AI 搜索优化做了两年之后，我发现我当初的理解全是错的

我一直觉得自己挺懂 SEO 的。至少过去五年里，我靠那套“堆关键词、攒外链、改标题标签”的东西，伺候过三四家 SaaS 公司的增长，不能说战功赫赫，但至少没被老板骂过。

然后 2025 年年底，AI 搜索开始不讲武德。2026 年开春我做了个测试——用我自己的核心 B2B SaaS 关键词去问 ChatGPT、Perplexity 和 Google AI Overviews，结果我精心优化的那些页面，基本没出现在任何 AI 回答里。排名还在第一页，但流量掉了 40%。我盯着 Search Console 上的曲线，足足愣了五分钟，然后刷新了一遍。曲线没变。那周我失眠了两天。

后来我才意识到，问题不在排名，在引用。AI 搜索每次回复只引用三到七个来源，而我的内容压根不在它们的候选列表里。这不是 SEO 的终结，这是游戏规则的彻底改写。

AI 搜索不吃“排名优先”那一套

做 SEO 的人大多有个执念：第一。觉得只要排第一，流量就该哗哗来。但这个逻辑在 AI 搜索时代正在崩塌。我后来在一份公开的数据集里看到一组数字——2026 年第一季度，AI 搜索已经贡献了 B2B SaaS 领域 17% 的品牌发现，而一年前这个数字只有 4%。我问了身边几个同行，他们的感受差不多：流量没死，只是换了地方来。

问题是 AI 搜索的“排名”跟 Google 不一样。Google 给你一个蓝色链接清单，你排第一，用户点你。AI 搜索直接给一段摘要，引用了三个来源——用户看完就走了，连链接都不一定点。我在 2026 年 3 月做了个更细致的测试：用 30 个长尾商业词分别问 ChatGPT、Perplexity 和 Google AI Overviews，结果只有 6 次我的内容被引用。剩下的 24 次，要么是 Wikipedia，要么是 Reddit，要么是一些有原创研究报告的独立博客。我那些“优化到极致”的落地页，在 AI 眼里跟不存在一样。

在 AI 搜索的世界里，可见性的单位不是页面，是可被引用的句子。 你的内容能不能被 AI 摘出来、归到你头上、放进一段连贯的回答里，这才是新的度量标准。经典 SEO 告诉你优化标题和元描述；AI 搜索优化告诉你优化每一句话的可引用性。

最快能做的事情：给内容加上灵魂（和署名）

在那份公开数据里，最让我觉得好笑也最让我觉得解脱的发现是：署名作者的引用率是匿名内容的 2.4 倍。 如果作者还有 Wikipedia 页面或者经过验证的社交身份，这个比例飙到 4.1 倍。我算了一下，翻新公司所有作者页面的成本，大概就是一个程序员两天的工时加半个编辑花一天写简介的时间。这是我见过 ROI 最高、见效最快的改动。

我当时的做法很简单：把每个博客文章顶部的“由 SEO 团队撰写”改成具体人名，加上 Person Schema，再关联到 LinkedIn 和 Twitter。没有 Wikipedia 的人，至少保证 GitHub、Google Scholar 或者哪个行业论坛上有他活跃的足迹。两周后，我没有重新做任何内容，AI 搜索引用率提升了大概一倍——不是精确的数字，因为我没再跑全量测试，但感觉上明显多了。

更讽刺的是，这个改动我在 2023 年就听说过，但一直觉得“太麻烦”“没必要”。直到 AI 搜索真的开始影响流量，我才动手。拖延这种事，在营销行业里太常见了。

真正的竞争发生在“实体”层面，而不是关键词层面

传统 SEO 把关键词当原子。AI 搜索把实体当原子。品牌、人名、组织名、产品名、研究成果名——这些才是 AI 在拼接答案时引用的锚点。如果你的内容没有清晰地声明“我是谁”“我属于哪里”“我有什么”，AI 就很难把你拼进它的知识网络里。

我做过一个实验：把公司几个核心页面加上 Organization Schema 和 SameAs 属性，然后重新提交。两周后，其中一个页面被 Google AI Overviews 引用了一次。那个页面之前的排名是第五，内容没有改，只是结构化了。这让我意识到，内容本身可能已经够好，但它的“身份”不够清晰。

这也解释了为什么 Wikipedia、Reddit 和原创研究站点占到了 AI 搜索引用的 64%——它们天然就是实体密集的内容。Wikipedia 每个条目就是一个结构化实体；Reddit 每个子版块和用户都是可追溯的来源；研究论文的作者、机构、DOI 三件套本身就是完美的实体模型。如果你的品牌内容既没有作者署名，也没有机构身份，也没有数据支撑，那 AI 宁愿去引用一个几个月前的 Reddit 热帖。

不是要放弃传统 SEO，而是要并行做“引用工程”

我现在的做法是：传统 SEO 那套继续维护，毕竟 Google 仍然占了 B2B SaaS 发现的 71%。但同时我开始做一套全新的流程，我私下管它叫“引用工程”。

第一步：把每个商业页面加上真实作者、Person Schema、SameAs 链接。这是最低成本的事，但我发誓很多公司到现在都没做完。我见过一些大型 SaaS 博客，几百篇文章，作者栏全填“Team”或者“Admin”。这些页面在 AI 搜索里基本被判了死刑。

第二步：产出可以被引用的东西，而不是被排名的东西。什么是可以被引用的？一段有数据、有来源、有观点的段落。一份有清晰方法论的原创研究报告。一句可以被作为“事实”单独提取出来的话。我今年第一季度逼着自己团队出了一份小型行业调研，就 15 页 PDF，用了 Dataset Schema。结果它被 Perplexity 引用了五次，而同一时期我们写了四十篇常规博客，一共只被引用两次。

第三步：理解你的查询类型。同一个关键词，用户在 Google 搜和跟 ChatGPT 聊，问法可能不一样。问“最好的 CRM 工具”是一个比较型查询，AI 更倾向于引用 Reddit 和评测站点。问“如何实施 CRM 系统”是一个操作型查询，AI 更倾向引用带步骤和专业作者的内容。我在参考那份公开数据的时候学会了一件事——先分类你的核心查询，再决定怎么打造引用素材。盲目生产内容在任何时代都是浪费。

把机器人当助理，别当军师

AI 工具现在太多了。我过去一年至少买了六个不同平台的会员，最后真正坚持在用的就两个：一个用来做内容简报和关键词聚类，另一个用来处理机械性的内容发布。其他那些号称“一键生成战略规划”的东西，我试用一周就放弃了。不是它们不好用，而是它们生成的东西总差了那么一点“人味儿”。

我现在的流程是这样的：让 AI 每天抓取行业趋势和竞争对手内容变化，自动推给我主题建议——这件事我之前用人肉做，每周花大概三个小时刷 Feedly 和 Twitter，还总漏掉关键话题。后来我把它整个扔给了一个自动化系统：从趋势发现到主题推送，再到内容生成和定时发布，全部自动执行。我只需要每周花一小时审一审下周的待发布清单，改改标题或者段落顺序，偶尔加一句只有行业内的人才知道的吐槽。那套系统叫 SEONIB，是我某次深夜搜“内容自动化工具”时找到的。它不算是那种“写出来的都是爆款”的神器，但它确实把我从“每天刷新内容日历”的苦力活里解放了出来。现在我可以把时间花在更累但更有价值的事情上——比如搞清楚用户到底在想什么，以及去 Reddit 上跟同行吵架。

AI 擅长的是速度和规模，不是战略和深度。 任何告诉你 AI 能替代编辑的人，要么是想卖你东西，要么是没做过真正的编辑工作。我在过去六个月里让 AI 生成了大概两百篇初稿，最后上线的不到一半。不是质量不行，是大多数文章太像“别的 AI 写出来的东西”——结构工整、信息准确，但没有观点，没有犹豫，没有那种“我试过、然后失败了”的真实感。这些东西在 AI 搜索里也许能混过去，但在人类读者那里不行。而最终决定品牌信任度的，还是人类读者。

测量是最难的部分，但你得开始做

2026 年最大的陷阱不是不做 AI 搜索优化，而是做了却没法测量效果。我认识的很多团队，一边让 AI 疯狂输出内容，一边看着流量数字发呆——说不上涨了还是跌了，因为数据来源变多了。AI Overviews 的点击不涨 Google Search Console 的数据，ChatGPT 的引用不在 Google Analytics 里。你猜怎么着？大部分人干脆不去测量。

我现在用的测量方法非常粗糙但够用：每月固定跑一次 20-30 个关键查询的 AI 搜索测试，手动记录引用情况。同时盯两个指标——品牌在 AI 回答中的出现次数，以及来自 ChatGPT 和 Perplexity 的 referral 流量（虽然很少，但增长趋势明显）。这不是什么科学的框架，但它让我知道变化的方向。

那份公开数据里说“测量框架将定义赢家”，我同意这个说法。但我不想把它说得太神圣。你只需要知道，你投进去的时间有没有让 AI 更频繁地提到你。如果一个月过去，你的品牌在 AI 搜索里依然神隐，那就说明你的方法需要调整——不管是内容的结构、作者的可见性，还是你产出的数据类型。

常见问题

AI 搜索优化和传统 SEO 的区别到底是什么？

传统 SEO 追求页面排名，AI 搜索优化追求句子级别的可引用性。前者盯着搜索引擎的索引和算法，后者盯着 AI 模型在拼接回答时是否会选择你的内容作为事实来源。两者需要并行做，但策略不同。一个具体的例子是：传统 SEO 让你优化 H1 和 Meta Description；AI 搜索优化让你加上 Person Schema 和 SameAs 链接，并确保每个段落都包含一个可以被独立引用的论断或数据。

我自己的品牌内容在 AI 搜索里完全看不到，第一步该做什么？

把主页和核心落地页加上 Organization Schema 和 Person Schema，保证每个作者都有名字和可验证的社交身份。这是最快、成本最低的改动。然后挑一个你最有优势的话题，写一份带有明确方法论的小型研究报告，使用 Dataset Schema 发布。通常 2-4 周内能观察到引用率变化。SEONIB 可以帮你自动把内容推送到多个平台并内置基础 SEO 优化，但人工审核还是要做。

是不是每个账号都得有个 Wikipedia 页面才能被引用？

不一定，但 Wikipedia 的效果确实强。我见过没有 Wikipedia 的作者，通过 GitHub 开源项目、行业会议演讲页面和 LinkedIn 文章的交叉验证，同样获得了不错的引用率。关键在于让 AI 容易找到你和你所代表实体的关系，而不是追求一个特定的站点名单。

AI 搜索引用率提升后，Google 搜索排名会下降吗？

我在自己的实验中没有观察到明显的负面关联。实际上，当 AI 搜索开始频繁引用你的内容时，往往是你的主题权威性在提高的信号，这反过来可能对传统排名有帮助。不过需要警惕的是，如果 AI 摘要完全替代了用户点击，即使排名没变，转化流量也可能下降。所以要同时监测 Click-Through Rate。

我需要为每个 AI 搜索工具（ChatGPT、Perplexity、Google AI Overviews）分别做优化吗？

原则相同，权重稍有差异。ChatGPT 更青睐品牌自有内容和结构化数据；Perplexity 更依赖 Reddit 和论坛；Google AI Overviews 偏向大型出版站点和评测网站。我的做法是先做好通用的结构化实体标记、署名和数据资产，再去针对你流量最大的搜索工具做二次校准。不用一开始就试图讨好三个平台，大部分团队还没有那个资源。