Category: Uncategorized

原文地址：https://www.searchenginejournal.com/things-executives-and-seos-need-to-focus-on-in-2026/562753/ 2026年高管与SEO专家必须关注的14个重点 2025年，太多人还在争论SEO是否将死。它从未消亡，只是在向新层级演进。信息发现正持续从搜索框转向AI系统。如今答案来源于那些能够重写内容、总结竞争对手、融合多源信息，并在浏览器窗口加载前就影响决策的模型。到2026年，这一转变将清晰到让高管和SEO专家无法再视其为边缘现象——流量来源占比将发生根本性迁移。支撑过去二十年的传统搜索架构，如今只是影响用户决策的多个层级之一。（我在新书《机器层级》中对此有完整阐述。） 这之所以关键，是因为2026年的赢家将是那些把AI系统视为新分发渠道的企业，而落后者则还在等待数据分析面板给出滞后答案。你不再只为单一入口优化，而要为众多入口同时优化——每个入口都由决定展示内容、受众选择和品牌描述的模型驱动。 以下是定义2026年竞争优势的14个趋势，每个都已在实际数据中显现。它们共同指向这样一个未来：信息发现将更无处不在、更对话化，且更取决于机器对内容的解析与信任程度。清单最后还有一个重磅预测，我打赌你绝对没想到！说实在的，或许有人猜到方向，但能意识到它如此迫近吗？ 请备好咖啡或茶，找个舒服的位置，我们开始吧！ （图片来源：Duane Forrester） 1. AI答案界面成为新门户ChatGPT、Claude、Gemini、Meta AI、Perplexity、CoPilot和Apple Intelligence现已横亘在用户与你的网站之间。越来越多用户在这些系统中提问后才进行传统搜索，而它们给出的答案却相互矛盾。BrightEdge分析显示，AI引擎间的答案不一致率高达62%。当引擎分歧如此显著时，品牌可见性将变得不稳定。高管需要能追踪品牌在这些系统中出现频次的报告，SEO专家则需建立评估多答案引擎内容块检索、嵌入强度与引用呈现的工作流程。 2. 内容需为机器检索而设计微软2025年Copilot研究分析了超20万个工作会话，发现AI辅助的核心任务集中在信息收集、解释与重写。这正是现代内容必须支撑的关键场景。AI模型偏爱结构清晰、模式统一、易于嵌入的内容。如果你的内容缺乏明确分段、连贯模式或明确定义，模型将更难采用——这将直接影响你在答案中的呈现。2026年，内容排版选择将成为机器的排名信号。 3. 设备端大语言模型改变搜索行为Apple Intelligence在本地处理多类任务，并以更自然的对话模式重写查询。这将推动搜索行为从浏览器转向操作系统深处。用户会向设备提出简短私密的问题（这些查询永不触达网络），在系统内进行追问，甚至不访问任何网页就做出决策。流量结构和搜索模式都将因此改变，SEO需要为此设计适合轻量化设备端检索的内容。 4. 可穿戴设备重塑发现路径Meta Ray-Bans已支持视觉搜索：用户指向物体即可提问。语音与摄像头正取代打字，催生出更多与现实场景关联的微查询——“这是什么？”“这怎么用？”“怎么修理？”可穿戴设备极大缩短了从触发到搜索的距离。高管应投资提升图像质量、产品清晰度与结构化元数据，SEO则需将视觉搜索信号视为核心优化要素。…

原文地址：https://moz.com/blog/seo-strategy-with-product-mindset-whiteboard-friday 受困于那些悬而未决的技术SEO问题？在本期《白板星期五》中，SEO产品经理格斯·佩罗加将阐释如何运用“产品思维”弥合SEO团队与开发团队之间的鸿沟。您将了解如何利用冲刺规划与需求发现会，将零散任务整合为系统项目，并通过构建最小可行产品（MVP）验证价值，从而推动需求优先落地。 数字化白板示意图：运用产品思维优化SEO的协作要点 点击上方白板图片查看高清大图！ 大家好，我是SEO产品经理格斯·佩罗加。今天我将分享如何通过培养产品思维来提升SEO成效。 借助敏捷协作仪式，优化沟通效能。 如今作为SEO专员，我身处产品团队之中——这意味着我随时能与用户体验设计师和工程师协同工作。所有敏捷协作环节都已融入我的日常工作，这让我能真正理解工程师和开发人员所处的世界。比起许多SEO同行每月只能得到一次诸如“那个需求单？啊我们忘了/以后再说吧”的模糊反馈，现在的工作模式显然合理得多。 今天我想和大家聊聊这些协作环节的具体运作方式，以及如何将其融入你的日常工作。希望这能帮助你摆脱需求单石沉大海、技术难题悬而不决的挫败感。 以下是我日常参与的敏捷协作环节（不同团队可能存在差异）：每日站会、冲刺规划会、需求发现会、待办清单优化会、冲刺评审会。 由于内容较多，今天我将重点讲解其中两个环节。 参与冲刺规划会，权衡工作价值与成本（白板中关于冲刺规划的细节展示）首先是冲刺规划会。我们每两周进行一次——这是我的冲刺周期，不同公司和团队可能周期不同。每两周我会和工程师们坐下来确定：“接下来两周我们要处理这些需求单。” 这时需求单已事先整理好。你需要了解工程师们的工作承载力。比如团队有三名工程师，每人能完成3或5个故事点，我们会事先评估每个需求单的工作量。假如我是初级工程师，每个冲刺只能完成5个故事点——这样就能清楚每个人的负荷情况。 这里有个小诀窍：工程师们还有其他非SEO需求要处理。所以我会提前找团队负责人沟通：“下个冲刺能分配多少故事点给我？”这能帮助我理性评估工作价值与成本。有些需求看似美好，但当工程师评估需要10个故事点（相当于某人一个月工作量）时，我就得思考：是否值得让他投入整个月做这件事？ 或许存在影响更大、成本更低的选择。说实话，我们常会把很多需求列入清单，后来才发现根本不值得做。这些需求会在待办清单里不断滚动，直到某天被标记为“不予执行”才真正结束。 召开需求发现会，明确优先事项（白板中关于需求发现会的细节展示）我想讨论的第二个环节是需求发现会。这类会议总能给我带来惊喜，因为它让我从工程师那里获得许多关键洞见。 作为产品人员，你可能见过那些调侃产品经理的梗图——我们总在要求“要实现这个”“要发布那个”，而工程师才是背后默默承担重任的人。 如果目标不一致，可能会出现两种后果：要么你承诺的功能无法按时交付，要么因为你在别处做出了承诺，导致工程师被迫承受压力赶工。 在需求发现会上——你需要召集所有相关方：SEO专员、用户体验设计师、内容编辑，当然还有工程师。这时你可以宣布：“接下来我们要构建的是……” 我习惯充分准备这些会议。比如用AI做出新页面的原型，或准备好所有论证依据来说明开发必要性。这样能感受到工程师的真实反馈——这件事真的简单吗？有些事看起来容易，但工程师总能发现我们SEO人员忽略的技术细节。 例如你说“只需要更新一个插件”，实际上可能因为安全威胁需要连带更新其他组件。工程师需要考虑的因素永远比SEO人员看到的更多。即使有些工作看不见，但若不完成导致系统故障，后果就会显现。因此他们的实际工作量往往更大。…

原文地址：https://moz.com/blog/navigating-content-marketing-amidst-ai-whiteboard-friday 在本期《白板星期五》中，罗斯将探讨搜索发生了怎样的变化，以及我们作为营销人员应如何应对这种变化，从而产出优质内容。随着人工智能和大型语言模型应用的日益增多，内容创作看似变得更复杂，但其基础仍是我们日常使用的基本原则。 大家好，Moz的粉丝们。非常高兴能再次带来新一期的《白板星期五》。在今天的节目中，我们将深入探讨AI、内容、SEO、GEO等诸多方面的精彩世界。 准备好迎接本期内容吧。我将在这个视频中分享我职业生涯中所学到的几乎所有东西，希望你们能够吸收并应用到自己的业务中，从而解锁那些在美妙的AI机器人出现之前根本无法实现的机遇。那么，让我们开始吧。 创造值得被“窃取”的内容，这样大型语言模型才更有可能抓取你的内容。 好了，要驾驭这个内容新时代、搜索新时代，首先要我们所有人都达成一个共识。这个共识就是：作为搜索营销人员，我们必须理解，全人类已经发生了一场重大的转变。人们不再只是在谷歌上搜索了（向必应以及其他所有多年来为搜索而奋斗的搜索引擎，如Ask Jeeves等致敬），但现在搜索已经变得更加碎片化。 搜索不再仅仅局限于谷歌。搜索现在发生在TikTok上，发生在Reddit上，发生在Quora上，出现在Instagram、Facebook以及所有Meta旗下的平台，甚至WhatsApp上。搜索正在经历一场变革，而驱动这场变革的正是大型语言模型。这是什么？本质上，它是支撑数据收集的技术，帮助人们从ChatGPT这类AI机器人那里获取答案。我希望大家理解的是，当你去OpenAI、ChatGPT提问时，你如何能够影响它们输出的内容，如何影响它们给出你作为商业专业人士、创作者、营销人员、企业家所希望得到的答案。 那么，具体该怎么做呢？如何让OpenAI、Perplexity、AI概览等功能讲述你想要的故事？你首先要明白，这不再仅仅是关于博客文章了。你要开始理解，这不再仅仅是关于落地页、创建术语表和“操作指南”类的帖子了。你要认识到，驱动这些引擎的，是互联网上数十年来产生的内容。而所有这些内容，都是由像你一样的人创造的。恭喜，干得漂亮。你们提供了大量值得“窃取”的内容，而它们确实“窃取”了。它们已经“窃取”了这些内容，并将其吸收到自己的系统中。无论你是否喜欢，它们都在利用这些内容来回答问题，答案可能有偏见也可能没有，但它们确实在这么做。现实就是如此。是的，我们可以抱怨，可以沮丧，可以愤怒，但世界照常运转。我不知道你们怎么想，但我仍然希望在世界运转的同时能够创造收入，所以让我们切入正题，谈谈商业方面的事。 在被“窃取”内容的地方埋下种子在内容被抓取和“窃取”的地方埋下你内容的种子说到底，它们就是在窃取内容。我们就接受这个现实吧。那么，你如何能影响它们窃取内容这一行为，从而让你的内容返还给用户呢？你必须去那些内容被抓取、信息被“窃取”的地方。我知道这听起来有点像某种抢劫计划，但事情已经发生了。 那么你该怎么做？你需要确保，当更新发生时，当它们实时抓取内容时，当它们宣布与Reddit、Quora等平台建立合作伙伴关系时，你已经在这些地方埋下了足够多的故事、足够多的内容，来回答你的客户可能提出的问题。这样一来，当客户真的向Perplexity、OpenAI或谷歌提出那个问题时，你希望客户通过谷歌搜索并最终访问你的网站阅读你博客文章而得到的答案，现在就能通过大型语言模型呈现出来。 多元化你的内容通过在网络不同空间发布和贡献内容来实现内容多元化你如何实现这一点？你要开始使你的内容多元化。你需要进行一次思维锻炼，不再认为仅仅在博客上点击“发布”按钮就万事大吉了。不要因为点了“发布”就开香槟庆祝。现在，工作才真正开始。工作开始是因为你现在必须思考：大型语言模型还会去哪些其他地方获取关于这个问题、这个查询、这个能帮助它们的议题的见解？它们还会去哪里？ 嗯，如果你考虑的是商业内容，它们最终可能会去到像Seeking Alpha这样的网站，这实际上是一个面向金融高管、以及那些试图了解股票和交易等知识人士的网站。它们每天产生数十万的访问量。你现在有机会开始直接在这个网站上发布文章，这些文章你传统上可能只发布在自己的网站上，但现在你要在这里分享。 你现在看到的是一个网站和平台的列表，你可以在这些地方创建或激发用户生成内容或品牌创建的内容，这些内容最终将输送给大型语言模型。所有这些网站的内容现在都在输送给大型语言模型吗？还没有。但如果要我做一个预测（我不喜欢做预测，因为预测容易让人失望，但这个我愿意说），那就是在未来两年内——我特意加上这个时间戳——我们将持续看到一种趋势：大型语言模型与这些网站之间的交易数量将会增加，以获取专有信息来喂养它们的系统，从而为用户提供更高质量的回复。 因此，当谷歌只是坐在一旁将人们引向这些网站时，现在我们有了将在这些网站上进行训练的大型语言模型。所以它们会寻求与TripAdvisor这样的公司锁定交易。这样，当你去ChatGPT说：“嘿，我要去罗马一个月，我该去哪里玩？”它就会进入TripAdvisor，进入论坛，并根据那里的数据来回答这个问题。OpenAI现在能做到吗？不能。为什么？因为它们还没有与对方建立许可协议。所以我的预测是，它们将来会的。 那么，你现在可以做些什么来为未来的成功奠定基础呢？你现在就要开始让你的内容多元化。你可能已经创造了大量有价值的内容，我不希望你认为那都是徒劳的。我希望你意识到，如果那些内容值得被“窃取”，那么那些内容就值得被分发。这些内容值得推广、值得放大、值得获取，并在Reddit、Quora、Yelp和Cookpad上分享。或许可以避开9gag，但那完全是另一回事了。还有Stack Overflow。 去到你的受众所在之处去到你的受众所在之处，并寻找利基空间进行发布找到你的受众、你的人群所在的地方，开始在那里投放内容。你现在看到的是Reddit、Quora和Fandom，这些网站每月产生数十亿的访问量，真的是数十亿。所以我可能会更侧重它们，尤其是Reddit和Quora，因为它们与OpenAI有合作，而且它们也与谷歌有合作。 那里情况复杂，但我会从那里开始。但如果你有资源和时间，那么你就要开始思考如何开始出现在一些更小众的渠道？我们如何出现在烂番茄（Rotten…

原文地址：https://moz.com/blog/ai-tools-for-automation-productivity 我明白——AI工具无处不在，面对层出不穷的选择很容易让人无所适从。你清楚这些工具能自动化工作流程并提升效率，但要想弄懂每种工具的功能和正确使用方法，简直像是在迷宫里打转。 由于不愿把时间浪费在机器更擅长的重复性任务上，我投入了大量时间测试各类AI自动化工具。经过反复试错，最终筛选出13个独特工具/应用场景，涵盖从数据分析到工作流自动化乃至成果交付的全流程。 本文将带你系统了解这些工具，并演示具体操作方法。阅读完成后，你将获得清晰的行进路线图，既能优化工作流程、节省时间、提升效率，又不会感到迷茫或压力。 无代码AI自动化工具推荐：Promptitude.io：无需编码即可实现AI工作流自动化 管理AI任务看似令人望而却步，尤其对于不具备编程技能的人来说。Promptitude.io通过提供无需代码的平台来创建和自动化AI工作流，让这一切化繁为简。该工具内置提示词助手和预制提示词库，只需使用自定义提示词即可轻松构建或微调工作流程。 以下是我使用Promptitude.io的具体方式： • 集成Zapier或Make：通过Zapier或Make将AI模型连接至Google文档或WordPress等平台，无需编码即可实现任务自动化• 自动化内容生成：借助Promptitude创建内容，并实现文档关键词优化的自动化处理• 文档分析：通过集成AI模型处理大规模数据，节省人工处理时间• 定制AI工作流：提示词库和助手功能让构建定制化工作流无需编写代码 Thunderbit是一款用于构建复杂自动化流程的无代码AI工具。它通过将人工智能技术融入日常运营，有效优化我的工作流程。 以下是我的使用方式： • 自动化重复任务：可自动处理CRM系统、社交媒体及邮件平台的常规操作• 无代码界面：拖拽式操作让非技术人员也能快速搭建高级工作流• 智能数据处理：能分析多系统数据，根据预设规则触发操作，简化复杂流程以提升效能 作为一家代理机构的负责人，每当有人填写联系表单时我都会很兴奋——这可能是想与我们合作的潜在客户。但往往收到的却是推销SEO服务或外链的邮件，这种无效沟通既浪费时间又令人沮丧。为此，我借助Zapier实现了邮件自动分类与垃圾信息过滤。 以下是我的自动化邮件分类设置：…

原文地址 https://blogs.bing.com/webmaster/November-2025/How-AI-Search-Is-Changing%E2%80%AFthe%E2%80%AFWay%E2%80%AFConversions%E2%80%AFare-Measured 人工智能掀起了一场革命，正彻底改变着一切——从产品的制造与营销方式，到人们发现和选择购买商品的方式。 如今，人们不再需要滚动浏览一长串蓝色链接列表，而是通过对话进行探索，随时提出后续问题，并在访问网站之前就早早建立起信任。这种全新的转化路径意味着，品牌和内容所有者必须停止一味追求点击量，转而关注那些真正能驱动结果的信号。 但，我们如何知道哪些转化信号最为重要呢？ 尽管每个企业或出版商的具体目标各不相同，但AI搜索让一点变得清晰无疑：最有价值的信号是与可见性相关的信号。通过追踪展示量、在AI答案中的出现位置以及引用情况，品牌可以洞察内容在何处被呈现、被信任、被考量，甚至在访问发生之前就能掌握这些信息。更重要的是，这些信号揭示了兴趣在何处形成，以及优化在哪些环节能提升效果，从而帮助团队集中精力于行之有效的策略，在用户决策形成的关键时刻提升可见性。 这并非意味着人们不再点击。而是他们会在用户旅程的后期阶段才进行点击，并且带着更强烈的意图。事实上，当前的行业研究表明，来自AI搜索环境的访问不仅能够匹配，甚至常常超越传统的转化率，这印证了一个简单的真理：质量远比流量更重要。当下的首要任务是理解用户行为，并引导他们实现高价值成果，无论是订阅、咨询、演示请求、购买，还是其他有意义的互动。 这一转变不仅适用于商业网站，也同样适用于新闻和信息出版商。在AI答案中的可见性，能够塑造更深层次的互动形式，例如阅读深度、回访率或重复访问，而不仅仅是即时点击。 出版商的目标是与用户意图保持一致，在发现的每个阶段都提供清晰度、可信度和价值，这样，当用户准备采取行动时，您的品牌或内容便会成为其自然而然的选择。 转化路径如何改变 在AI搜索出现之前，一个典型的客户可能从”适合小户型的最佳洗碗机”这样宽泛的查询开始，然后滚动浏览多页的蓝色链接，从评论、规格表和经销商网站中拼凑细节。这是一个手动且耗时的过程。 如今，由AI驱动的搜索体验能够理解用户意图，并即时呈现更丰富、更相关的结果。系统不再需要用户经过多次点击和访问多个来源，而是将高质量内容嵌入答案、摘要和引文中，突出显示关键细节，如能效、噪音水平和智能家居兼容性。这使用户能更快地获得清晰信息，在旅程更早阶段建立信任，从而以更少的阻力实现更深入的互动。 在上述洗碗机的例子中，客户很快意识到一台安静、节能且具备智能功能的型号最适合他们的开放式厨房。他们细化了查询，AI搜索则从品牌官网、评论和经销商处提取信息，生成更详细的摘要，同时呈现购买选项、折扣信息以及附带更相关链接的推荐。 在前所未有的简短步骤中，客户就能做出自信的决策，整个过程由符合其意图、融合品牌和第三方视角的多源内容所引导。这种发现、研究和决策在同一环境中持续发生的行为转变，正在重新定义网站所有者对转化的理解。 随着用户旅程变得更短、更连贯，内容的清晰度至关重要。当信息不易被大语言模型解读时，关键细节可能会被遗漏，从而减少在影响力时刻出现的机会。 随着这些转变的持续发生，在AI体验内部产生的信号将变得愈发宝贵，它们能帮助内容团队洞察哪些内容能引起共鸣，以及哪些环节的改进可以增强可见性。 AI搜索如何理解并响应动态变化的用户意图 AI系统通过每一轮后续提问、每次聊天互动及各类情境信号，持续优化对用户意图的理解——这甚至包括系统能基于上下文或推测需求，主动呈现相关内容的先发时刻。 根据微软内部研究，来自Microsoft Copilot会话的数据显示，每次会话中的独立对话轮次增加了22%[1]，这反映出搜索已演变为一场持续对话，而非单次查询。每一次后续互动都在澄清意图，使用户更接近转化——无论是点击产品链接、完成购买，还是采取其他高价值行动。…

原文地址：Google AI Answer AI搜索可见度的衡量方法 衡量AI搜索可见度，需通过AI声量份额、AI可见度指数等指标，结合品牌提及和来源引用等数据，追踪品牌在AI生成答案中的出现频次。具体可通过专业工具监测品牌在AI平台上的呈现情况，精准定位已覆盖及未覆盖的提问指令，从而对标竞争对手并评估在生成式AI生态中的影响力。 AI搜索可见度核心衡量指标 实施监测与评估步骤

原文地址：https://www.searchenginejournal.com/adobe-to-acquire-semrush-in-1-9-billion-cash-deal/561438/ Adobe以19亿美元现金收购Semrush Adobe与Semrush今日宣布达成最终协议，Adobe将以全现金交易方式收购Semrush，估值约19亿美元。Adobe将以每股12美元价格收购，并将Semrush称为”领先的品牌可见度平台”。 此次收购将使这款广泛使用的SEO平台归入Adobe数字体验业务矩阵。交易预计2026年上半年完成，需通过监管审批及Semrush股东批准。 Adobe收购的核心资产Semrush是总部位于波士顿的SaaS平台，在搜索营销领域以关键词研究、网站审核、竞争情报和在线可见度追踪等功能闻名。过去两年间，Semrush增加了专注于AI驱动可见度的企业产品，包括监测品牌在ChatGPT、Gemini等大模型应答中提及情况的工具。 Semrush自身也是活跃的收购方，近期收购包括Backlinko、Traffic Think Tank等SEO教育社区资产，以及Third Door Media（Search Engine Land发行方）等技术媒体。 对Adobe而言，此举使其Experience产品组合直接切入众多企业内部团队和代理商日常使用的SEO工作流程。 Semrush如何融入Adobe的AI营销体系Adobe将此次收购定位为支持”品牌可见度”大战略的一环，并将其置于所谓”智能AI时代”的背景下。Adobe数字体验业务总裁Anil Chakravarthy在公告中表示：”生成式AI正在重塑品牌可见度，未能把握新机遇的品牌将面临失去市场关联性与收入的风险。” Semrush提出的”生成引擎优化”定位与此叙事契合。该公司一直将GEO作为传统SEO的补充方案，专注于保持品牌在AI生成答案中的可发现性。Adobe计划将Semrush与Experience Manager、Analytics及新推出的Brand Concierge等产品整合。 交易条款与时间线根据协议条款，Adobe将以每股12美元现金收购Semrush，股权价值约19亿美元。财经媒体报道指出该价格较Semrush此前收盘价溢价约77%，公告后Semrush股价在早盘交易中飙升超70%。 两家公司称交易已获双方董事会批准，SEC相关文件显示合并协议于11月18日签署。交易目标在2026年上半年完成，尚需常规监管审查与Semrush股东批准。在此之前，两家公司将继续独立运营。…

原文链接：https://www.searchenginejournal.com/google-ctr-trends-in-q3-branded-clicks-fan-out-longer-queries-hold/561622/ Advanced Web Ranking发布了第三季度谷歌自然点击率报告，追踪了不同查询类型和行业中，各排名位置的点击率变化。 该公司对比了七月至九月与四月至六月的数据。该数据集为全球范围，因此这些模式反映的是广泛的搜索行为，而非单一地区。 以下是本季度报告中突出的亮点。 桌面品牌搜索的点击向下分流本季度最明显的变化出现在桌面端的品牌搜索上。 对于包含品牌或企业名称的搜索，排名第1位的点击率下降了1.52个百分点。而第2至第6位的点击率则合计提升了8.71个百分点。 非品牌搜索的点击率大多保持不变，因此这一变化似乎特定于用户在桌面端浏览品牌搜索结果页的方式。 商业及本地类搜索的顶部点击率流失当AWR按搜索意图对结果进行分类时，商业和本地搜索在顶部位置的点击率下降最为明显。 商业查询（指包含“购买”、“价格”等术语的搜索）在桌面端第1和第2位的点击率合计下降了4.20个百分点，其中第1位独自占据了3.01个百分点的跌幅。 本地搜索的顶部位置点击率也在减弱。桌面端第1位下降了2.52个百分点，移动端则下降了2.13个百分点。 AWR并未归因于此变化的原因，但这些类型的搜索结果页正是富结果和其他模块最容易挤占页面空间的地方。 核心结论是：在商业和本地搜索情境下，顶部自然搜索结果在第三季度获取的点击份额较第二季度有所减少。 长尾搜索保持稳定搜索词长度则揭示了另一个对流量预测至关重要的分化趋势。 在桌面端，较短的多词搜索在排名第1位的点击率出现下降。其中，两词搜索下降1.22个百分点，三词搜索下降1.24个百分点。 AWR指出，4个及以上单词的搜索词是本季度唯一保持点击率稳定的组别。 在移动端，最短搜索词的变化趋势则相反。单字搜索在排名第1位的点击率上升了1.52个百分点。 此处的要点在于：简短、通用的桌面搜索仍然是点击率表现最不稳定的类别，而更长的搜索词在第三季度则显得更为稳定。 各行业赢家与输家AWR追踪了18个垂直领域的点击率变化，并将这些变化与需求趋势相关联。…

原文地址：https://moz.com/blog/why-does-google-parameter-num-matter-whiteboard-friday “&num=100搜索参数近日已被废止。谷歌搜索URL参数中这个看似微小的改动，正为SEO行业带来巨大影响。在本期《白板星期五》中，汤姆·卡珀将详解：为何&num=100参数曾如此重要？谷歌为何将其废止？以及各类工具正在如何应对这一难题。 周五好，Moz的朋友们。今天我想探讨的话题，或许早已被关注SEO动态、Moz博客或工具警报的您所察觉——那就是被称为&num=（或常被简称为&num=100）的参数。 本期《白板星期五》中，我将为大家解析：这个参数究竟是什么？它为何举足轻重？以及各类工具正在探索哪些解决路径。” “什么是&num=参数？ 这究竟是什么呢？其实，排名追踪工具及其他SEO工具的工作原理，是通过抓取谷歌搜索结果来实现的。 它们并非像普通用户那样与搜索框交互，而是通过手动输入在使用搜索框后可见的URL来抓取数据。您完全可以亲自验证：当您在谷歌搜索时，会注意到地址栏里包含大量信息的URL——这些URL几乎都可以手动构建。 当然其中存在诸多技术细节和限制条件，在此我们不深入探讨。但您可以尝试这个示例：在地址栏输入google.com/search?q=moz+blog（表示搜索”Moz博客”），&HL=EN（设定英语界面），&GL=GB（指定英国地区）。您还可以添加其他参数，比如地理坐标、个性化设置等（这些暂不展开），最后关键的是&num=100——这个参数表示需要获取100条搜索结果。 需要说明的是，所谓”100条结果”实际是指10个分页的结果集合，每页默认显示10条传统自然结果。但如今单页搜索结果通常包含约15条内容，因为除了10条自然结果外，还会夹杂各种特殊展示位（更不必说广告等元素）。 因此将&num=100简单理解为100条结果并不准确。但参数机制就是如此：设定100时，您将获得整合成单个页面的10个分页数据。这让SEO工具仅通过一次查询就能获取更丰富的数据集。” 为何&num=参数至关重要？（白板局部放大图：展示批量获取排名数据所需条件） 我们为何如此重视这个参数？ 为何不进行10次独立查询、每次获取10条结果？这样不是同样可行吗？ 事实并非如此。进行这类数据抓取的主要成本与抓取次数直接相关。最关键的是代理IP成本——如果您亲自尝试多次，就会发现浏览器很快会被屏蔽或触发验证码。 这正是SEO工具面临的困境。为此它们必须维护大量IP地址来规避限制，这带来了显著成本。若改用每次仅获取10条结果的查询方式，所需IP地址数量会进一步增加，成本增长可能远超线性比例。 另一个关键因素是JavaScript和cookies支持。过去通过简易的无头请求就能获取代表性数据，但近些年必须高度逼真地模拟浏览器行为，才能获得反映用户实际可见的排名结果，尤其在AI概览等新功能中。 （插入说明：监测关键词的AI概览展示情况）这意味着您需要掌控的不仅是排名，更是整体可见度。 当然这里仍有诸多技术细节无需赘述。虽不需完全模拟浏览器，但必须高度接近——这又带来了额外的成本开销与运算负担。 最后是数据解析环节：从获取的HTML中提取排名信息和功能模块，区分不同类型，计算像素高度等处理过程——所有这些都会随数据量增加而提升成本。 实际情况是：九月中旬，谷歌开始废止该参数。当我们及其他SEO工具使用num=100时，参数被直接忽略，仅返回前10条结果。…

原文地址：https://www.womenintechseo.com/knowledge/boost-category-pages-ai-visibility%20/我从事电商SEO已经超过五年，在此期间目睹了行业的诸多变迁！ 可以说，我们对分类页面（或称产品列表页PLP）的优化策略这些年来不断演进——从搜索引擎早期简单粗暴的关键词堆砌，发展到如今以用户意图为核心的着陆页。如今的分类页面必须同时实现三个目标： 这真是个需要平衡多方需求的任务，对吧？ 本文将重点探讨如何针对AI可见性优化分类页面（或PLP）。为此，我将分享自己正在使用的框架和清单，帮助您打造能适应AI搜索乃至未来技术变革的分类页面。 AI搜索与”传统”搜索的区别传统模式下，SEO从业者主要关注特定关键词的页面排名，目标是尽可能在Google自然搜索结果中占据首位。 而现在，随着AI概览、ChatGPT等AI搜索系统的出现，结果呈现形式已然不同。AI系统不再简单呈现排序后的链接列表，而是生成对话式答案，在总结信息的同时会注明引用来源。虽然传统搜索与AI搜索都依赖自然语言处理来理解用户意图和上下文，但核心区别在于信息呈现给用户的方式： 这种呈现方式的转变已经影响到了分类页面。因为AI系统不再仅仅是提取关键词，而是会解读实体、结构、清晰度和主题相关性。这意味着分类页面不能仅仅是产品列表页，它们现在需要充当信息中心、导航中心和实体中心，帮助AI系统和用户理解其相关性。本质上，得益于这些AI系统，我们获得了触达潜在客户的新机会——我已经看到很多例子，优化良好的分类页面即使没有排在自然搜索结果的首位，也能在AI摘要中被引用。 理解用户意图多年来，SEO从业者一直在识别用户意图，并针对四大类型进行优化：信息型、导航型、交易型和商业调查型。然而，识别用户意图的过程已变得日益复杂。 我们以”最好的登山靴”这个搜索查询为例。过去，我们可能将其视为信息型查询，并期望看到评论、对比和指南类的链接。然而，在今天的搜索环境中，我们看到的是混合型的结果，产品推荐、指南和常见问题解答会共同呈现： 但传统的关键词研究和搜索意图分析对于分类页面来说并未完全过时，只是需要适应AI时代。我仍然倾向于从分类页最初的目标关键词入手，但会用”最佳”、”类型”、”创意”、”购买”、”对比”等前缀来扩展它们——以捕捉其他类型的用户意图。 例如，如果你正在优化”登山靴”分类页面，你可以： 如果你有资源，可以使用 OpenAI 的 API 在 Excel 中自动化这个过程：用你的核心关键词生成一系列带前缀的查询，然后总结出现的搜索结果。这为你提供了一种数据驱动的方法，来同时针对AI搜索和传统搜索优化分类页面。 实用技巧： 不要像我们多年来所做的那样仅为关键词撰写分类页面内容，而要针对AI可能需要回答的”问题”和”上下文”来撰写。 让分类页面适应AI的五个步骤我有一套重写分类页面的五步流程：…