Nathan Gotch · 21:07 · 发布 2026-06-25 · 6921次观看(截至抓取) · 观看原视频
主旨
本视频借 2026 年 6 月 Google 反垃圾更新为切入点,论证传统关键词排名已不再等同于 AI 答案里的品牌可见度,并用多个真实 SERP 与引用报告案例,给出如何衡量、追踪”被 AI 引用”的分析框架,以及全国级与本地级场景下应如何分配精力。
核心论点
- 传统蓝链搜索结果正在退居为 AI 系统的训练与检索”索引库”,用户直接点击这类结果的价值在下降。(→ 详解1)
- AI 答案里能否被提及,不由自家域名排名决定,而是训练语料里沉淀的品牌历史信任 + 第三方引用共同决定;自我推销式内容会被平台过滤。(→ 详解2)
- AI 引用来源(citation)按单日看波动很大,但按月度尺度观察会趋于稳定,应盯长期稳定的少数 URL,而非追逐当天变化。(→ 详解3)
- 域名权威分数不是全貌,关键词强相关的小域名能靠相关性弥补外链短板。(→ 详解4)
- 某页面在传统搜索里排名的具体 URL,和被 AI 检索实际引用的 URL 常常不是同一个页面——排名不等于被引用。(→ 详解5)
- 不同答案引擎的信息源差异巨大:Perplexity 高度复用 Google 索引,ChatGPT 是明显的异类,较少与 Google/Bing/Brave/DuckDuckGo 重合。(→ 详解6)
- 本地场景是另一套逻辑:Google 自家 AI 产品几乎只看 Google Business Profile 与本地三联(local pack)表现,但 ChatGPT 等第三方引擎依赖第三方点评目录,精力应按约 80/20 到 90/10 分配。(→ 详解7)
- 新的成功指标是”在尽可能多的首页结果与引用来源中都出现”,而非单一关键词排名第一。(→ 详解8)
知识点详解
1. 蓝链正在变成 AI 的”索引库” 00:47
以 “best laptops” 为例,首屏被四条广告和 AI Overview 占满,传统蓝链结果被挤到折叠线以下。作者认为传统排名对直接获取用户点击的作用在下降,但它没有消失——它变成了一个”库”或”纯索引”,持续喂养 AI 平台的训练与检索。
也就是说,排进传统蓝链的意义从”被用户点击”转向”被 AI 系统读取、进而影响 AI 答案”。这是本片讨论一切后续案例的前提。
2. AI 答案由静态语料 + 检索双系统决定,自我推销会被过滤 03:10 · 03:33
以 Apple 为例:Apple 自家域名在 “best laptops” 这个关键词上完全不排名,却是 AI 答案里被引用最多的品牌。作者解释,AI 答案由 静态语料与检索双系统 共同生成——训练时固化进模型权重的静态语料(Apple 数十年积累的品牌信任)与实时检索(citation)叠加,单纯让自家域名排名并不能决定 AI 里的品牌地位。
进一步地,平台越来越擅长识别自我背书内容,对”自己推荐自己”的信号会做过滤,因此需要第三方内容验证品牌可信度,新品牌很难靠单纯 SEO 在短期内追上像 Apple 这样的历史信任积累。
3. Citation 单日高波动、月度趋稳定 06:11
用 AI 引用监测工具查看某关键词下 23 处品牌提及、覆盖 37 条引用来源(citation)为例,作者指出这类 citation 表面上换手率很高,若只看某一天会觉得极不稳定;但拉长到数月观察,会浮现出反复被引用的 5-7 个稳定 URL。
这意味着投入精力的判断依据,不该是某天的引用快照,而是 Citation 稳定性 意义上跨月度重复出现的稳定来源——这些才是值得长期经营的”citation 资产”。
4. 域名权威分数不是全貌 08:21
以 “best baseball cleat” 为例,排名靠前的域名并非都权威分很高,反而有像 Baseball Express、Baseball Monkey 这类关键词高度相关但不算强权威的域名长期稳定在结果里。
作者的结论是:domain score 只是众多指标之一,域名相关性对冲权威分——当外链权威不够强时,极强的关键词相关性可以部分弥补这一短板,不能只盯着单一分数下判断。
5. 传统排名 URL 与被 AI 引用 URL 常不是同一页面 10:29
同样在 “best baseball cleat” 案例中,Nike 在传统搜索仅排名第 11,但在 AI 答案里覆盖率接近 100%、在 59 条核心引用来源中占了 28 条。更关键的是,传统搜索里排名的那个 URL(男款棒球鞋总类目页)并不是 ChatGPT 实际引用检索的页面——真正被引用的是一个更聚焦的产品线专页。
这说明”某页面排名好”与”这个页面被 AI 检索使用”之间存在 排名-引用脱钩,评估 AI 可见度必须单独去看 citation,而不能拿传统排名替代判断。
6. Perplexity 复用 Google,ChatGPT 是异类 12:33 · 11:52
作者用一个 跨引擎信源重合度 对比工具,把各答案引擎(Perplexity、ChatGPT、Brave、DuckDuckGo)的引用来源与传统 Google 搜索结果做重合度比对。多个报告反复显示,Perplexity 与 Google 的重合度高达约 80%,基本是在复用 Google 的索引。
而 ChatGPT 是明显的例外——它与 Google、Brave、DuckDuckGo(本质是 Bing 的封装)的重合都不高,反而在个别场景下与 Bing 更接近(考虑到微软与 OpenAI 的关系)。作者据此判断,不能假定”优化 Google 排名”就自动等于”优化了 ChatGPT 的引用”。
7. 本地场景:Google 系看 Local Pack,第三方引擎看点评目录 17:21 · 19:32 · 15:41
以本地律所关键词为例,某律所在传统搜索排名第五,却是 AI 答案里第二被提及最多的品牌;圣路易斯排名前三的相关品牌在 Google 本地三联(local pack)里都拥有最多点评数(500/700/900 条),这是决定 本地AI可见度二元架构 中 Google 自家 AI 产品(AI Overview、AI Mode)本地可见度的核心因素。
但当把同一查询丢进 ChatGPT 时,它完全不使用 Google Business Profile,而是依赖 Best Lawyers、Super Lawyers 等第三方点评目录信息,并对每家律所做进一步深挖式检索(Query Fan-out)。基于此,作者建议本地业务把约 80%(甚至 90%)精力投入 Google Business Profile 与本地三联表现,剩余 10-20% 投入第三方目录的点评多样性与可见度建设。
8. 新指标:尽可能多处出现,而非单点第一 20:39
作者总结,传统排名依然值得追求(排第一仍是好事、不会有坏处),但衡量成败的核心指标已经变成:能否在尽可能多的首页结果与 AI 引用来源里都拿到品牌曝光,而不是死磕单一关键词排名第一。
可执行步骤
- 针对核心关键词,分别拉一次传统 SERP 快照和 AI 答案/citation 报告,对照看两者是否用的是同一批 URL。
- 跑一次跨引擎(Perplexity/ChatGPT/Brave/DuckDuckGo)与 Google 的重合度对比,判断哪个引擎值得单独优化。
- 把 citation 报告至少拉通数月的历史数据,挑出反复出现的稳定 URL 作为长期争取的引用位。
- 本地业务先核实 Google Business Profile 完整度与点评数量是否落后于同城前三名。
- 盘点自己内容里是否存在明显自我推销措辞,替换为可被第三方验证的表述。
关联
- 印证:品牌提及(见 2026-04-29-什么是AEO答案引擎优化)——该笔记主张品牌提及是 AI 可见度最强杠杆,本片用 Apple(23/37)、Nike(28/59)的具体引用计数为这一主张提供量化案例。
- 印证:Query Fan-out(见 2025-12-17-对SEO与AI SEO的思考上-仍然只是SEO)——本片本地案例里 ChatGPT 先发简单查询再深入调查各律所的过程,正是该笔记定义的 query fan-out 检索方式。
- 印证:自吹式榜单(见 2026-03-18-Lily Ray谈SEO的未来——核心更新、AI搜索与GEO反垃圾)——该笔记指出自吹式榜单已从有效手法转为反噬品牌可见度,与本片”自我推销内容被平台过滤、需第三方验证”呼应,均指向自我背书失效。
- 印证:AI Overview(见 2025-06-13-2026 无 SEO 依赖的创业策略)——该笔记描述 AI Overview 挤占传统结果、削弱点击,与本片开头 SERP 案例(四条广告+AI Overview 占满首屏)一致。
- iGaming SEO专家揭秘如何操纵ChatGPT推荐 · 同批同主题,共享 Query Fan-out、自吹式榜单,可对照
- GEO手册如何通过付费引用、Reddit和AI搜索挑战SEO · 同批同主题,共享 Query Fan-out、自吹式榜单,可对照
- 5000次SEO访问让她的客户本地企业被私募收购 · 同批同主题,共享 品牌提及、自吹式榜单、AI Overview,可对照
术语
- SERP(Search Engine Results Page,搜索结果页)
- Citation(引用来源:AI 生成答案时实际检索使用的信源页面)
- Local Pack(本地三联:Google 地图下方的本地商家结果区块)
- Domain Score(域名权威分:第三方工具对域名反链权威的评分,常与 Domain Rating 类似)
- Static Corpus(静态语料:模型训练时固化进权重、不随检索改变的知识)
- Retrieval(检索:模型回答时实时查找外部信息的机制)
金句
“Ranking your domain in traditional search is not what determines your dominance in the AI answers.” → 传统排名不再是 AI 答案里品牌地位的决定因素,这是本片最核心的反直觉主张。
立场与利益
Nathan Gotch 是 SEO 代理商/培训机构 Gotch SEO 创始人,视频中使用并展示了他自有或合作的 AI 引用监测工具(视频里称之为 “reanalyze”),案例演示带有为该工具引流的意味。但视频给出的分析方法(citation 计数、跨引擎重合度比对、citation 稳定性观察)本身工具无关,可用任意同类监测工具复现,不依赖购买其产品。
价值定位
- 适合谁:已经了解 AEO/GEO 基本概念、想把”品牌被 AI 引用”这件事从抽象原则落到具体分析动作的从业者或站长。
- 解决什么:给出了一套可复制的分析框架——如何用 citation 报告判断该投入哪些 URL、如何用跨引擎重合度工具判断该单独优化哪个答案引擎、本地与全国场景该如何分配精力。
- 认知 vs 实操:偏认知框架与判断依据,少数步骤(比如跑重合度对比、拉多月 citation 历史)可直接照做,但依赖付费监测工具,自行复现需要类似能力的替代工具。
- 与已有笔记重叠:与 2026-04-29-什么是AEO答案引擎优化、2025-12-17-对SEO与AI SEO的思考上-仍然只是SEO 在”品牌提及驱动 AI 可见度”这一核心主张上重叠,但本片独有的是 Apple/Nike/本地律所三组具体量化案例,以及跨引擎信源重合度的实测演示。
自检问题
- 为什么在传统搜索里排名靠前,不再自动等于在 AI 答案里获得曝光? 答案:因为 AI 答案由训练时固化的静态语料与实时检索(citation)共同决定,自家域名排名只是影响检索的一个环节,而且自我推销内容会被平台过滤,需要第三方引用验证,见「详解2」。03:10
- Perplexity 与 ChatGPT 在信源使用上有什么本质差异? 答案:Perplexity 与 Google 传统搜索结果重合度约 80%,基本复用 Google 索引;ChatGPT 则是明显异类,与 Google/Bing/Brave/DuckDuckGo 的重合都不高,见「详解6」。12:33
- 本地 SEO 场景下,面对 Google 自家 AI 产品和 ChatGPT,精力应该怎么分配? 答案:约 80%-90% 精力投入 Google Business Profile 与本地三联(local pack)表现,因为这直接决定 Google AI Overview/AI Mode 的本地可见度;剩余 10%-20% 投入第三方点评目录,因为 ChatGPT 等引擎依赖这些目录而非 Google Business Profile,见「详解7」。19:32
- 为什么判断某个 citation 值不值得投入,不能只看某一天的引用快照? 答案:因为 citation 单日波动很大、换手率高,但拉长到数月观察会浮现出反复出现的少数稳定 URL,这些才是值得长期经营的对象,见「详解3」。06:11