Ahrefs · 10:43 · 发布 2026-02-18 · 3万次观看(截至抓取) · 观看原视频
主旨
在 AI Overview 吞噬信息型搜索点击的当下,用一套五步流程做关键词研究,同时面向 Google 排名和 AI 搜索的引用推荐。
核心论点
- AI Overview 已吃掉约 35% 的点击——how-to、what-is 这类信息型关键词即便排到第一也几乎拿不到流量。(→ 详解1)
- 好关键词来自”种子词 × 修饰词”两组原料——用一句结构化提示词让 AI 先产出这两组原料,而非直接让它”给我关键词”。(→ 详解2)
- 种子词进工具的匹配报告、再用修饰词过滤,可批量放大出成百上千真实关键词——但放大出的清单里混着陷阱词。(→ 详解3)
- 承诺任何关键词前先过 BID 三关:商业价值、搜索意图、竞争难度,任一不过即放弃。(→ 详解4)
- 工具型关键词目前 AI 攻不破——calculator/checker/generator 需要真实交互,AI 概览替代不了,一个好工具在流量和外链上胜过 50 篇博文。(→ 详解5)
- 品牌提及正成为 AI 的训练数据——与其问”该排哪些词”,不如反过来问”想让品牌被哪些 query 关联”,再倒推。(→ 详解6)
知识点详解
1. 为什么旧的关键词研究”坏掉了” 00:14
过去屡试不爽的信息型关键词——how-to 教程、“什么是 X”这类查询——正被 AI 大量吞噬。即便你排到 Google 第一,也会因为页面顶部的 AI Overview 直接给出答案,损失约 35% 的点击。
关键不是关键词研究死了,而是它变了。视频给出的判断标准很硬:如果一个 query 的答案是浅层、表面的,不需要专业知识也不需要细微判断,那么用户拿到 AI 的现成答案后就没有任何点击理由。
这也带出本片贯穿的底层事实——AI 在”解释一件事”上确实比人做得好,所以纯解释型内容首当其冲。选词逻辑必须据此重写。
2. 第一步:用提示词生成种子词与修饰词 00:59
要找到相关关键词,需要两样东西:种子词(seed,与你 niche 相关的宽泛词)和修饰词(modifier,像 best、how-to 这类把种子词变成真实搜索的附加词)。二者组合才是关键词研究的原料,见 种子词与修饰词。
ChatGPT 2022 年刚出时,大家试它做关键词研究,结论是”垃圾”——它吐通用内容、编假关键词、造假搜索量。但视频点破:这不是 AI 的错,是提示词的错。你什么背景都不给,它就什么有用东西都给不出。
正确做法是给足上下文的一句话提示词:说清你的站是什么、怎么赚钱、目标受众是谁,然后要它给”10 个 1-2 个词的种子词 + 5 个以上修饰词,且种子词与修饰词不得共用同一个词”。这一步只产原料,不产最终关键词。
3. 第二步:关键词乘数放大清单 01:56
把种子词粘进关键词工具的”匹配词/matching terms”报告,能看到海量关键词创意;再用 include 过滤器把修饰词加进去,清单就被放大到成百上千个真实搜索词,见 关键词乘数。
但这里埋着陷阱:放大出来的词里,有些指标漂亮得诱人——高搜索量、高流量潜力、低难度分,全对。可其中一部分恰恰是信息型陷阱词,你排第一也几乎拿不到流量。
所以放大只是产能,不是筛选。清单越大,越需要下一步的硬性把关,不能看指标好看就下手。
4. 第三步:BID 三重筛选法 03:00
承诺任何关键词前,让它过三关,见 BID 三重筛选法。B(Business potential 商业价值):如果我排第一,这个词真能帮生意达成目标吗?”什么是 espresso”量大难度低,但搜的人根本不想买东西;“500 美元以下最佳咖啡机”量小得多,但搜的人已经想买、还设了预算。永远选能撬动生意的词。
I(Intent 搜索意图) 03:41:无论你做什么,匹配不上搜索者意图就永远排不上去。检验方法是直接 Google 这个词,看现在排在前面的是什么——搜 “espresso tamper” 全是电商产品页,说明用户想买不想读,你拿博文去排注定失败。SERP 就是意图的答案。
D(Difficulty 竞争难度) 04:14:这一关可能最重要。别只看 0-100 的难度分,单个数字捕捉不了 Google 花数十亿打磨的算法。要深挖排名页的指标——看 referring domains(有多少站点链向它,反链仍是最强排名信号之一)和 DR(域名评级,代表反链档次)。前十里若有低 DR 的页面,就是可切入的信号。
三关都过,才值得考虑做这个词——除非 AI Overview 答得太好,好到没人需要点进你的站。
5. 第四步:工具型关键词——目前 AI 攻不破 07:23
视频给了对照案例:2020 年一篇常青博文多年稳居 Google 前列,随着 AI Overview 铺开,排名没掉、流量却从峰值跌了约 77%——这正是 曝光-点击解耦 的教科书样本。对照另一个页面:流量基本没动,因为它不是博文,是一个免费工具(backlink checker、mortgage calculator、word counter……全都没有 AI Overview)。
原因很直接:搜工具的人是要真的用一个东西,AI 目前替代不了这份交互,见 工具型关键词。这类词现阶段”AI 免疫”。
找法照旧:关键词工具里用宽泛种子词(coffee、espresso),在匹配词报告里加 calculator、checker、generator 这类修饰词,挑流量潜力还行、你现实能做出来的。开发外包或干脆用 AI 来搭。一个好工具在流量和外链上能顶 50 篇博文。
6. 第五步:品牌——喂给 AI 的训练数据 09:32
工具词只是”目前”安全,更大的位移在整个数字营销层面,落点是第五块拼图:品牌。视频案例是电动自行车品牌赞助大 YouTuber,不做常规口播,而是捐车 + 设计系列挑战,结果 Reddit、Twitter、评论区全在讨论这个品牌。
关键洞察:这些对话不只是口碑,而是训练数据——Reddit 已与 OpenAI 和 Google 签约,每条帖子、评论、品牌提及都在喂驱动搜索的 AI 系统。赞助后,该品牌在 AI Overview 和 ChatGPT 里的提及、曝光同步暴涨,见 品牌提及即训练数据。AI 越常看到你的品牌与某话题绑定,就越有信心推荐你。
这反过来改写了选词逻辑 10:01:别只问”我该排什么词”,而是问”我想让品牌被哪些 AI query 关联”,再倒推——找出竞品在 AI 里被提及、而你缺席的每一个 query。归根结底 10:18,现在要同时想两套系统:仍活跃的 Google 搜索,和决定谁被推荐引用的 AI 搜索。两套都掌握,就领先 90% 还当无事发生的人。
可执行步骤
- 写一句”给足背景”的提示词(站是什么/怎么赚钱/受众是谁),让 AI 产出 10 个种子词 + 5 个以上修饰词,且两组不共用词。
- 把种子词投进关键词工具的匹配词报告,用 include 过滤器叠加修饰词,导出放大后的候选清单。
- 对每个候选词过 BID:问它能否撬动生意 → Google 它看 SERP 判意图 → 查难度并深挖 referring domains 与 DR。
- 单独跑一轮工具型关键词:种子词 + calculator/checker/generator 类修饰词,挑一个你现实能做出来的免费工具。
- 列出竞品在 AI Overview / ChatGPT 里被提及、而你缺席的 query,把它们纳入内容与品牌曝光计划。
- 承诺任何词前,亲手 Google 一次,代入搜索者问自己:AI Overview 的答案够了吗?够了就放弃这个词。
关联
- 印证:AI Overview —— 本片把”AI 概览让用户无需点击就拿到答案”量化为约 35% 点击流失,并给出”答案浅层即陷阱词”的可操作判据。
- 印证:曝光-点击解耦 —— 常青博文”排名没掉、流量跌 77%“的案例,是该概念的直接实证。
- 延伸:GEO —— 本片把选词从单一 Google 视角扩展到”Google + AI 搜索”两套系统,品牌提及即为 GEO 的信任信号来源。
- GEO手册如何通过付费引用、Reddit和AI搜索挑战SEO · 品牌提及即训练数据:冲突/更新——本片区分引用只影响检索结果、无法写入训练权重,与该笔记表述有出入
- 让 ChatGPT 推荐你品牌的四步实操 · 复现:本片 Step 4 整套方法就是在 Reddit/评论/讨论中累积 品牌提及即训练数据,本片新增”多源同语境一致”作为信心门槛。
术语
- seed keyword(种子词):与 niche 相关的宽泛词,关键词组合的基座。
- modifier(修饰词):best、how-to、calculator 等附加词,把种子词变成真实搜索。
- Keyword Difficulty / KD(关键词难度):0-100 的排名难度分,越低越易排。
- Domain Rating / DR(域名评级):衡量站点反链档次的指标,越高竞争越硬。
- referring domains(引用域名数):链向某页面的独立站点数量,反链强度信号。
- SERP(搜索结果页):判断搜索意图最直接的证据来源。
- AI Overview(AI 概览):Google 结果页顶部的 AI 生成摘要。
- Brand Radar(品牌雷达):Ahrefs 中查竞品在 AI 里被提及、你缺席的 query 的功能。
金句
“It wasn’t AI’s fault. It was the prompts.” → AI 做关键词研究翻车,错不在 AI,在你给的提示词太空。
“One good tool can outperform 50 blog posts in both traffic and links.” → 在 AI 吞点击的时代,一个能被真实使用的工具,远比一堆可被 AI 概览替代的博文抗打。
“These conversations aren’t just word of mouth. Their training data.” → 口碑对话如今直接进 AI 训练集,品牌曝光的价值被重新定价。
立场与利益
Ahrefs 是关键词研究工具厂商,视频通篇以自家 Keywords Explorer、免费 KD checker、Brand Radar 演示。需要剥离的销售话术:第二/三步的”matching terms + include 过滤”、第五步的工具词筛选、第五步的 Brand Radar,均强绑自家产品的具体功能名。
去销售化后仍站得住的通用主张:AI Overview 侵蚀信息型点击、种子词 × 修饰词的组合逻辑、BID 三重筛选、工具型关键词的抗 AI 性、品牌提及成为 AI 训练数据——这些是方法论层面的共识,换任何关键词工具都成立。BID 里的意图检验(直接 Google 看 SERP)甚至零工具即可执行。
价值定位
- 适合谁:已在做内容站/独立站、感到”老关键词打法失灵”、想把选词升级到 AI 搜索时代的 solo builder(见 leo-goal-independent-sites)。
- 解决什么:给了一条从”生成原料 → 放大 → BID 筛选 → 找抗 AI 的工具词 → 反推品牌 query”的完整选词流水线,落到具体动作。
- 认知 vs 实操:偏实操,BID 与工具词两步拿来即用;品牌那步偏认知(理解”提及即训练数据”的新格局),落地依赖持续的品牌曝光投入。
- 与 AI Overview、曝光-点击解耦 已有认知重叠,但本片独有 X:把”点击流失”转化为一套可执行的选词筛选法(BID + 工具词 + 品牌反推),而非停留在现象判断。
自检问题
- 为什么现在选到一个”高量、低难度”的信息型关键词也可能白干? 答案:因为 AI Overview 直接在结果页顶部给出答案,浅层信息型查询用户无需点击,即便你排第一也损失约 35% 的点击。锚定详解1。00:14
- BID 三关分别检验什么?其中哪一关零工具就能做? 答案:Business potential(能否撬动生意)、Intent(意图是否匹配)、Difficulty(竞争难度)。意图关零工具——直接 Google 该词看 SERP 排的是什么即可判断。锚定详解4。03:41
- 为什么工具型关键词目前对 AI”免疫”? 答案:搜工具的人要真的使用一个东西(calculator/checker/generator),AI 概览只能给答案、替代不了这份交互,所以这类页面流量未被侵蚀。锚定详解5。07:23
- 品牌为什么被纳入关键词研究?背后的机制是什么? 答案:品牌提及(Reddit/评论/讨论)已成为 AI 系统的训练数据,AI 越常看到品牌与某话题绑定就越推荐它;于是选词要反过来问”想让品牌被哪些 AI query 关联”再倒推。锚定详解6。09:32
- 常青博文”排名没变、流量跌 77%“说明了什么现象? 答案:排名/曝光维持、点击却因 AI Overview 大幅下滑,即曝光-点击解耦;对照免费工具页流量基本不动。锚定详解5。07:23
💬 热门评论 top-20 主 + 0 回(抓取 2026-07-07)
[3] @SeanTadiamon:去掉五部分关键词策略绝对是大师课的一课，意识到我们需要从关键词狩猎转向避开“陷阱”关键词，进入高实用工具的使用，这是一个现实检验。目前，我在Lifewood Data Technology做IT实习生快两个月了，你会学到权威建设在输入方面有多重要。为了在零点击搜索引擎结果页面中生存，不使用BID审核和从外部社区获取品牌引用给AI搜索索引器等高级技术几乎是不可能的。 [7] @Minica-f7d:五部分策略确实阐明了AI系统现在如何与传统搜索不同地过滤和呈现内容。引起我注意的是关键词意图需要与这些模型如何解释上下文对齐，而LLM权威索引专注于AI如何呈现和比较选项，帮助我更好地理解。这种演变不仅仅是新的排名因素，而是根本不同的内容评估过程。 [8] @qwertyuioppoiqwe:这对博客来说很糟糕，但人们需要开始更多地销售服务和实体产品。这些更难被AI取代。 👍 8 [12] @DavidMeeks-r8p:对匹配类型的有用分解。 [15] @pranay_artworks:很有信息量。你能提供一个关于AI SEO的成功案例研究吗？ [16] @FatineFatine-b7:总是用产品举例告诉我这对服务型企业不适用。 👍 7 [19] @MdRipon-g8v4w:08:47 观众留存率与点击率的分解至关重要。在我们Grow More Gaze的内部测试中，我们注意到改进缩略图点击率而不对齐内容承诺实际上使平均观看时间减少了18%。那一段突出了包装和交付之间的对齐如何驱动可持续增长，而不仅仅是表面指标。#YouTubeSEO 内容策略 ——其他 13 条:感谢/夸赞([1]@WilliamTaylor-g3e、[2]@JohanDanno、[4]@TheGeogeek96、[5]@shortsking1023、[6]@HaroldRichardBrown、[9]@lionelg19-84、[10]@Moises-s6o1r、[11]@MaverickCremin、[13]@RachelGerlach-c3m、[14]@MartyRamsey-m2s、[17]@MaramAlmahsiri、[18]@ChloeMcConnell-j6h、[20]@priaAInetwork)
英文原文
[1] @WilliamTaylor-g3e:Your explanations have a domino effect—one insight knocks down the next wall of confusion. 👍 4
[2] @JohanDanno:This was absolute gold! Thank you so much for explaining everything so well
[3] @SeanTadiamon:The removal of the 5-part keyword strategy is definitely a masterclass lesson, and coming to the realization that we need to move from keyword hunting to avoiding the "trap" keywords and going into high utility tool usage is a reality check. As it stands, I have been an IT intern at Lifewood Data Technology for close to 2 months, and one learns about how important authority building is with respect to inputs. For us to survive in the zero-click search engine results pages (SERPs), it is low-key impossible not to use advanced techniques such as BID vetting and getting brand citations from outside communities for AI search indexers.
[4] @TheGeogeek96:You are doing this video for free! Salute to you,man! ✌️ 👍 2
[5] @shortsking1023:wow i actually learned something new here
[6] @HaroldRichardBrown:A good lecture that will benefit all who have followed this excellent explanation. 👍 1
[7] @Minica-f7d:The 5-part strategy actually clarifies how AI systems now filter and surface content differently than traditional search. What caught my attention was how keyword intent needs to align with how these models interpret context, which the LLM Authority Index, focused on how AI surfaces and compares options, helped me understand better. The evolution isn't just about new ranking factors but fundamentally different content evaluation processes.
[8] @qwertyuioppoiqwe:This is terrible for blogs but people need to start selling more services and physical products. Those are harder for AI to replace. 👍 8
[9] @lionelg19-84:Thanks for the info Sam! Stumbled across here looking for help with Keyword Research and walked away with mind blown. Very interesting.
[10] @Moises-s6o1r:Appreciate the non-fluff straightforward approach. Was a great review for me. Thank you! 👍 1
[11] @MaverickCremin:Clear and understandable, I wish there was more information like this. 👍 1
[12] @DavidMeeks-r8p:Helpful breakdown of match types
[13] @RachelGerlach-c3m:Crisp, smart way of explaining, necessary and sufficient information. That was helpful. Thank you.
[14] @MartyRamsey-m2s:Really clever explanation and no unnecessary verbiage! Respect! + subscription 👍 1
[15] @pranay_artworks:Informative. Could you please provide a successful case study regarding AI SEO?
[16] @FatineFatine-b7:Always giving examples with products tells me that this doesn't work with service based businesses. 👍 7
[17] @MaramAlmahsiri:thanks alot
[18] @ChloeMcConnell-j6h:I love your videos. Would you ever consider creating summary notes? It takes a while to have to type out everything so I can actually try to go replicate it.
[19] @MdRipon-g8v4w:08:47 The breakdown of audience retention versus click-through rate is crucial. In our internal tests at Grow More Gaze, we noticed that improving thumbnail CTR without aligning content promise actually reduced average watch time by 18%. That segment highlights why alignment between packaging and delivery drives sustainable growth, not just surface-level metrics. #YouTubeSEO #ContentStrategy
[20] @priaAInetwork:Great lesson!