Semrush · 07:54 · 发布 2026-07-03 · 671次观看(截至抓取) · 观看原视频
主旨
Brian Dean(Backlinko/Exploding Topics 创始人)在批评”AI agent 全自动做 SEO”的失败案例后,给出他实际在用的五种 AI 辅助 SEO 打法:做更好而非更多的内容、把数据转成内容、把一份内容复用成多渠道格式、用 AI 提升点击率、用 AI 低成本做互动小工具。
核心论点
- 用 AI 做”更好的内容”,而不是”更多的内容”——批量产出的通用 AI 内容大家都在写,Google 没理由单独给你排名。(→ 详解1)
- 把原始数据丢给 AI 提炼角度,能造出更容易获得反链和媒体报道的数据驱动内容。(→ 详解2)
- 一份内容可以用 AI 快速复用成博客、邮件、社媒等多种格式,省掉过去手工重写重排的时间。(→ 详解3)
- 用 AI 批量生成并对比标题(title tag),持续优化 SERP 点击率,这是被低估但影响排名的因素。(→ 详解4)
- 用 AI 把静态列表页改造成会自动更新的互动小工具,比普通博客更难被复制、更能持续吸引流量和反链。(→ 详解5)
知识点详解
1. 用 AI 找别人错过的角度,做”更好的内容” 01:17
视频开场先泼冷水:有人分析过打着”AI SEO 自动化工具”招牌的成功案例站点,发现被展示的客户里75%流量反而显著下滑,而且这些还是被挑出来当广告的”成功案例”,没被展示的失败案例更多。
作者认为最大的误区是用 AI 批量生产通用内容——今天一个人可以一键发布成百上千篇文章,但如果 5000 人都在用 ChatGPT 发同样的内容,Google 没理由把你排在别人前面,而且 Google 首页只有几个位置能拿到点击。
所以正确用法是用 AI 把已有内容做深、做透,而不是量产更多同质内容。具体做法:把一篇已经在带流量的老文章贴进 ChatGPT,问它怎么让内容更好;AI 建议在每家公司上做得更深(补充成长数据、专有趋势数据),作者据此把文章从”信息罗列”升级为”带洞察分析”的版本,和同类只列数据的竞品拉开差距。
2. 用 AI 把原始数据转成数据驱动内容 02:34
作者强调即便在 AI 时代,数据驱动的内容依然很吃香——它更容易被引用、被分享、也更能带来客户。Exploding Topics 相当一部分反链就来自数据驱动的文章。
AI 在这里的作用是把人工翻数据找角度的过程提速 5-10 倍:把调研结果、内部产品数据或研究报告喂给 AI,直接问”这里最有意思的规律是什么、什么最出乎意料”,AI 能在几分钟内浮现出人工要花几个小时才能挖到的洞察。
具体案例是一篇职场调研报告,作者用 Claude 生成调研问卷问题、分析结果、并提出可能的写作角度——AI 提炼出”高采用率但低培训投入”这个核心张力,成为整篇文章的主线,还帮忙把数据生成可视化图表,最终这篇内容被 Zapier 等行业媒体转载。
3. 用 AI 把一份内容复用成多渠道格式 04:24
Exploding Topics 常年的做法是:一个趋势先独立成篇,再改写进博客、周报 newsletter、社媒帖子和可复用的视觉素材。AI 之前这个过程极其耗时,要把同一份内容手动重写、重新排版给每个平台各来一遍。
现在用 AI 后流程大幅提速:把数据库里的一个趋势丢给 AI,让它做摘要、写成短说明、生成对应的社媒文案、甚至配上可视化素材,再把这些素材分别接入博客正文、社媒帖子或邮件模板,一次产出多渠道可用的内容。
4. 用 AI 提升 SERP 点击率(CTR) 05:25
作者提醒很多人还在忽视 SERP 点击率,但 Google 已基本承认这是重要排名因子——他见过页面仅仅因为拿到比同排名正常水平更多的自然点击就上升了排名。
具体做法:内容发布后不再只写一个标题,而是把全文贴进 ChatGPT,要求给出 10 个针对点击率优化的标题方案,覆盖好奇心驱动、利益驱动、具体数字驱动等不同角度,再凭经验挑一个最优的。
另一个做法是把 Google Search Console 的数据导出,丢给 ChatGPT/Gemini/Claude,问”哪些页面曝光高但点击率低”,AI 会快速找出表现不佳的页面并给出改写标题的建议。因为整个过程只需几分钟,作者建议对站内每个重要页面都这样做一遍。
5. 用 AI 把静态内容改造成互动小工具(micro tool) 06:53
作者观察到工具类页面比普通博客文章更能吸引反链和流量——现在任何人靠 AI 都能写文章,门槛已经被拉平,但做一个工具仍然需要一点技术门槛(哪怕是 vibe coding)。
案例是一篇”全网访问量最大网站”榜单博客:该页表现尚可,但有两个问题——数据需要人工每隔几个月手动更新,而且很容易被同类站点抄走做同款榜单。团队用 AI把它改造成一个会自动更新数据的互动页面,此后该页流量上升,维护成本降低,也更难被简单复制。
作者总结:AI 让不懂开发的人也能做计算器、互动列表、清单生成器等 micro tool,虽然比写博客多花点力气,但回报也大得多。
可执行步骤
- 把一篇已在带流量的老文章贴进 AI,问”怎么让它更深入/更好”,而非用 AI 批量写新文章。
- 把手头的调研数据/产品数据/研究报告喂给 AI,问”最有意思的规律/最出乎意料的点是什么”,据此定选题角度。
- 把一个核心选题用 AI 一次性改写成博客、newsletter、社媒文案三种格式。
- 每篇内容发布后用 AI 生成 10 个针对 CTR 优化的标题备选,再人工挑选。
- 定期导出 Search Console 数据,让 AI 找出”高曝光低点击”的页面并给改标题建议。
- 盘点站内静态列表/榜单页,评估是否值得用 AI 改造成自动更新的互动小工具。
关联
- 印证:内容再利用 ——本视频”一个趋势改写成博客+newsletter+社媒”的做法,与”把一份优质存量内容改造成多平台格式重新分发”的定义完全一致。
- 印证:可链接资产 ——本视频的数据驱动文章与互动 micro tool,均属于”靠自身价值(原创数据/工具)被动吸引反链”的资产类型。
术语
- SERP CTR(搜索结果页点击率,被视为影响排名的信号之一)
- micro tool(微型互动工具,如计算器、动态列表,替代静态博客页)
- data-driven content(数据驱动内容,基于原始数据提炼角度写成的文章)
立场与利益
Brian Dean 是 Backlinko 创始人、现属 Semrush,视频里的案例全部来自自家产品 Exploding Topics 和 Backlinko,存在一定自我举例/营销倾向,但没有直接卖课或联盟推销话术,案例细节具体可核验,方法论本身与工具无关、可迁移。
价值定位
- 适合谁:已经在写内容、但还在用 AI 批量堆量而效果不佳的 SEO 从业者或独立站作者,想知道”AI 该用在哪个环节”而非”要不要用 AI”。
- 解决什么:五个具体、工具无关的 AI 应用场景(内容深化、数据选题、多渠道复用、标题 CTR 优化、静态转互动工具),都能直接套到自己的内容流程里。
- 认知 vs 实操:偏实操,每条策略都配了具体做法和真实案例,可直接照做。
- 与 内容再利用、可链接资产 重叠时:本片提供的是”用 AI 加速执行”这一层新增量,底层逻辑与既有笔记一致。
自检问题
- 视频开场提到的”AI SEO 成功案例”背后有什么反常数据? 答案:有人分析这些工具官网展示的”成功客户案例”,发现其中 75% 实际上遭遇了显著的流量下滑——这些还是被挑出来当广告的案例。见「知识点详解1」。00:24
- 作者认为用 AI 做内容最大的误区是什么?正确用法应该是什么? 答案:误区是用 AI 批量生成”更多”的通用内容(大家都在写、Google 没理由单独排你);正确用法是用 AI 把已有内容做”更好”、更深入。见「知识点详解1」。01:17
- 作者如何用 AI 提升已发布内容的点击率(CTR)? 答案:一是发布新内容时让 AI 生成 10 个 CTR 优化的标题方案再人工挑选;二是导出 Search Console 数据让 AI 找出”高曝光低点击”的页面并建议改写标题。见「知识点详解4」。05:25
- “把静态列表页改造成互动 micro tool”解决了原来页面的哪两个问题? 答案:一是省去人工定期手动更新数据的维护成本(自动更新);二是让页面更难被同类网站简单复制,从而更持续地吸引流量。见「知识点详解5」。06:53