取信息的竞争对手。

先审核这一层：references/agent-readiness.md — 其中包含访问、发现和可解析性检查清单、免费评分工具（npx is-agentic、Frase 的检查工具）、Markdown 内容协商与 Link 标头、llms-full.txt，以及新兴的 Agent 可执行层（WebMCP）。

将以下机器可读文件添加到你的网站根目录：

/pricing.md 或 /pricing.txt — 为 AI Agent 提供结构化定价数据

# Pricing — [Your Product Name]

## Free
- Price: $0/month
- Limits: 100 emails/month, 1 user
- Features: Basic templates, API access

## Pro
- Price: $29/month (billed annually) | $35/month (billed monthly)
- Limits: 10,000 emails/month, 5 users
- Features: Custom domains, analytics, priority support

## Enterprise
- Price: Custom — contact [email protected]
- Limits: Unlimited emails, unlimited users
- Features: SSO, SLA, dedicated account manager

为何这点现在很重要：

• AI Agent 越来越常在用户访问网站之前以程序化方式比较产品
• 不透明的定价会让产品在 AI 介导的购买流程中被筛除
• 简单的 Markdown 文件可被任何大模型轻松解析——无需渲染、JavaScript 或登录
• 这与 robots.txt（供爬虫使用）、llms.txt（提供 AI 上下文）和 AGENTS.md（说明 Agent 能力）的原理相同

最佳实践：

• 使用一致的计量单位（月付还是年付、按席位还是固定价格）
• 列出具体的限制和阈值，不要只写功能名称
• 列出每个套餐包含的内容，而不只是套餐间的差异
• 保持文件更新——过时的定价比没有文件更糟
• 在站点地图和主定价页面中添加指向该文件的链接

/llms.txt — AI 系统的上下文文件（参见 llmstxt.org）

如果你还没有 llms.txt，请添加一个文件，简要介绍产品的功能、目标用户，并链接到关键页面（包括定价页面）。

/okf/ — 开放知识格式（Open Knowledge Format）文件包（由 Google 支持，v0.1）

Google 于 2026 年 6 月推出了 OKF——一种 Markdown 规范，用于将网站内容表示为带有 YAML frontmatter 的相互链接文件目录，无需抓取即可供 Agent 读取。该规范主要面向数据团队的目录元数据；将其改造用于 Agent 读取网站内容的做法由 Suganthan Mohanadasan 推广。目前尚无证据证实它能提升 AI 搜索排名——应将其视为协议层注册，类似早期的 schema.org。完整介绍、实施方式（免费生成器、WordPress 插件、手动编写）、托管指南以及何时不应采用，请参阅 references/okf.md。

AI 的 Schema 标记

结构化数据有助于 AI 系统理解你的内容。关键 Schema 包括：

内容类型	Schema	帮助方式
文章／博客文章	Article、BlogPosting	识别作者、日期和主题
操作指南内容	HowTo	为流程类查询提取步骤
常见问题	FAQPage	直接提取问答
产品	Product	定价、功能和评价
对比内容	ItemList	结构化对比数据
评价	Review、AggregateRating	信任信号
组织	Organization	实体识别

目前没有记录充分的研究专门测量 Schema 对 AI 引用的提升，因此应将 Schema 视为帮助引擎解析页面的上下文，不要期待它带来固定幅度的提升。Google 的说明：结构化数据“并非生成式 AI 搜索所必需”，但建议将其纳入整体 SEO 策略。实施时，请使用 schema 技能。

Agent 式体验

除了由 AI 搜索引擎总结内容外，自主 Agent 也开始直接访问网站——点击、阅读、比较，甚至代表用户购买。Google 的指南指出，这是一个值得提前规划的新兴领域。

Agent 访问网站的方式：

• 视觉渲染 — 像用户一样截屏并阅读页面
• DOM 检查 — 解析页面的 HTML 结构
• 无障碍树 — 依赖辅助技术所用的相同语义信息（标签、角色、地标、标题）

应采取的措施：

• 无需复杂的 JS 操作即可渲染有意义的内容 — 如果页面要等 4 个框架加载完才显示内容，Agent 看到的就只有空白
• 语义化 HTML — 使用 <main>、<nav>、<article>、<button>，采用合理的标题层级，并为图片添加 alt 文本
• 整洁的无障碍树 — 为每个交互元素添加标签；正确使用 ARIA（原生 HTML 已足够时则不使用）
• 稳定的选择器／可预测的布局 — 对每次交互都会重新渲染的网站，Agent 难以应对
• 公开价格、规格和联系信息 — Agent 为提出购买建议所需的信息，都应放在公开且可编入索引的页面上（这正是 /pricing.md 等文件的作用）。为会变化的信息注明日期（“截至 2026 年 10 月，在 G2 上评分为 4.7”），以便 Agent 判断其时效性
• 以文本形式呈现证明材料 — 在 HTML 中以文本形式展示客户评价、评分和有名称的客户 Logo，而不是将它们嵌入图片或通过小组件脚本注入。如果无法用鼠标选中，Agent 可能就无法读取

新兴领域 — Universal Commerce Protocol（UCP）： Google 提到，UCP 是一项即将推出的协议，将为 Agent 提供用于商业交互（商品目录发现、定价、结账）的标准化接口。请关注其采用情况；目前，上述结构性建议是迈向这一步的基础。

针对电商和本地商家，Google 特别强调：

• Merchant Center 商品 Feed + Google 商家资料，提升产品／服务在 AI 搜索中的曝光度
• Business Agent，用于与客户进行对话式互动（如适用）

---

最常被引用的内容类型

并非所有内容都同样容易被引用，而且格式组合变化很大。长期以来的基准数据显示，比较文章（约 33%）和清单式文章（约 10%）是最常获得引用的内容，但 ChatGPT 5.6（2026 年 8 月）降低了对被滥用格式的权重：清单式文章的引用量下降了 −50.5%，比较页面的引用量下降了 −32.1%，而 site: 和“官方”内容的检索量大幅上升——转向优先采用一手来源和自有页面。如今，格式策略需因平台而异（比较内容在 Google AIO/Gemini/Perplexity 上仍然有效）。关于这一转变的数据、各平台的格式对照表、LinkedIn 的引用数据，以及 ChatGPT 扇出提取诊断，请参阅 references/format-volatility.md。

在各平台上长期表现出色的内容： 原创研究和数据、权威指南，以及具有可提取结构的自有“官方”页面——产品、文档和定价页面。

表现不佳的内容： 缺乏结构的通用文章、内容单薄或设有访问门槛的内容、仅提供 PDF 的内容，以及没有日期和作者署名的内容。

被引用 ≠ 获得推荐。 被引用意味着你的内容有参考价值；而被推荐——进入买家的实际候选名单——取决于全网共识（评价、论坛、分析师、媒体报道），与自有内容基本无关。对新兴品牌而言，自我推销式的“最佳［类别］”清单甚至可能适得其反：在一项针对 B2B、包含 100 个查询的研究中，此类清单获得的 AI 概览引用里，有 69% 出现在推荐竞争对手而非发布品牌的答案中。关于曝光度阶梯（检索到 → 引用 → 提及 → 推荐）、分阶段的买家指南策略、获得推荐的条件，以及归因盲点，请参阅 references/citations-vs-recommendations.md。

---

监测 AI 曝光度

要跟踪的指标

指标	衡量内容	检查方式
AI Overview 展示情况	你的查询是否会显示 AI Overviews？	手动检查或使用 Semrush/Ahrefs
品牌引用率	你在 AI 答案中被引用的频率	AI 可见度工具（见下文）
AI 声量份额	你的引用与竞争对手的引用对比	Peec AI、Otterly、ZipTie、Omnia
引用情感	AI 如何描述你的品牌	手动审核 + 监测工具
推荐率	你是否进入候选名单，而不仅仅是被引用（参见 citations-vs-recommendations.md）	跟踪提示词 + 提及语境
来源归因	哪些页面获得引用，以及 AI 曝光会带来哪些后续影响	AI 引荐，以及延迟出现的品牌词和直接访问（ai-attribution.md）

AI 可见度监测工具

工具	覆盖范围	最适合的用途
Otterly AI	ChatGPT、Perplexity、Google AI Overviews	跟踪 AI 声量份额
Peec AI	ChatGPT、Gemini、Perplexity、Claude、Copilot+	大规模进行多平台监测
ZipTie	Google AI Overviews、ChatGPT、Perplexity	跟踪品牌提及 + 情感
LLMrefs	ChatGPT、Perplexity、AI Overviews、Gemini	将 SEO 关键词映射到 AI 可见度
Profound、Ahrefs Brand Radar、Semrush	主流助手和 Google AI 界面	大型项目：引用来源、答案文本、提示词需求（参考资料中引用了 Profound 的研究，作为供应商研究）
Omnia	Google AI Mode、Google AI Overviews、ChatGPT、Perplexity、Gemini、Claude、Copilot	AI 可见度监测

DIY 监测（无需工具）

每月手动检查：

1. 选出排名前 20 的查询
2. 在 ChatGPT、Perplexity 和 Google 中逐一运行
3. 记录：你是否被引用？引用了谁？引用了哪个页面？将结果记入电子表格，并按月跟踪

AI 答案具有非确定性——单次运行只是一个个例，并非一项测量。每个平台上的每个查询运行 3–5 次，并结合样本量跟踪提及率（“引用 3/5，n=5”），比较一段时间内的比率，而不是比较单次运行结果。完整的严谨性检查清单见 references/format-volatility.md。

对 Search Console 的预期

Google 的指南明确指出：Search Console 没有针对 AI 的专属报告。AI Overviews 和 AI Mode 使用核心 Google 搜索排名，因此，对于 Google，你仍需使用标准 Search Console 报告（效果、覆盖率、Core Web Vitals）进行衡量。上述第三方工具是查看跨平台 AI 引用情况的唯一方式。

不要做的事

Google 的指南明确指出了以下做法——它们会损害传统搜索和 AI 功能的表现。

1. 单独编写“面向 AI”的内容。同一份内容应同时服务于用户和 AI。编写专门针对 AI 系统的不同版本，可能违反 Google 所说的规模化内容滥用垃圾内容政策。
2. 把页面拆成吸引 AI 的碎片。Google 的指南说得很直接：“不要把内容拆成细小的片段，以便 AI 更好地理解。” 使用常规的段落和标题结构。
3. 大规模生成内容以操纵排名。AI 生成的内容没问题，前提是符合 Search Essentials 和垃圾内容政策。大批量生成单薄的变体内容则不行。
4. 追求不真实的提及。不要捏造引文、虚构奖项、运营自己拥有的“独立”评论网站，也不要在 Reddit/Wikipedia 上大量发垃圾内容来提高 AI 可见度。虚假或来源具有误导性的评论也可能违反 FTC 2024 年评论规则。只进行真实参与。
5. 把所有 AI 用户代理都视为同一种控制对象。GPTBot、ClaudeBot 和 Google-Extended 与 OAI-SearchBot、Claude-SearchBot 和 PerplexityBot 有不同的公开用途。请分别决定是否允许发现、用户检索、训练和信息溯源。
6. 将主要内容隐藏在无法渲染的 JS 后面。核心搜索和 AI Agent 都需要读取你的内容；仅通过 JS 渲染会同时失去这两类受众。
7. 忽略 E-E-A-T 基础要素。作者身份、第一手经验、专业性信号和透明的来源——Google 的指南强调，这些对于 AI 功能尤为重要。

---

不同内容类型的 AI SEO

有关 SaaS 产品页面、博客内容、比较/替代方案页面、文档以及本地/电商内容（Google 特别强调 Merchant Center 和 Business Profile）的实操指南，请参阅 references/content-types.md。

---

常见错误

• 完全忽视 AI 搜索——在许多行业中，AI Overviews 出现在约一半的受跟踪查询中（BrightEdge，2026 年 2 月），而用户对助手的使用也在持续增长
• 把 AI SEO 与 SEO 分开看待——良好的传统 SEO 是基础；AI SEO 则在此基础上增加结构和权威性
• 为 AI 而非人为人写作——如果内容读起来像是为了钻算法空子而写，就不会获得引用，也无法带来转化
• 没有新鲜度信号——AI 系统会高度看重时效性，因此未标注日期的内容不如标注日期的内容。请显示内容最后更新的时间
• 将所有内容设为门槛限制——AI 无法访问受限内容。请开放最具权威性的内容
• 忽视第三方渠道的表现——候选名单推荐会参考评论、论坛和媒体对你的评价，即使你自己的网站获得了大多数引用
• 没有结构化数据——Schema 标记能为 AI 系统提供关于你内容的结构化上下文
• 关键词堆砌——传统 SEO 中这只会不起作用，而关键词堆砌会主动降低 AI 可见度 10%（Princeton GEO 研究）
• 将定价隐藏在“联系销售”或 JS 渲染的页面后面——代表买家评估产品的 AI Agent 无法解析自己读不到的信息。请添加 /pricing.md 文件
• 未确认用途就屏蔽发现爬虫——限制 OAI-SearchBot、PerplexityBot 或 Claude-SearchBot 可能会降低搜索可见度；训练控制是独立设置
• 没有数据的泛泛内容——“我们是最好的”不会获得引用。“我们的客户在 [metric] 上提升了 3 倍”则会
• 忘记监测——无法改进无法衡量的内容。至少每月检查一次 AI 可见度

---

工具集成

有关实施方法，请参阅工具注册表。

工具	用途
semrush	跟踪 AI Overview、关键词研究、内容差距分析
ahrefs	反向链接分析、内容探索器、AI Overview 数据
gsc	Search Console 性能数据、查询跟踪
ga4	来自 AI 来源的引荐流量

---

相关技能

• seo-audit：用于传统的技术 SEO 和页面 SEO 审核；link-building 用于在 AI 引擎引用的第三方页面上获取链接和提及
• schema：用于实现结构化数据，帮助 AI 理解你的内容
• content-strategy：用于规划要创建哪些内容
• competitors：用于创建能获得引用的对比页面
• programmatic-seo：用于大规模构建 SEO 页面
• copywriting：用于撰写既便于人类阅读、又便于 AI 提取的内容
• lead-magnets：用于将自有课程或内容库打包成可安装的 Agent 技能（不同于提升公开网站的 AI 可见度）