🔥AI Mode和AI Overview的时代怎么做SEO?🖖 最近大家应该都感受到了AI OVERVIEW截流的效果:网站曝光和点击持续下跌。 截止2025年10月份,AI Overview已经覆盖了几乎所有的信息类的关键词(How To / What is 等等),接近60%的谷歌搜索都被AI Overview覆盖了,这个数字在今年3月份还不到30%。而更加颠覆传统搜索体验的AI Mode也悄悄来了,越来越多的国家已经可以使用。 这给传统的Organic蓝链接留下的空间越来越小,大量的关键词变成了“0点击”关键词。 那我们广大的靠排名拿流量的普通民众是不是就嗝屁了呢?SEO是不是又死了呢?答案肯定是否定的。今天我就给大家分享一些我在过去几个月里还能拿到不错的流量表现的方法: 1⃣ 常规的SEO方法仍然有效 不管有没有谷歌的AI Overview,如果你的结果能够排到比较靠前,那么都能够比排在后面的结果拿到更多的流量。那些网上到处说的SEO已死都是吓唬人的,千万不要信。 想要拿到好的排名,你最起码的基础SEO优化,一定还是要做到位。比如说做好Technical SEO的优化,确保你的网站能够被谷歌读取正常的渲染,获取你站点里面的信息成本不会太高,加载的速度不要太慢。页面的结构、页面之间的关系、整个网站的路径规划是否合理、当前页面的相关性是否足够高?这些都是老生常谈,但是你仍然还是要做好。不然,永远不会有好的流量和排名。 2⃣ 用更加简洁、结构清晰、易懂的主谓宾结构去准确地描述要表达的意思。尽量采用更简单的语句结构,用Semantic Triple的方式表达出来。这样能够更容易让各大语言模型以较低成本理解你页面的内容。 3⃣ 以主题而不是关键词为单位去覆盖内容。尽可能够深够广地去更加详细地去把当前所谈到的这个主题去覆盖清楚这样更容易在Query Fan-Out的时候,拿到更多的曝光机会 4⃣ 从用户的角度去深刻地理解他们的诉求和潜在的问题,并且把他们可能会问的问题放在FAQ这样的地方。你甚至可以把整个页面内容的 headings 变成用户可能会提问的问题,这样的结构更容易拿到曝光。 5⃣ 侧重在第三方平台去建设品牌权重,多腾出来一些预算和资源,放在高权重网站上去做外链建设,或者寻找寄生SEO的机会。尽可能在更多的网站上把自己的品牌做出去,不要忽略了其他的社媒平台,包括Reddit、Quora、TikTok、YouTube、Instagram、Pinterest上面的Brand Mention。 6⃣ 把核心资源全部放在Commercial和Transactional Intent的词组和主题上,不要在信息类的关键词和话题上耗费太大的精力。 7⃣ 适当的在页面上添加所需要的schema data :这点的话,一般有资源在做。如果没有资源的话,不需要花太多的精力在这个事情上面。目前并没有特别明确的结论说,页面包含了schema data就会比没有包含的schema data能够排得更高。但是一般我都会放进去,主要的目的是为了能够在谷歌的SERP页面增加一些能够提高点击率的这种snippet的机会。
Yangyi
2天前
Lenny访谈了前谷歌、Spotify产品总监Nasin Shenal,聊到打磨产品细节与核心功能往往无法同时兼顾时,Nasin Shenal提到了应该去真正塑造产品愉悦感而非华而不实的五彩纸屑 什么是愉悦感? 很多人提到“愉悦感”,想到的就是那些华而不实的动画特效。比如,摇一摇手机,屏幕上飘下雪花。这些其实是为“五彩纸屑 (Confetti)”。而不是所谓的“愉悦感”。 真正的“愉悦感”,是一种同时满足用户“功能需求”和“情感需求”的能力。 最好的产品,能与用户建立深刻的情感连接。这,才是“愉悦感”的本质。 以 Spotify 为例。市面上有大量的音乐流媒体App,但为什么用户对Spotify如此忠诚? 因为像年度总结、心情推荐、每周发现这些功能,让用户感觉自己被看见、被倾听、甚至被连接。 所以,请明确一点:在今天这个市场极度拥挤的时代,“愉悦感”不是奢侈品,它是一个强大的差异化战略。 它可以直接带来更高的忠诚度、更好的口碑、更快的增长,甚至是更高的收入。 三个塑造愉悦感的有效方式: 方式一:消除摩擦 在用户体验中,总有一些时刻,用户的情绪会跌入谷底,充满焦虑和压力。你的任务,就是找到这些“情绪低谷”,然后用一个极其顺滑的解决方案,把他们拉上来。 Uber的退款案例: “我最近在巴黎打Uber去赶火车,结果司机无缘无故取消了订单,我急得要死。最后我被错误地扣了款,我正准备写一篇千字小作文去申诉。结果,我打开App,发现只需要点击两次,退款就到账了。在那个瞬间,我本应极度愤怒的情绪,被这个解决方案瞬间抚平。这种体验,就是一种深刻的‘愉悦感’。” 让一件你预期会非常困难的事,变得出奇地简单——比如取消订阅、申请退款——这就是“消除摩擦”的力量。 方式二:预判需求 如果你总是等用户告诉你他们需要什么,那你只是在“满足”需求,而不是在创造“惊喜”。 你需要把标准定得比用户自己还高。 Revolut的eSIM卡案例: “我和家人去新加坡旅行,落地后才发现手机漫游费高得离谱。正当我丈夫焦头烂額时,他打开了他的银行App——Revolute,在一个标签页里,花7欧元,直接买好了eSIM卡。我当时就震惊了,一家银行App,为什么会内置一个卖eSIM卡的功能?后来才想明白,因为Revolut的用户大多是国际人士或外派人员,他们经常旅行。Revolut预判到了他们在海外的这个痛点,并提前给出了一个完美的解决方案。” 在用户开口之前,就给他们想要的东西,这就是“预判需求”的魔力。 方法三:超越预期 在你预判了需求之后,更进一步,就是给他们比他们想要的还多的东西。 微软Edge浏览器的优惠券案例: 我丈夫在用Edge浏览器买一台咖啡机,当他正要付款120欧元时,Edge突然弹出一个提示,自动为他找到了一个15%的折扣券。我根本就没想过去找优惠券,我已经准备好付全款了。这个功能,就完美地‘超越了预期’。 Dropbox有一个产品原则叫“纸杯蛋糕 (Cupcake)”。 Snowflake 有一个概念叫“超级英雄 (Superhero)”。 名字不同,但本质都是一样的:为客户带来喜悦。 当我们在开发Google Meet时,我们不拿自己和Zoom或Teams比较,我们拿自己和“一次真实的线下会议”比较。在这种层面上对比,更容易寻找到超出预期的愉悦感。 建立愉悦感文化 - 从“动机”出发,重新理解你的用户: 除了“功能动机”(他们想用产品做什么),更要深挖“情感动机”(他们想感觉到什么?是安全感、归属感,还是成为更好的自己?)。 - 用“50-40-10”法则来规划你的路线图: 50% 的精力,用于“低愉悦”(纯功能性需求)。 40% 的精力,用于“深层愉悦”(功能与情感的完美结合)。 10% 的精力,用于“表层愉悦”(那些有趣的“五彩纸屑”)。 - 建立“愉悦感”文化: 在Google,我们甚至有专门的“愉悦感PM”和团队。在Spotify,我们有定期的“Hack Days”,鼓励团队去探索那些能带来惊喜的功能。
软件开发里有一种叫 TDD(Test-Driven Development)的方式,简单讲,就是先写好测试用例,然后再写程序。每写一部分代码就立刻跑对应的测试,看能不能通过。能通过说明实现符合预期,不通过就说明有 bug。TDD 的好处在于,它让整个研发过程可验证、可回归,也让开发变成一种持续的反馈循环。 AI 的发展其实也像是在做一场巨大的 TDD,只不过测试用例变成了数据集(Dataset)。每一次模型迭代,本质上就是在跑新的单测(Benchmark)。MMLU 测知识广度,GSM8K 测逻辑推理,HumanEval 测编程能力,AIME 和 MATH 则测严谨的数学推理。每个 leaderboard 都是一张 AI 世界的成绩单——DeepSeek 在数学推理上用 GSM8K 打出好成绩,Manus 则靠打榜多模态任务的数据集 GAIA 崭露头角。这些 Benchmark 像是模型进化的里程碑,每一代 AI 都得交卷。 2025 可以说是智能体(Agent)元年,模型不再只靠会算、会说来评估,而是要能动手。要让一个 Agent 真正好用,光靠写 Prompt、加检索、拼上下文是不够的,它得能使用工具,能执行 Python、Shell、SQL,能感知状态、理解任务依赖,更要能在反馈中调整自己的行为。评估 Agent 好不好用,也就不能只看单轮问答,而得看它能否完成一件真实的工作。 Anthropic 做的 SWE-bench 就是个典型例子,让 Agent 去修真实项目里的 Bug,看能否通过单测。OpenAI 的 MLE-bench 则更进一步,考察 Agent 在机器学习工程中的执行力,从读数据、清洗、编程、训练,到收集指标、分析再改进,形成一个完整的闭环。社区里还在探索更复杂的测试,比如 App-bench,看 Agent 是否能独立开发一个 Web 应用,从前端到后端再到部署上线;或者 Ops-bench,让它去处理运维任务,比如容器编排、日志分析、系统回滚。这些都在考验 Agent 的真实工程执行力。 AI 的进步,正在从“能思考”走向“能执行”。TDD 让软件工程可验证,而在 AI 世界,Dataset 和 Benchmark 是创新的发动机。Dataset 定义了模型学习的方向,Benchmark 则刻画了行业标准与竞争格局。 未来的竞争,不再是谁的模型更聪明,而是谁的智能体更能干活。真正厉害的 AI,不一定语义最深、参数最多,而是那个能自己规划、自己验证、自己改进的 Agent。换句话说,AI 的未来不只是更聪明的脑子,而是更靠谱的手和脚,能想、能做、还能自己查错修正,这才是“用得上”的智能。