Category: Uncategorized

via https://moz.com/blog/top-seo-tips-2026-whiteboard-friday 2026年你应该优先关注哪些SEO策略？奇玛·姆梅杰分享了在2026年保持SEO领先地位的六大技巧，包括如何针对代理型AI进行优化、构建实体集群以及追踪大语言模型指标以保持领先优势。 白板内容的数字化版本，概述了2026年SEO的六大技巧。点击上方白板图片可打开高清版本！ 嗨，我是奇玛。想必大家都认识我，所以自我介绍就到这里。 关于人工智能搜索、通用商务协议、商业智能体等等等等，大家已经听得太多了。但要分辨哪些可信，确实让人困惑。我在这里就是为了给大家带来真相。 这就是2026年你需要关注的重点，没有任何混淆视听的内容。我们开始吧。 嗨，我是奇玛。想必大家都认识我，所以自我介绍就到这里。 关于人工智能搜索、通用商务协议、商业智能体等等等等，大家已经听得太多了。但要分辨哪些可信，确实让人困惑。我在这里就是为了给大家带来真相。 这就是2026年你需要关注的重点，没有任何混淆视听的内容。我们开始吧。 1. 构建覆盖完整查询扇出的实体集群数字白板中 outlining “构建实体集群” 部分的放大图。第一，构建能够覆盖完整查询扇出的实体集群。链接仍然重要，但我们正逐渐向基于语言的模型演进。 这意味着，实体和语义关系比基于链接的关系更重要。所以，我们需要开始优先为实体进行优化，而非其他任何东西。这就是为什么你需要开始更多地考虑主题集群，而非关键词集群。 如果我说实话，这有点像SEO 101的基础课。但我的重点是，SEO仍然非常重要，我们正在回归基础。 主题聚类，就是你选择一个实体，为每个实体下的集群映射不同的用户意图，你主要关注的是认知类内容、比较类内容、评估类内容和决策类内容。 为目标受众旅程的每个阶段提供恰当的内容使用关键词探索工具…

原文地址：https://moz.com/blog/ai-mode-features-and-ranking-whiteboard-friday 通过STAT深度分析谷歌AI模式的早期数据。这项针对4万个关键词的研究揭示，AI模式与传统自然搜索排名的重叠率仅有12%，并深入探讨了其冗长且文本密集的特性如何重塑当前搜索格局。 数据集今天我将与大家分享一些不同的数据点，这些数据基于STAT中追踪的4万个关键词，这些关键词同时在AI模式和常规自然搜索中进行了对比分析。 具体来说，这是桌面端和智能手机端的1万个MozCast关键词，分别来自两个郊区位置，一个在美国，一个在英国。所以合计起来，总共是4万个关键词。 大规模追踪你的搜索表现无论你是在管理多个网站还是数百万个页面 AI模式与自然搜索结果的重叠情况首先，我想谈谈AI模式与自然搜索结果的重叠情况，我认为这相当有趣。 我将在下方链接一些资源。但AI模式的工作方式是进行这种所谓的”扇出式”查询，这是谷歌的说法，然后基本上会搜索一些相关的搜索词，并将这些结果整合回来。 白板上放大的部分展示了AI模式与自然搜索结果之间重叠情况的统计数据。这里比较的是AI模式中引用的前10个网址，与同等谷歌搜索中排名前十的常规自然搜索结果。顺便说一下，我不认为人们会在AI模式中输入与常规谷歌搜索完全相同的查询。我这样做只是为了进行比较。我建议，在你自己的追踪中，使用稍有不同的查询。 但作为一个参考点，在AI概览中，我们看到AI概览中精选的网址与下方直接显示的前十个自然搜索结果之间有88%的重叠率。 所以这个重叠率相当高，非常接近。但在AI模式中，这个比率就低得多。我们看到，常规自然搜索中排名前十的网址与AI模式排名中引用的前十网址之间，仅有12%的重叠率。这个比率非常低，但这也在我们预料之中。这正体现了AI模式的工作方式，即扩展到更广泛的查询和主题集，而不仅仅是针对你输入的确切词条进行搜索。 如果我们把这个范围扩大到网站级别，数据显然会稍微高一些。所以，当我们比较网站的重叠率，而不仅仅是具体网址的重叠率时，数值会略有上升，但并没有大幅提高。这很可能意味着，由于搜索词条已经大不相同，我们看到的是完全不同的网站在进行排名。 我想分享的另一个数据点是，在常规自然搜索中，AI模式所引用网址的平均排名大约是4.5。这里比较的同样是前十名。显然，如果纯粹随机，我预期平均排名会是5.5左右。 这表明AI模式倾向于挑选排名略高的网址，但它们并不一定出现在前十名中。它从更广泛的查询集合中选取排名稍高的网址，而不是例如仅仅从一个查询中提取完整的前十名。 所以，这可能更具”惩罚性”。如果你为那些”扇出”查询所做的优化排在搜索结果的后半部分，那么这种情况带来的影响，比你在传统搜索中排在后半部分要严重得多。 SERP特征与AI模式接下来我想谈谈SERP特征的概念。显然，我们都熟悉常规自然搜索中的SERP特征。如果我跟你提到像图片、本地包、视频结果、精选摘要、当然还有AI概览本身这些元素，你肯定对这些SERP特征非常了解。 但你可以把AI模式看作一个几乎是纯粹由SERP特征构成的页面。它包含了许多相似甚至完全相同的特征，我们也在对这些特征进行分析。 那么，我们来谈谈AI模式与标准SERP之间的一些对应元素，并比较它们在相同搜索词下的出现频率。首先，段落文本，它是AI模式结果中迄今为止最常见的结果类型、特征类型或内容块。AI模式生成的结果通常相当详尽。我想，它在自然搜索中的对应物大概就是AI概览了，同样是那种由AI生成的散文式文本块。 然而，在常规的自然搜索结果中，这些MozCast关键词里只有大约四分之一是带有一定商业性质的，也只有这大约四分之一的关键词页面出现了AI概览。但在AI模式中，99.5%的结果都包含一个段落文本。而且通常来说，实际上，虽然我这里没有在屏幕上显示，但在更深层的数据中你会发现，这段文本往往也是第一个出现的结果。 与自然搜索结果相对应的另一种元素是卡片。这是我们自己的叫法，并非谷歌的官方术语。据我们所知，谷歌并没有为AI模式中这些不同的内容块类型指定正式名称。所以我们暂且称它为”卡片”。在AI模式中，卡片是最像常规自然搜索结果的东西，我将在下方附上一些图片示例。 但在AI模式的结果中，大约有62%到63%会展示一张卡片。所以，有一部分结果在呈现方式上更鼓励点击，它们看起来更像传统的自然搜索结果，而不是单纯的引用。显然，这与100%的常规SERP都包含自然搜索结果形成了对比。…

原文地址：https://moz.com/blog/ai-mode-citations 谷歌的AI模式正在引入新的搜索结果组合方式。虽然传统排名仍然重要，但它已不再是获得自然可见度的唯一途径。 本报告分析了近4万个搜索查询，揭示了AI模式引用中最大的受益者，以及其与传统搜索引擎结果页面（SERP）的重叠频率。 主要发现88%的AI模式引用并未出现在完全匹配查询的自然搜索结果页面中YouTube是AI模式中第二常被引用的外部来源10%的引用来自前四大外部来源96%的回复包含至少一个引用，多数回复引用了10个或更多不同的网址。研究方法为了理解AI模式如何生成结果和选择引用，我们分析了一个结构化的数据集，该数据集包含了美国及英国地区近4万个桌面端和移动端的查询。 每个AI模式查询最多返回38条结果，包含类型（段落、列表等）、特征（引用、答案等）、位置和布局结构的数据。 我们还提取了这些关键词对应的传统搜索结果页面（SERP），用以衡量其与AI模式引用的重叠情况。 88%的AI模式引用并未出现在完全匹配查询的自然搜索结果页面中AI模式引用与同一查询的谷歌前10名结果之间的重叠度并不高——考虑到其“扇出”式的方法论，这也正如我们的预期。 在这项研究中，我们考察了两种类型的重叠： 严格网址匹配：完全相同的页面同时出现在AI模式引用和谷歌SERP中网站级匹配：相同的域名出现，即使指向的是不同的页面 在谷歌排名前十的自然搜索结果中，只有十分之一的网址与AI模式引用的网址完全匹配。即便放宽到网站级别进行比较，也只有五分之一的引用来自于该查询排名前十的网站。当重叠发生时，其往往集中在排名靠前的位置，但即便如此，也远非必然。 正如汤姆·卡珀所解释的那样： “AI模式正在将范围扩展到更广泛的查询和主题，而不仅仅是你输入的那个确切的查询……它会进行这种‘扇出’式的查询，然后汇总结果。” 简单来说，AI模式会在后台运行多个相关的搜索（例如，不同变体、子主题、邻近意图）。然后，它会汇总来自这些相关查询的引用，而不仅仅是原始查询排名靠前的结果。 这对AI SEO策略的启示低重叠率反映了AI模式的设计初衷虽然严格的网址匹配重叠率只有12%，但这并非缺陷。相反，它证明了AI模式正在： 从更广泛的知识库中汲取信息倾向于采纳跨相关主题的权威来源呈现能提供完整上下文的资源在自然搜索中排名前十确实有所帮助，但需要覆盖广泛的关键词才能保证获得引用在这个数据集中，更高的谷歌排名明显增加了被AI模式引用的几率，但即便是排名第一的结果，也只有部分时间会被引用。 对于大多数查询而言，虽然AI模式与自然搜索结果之间存在一些共同的来源，但引用列表总体上比传统搜索结果页面（SERP）更为广泛，因为AI模式使用了更宽泛的查询集合。 10%的引用来自前四大网站大多数AI模式的回答都从一小部分高度可信的网站中提取内容，这可能是由于这些网站在“扇出”查询的少数几个自然搜索结果中占据了突出位置。 在下表中，我们分析了： 出现在回答中的占比：一个域名在AI模式回答中至少出现一次的频率占总引用的比例：该域名在所有回答的总引用量中所占的份额…

原文地址：https://ahrefs.com/blog/chatgpt-visibility-tracking/ 人们使用ChatGPT进行研究、构建工具，甚至——没错——进行购买。 但许多品牌对ChatGPT内发生的事情一无所知。它们出现在成千上万的回复中，却不知道哪些查询提到了它们，说了些什么，也不知道自己与竞争对手相比如何。 你可以构建一些基础的随性编码工具来监控你的ChatGPT可见度，但追踪少量提示词就像偶尔看看窗外就想预测天气一样不靠谱。 现实是，AI提示词、回复和引文在不断变化。如果你想看到真实的趋势，需要数千个数据点才能穿透这种波动性。 现在有一个简单的解决方法。你可以在Ahrefs品牌雷达数据库中，通过1350万个现有提示词来追踪你的ChatGPT可见度，甚至可以设置自己的自定义查询来监控最重要的事项。 以下是使用品牌雷达测量、监控和提升你的AI可见度的七个步骤。 1. 将你的ChatGPT可见度与竞争对手进行对标 品牌雷达允许你最多追踪十个竞争对手，与你自己的品牌一同对比，从而精确了解你在ChatGPT回复中的表现。 只需手动输入你的竞争对手，或者点击”建议更多”以获取AI的推荐。 Ahrefs品牌雷达仪表板截图，显示竞争对手对比表格，包含AI工具的指标，如提及量、引文和平台可见度数据。如果你想在后续追踪竞争对手的页面在ChatGPT中的可见度和引文情况，务必在设置阶段就添加他们的域名或URL。 Ahrefs品牌雷达的编辑实体对话框，显示名称变体字段（包含”SE Ranking”）和URL字段（包含”seranking.com“）以及域名范围下拉菜单。为了细化分析，你还可以包含名称变体——当竞争对手的品牌名称恰好也是一个常用词时，这一点尤其有用。 设置完成后，你将看到每个品牌并排的指标对比，包括： 基于此，你可以在整个品牌雷达数据库中进行竞争对手分析，或者按市场或细分领域缩小关注范围。 例如，对于Ahrefs，我们可能会重点关注”外链构建”这个主题，因为它是我们的核心主题之一，并且深度嵌入在我们的产品中。 Ahrefs品牌雷达概览仪表板，比较Ahrefs与竞争对手，显示AI声量占比（28.4%）、搜索需求（55.8K）和网络可见度（230万次提及）等指标。表格显示了各平台的提及次数。e 2. 了解你在对话中出现的百分比…

原文地址：https://searchengineland.com/ai-search-kpis-inclusion-469338 AI用户平均每条回复会考虑3.7个商家，其中60%的用户无需点击即可做出决定。这对你的AI可见性策略意味着什么。 我们需要谈谈关键绩效指标和AI搜索。 我观察到许多SEO专业人士在领英和会议上谈论”在ChatGPT上排名第一”，仿佛这就等同于在谷歌上排名第一： 在谷歌上成为第一个结果通常是张”黄金门票”。从第2名升到第1名，往往能带来100%到300%的流量和转化率增长。 但这几乎肯定不适用于AI回复——即使它们不是一直在变化。 我们团队的研究显示，AI用户在决定联系谁之前，平均会考虑3.7个商家。在ChatGPT的推荐列表中成为第一个结果，并不像在谷歌搜索中那样是张”黄金门票”。 既然如此，AI搜索的重点实际上应该放在”被纳入考虑集”上——不一定是”在该集中被首先提及”——以及精心塑造AI对我们的描述上。 AI平台上的用户行为与谷歌搜索不同 在过去的几个月里，我的团队花了100多个小时观察人们使用ChatGPT和谷歌的AI模式来寻找服务。 在最初几十次观察中，有一点变得清晰起来：AI平台上的用户行为与谷歌搜索不同，这种差异远不止于使用”自然语言”进行对话与执行关键词搜索。顺便说一句，这一点常被夸大。在我们观察的会话中，大约75%仍然包含”关键词搜索”。 一个关键区别在于：用户在AI回复中考虑的商家数量比在自然搜索中更多。这很合理——在一个聊天窗口里比较多个选项，远比点击三到五个搜索结果并访问每个网站要容易得多。 深入了解：从搜索到委托：适应AI优先的搜索行为 AI用户不会停留在第一个结果 无论是在谷歌AI模式还是ChatGPT中，用户平均会从结果中考虑3.7个商家。 这对排名第一的结果以及排名第四的结果都有重要影响。当用户在75%的会话中也会考虑排名第2到第8的商家时，出现在第一位的价值急剧下降，而出现在较后位置的价值则上升了。 推动转化的关键因素并非你在列表中的位置。 为什么在LLM中排名较低的商家最终能进入考虑集？ 首先，这些并非”排名”。它们是一个推荐列表，鉴于AI的概率性本质，这个列表很可能会被重新排序，从列表格式重新格式化为表格，或者完全改变。 撇开这点不谈，AI聊天使得扫描和考虑比谷歌搜索更多的选项变得容易得多。…

via https://searchengineland.com/chatgpt-citations-content-study-469483 新研究发现，ChatGPT在选取引用内容时，高度偏好文章开头部分，青睐直接的定义、平衡的语气和密集的实体信息。 增长顾问Kevin Indig通过分析120万条AI回答和18,012个经过验证的引用来源得出上述结论。 为何值得关注。 传统搜索奖励的是深度内容和后置呈现的信息。而AI偏好即时分类——清晰的实体和靠前的直接答案。如果你的核心内容没有在早期呈现，它出现在AI回答中的可能性就会降低。 数据概览。 Indig的团队发现了一个一致的”滑雪跳台”式引用模式，该模式在随机验证批次中均得到印证。他认为这些结果在统计上无可争议： 在段落层面，AI的读取更为深入： 核心结论。 在文章层面，要将关键见解前置。在段落内部，优先考虑清晰度和信息密度，而非刻意雕琢首句。 原因分析。 大语言模型通常基于遵循”结论先行”结构的新闻和学术写作进行训练。模型似乎更重视早期的框架性内容，然后通过这个框架来解读其余部分。现代模型虽然能够处理海量词元窗口，但它们会优先考虑效率并快速建立上下文。 什么内容容易被引用。 Indig归纳了高引用率内容的五个特征： 关于数据。 Indig分析了300万条ChatGPT回复和3000万个引用来源，从中筛选出18,012个经过验证的引用，以探究AI提取内容的位置和原因。他的团队使用句子转换器嵌入将回复与特定的源句子进行匹配，然后测量其在页面的位置以及定义特征、实体密度、情感倾向等语言特征。 总结。 叙事性的”终极指南”式写作在AI检索中可能表现不佳。结构化的、简报式的写作风格效果更好。 Indig认为，这带来了一种”清晰度成本”。创作者必须将定义、实体和结论前置，而不是留到文末。

原文地址：https://www.womenintechseo.com/knowledge/how-ai-chooses-content 内容要在AI搜索中生存需要什么条件？大语言模型并不对页面进行排名然后等待点击。它们整合答案。它们会检索大量的内容池，丢弃其中的大部分，只选择少数它有信心用来构建回答的来源。 要想获得可见性，你的内容需要在这个流程中生存下来。这就是SRO发挥作用的地方。 什么是甄选率优化？没错，又一个新缩写词出现了。甄选率优化是一种旨在提高AI系统在构建答案时选择你内容的可能性的实践。 SRO在三个层面运作： SRO在你完成基础的SEO工作后介入，并聚焦于检索之后发生的事情——也就是模型决定哪些内容能够幸存下来的时候。 大语言模型如何决定引用什么大语言模型是如何整合答案的？从高层面看，流程如下： 好了，现在来说说关键部分。我们能做些什么来优化以提升被选中的几率呢？ 数据密度胜过内容长度来自Search Atlas的大规模分析，涵盖了超过550万条AI回复，显示单纯的字数与引用行为几乎没有相关性。长页面并非因为其长而被偏爱。它们被偏爱是因为包含了更多可提取的事实。 换句话说，密度胜过长度。 这里有一些关于如何充实你内容的思路： 本质上，如果你想被引用，就要给模型提供一些可以”加工”的东西。 结构赢得先机结构化是通往被选中的捷径。在AI搜索中，你内容的格式直接影响它是否会被呈现。来自Writesonic和Airop的研究表明，基于列表的内容占据了近30%的AI引用，而带有表格的页面获得的引用显著多于没有表格的页面。 清晰的层级、可预测的布局和明显的分区能减少歧义。歧义越少意味着风险越低。风险越低意味着被选中的可能性越高。 信息熵是信任杀手信息熵源于混乱的信号。当你的服务范围、业务范畴或用语发生变化时，模型的置信度就会下降。Yadav等人的一项研究表明，如果AI对你品牌的理解”摇摆不定”，模型可能会忽略你，或将你排除在最终答案之外，因为它对你的相关性不那么”确定”。 独立的段落让其更易被采用是的，这里包括了大家都在谈论的那个令人”生畏”的分块概念。大语言模型不像搜索引擎那样评估页面。这就是为什么信息密度，而非长度，才能真正提高你内容在被选中环节幸存下来的几率。一份DEJAN的报告强化了这一转变：模型在段落层面运作，从被排名的来源中提取简短的片段（通常约15个词），而不是整个页面。只有大约13%的长文页面被真正使用。 要提高被选中率： 这就是人们谈论”分块”时通常所指的意思。一个优质的信息块（段落）就是那种可以单独安全引用的段落。 阐明你的身份，不要耍花招大语言模型不是品牌战略家，它们是模式匹配器。当你的信号不一致时，它们会感到不安。当同一家公司以略有不同的名称、缩写和格式出现时，模型会将其视为不确定性，而不确定性就意味着事实性风险。…

via https://graphite.io/five-percent/debunking-the-myth-that-seo-traffic-has-dramatically-declined 当ChatGPT于2022年11月推出时，它引发了人工智能、搜索和营销领域的巨变。仅仅两个月后，ChatGPT就成为史上增长最快的消费者应用。截至2025年10月，ChatGPT每周活跃用户超过8亿，每日提示词请求量达到25亿次（数据来源），现在许多人使用ChatGPT进行搜索和发现。 这就引出了一个问题：SEO已死吗？ 简短的回答是：没有。我认为，”SEO已死”的说法是基于一系列由推测、夸大、有缺陷的分析和虚假信息驱动的迷思。 迷思在这项研究中，我旨在揭穿关于SEO流量已大幅下降（超过25%）的迷思，包括以下说法： 真相Graphite公司与Similarweb合作，分析了美国超过4万个最大的网站，以评估自然搜索流量的趋势。我们提供了大量证据，证明所谓SEO流量已急剧下降的流行说法是错误的。 搜索引擎流量略有下降迷思： 从谷歌到网站的自然流量急剧下降（在-25%到-60%之间）。 真相： 从谷歌到网站的自然流量略有下降（同比下降-2.5%）。 数据： 来自所有搜索引擎的美国月度访问量。我们查看了规模最大的4万个网站，使用Similarweb的访问数据比较了2024年2月至12月与2025年1月至11月的情况。 这与谷歌在2025年8月的声明一致：”总体而言，来自谷歌搜索的网站自然点击总量逐年保持相对稳定。”（数据来源） SEO流量略有下降（-2.5%） 数据来源 网站规模不同，SEO流量变化各异我们比较了前4万个网站按规模划分的流量变化。前10大网站和许多较小的网站流量均有增长。流量的下降主要集中在中间层级的网站，即按规模排名的前100至前10,000名的网站。 数据来源 前10大网站流量实际上升（+1.6%） 中间层级的网站下降幅度最大 部分类别流量下降，但也有类别实现增长新闻、健康、烹饪和娱乐类别的流量下降幅度最大，均减少了超过10%。然而，所有其他类别的下降幅度较小。服装、购物和线上市场类别均实现增长。 研究方法 如果SEO流量确实仅下降了2.5%，那为什么许多其他研究显示下降幅度要大得多，达到25%，高估了1000%？答案在于存在缺陷的研究方法，例如调查问卷以及小型、有偏见的样本（少于20个）。…

原文地址：https://jurisdigital.com/research/click-study-ai-vs-traditional-organic/ 以下是我们的研究要点摘要： 传统自然搜索结果仍获得主流点击量。即使排在AI概览下方，传统自然结果依然略占多数点击（51%）。45%的用户会优先点击AI功能。这些点击相对均匀地分布在”查看更多”按钮（19%）、AI引用（15%）以及AI概览中的提及内容（11%）上。 赛勒斯·谢泼德最近在他的推特粉丝中发起了一项投票： 赛勒斯关于排名位置的提问 他的粉丝（大多是SEO专业人士）以压倒性多数选择了选项1：传统的自然排名第1位： 赛勒斯关于排名位置的投票结果 这里显而易见的后续问题是：这种观点正确吗？传统的自然排名第1位是否仍然是最有价值的流量位置？ 为此，我们调查了140个人来回答这个问题： 你正在谷歌上搜索一位律师。你最可能先点击哪里？ 我们向他们展示了这个关于关键词”芝加哥最好的酒驾律师”的谷歌搜索结果页截图。我们询问他们会先点击哪里，并解释他们的选择： 图示：我们展示给受访者的截图。 调查结果点击量分布 来源 点击量 占总点击比例 传统自然搜索结果 71 50.71% AI…

via https://www.chris-green.net/post/diving-into-chatgpt-5-s-web-search-function ChatGPT 5现已发布，Profound团队的Josh迅速跟进，帮助深入解析该搜索服务的运作机制。 看到Charlie分享了GPT5的潜在系统提示（我说“潜在”，是因为仍不确定能否获得极其精准的信息），我决定仔细研究对话事件流中的情况——它与ChatGPT 4.1有何不同？这对我们的工作方式会产生影响吗？ 关键问题/观察 目前尚处早期阶段，仍需大量研究，但初步发现如下： 若想真正理解我们需要在哪些搜索引擎中保持可见性，针对SonicBerry内部搜索服务引文来源的研究比以往更为重要。 SonicBerry是单纯聚合结果，还是在提交给GPT5前会对结果重新排序？若存在重排序机制，采用哪些信号指标？这点至关重要。 初步测试中尚未发现扇出（fan-out）案例，但这不表示该现象不存在或不可见。 针对以下场景的分类器将极大帮助我们理解搜索实现方式（查询次数、分层搜索等）：a) 何时需要搜索b) 搜索复杂度层级开展大规模研究并追踪随时间推移的变化，这对AI搜索领域极具实践意义。 SonicBerry付费版与免费版在使用时是否存在质量或完整性的差异？抑或仅用于追踪目的？这种差异源于供应商接入方式（如Google/Bing API配额）还是索引更新频率？免费用户是否会因调用低级别API而获取陈旧结果？ 若对搜索结果进行更多聚类清洗（配备备用方案），可能会提升引文准确率并减少错误链接。是否存在更完善的防护机制来规避“危险”或“法律敏感”内容被呈现？或许这些措施正在协同发挥作用。 何时/为何需要启用备用方案？触发因素及其影响是什么？ 搜索功能在多大程度上依赖元数据而非直接抓取页面内容？推测精准的元数据依然关键，且无需JavaScript即可抓取内容的能力仍然重要，但这需要进一步验证。 搜索功能实际被调用的频率如何？…