YT 学习笔记

2026 SEO 新打法:SEO + GEO 双轨 5 步

19分钟阅读下载 MD

封面

Semrush · 14:09 · 发布 2026-03-12 · 9,496 次观看(截至抓取) · 观看原视频

主旨

Brian Dean(Backlinko / Exploding Topics 创始人)用自家两个站点的实战,给 2026 年的 SEO + GEO 双轨打法:核心是从”关键词”切换到”实体”(entity)——选 1 个超 specific 概念、自家建 entity hub、第三方站点 seeding、AI-friendly 内容结构,最后别忘传统 SEO 基本功。Backlinko = “actionable SEO strategies”、Exploding Topics = “early trend detection”——这两个 entity 锚定让两站都进了 AI 答案的引用源。

核心论点

  1. 2026 年 SEO 真正的”主战场”已变成 AI answers / overviews / ChatGPT / Gemini——传统 10 蓝链 + 自然流量虽然还在,但”被 AI 引用”是高意向客户的真正入口 00:35。(→ 详解1)
  2. LLM 关注”你是谁”,不是”你发了什么”——关键词匹配时代已过,entity 关联成为 LLM 检索的核心信号 03:16。(→ 详解2-4)
  3. entity 必须是 hyper-specific 的——越具体,越能在多次出现后被 LLM 关联 05:05。(→ 详解2)
  4. 自家 hub + 第三方 seeding + AI-friendly 内容结构 = 三件套,缺一不可——只有自己的内容不够,必须让 entity 在第三方站点反复出现 05:57 / 07:02。(→ 详解3-5)
  5. 不要丢传统 SEO——LLM 仍然从公开互联网拉数据,Google 仍是新内容被发现的主入口 12:37。(→ 详解6)

知识点详解

1. 为什么老 SEO 已不够 00:42

Brian 用 Exploding Topics 的实际 SERP 截图讲清现状:即使你在 Google 10 蓝链区排第一,那个第一名现在已经被推到广告 + AI overview 之下,肉眼可见的曝光率比前 AI 时代骤降。

但同时 Exploding Topics 也作为 “suggested tool” 出现在 AI overview 里——这就是 SEO 的现状:单一渠道下行,但”被 AI 引用”的高意向曝光在上升。

对业务的实际影响:SEO 越来越像 social media——目标是”被多次看见”(eyeballs),不是”被点进”(traffic)。一个高意向用户多次看到同一品牌,决策时还是会回来。这与传统 SEO “排名 → 流量” 的线性思维相反。

2. Step 1:Entity Association——选 1 个超 specific 概念 04:44 / 05:03 / 05:05 / 05:22

核心反直觉:选 entity 时不要选宽泛类别(“CRM 软件”、“肌酸补剂”)——宽泛类别已经被巨头占满,你做不大;要选 hyper-specific 概念,能反复自然出现而不显得堆砌的 05:05。

Brian 的两个成功案例:

  • Exploding Topics = “early trend detection”(早期趋势发现)——不是”trend tool” / “trend software”这种宽泛词,而是聚焦”早期发现”这个动作
  • Backlinko = “actionable SEO strategies”(可执行 SEO 策略)——不是”keyword research”或”on-page SEO”,而是聚焦”任何人都能用、拿来就能上手”的策略 05:40

判断标准:

  • 你能在一个页面里清晰说出”我们就是做 X 的”,X 必须 hyper-specific
  • 这个 X 必须能在第三方文章里被自然引用——不显得强行
  • X 必须在你的业务范围——能持续做内容、不会很快做完

实操:打开自家品牌定位的语料,把”我们做 X” / “我们的 X 是 Y”的句子列出来——第一个想到的、能在自然文章里反复出现的 X,就是你的 entity。

3. Step 2:Entity Hub——在自家站点建最权威的”概念解释页” 05:57

机制:LLM 在判定”哪个品牌 = 哪个 entity”时,会扫该品牌自家站点的内容——自家站点必须有一篇 / 一组”把这个概念讲得比谁都透”的页面。

形式自由:可以放 about page、blog post、guide——核心要求是”独特洞察” / “独家数据”,让 LLM 觉得”我从没见过这种角度,值得拿来训练”。

实操起点:如果刚开始,可以只做一篇:把 entity 讲透 + 加独家数据 / 案例 / 视角,让它”在你的站内是无可替代的”——比发 10 篇平庸文章强。

Exploding Topics 的”entity hub”是它多年发的 trend detection 类文章(质量上 + 数量上都有积累);Backlinko 的 hub 是”任何人都能用的 actionable SEO”系列。

4. Step 3:Seeding Entity——第三方站点的反复露出 07:02

核心机制:LLM 不是看一次就定 entity 关联,而是要在多个第三方站点反复看到”brand + entity”成对出现——这是把 entity 烙进 LLM 训练语料的关键。

4 类第三方 seeding 路径 08:27 / 08:38 / 09:33 / 09:43:

  1. Comparison / best-of 博客:找已经在 rank 的”X 工具合集” / “X 最佳工具”类文章,主动 contact 作者,用简短不 hype 的描述说明你是谁。Brian 的诀窍是”先给作者一个 broken link 替换”——把对方 dead link 换成你的链接,foot in the door
  2. Reddit / Quora 等社区:只在用户真的在求推荐的问题里回答;不能强行自荐,会被 ban
  3. Podcast / YouTube interview:小频道也算——show notes / 描述 / transcript 都是 LLM 训练源。Brian 自己 Exploding Topics 的早期露出就是 podcast 路线
  4. 能用相似措辞就用相似措辞:能控制 brand + entity 出现方式时,用一致的表述(都用 “early trend detection” 而不是 “trend discovery” / “trend spotting”)——LLM 关联靠 pattern matching,措辞漂移会削弱关联强度

核心理念:把 entity seeding 视为”内容资产分布”,不只追求”拿到 1 个 link”。

5. Step 4:AI-Friendly Content——结构化 + 直接答案 10:23

LLM 不会像人一样”读完整个页面理解语境”,它要直接抽取段落作为答案。所以内容要:

  1. 顶部 1-2 句直接回答问题 10:55——不要花 500 词铺垫”在开始这个食谱之前,我要说我 1985 年去托斯卡纳发现…”这种 fluff。今天 fluff 时代结束。
  2. 用 declarative language——不绕弯、不堆 buzzword、不 hedge 11:13
  3. 必要时加 qualifier——但要主动说”这个对 A 适用,不对 B 适用”,控制 scope 让结论更可信
  4. 页面级结构:为读者设计,但为 AI 留接口——Backlinko 的页面结构就是范本:每页都让”读者一眼找到要找的”、“LLM 容易抽出来作为引用源”

关键判断:hyper-direct(超直接)与 credible(可信)之间的平衡——既要超直接给出答案,又要避免 overclaim。Qualifier 是调节这个平衡的工具。

6. Step 5:Don’t Sleep on Traditional SEO 12:37

反共识判断:即使全力做 AI SEO,传统 SEO 基本功不能丢。理由:

  • LLM 仍然从开放互联网拉数据——你站点的内容仍然是 LLM 训练语料的”供给侧”
  • Google 仍是新内容被发现的主入口——LLM 不会主动去抓新页面,要靠 Google 索引 + 排名让 LLM 看到
  • 在 AI 答案里被引用的页面,几乎都先有扎实的传统 SEO 基本功——如果站点慢、薄、难爬,LLM 不会”魔法地”救你

Brian 自己的数据:Exploding Topics 仍然每月从 Google 拿数百条 leads,其中一部分来自 AI overviews,但大量仍来自 10 蓝链 13:32——这与”AI 时代传统 SEO 死了”的恐慌叙事相反。

实操:传统 SEO + AI SEO 不是二选一——基本功 + entity 体系叠加,才是在 2026 年”用 SEO 拿到比以往更多客户”的路径。

可执行步骤

  • 给自己品牌选 1 个 hyper-specific 的 entity——能用一句话说清”我们就是做 X 的”,X 越具体越好
  • 在自家站点建 / 强化 entity hub:至少 1 篇”把 X 讲透”的核心页,加独家数据 / 视角
  • 做一轮第三方 seeding 排查:目前哪些 comparison 站、播客、YouTube 频道提到你?措辞是否一致?有 gap 主动 contact
  • 改造现有最关键的 5 个内容页:顶部 1-2 句直接答案 + declarative language + 必要 qualifier
  • 维护一份”传统 SEO 检查清单”:站点速度 / 内链结构 / 核心页可爬性 / 内容质量 / 外链档案——每季度 review
  • 看自家品牌在 ChatGPT / Gemini 答案里被引用的频率;如果 0 引用,回到 Step 1 重新选 entity

关联

  • 印证:AI Overview —— 已定义为”Google 搜索结果页的 AI 摘要,可能让用户无需点击外链就获得答案”,本片 Brian 给出”SEO + GEO 双轨 5 步”反制:从 10 蓝链第一名下降到 AI 抢流的现实里(以 Exploding Topics 实际 SERP 为例),通过 entity-first 4 步把品牌”塞进” AI 答案作为 suggested tool / 引用源
  • 印证:GEO —— 已定义为”为 LLM 答案优化的新方法论”,本片把 GEO 落地为 entity-first 4 步(Entity Association / Hub / Seeding + AI-friendly content 结构),并强调”传统 SEO 仍是 GEO 的基础”——LLM 仍从开放互联网拉数据、Google 仍是新内容被发现的主入口

一手来源与延伸

术语

  • Entity(实体):LLM 检索的核心单位——品牌 / 人 / 工具 / 概念;“brand 与哪个 entity 关联”决定 LLM 在哪些答案里引用你
  • Hyper-specific entity(超具体实体):选 entity 时不要宽泛类别(“CRM 软件”),要聚焦具体动作 / 视角(“early trend detection”)
  • Entity hub(实体枢纽页):自家站点里”把 entity 讲得最透”的核心页,是 LLM 判定 brand-entity 关联的主要依据
  • Entity seeding(实体播种):在第三方站点反复让”brand + entity”成对出现,把 entity 烙进 LLM 训练语料
  • AI overview(Google AI 概览):Google 在 SERP 顶端的 AI 答案版块,挤掉 10 蓝链的曝光
  • GEO(Generative Engine Optimization):“生成式引擎优化”——针对 ChatGPT / Gemini / Perplexity 等 LLM 答案的优化,本片与 SEO 并列
  • 10 blue links(10 蓝链):Google 传统自然搜索结果区,被 AI overview + 广告推得越来越靠下
  • Declarative language(陈述性语言):直接陈述事实的语言风格,与 hedge / buzzword / flowery copy 相对
  • Backlinko(Brian Dean 创办的 SEO 站):entity 锚定 “actionable SEO strategies” 的范本
  • Exploding Topics(Brian Dean 创办的趋势发现工具):entity 锚定 “early trend detection” 的范本
  • Qualifier(限定语):控制 claim 范围的修饰(如”对 A 适用,不对 B 适用”),让结论更可信

金句

“LLMs really focus on who you are, not what you publish on your site.”
—— 03:16
为什么值得记:把”传统关键词优化”和”LLM 时代 entity 优化”的核心差异一句话说清——这是 2026 SEO 范式转换的最精简表述。

“The entity you choose needs to be a hyper-specific idea, one that can get easily repeated over and over again without looking spammy or forced.”
—— 05:05
为什么值得记:Brian 选 entity 的判据——hyper-specific + 能反复自然出现,这是把”广撒网选 entity”和”聚焦打 entity”的分野。

“If your brand shows up with entity enough times, the LLMs will make the connection on their own.”
—— 09:33 前后
为什么值得记:LLM entity 关联的”统计性”本质——量变到质变,出现次数足够就能让 LLM 自己连起来,不需要你控制每一次露出。

立场与利益

  • 与利益同向(待印证):本片对”entity-first SEO 4 步体系”的有效性主张——与 Brian 的 Backlinko SEO 课程(本期 affiliate 强绑定)同向。“被 AI 引用”对实际 leads 的转化率、entity seeding 投入产出比,这些需独立数据(不要只信 Brian 自家 Exploding Topics / Backlinko 的”故事”),尤其要查 entity 选错后切换成本。
  • 利益中性:对 LLM 工作机制(“看 brand + entity 共现”)的客观描述——这是公开可验证的 LLM 行为,无变现关联,按内容采信。
  • 与利益反向(可信度最高):Brian 反复强调”不要丢传统 SEO” 12:37——直接说 Exploding Topics 仍每月从 Google 10 蓝链拿数百 leads 13:32——主动给”AI SEO 取代传统 SEO”泼冷水,与卖 AI SEO 课的利益反向,反而证明 Brian 没在夸大。

利益证据:description 头部 Backlinko 课程 + 视频结尾”Take the full content-led SEO course with Brian Dean for free”——本片是 Semrush 官方频道 + Brian 课程级 affiliate。Brian 是 Backlinko 创始人,直接现身说法。

价值定位

  • 适合谁:在 2026 年想从”传统关键词 SEO”切换到”AI 时代 entity SEO”的人;尤其在 ChatGPT / Gemini / Perplexity 等 LLM 答案里看不到自己品牌的站主
  • 解决什么:给一个”entity-first 4 步走”的体系——选 hyper-specific entity / 自家建 hub / 第三方 seeding / AI-friendly 内容结构;并强调不要丢传统 SEO
  • 认知 vs 实操:中等偏认知 + 关键操作点——核心是”entity 思维”的范式转换,具体动作是常规内容 / 外链 / 第三方露出工作的重新组合
  • 与已有笔记重叠:vault 内 semrush 频道此前无笔记,无可比;与”AI SEO / AEO”主题的 vault 内笔记可能重叠(命中才写,暂无)

自检问题

  1. Brian 给的 2026 SEO 现状判断是什么?它对”SEO 工作的目标”有什么影响? 答案:10 蓝链第一名已远低于广告 + AI overview;但”被 AI 引用”作为高意向曝光在上升。SEO 越来越像 social media——目标是”被多次看见”,不是”被点进”。锚点:详解1。
  2. 选 entity 的反直觉判据是什么?为什么”宽泛类别”反而不好? 答案:必须 hyper-specific——宽泛类别(“CRM 软件”)已被巨头占满;hyper-specific(“early trend detection”)能在第三方文章里反复自然出现而不显得堆砌。锚点:详解2。
  3. Step 2 “Entity Hub” 的核心要求是什么?为什么 Brian 强调”独特洞察 / 独家数据”? 答案:必须有一篇 / 一组”把 entity 讲得比谁都透”的核心页;LLM 看到”独特视角”才愿意训练引用——10 篇平庸文章不如 1 篇真正独家。锚点:详解3。
  4. Step 3 “Seeding Entity” 的 4 类第三方路径是哪些?各有什么”陷阱”? 答案:comparison 博客(不 hype、不强行)/ Reddit(只在用户求推荐时答)/ podcast(小频道也算)/ 措辞一致(用相同 entity 表述)。陷阱:Reddit 强行自荐会 ban、措辞漂移削弱关联。锚点:详解4。
  5. Brian 反复强调”不要丢传统 SEO”,他用 Exploding Topics 的什么数据支撑? 答案:Exploding Topics 仍每月从 Google 拿数百 leads,大量来自 10 蓝链——LLM 仍从开放互联网拉数据,Google 仍是新内容被发现的主入口。锚点:详解6。

关系图谱

反向链接