seo-strategy

SEO 增长策略

利用程序化数据和系统化实验，将自然搜索转变为可规模化的获客引擎。

结合 Lenny's Podcast 和 Newsletter 中 9 位嘉宾及文章的见解，帮助用户制定 SEO 增长策略。

如何提供帮助

1. 审计与验证 - 确认目标受众是否会通过搜索发现产品，以及你是否拥有竞争所需的独特数据。
2. 程序化设计 - 帮助设计“Mad Libs”式模板，利用内部数据生成数千个高价值落地页。
3. 实验设置 - 指导搭建页面级分组框架，以测试标题标签、内容和内链调整。
4. 适应 AI - 调整内容方向，面向漏斗中段查询，并争取在多个权威来源中被提及，从而获取来自大模型和 AI Overviews 的流量。

核心原则

转向漏斗中段查询

Eli Schwartz：“现在你进入了漏斗中段，这正是 SEO 开始发挥作用的地方。我认为这次变革影响如此之大的原因，是用户旅程变了，发现方式也变了。以前，如果你经营一个旅游网站，而且能够在‘美国两小时车程内的最佳海滩度假地’这个搜索词下获得排名，那就是你的排名结果。”

当 AI 摘要满足用户的高层次发现需求时，企业必须专注于更深入的研究型查询，因为用户需要详细比较和具体数据。

将 SEO 视为产品功能

Eli Schwartz：“要把 SEO 当作产品来看待。产品经理应该思考 SEO 相关问题，因为这是一个产品问题。产品团队需要思考，如何向那些不会通过社交渠道了解到产品、也不会被广告吸引的用户展示产品定位？”

搜索可见度应由产品经理主导，并融入核心产品定位，而不是被当作独立的内容工作。

首先验证搜索意图

Eli Schwartz：“产品团队需要思考，如何向那些不会通过社交渠道了解到产品、也不会被广告吸引的用户展示产品定位？这些用户会自行探索。如果你无法回答用户会搜索什么这个问题，那就不要做 SEO。”

在投入资源之前，先确认目标受众是否真的会通过搜索发现产品，并确定他们的具体意图。

频次胜过单次排名

Ethan Smith：“想要在‘最佳网站构建工具是什么？’这类搜索中胜出，在 Google 上，只要蓝色链接排在第一位就能赢。但在大模型中并非如此，因为大模型会总结多个引用来源，所以你需要尽可能多地被提及。”

在 AI 搜索时代取得成功，取决于能否在 Reddit 和 YouTube 等多个权威来源中被提及，从而影响大模型摘要。

跟踪大模型转化率

Ethan Smith：“价值高出很多。Webflow 发现，来自大模型的流量与来自 Google 搜索的流量相比，转化率相差 6 倍。”

来自 AI 引擎的流量通常转化率更高，因为与传统搜索用户相比，这些用户进入网站时已经完成了更深入的研究。

发现内容缺口

摘自“Content-driven growth”：“研究搜索者未能得到充分服务的主题，并创建能够为他们提供有吸引力、有价值且与众不同的内容。”

要建立成功的编辑计划，需要找到特定细分领域，在这些领域中，现有搜索结果无法提供高质量或差异化的价值。

按页面级别分组

摘自“How to run SEO experiments”：“开展 SEO 实验时，测试是在页面级别进行的。因此，你需要一个能在页面级别进行分组的实验系统。”

SEO 实验必须按 URL 而非用户分组，以确保搜索引擎爬虫每次抓取时看到的体验保持一致。

利用独特的数据优势

摘自“Winning at SEO”：“相反，你应该创建能满足特定且有价值的用户意图的页面。SEO 的关键不是抢占热门关键词，而是覆盖长尾关键词。当然，你可能无法捕获‘flowers’这个大热门，但如果你能覆盖遵循常见公式的所有关键词，例如‘{flower type} for sale in {location}’，就能吸引有价值、转化率高的流量，并获得高得多的 ROI。”

针对长尾关键词公式，如果你的专有业务数据能带来独特优势，且现有竞争者难以轻易复制，就应优先布局。

模板与框架

• 四种由 SEO 驱动的产品主导型营销（Product-led marketing）— 专为 PLG 产品设计的四种自然搜索策略分类
• SEO 实验框架（页面级 A/B 测试）（How to run SEO experiments）— 通过按页面而非用户分组来开展 SEO 实验、将自然流量作为唯一成功指标进行衡量，并 us
• 程序化 SEO 策略框架（Winning at SEO）— 一个由三个问题组成的框架，帮助从零开始构建可扩展的 SEO 策略，旨在帮助早期公司与现有竞争者抗衡。
• Ethan 的 4 步内链策略指南（Ethan Smith: The power of internal linking for SEO）— 从零开始构建内链策略的分步流程，适用于任何希望提升 SEO 的网站
• 程序化 SEO 页面线框图（Petal to the Metal 示例）（Winning at SEO）— 用于设计程序化 SEO 页面的草图／线框图模板，通过模板化数据覆盖长尾关键词。
• 长尾关键词公式方法（Winning at SEO）— 一种识别并定位长尾关键词公式而非头部词的方法。
• AI 内容创作使用指南（Ethan Smith: The power of internal linking for SEO）— 指导在内容创作工作流中，哪些环节应该或不应该使用 ChatGPT 等 AI 工具
• 页面 SEO 基础检查清单（Winning at SEO）— 每个页面要在 Google 中获得良好排名所需的五项核心页面 SEO 要素。

完整清单及详细信息请参阅 references/artifacts.md。

帮助用户思考的问题

• “你的目标受众会通过搜索引擎，而不是社交媒体或广告，来开启自我发现之旅吗？”
• “你的企业掌握哪些独特数据点，可以将其转化为数千个实用网页？”
• “你的 SEO 策略是否由一位将搜索可见性视为核心要求的产品经理主导？”
• “你能否按规范 URL，而不是按单个用户，对 SEO 实验进行分组？”
• “你的产品在 Reddit 或 YouTube 等权威社区平台上被提及的频率如何？”
• “你当前的标题标签是否包含高意图关键词，还是被搜索引擎截断了？”

应指出的常见错误

• 按用户分组进行实验 — 搜索引擎爬虫需要在整个网站上获得一致的体验，不能像标准用户那样在 A/B 测试中进行分组。
• 依赖虚荣流量 — 与搜索渠道如何推动实际业务成果和深层漏斗转化相比，单纯的流量规模正变得越来越不重要。
• 大规模生成 AI 落地页 — 如果完全依靠 AI 内容扩量，缺乏独特的人类视角，就可能被现代搜索引擎和答案引擎标记为垃圾内容。
• 忽视内链路径 — 如果缺少稳健的内链结构，爬虫就无法高效发现、索引深层页面，也无法向其传递权威性。

深入了解

9 位嘉宾提供的全部 35 条见解，请参阅 references/guest-insights.md

相关技能

• 增长模型
• 获客渠道
• 用户引导与激活
• 留存与互动