【官方】GSC 2 项更新：GEO 报告扩大测试范围、新增「平台资源」追踪社媒内容搜索表现
第一项，GSC 近期将 GEO 报告进一步扩大范围，之前主要是在英国地区，现在已经扩大到美国等地区。
我有几个项目已经看到了 GEO 报告，社群里朋友反馈也有。如下图：
第二项：新增「平台资源」（platform properties），GSC 可以看 Instagram、TikTok、X、YouTube 内容在 Google 的搜索表现了。
Google 于 7 月 7 日在官方博客宣布推出全新的资源类型「平台资源」，帮助站长和创作者了解自己的社媒与视频内容在 Google 搜索和 Discover 中的表现——可以追踪哪些搜索词把用户带到了你的 Instagram、TikTok、X、YouTube 内容上。
数据会进入 GSC 的 3 个报告：
- 效果报告（Performance）：展示点击、展示等指标；可按具体帖子和查询词筛选排序，支持导出
- 数据洞见（Insights）：展示近期流量趋势、表现最好的帖子、用户如何发现你的账号
- 成就（Achievements）：增长里程碑，如过去 28 天搜索点击数达到新阈值
验证方式：在 GSC 资源选择器点「添加资源」→ 选择 Instagram / TikTok / X / YouTube 四个平台之一 → 按屏幕指引安全授权即可。未来几周逐步开放。
我的看法
如果已开通，可以进 GSC 体验一下，虽然现在功能还比较少；如没开通，可以先看 Bing 站长工具，里面也有 AI 数据，比 Google 的更丰富。
参考链接： - 《在 Search Console 中推出生成式 AI 搜索效果报告》https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports?hl=zh-cn - 《Google Search Console Now Shows You Instagram, TikTok, X & YouTube Content Search Performance》https://www.seroundtable.com/google-search-console-social-content-performance-41636.html
【官方】canonical 三连更新：最好在 HTML 写死、重评估需两周、标签要自引用
Google 站长文档近期对 canonical 做了连续的三次更新，分别是：
- canonical 标签最好是直接在 HTML 源代码中写死，实在不行可由 JavaScript 写入；绝不能用 JavaScript 修改源码中 canonical 标签已有的 URL
- 重新评估需要时间：改完内容后，页面留在"重复聚类"里最多要等两周才重新评估；内容差异越明显，生效越快
- 规范页自身也要带指向自己的 rel="canonical"——之前是口头建议，首次写进官方文档
我的看法
算是 canonical 的信息完善，可以适时更新自己的知识库。
官方文档： - 《如何使用 rel="canonical" 及其他方法指定规范网址》https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls?hl=zh-cn - 《解决规范化问题》https://developers.google.com/search/docs/crawling-indexing/canonicalization-troubleshooting?hl=zh-cn
【政策】欧盟 DMA 落锤：Google 必须向竞品共享搜索数据、开放 Android AI 入口
欧盟宣布依据《数字市场法案》对 Google 作出 2 项具有约束力的决定，以遏制其垄断行为：
- 搜索数据共享。将 Google 搜索数据经过匿名化共享给竞品使用，自 2027 年 1 月生效。
- Android 向第三方 AI 开放。Google 必须向竞品 AI 开放 Android 上特定功能，使其获得与 Gemini 同等的系统权限。
我的看法
以上是欧盟的决定，Google 肯定也不会坐以待毙，大概率会继续上诉，阻止或延缓以上决策。所以我们继续关注此事即可。
原文链接：https://arstechnica.com/gadgets/2026/07/its-official-eu-will-force-google-to-share-search-data-and-open-up-ai-on-android/
【洞察】SaaS 品牌如何赢得 AI 搜索：5 条数据结论与行动
Aleyda 分析 15 个头部 SaaS 品牌 × 3 个美国子行业，打通 Semrush 引用数据 + Similarweb AI 引荐流量，得到 5 个结论。
结论 1：AI 引用的来源中 84%–93% 是非官方站点
当 AI（ChatGPT / Google AI Mode）回答某个 SaaS 品牌相关的问题时，它引用的证据来源绝大部分不是品牌官网，而是外部站点——Reddit 讨论、G2 评测、YouTube 教程、科技媒体横评、甚至竞品网站上的对比页。品牌官网页面在引用来源中只占约 7%–16%。
| 类目 | ChatGPT 官方站点 | ChatGPT 第三方站点 | AI Mode 官方站点 | AI Mode 第三方站点 |
|---|---|---|---|---|
| CRM 与销售 | 7.9% | 92.1% | 6.6% | 93.4% |
| 项目与协作 | 8.1% | 91.9% | 7.8% | 92.2% |
| 财务与会计 | 16.4% | 83.6% | 15.9% | 84.1% |
这意味着：在官网发权威内容是必要的，但远远不够——AI 回答"你是谁、好不好用"时，主要听的是第三方怎么说你。所以评测平台、社区、媒体、视频、同行厂商这些第三方阵地，必须去覆盖，而不是在自己博客发个文章就完事。
我的看法
看来不光是要发布在自己网站，还要发布在外部站点，甚至是同行站点；而且外部站点更关键（因为理论上更客观）。
结论 2：ChatGPT 和 AI Mode 依赖完全不同的外部引用
| 外部证据生态 | ChatGPT 均值 | AI Mode 均值 | 在答案中的角色 |
|---|---|---|---|
| 同品类厂商站点 | 25.4% | 16.1% | 解释产品、集成与对比 |
| 社区/论坛（Reddit、Quora 等） | 14.4% | 11.4% | 用户体验、推荐、排障 |
| 视频平台（YouTube） | 1.0% | 23.0% | 教程、演示 |
| 社交平台（LinkedIn/X 等） | 2.0% | 9.0% | 从业者见解与讨论 |
| 科技媒体（TechRadar 等） | 7.7% | 0.5% | 编辑背书与横评 |
| 评测平台（G2、Capterra） | 6.4% | 2.8% | 评分与替代品发现 |
| 统计/研究站（Statista 等） | 5.5% | ≈0% | 事实支撑与市场数据 |
| 创作者平台（Medium/Substack） | 0.4% | 3.0% | 独立教程与评论 |
从上表能看出，ChatGPT 和 AI Mode 的外部引用差别很大：
- ChatGPT 倾向于同品类厂商站点（含竞品对比页与集成文档）、社区/论坛，以及科技媒体、评测平台
- AI Mode 倾向于 YouTube 视频、同品类厂商站点、社区/论坛
其中社区/论坛是两方都较高引用的来源，是要重点投入。而且在目标监控和汇报时，也需要按平台分开整理。
我的看法
ChatGPT 和 Gemini（包含 AI Mode、AI Overviews）是目前收益最大的两个 AI 搜索；从本章观点来看，两者优化策略有明显差异，要针对不同来源网站进行发布，比如 YouTube 会对 Gemini 更有帮助；Reddit 是两边都很看重的平台，需要长期维护。
结论 3：两个平台引用的页面和内容类型不同
ChatGPT 偏爱引用「我是谁」层（首页占其引用权重约 14%–17%），AI Mode 几乎不引用这层（仅 0.4%–4%），而是扎进 2–3 层深的「怎么做」页面。
| 自有页面类型 | ChatGPT | AI Mode |
|---|---|---|
| 公司首页 | 13.7%–16.9% | 0.4%–4.0% |
| 帮助/文档 | 19.7%–26.6% | 14.8%–17.1% |
| 指南/教程类内容 | 15.5%–24.9% | 25.0%–34.9% |
| 产品/解决方案页 | 8.3%–22.0% | 5.2%–18.3% |
| 模板、工具与参考 | 1.8%–12.9% | 2.7%–20.5% |
| 对比页与榜单 | 2.6%–5.2% | 7.2%–7.6% |
| 社区 | 0.2%–3.2% | 0.4%–14.5% |
有以下几个观点：
- 首页和产品页是 ChatGPT 最忠实的页面类型，需要及时更新，保持品牌和产品信息的准确性；
- 帮助文档是两个平台都引用较高的类型，也是很容易被遗忘的频道；
- 指南类内容是 AI Mode 的增长引擎，做好这类内容，容易获得更多引用；
我的看法
帮助、问答等页面还是很重要；如果要冲量，还是要搞指南、问答类主题。
结论 4：被引用的页面 ≠ 获得 AI 流量的页面
| 类目 | 主要被引页 | 主要 AI 流量落地页 | 落在未被引 URL 的流量占比 | ChatGPT 流量落在其被引页的比例 |
|---|---|---|---|---|
| CRM 与销售 | 产品、文档、支持、学院、对比 | 产品、定价、首页、App 入口、账户页 | 42.7% | 64.5% |
| 项目与协作 | 文档、模板、集成、工作流指南 | App、工作区、登录、OAuth/MCP 授权流 | 67.3% | 39.8% |
| 财务与会计 | 指南、对比、支持、计算器 | 产品页、计算器、支持、定价 | 22.4% | 76.6% |
这是反对"把引用当流量指标"的最强证据。引用表示"证据"，引荐代表"下一步行动"，产品越偏操作型，两者差距越大。因此，GEO 目标不光要包含引用，还要包含引荐流量。
结论 5：SaaS 没有通用的 GEO 打法：按品类核心任务定策略
AI 奖励"帮用户解决问题"的内容，所以用户问 AI 关于 CRM、协作工具、财务软件的问题时，背后想完成的事完全不同：
- CRM：用户在"选型"——我该不该买、买哪个、怎么落地。所以任务是"理解、对比、采用"。
- 协作工具：用户已经在用了，卡在"怎么把活干完"——Notion 怎么建数据库、Slack 怎么接工作流。任务是"完成工作流与集成"。
- 财务软件：用户怕出错——报税合不合规、这笔账怎么处理。任务是"降风险、做决策"。
因此，要先定位自己品类的方向，再决定内容形态和指标，并没有通用的 GEO 内容主题。
我的看法
可以根据用户旅程去挖掘用户不同阶段的需求，从而整理每个阶段的需求和搜索词。
原文链接：https://www.aleydasolis.com/en/ai-search/saas-ai-search-optimization/
【实战】AI 批量内容为什么崩盘：Google 的"爬取经济学"
Dan Taylor 在 SEJ 撰文解释了 AI 批量内容大面积失败的底层机制：不是 Google 讨厌 AI 内容，而是内容生产突然变便宜了，爬取、渲染、索引对 Google 依然昂贵。
Google 按三要素分配爬取资源：多少 URL 真正有用、真实需求、域名权重。一次性上线大量低质页面，需求和域名权威跟不上页面数量，Google 就会削减对你的爬取资源。
很多项目第一个月流量飙升，其实是内容新鲜度加成的临时幻觉，衰减路径是：
上线 → 新鲜度加成（高收录）→ 缺乏用户信号/外链 → 低于质量阈值 → 爬取限流 → 掉出索引
关键数据：URL 约 130–140 天（有时短至 75 天）未被重爬就有掉索引风险，AI 批量内容窗口更短。同时手动惩罚正在激增，重灾区是"根据关键词生成的批量页"和"无人工编辑的批量机翻多语言站"——这类惩罚意味着 Google 不再信任整站发布机制，极难恢复。
所以作者的行动建议：
- 行动前先算账：评估"真实需求 × 域名权威"是否撑得起规模，能生成 1 万页不代表该发 1 万页。
- 按频道监控爬取频率：某频道频率骤降是限流前兆，比收录数下跌早一个身位。
- 机翻多语言站必须加本地化编辑层：货币、文化、搜索意图，纯机翻是当前手动惩罚的明确靶子。
我的看法
作者从经济学角度找到了本质，不光适用于现在的 AI 批量内容，也适合之前的程序化内容；作者还提到了一个关键点，就是「抓取的变化要先于索引」，所以抓取 log 的分析很关键。
原文链接：https://www.searchenginejournal.com/scaled-ai-content-often-fails-googles-crawl-economics-explain-why/581325/
【实操】新一代 SEO 工具栈：旧工具 + AI + API + 脚本的混合工作流
Ludwig Makhyan 在 SEL 分享了 SEO 新的工作流，原有的工作流（排名监控、关键词挖掘、网站审查和分析）仍保持，新增 4 层：
- AI 模型层：ChatGPT 接 GSC 自动化分析；Claude 做文案、metadata、全量内容审计；Gemini 生成 schema 结构化数据、对比竞品。以前几小时/几天的数据分析压缩到几分钟——但保留人工把关，AI 是提效不是替代。
- API 层：告别"登录 GSC 手动导 CSV 进 Excel"。让 AI 帮你完成 GSC/GA 的 API 认证和 JSON 解析——这个技能门槛已经被 AI 消掉了。
- 轻量脚本层：用 Claude Code（或 ChatGPT/Gemini）写 Python 脚本——拉 GSC 头部页面、检查标题字数、标记 30 天变化、输出 CSV。一个百行脚本能替代大量手工活，不用额外购买工具，而且逻辑透明可复用。
- 数据笔记本层（Jupyter/Colab 类，非 NotebookLM）：告别"数据在 Google Sheets 一份、Notion 一份、下载文件夹一份"的状态——数据、处理代码、分析结果放在同一个文档里，随时能复跑。
混合工作流示例：Screaming Frog 爬站 → Python 脚本解析爬取文件并关联 GSC 数据 → 脚本标记"高展示低点击"页面 → 给 AI 按搜索意图评估标题 → 输出进数据笔记本/表格供编辑审核 → 审批结果转为变更日志
所以作者非常建议行动起来，比如用 Claude 跑通 GSC 的数据，自动拉取近 28 天数据，并分析 SEO 的问题和机会。
我的看法
非常推荐尝试下这些工作流，我上线的工具就是这种方式来实现的，确实效率提升很多！还有一点作者没提到，可以把相关 SOP 沉淀成 skill，这样可以持续迭代和复用。
原文链接：https://searchengineland.com/new-seo-stack-481277
最后
上周带孩子去内蒙古玩了一趟，去了沙漠和草原，还骑了马和骆驼，真的舒畅😊，最后附上一张在乌兰哈达火山的照片。
头图来自 Ins 上的 _yes_but 。
评论
暂无评论，来写第一条吧 👇
写下你的评论