--- title: '2026年电商SEO策略（真正有效的方法）' video_id: 6o0mabKRmIo url: https://youtu.be/6o0mabKRmIo title_en: "Ecommerce SEO Strategy (What Actually Works in 2026)" channel: Nathan Gotch published: 2026-06-23 duration: "67:08" topics: [AEO/GEO, 内容策略, 页面SEO与技术基建] noted: 2026-07-06 value: A views: '1209' --- [![封面](https://i.ytimg.com/vi/6o0mabKRmIo/maxresdefault.jpg)](https://youtu.be/6o0mabKRmIo) > Nathan Gotch · 67:08 · 发布 2026-06-23 · 1209次观看(截至抓取) · [观看原视频](https://youtu.be/6o0mabKRmIo) ## 主旨 以一个真实电商品牌(卖肌酸补剂的 First Form)为例,现场演示一套"电商 SEO + AEO"实战流程:如何只锁定一个品类、用数据划定该品类的全部检索面机会、批量生产对比型内容、把资产铺到自有与站外多个渠道,并做好让 AI 抓取与训练收录的页面级技术准备。 ## 核心论点 1. **电商 SEO 不该摊子铺开打整站,而要用一个季度(90天)只攻一个具体品类。**([[#1-单品类专注90天品类攻坚计划-0115|→ 详解1]]) 2. **技术审查要先圈定该品类相关的 URL 再看数据,内容资产盘点结果往往比看上去更单薄。**([[#2-窄域数据驱动的技术审查-0240|→ 详解2]]) 3. **选题要靠"五阶段客户认知漏斗"倒排,并把品牌真实页面喂给 AI 做 grounding,避免选题凭空编造。**([[#3-五阶段客户认知漏斗与-ai-选题-grounding-0544|→ 详解3]]) 4. **对核心查询要同时导出传统搜索、AI 答案竞品、AI 引用来源做"blend"合并分析,才能找出真正该争取的高权威域名。**([[#4-全检索面机会挖掘blend-分析法-1722|→ 详解4]]) 5. **围绕竞品的"alternatives / review / battle / vs you"四类对比查询,是性价比最高的内容战术之一,可批量复制。**([[#5-竞品对比四型查询战术-3156|→ 详解5]]) 6. **同一批选题要复制到网站以外的多个自有渠道分发,总资产量以百为单位计。**([[#6-自有资产多渠道分发矩阵-4203|→ 详解6]]) 7. **站外合作要按被引用频次排优先级,而非凭感觉挑域名。**([[#7-站外earned优先级排序-4608|→ 详解7]]) 8. **内容生产要走"简报→草稿→迭代"流程,页面还要满足新鲜度、速度、CCBot 可抓取等 agent-ready 技术清单。**([[#8-ai-内容生产流程与页面级-agent-ready-技术清单-5704|→ 详解8]]) ## 知识点详解 ### 1. 单品类专注:90天品类攻坚计划 [01:15](https://youtu.be/6o0mabKRmIo?t=75) 作者坦言自己早年做 SEO 时最大的错误就是试图同时攻所有品类,结果每个方向都只推进"一厘米",没有一个真正做透。他给出的解法是先只挑一个具体品类(视频里选的是肌酸/creatine),把它当成接下来一整个季度(90天)的唯一焦点。 这是一种品类攻坚(Topic Domination)式的资源分配:不是不管其他品类,而是先用密集投入把一个品类的内容密度和引用覆盖做到位,再滚动到下一个品类(视频里提到做完肌酸大概会转去做胶原蛋白)。 ### 2. 窄域数据驱动的技术审查 [02:40](https://youtu.be/6o0mabKRmIo?t=160) 技术审查同样只看这一个品类相关的 URL,而不是做全站审计。正常流程会接入 Google Search Console、Google Analytics、Bing Webmaster Tools 的展现/点击/排名数据,核心原则是"给 URL 分配动作时要基于数据,而不是凭直觉"。 作者没有该品牌的后台权限,退而用抓取导出的标题筛选出约 7 个站内页面,再用 Google 搜索粗略估算博客上大概还有 30 篇相关资产。他特别指出:30 篇听起来不少,但相对于真正建立话题权威所需的规模其实很小——通常要跨博客、网站、自有渠道铺出数百篇资产才够。 ### 3. 五阶段客户认知漏斗与 AI 选题 Grounding [05:44](https://youtu.be/6o0mabKRmIo?t=344) 选题框架用的是经典营销漏斗——五阶段客户认知漏斗:从完全无认知,到问题认知、方案认知、产品认知,最后到最认知(直接和自家产品/品牌相关)。作者建议倒着做,先从"最认知"阶段开始,因为这类查询转化最快,竞品也很难用同一品牌词抢占。 具体做法是把品类页、collection 页、以及若干产品页整篇喂给 AI 工具去生成选题,这就是AI 选题 Grounding:让 AI 基于品牌真实资料和(若接入 GSC 等数据)真实排名表现去生成建议,而不是只凭它训练集里的通用知识瞎编。作者强调不能盲信 AI 一次性给出的清单,大概两成的建议会不靠谱,需要人工判断取舍。 ### 4. 全检索面机会挖掘:Blend 分析法 [17:22](https://youtu.be/6o0mabKRmIo?t=1042) 对每一个核心查询,作者会分别导出四类数据:传统搜索排名、AI 答案里被提到的竞品、AI 引用来源(citations,即检索时真正被抓取引用的页面)、以及 YouTube/TikTok 上的视频搜索表现。把这些结果合并成一张表并按 URL/域名排序,就是他所说的Blend 分析法。 排序之后能看到哪些域名在传统搜索和 AI 引用里反复出现——这些才是真正值得优先争取的合作对象,而不是只看单次排名。他也提醒:引用列表里经常混有赞助内容,"[19:54](https://youtu.be/6o0mabKRmIo?t=1194) 不管是付费还是自然获得的曝光,只要能被反复引用就算数",这意味着判断优先级的标准是出现频次而非来源是否"干净"。 ### 5. 竞品对比四型查询战术 [31:56](https://youtu.be/6o0mabKRmIo?t=1916) 作者总结了一套可批量复制的竞品对比四型查询战术:某品牌+alternatives(替代品清单)、某品牌+review(单独评测)、竞品 A vs 竞品 B 的"battle"页、以及竞品 vs 你自己。其中最容易被忽略但效果很好的是在已有热度的"竞品 A vs 竞品 B"查询后面直接加上自己的品牌名(例如把"NeuronWriter vs Ahrefs"变成带上自家产品名的对比页),既蹭到原查询的搜索量,又顺带完成了品牌对比植入。 他用自己参与的 SEO/AEO 工具创业公司作为案例:这家公司完全自筹资金、仅 3 名团队成员,却靠这套打法在"HubSpot AEO alternatives"这类查询上,拿下传统搜索前 30 名里的 5 个位置(约 17% 的 SERP 份额),并挤进了 AI 答案的引用来源,对手是刚拿到近 1 亿美元融资、估值十亿美元的另一家工具公司。这个案例说明打法本身不依赖预算规模,而依赖是否肯逐个查询去攻。 ### 6. 自有资产多渠道分发矩阵 [42:03](https://youtu.be/6o0mabKRmIo?t=2523) 同一批选题(视频里"最认知阶段"就有约 40 个话题)不止发在网站上,还要依次复制到 YouTube、LinkedIn、Instagram、TikTok 等自有渠道各发一遍。仅这五个渠道叠加起来,示例品牌就能产出约 163 份资产;如果再算上让团队成员/员工去互动放大这些帖子,总量可能到 250-500 份。 LinkedIn 被作者当作一种"寄生式"分发渠道:先在公司主页发布对比文章,再让有一定 LinkedIn 权重的高管或员工去分享或点赞,加速内容被抓取和索引。他也提醒,在自己 YouTube 频道正面点名竞品会显得比较尴尬,这类场景更适合走赞助合作,而不是自建内容硬刚。 ### 7. 站外(earned)优先级排序 [46:08](https://youtu.be/6o0mabKRmIo?t=2768) 自有渠道铺完之后,下一步是站外(earned)合作,优先级完全按 Blend 分析里的引用频次来定,而不是凭印象挑域名。示例中 Healthline 是该品类被引用次数最多的实体,几乎在每个核心查询里都出现,因此被列为第一优先合作对象;其后是 Amazon、Reddit、Forbes 等反复出现的域名。 盘点时也顺带发现一个具体机会缺口:这个品牌虽然在 Amazon 上卖其他产品,却唯独没有上架这个品类,而 Amazon 是全球最大电商平台之一——这类"该出现却没出现"的空白,本身就是站外优先级清单里最容易拿下的一项。 ### 8. AI 内容生产流程与页面级 Agent-ready 技术清单 [57:04](https://youtu.be/6o0mabKRmIo?t=3424) 内容生产走"简报→草稿→迭代"流程:先核实品牌是否已经覆盖这个查询(避免和现有类目页重复),再用竞品数据加上品牌自身的差异化卖点(同样靠 grounding 喂给 AI)生成内容简报,由简报生成初稿,通常还要再迭代三到五轮才会发布;FAQ/People Also Ask 区块专门用来承接 query fan-out 带来的长尾查询,这与Query Fan-out描述的"AI 先识别核心答案、再并行检索周边子查询"的机制是同一件事——[63:33](https://youtu.be/6o0mabKRmIo?t=3813) 约 60% 的搜索现在其实是由 agent 发起的,提前覆盖这些子查询才能被反复捞到。 页面还需要满足一份 agent-ready 技术清单:抓取与索引状态、内容新鲜度、"文件新鲜度"(查看页面源码里是否还留着 2022/2023 等过时年份标记)、页面加载速度与体验,以及基于 Google helpful content 准则算出的页面质量分。清单里被特别强调的一项是 CCBot 与训练集烤入 可访问性——OpenAI、Anthropic 等公司会下载 Common Crawl 每月抓取的互联网快照并筛选后用作模型训练数据,能否被 CCBot 顺利抓取,决定的是品牌能否被"烤入"模型参数、成为它回答时的静态知识,这与实时检索命中是两件需要分别确认的事。 ## 可执行步骤 - [ ] 先选定一个具体品类/子类目,而不是试图覆盖全站,单独给它分配一个季度的资源 - [ ] 用 GSC/GA 或抓取工具,只筛出该品类相关的 URL,盘点现有资产数量与信号强弱 - [ ] 按"最认知→无认知"倒序列出五阶段选题清单,喂给 AI 时附上品类页/产品页原文做 grounding - [ ] 对 5 个核心查询,分别导出传统搜索结果、AI 答案里的竞品、AI 引用来源,合并成一张按域名排序的表,标出反复出现的域名 - [ ] 生产"alternatives / review / 竞品 battle / 竞品 vs 你"四类对比页,在有热度的竞品对比查询末尾直接加上自己的品牌词 - [ ] 把同一批选题搬到网站+至少 2 个自有社媒渠道各发一遍,并安排团队成员做首轮互动放大 - [ ] 按引用频次给站外目标域名排优先级,优先谈判被引用最多的 1-3 个实体 - [ ] 检查页面源码里的过时年份标记、页面加载速度,并确认 robots.txt 未拦截 CCBot ## 关联 - 印证:Query Fan-out 的说法,本视频具体演示了如何靠自有与站外资产矩阵去覆盖这一机制所需的子查询,并给出把品牌词插入热门竞品对比查询末尾的具体战术。 - 印证:参数化记忆 的说法,本视频补充了 Common Crawl/CCBot 是模型训练数据的具体入口,把"打入模型权重"变成了一份可执行的页面技术清单。 - 印证:Topical Authority 的说法(见[[2024-08-05-AI博客自动化流水线-选词生成到变现的全流程]]),本视频给出更窄化、量化的操作版本——单季度只攻一个品类、目标资产量精确到两三百篇。 ## 术语 - AEO(Answer Engine Optimization,让内容被 ChatGPT/Perplexity 等 AI 答案引擎直接引用或推荐的优化) - Grounding(给 AI 生成任务喂入品牌真实资料,让输出贴合实际而非凭训练集泛知识编造) - Blend(把传统搜索导出结果与 AI 引用导出结果合并到一张表、按域名排序做交叉分析的动作) - CCBot(Common Crawl 的抓取机器人,月度扫描互联网供各大 LLM 厂商下载做训练数据) - Parasite SEO(寄生 SEO,借助 LinkedIn 等本身权重高、易被索引的平台发布内容蹭其排名能力) ## 金句 > "You don't want to try to go after the entire website... you really what you want to think about is for this one little category... we're going to build a 90-day plan" → 别贪多铺开,先用一个季度把一个品类彻底打穿打透。 > "It doesn't matter whether it's paid or organic. It just simply does not matter." → AI 答案的引用只认"是否反复出现",不区分那份曝光是自然获得还是花钱买来的。 > "You need to make sure that your website is accessible for CCBot... that's like one of the most critical parts for your brand getting baked into the actual model" → 能不能被 Common Crawl 抓到,决定了品牌能否被写进下一代大模型的记忆里。 ## 立场与利益 Nathan Gotch 本人是 SEO 代理机构创始人,同时是本视频里反复演示的 SEO/AEO 工具的联合创始人(视频中提到公司仅 3 人、完全自筹资金)。视频中的截图操作、"blend"报告导出、内容简报与草稿生成、竞品追踪面板等,大量在演示这款自家工具的具体界面,属于产品演示性质;笔记正文已剥离工具专属操作细节,只保留可迁移到任何数据源+AI 对话工具组合的策略层方法论。此外,视频里他还拿自己公司与估值十亿美元的竞品对比战绩作为案例证明策略有效,这既是真实可查的数据,也带有明显自我营销动机。 ## 价值定位 适合谁:已有一定规模、能拿到 GSC/GA/关键词工具等数据访问权限,并且愿意按季度批量产出内容、跨渠道分发的电商/品牌 SEO 负责人或团队。 解决什么:回答"电商 SEO+AEO 到底要建多少内容、按什么顺序建、优先跟哪些第三方合作"这类执行层问题,给出了具体的查询模板、资产数量估算和执行顺序,而不是泛泛讲 SEO 原理。 认知 vs 实操:偏实操,流程和数量级可以直接照搬套用;但"为什么 AI 答案引用会形成复利、品牌为何该优先被 CCBot 抓到"这类背后原理,视频只是演示了现象和结果,没有展开更深的论证。 与已有笔记重叠:与Topical Authority(见[[2024-08-05-AI博客自动化流水线-选词生成到变现的全流程]])在"建立话题权威需要成体系内容密度"上重叠,但本片独有"单季度锁定一个品类+按五阶段漏斗倒排+跨 5 个自有渠道复制发布"的具体操作量化模型。 ## 自检问题 1. 为什么作者建议电商 SEO 策略一次只攻一个品类,而不是铺开整站? **答案**:铺开会导致每个方向都只推进"一厘米",资源被稀释;聚焦一个品类才能在一个季度内堆出足够密度的资产,形成真正的话题权威(品类攻坚)。见"单品类专注"节 [01:15](https://youtu.be/6o0mabKRmIo?t=75) 2. 五阶段客户认知漏斗为什么要倒着从"最认知"阶段开始做内容? **答案**:最认知阶段的查询直接指向品牌自身产品,转化最快、且竞品很难用同一品牌词抢占,是投入产出比最高的起点。见"五阶段客户认知漏斗与 AI 选题 Grounding"节 [05:44](https://youtu.be/6o0mabKRmIo?t=344) 3. "Blend"分析法解决的是什么问题? **答案**:单独看传统搜索排名或单独看 AI 引用都只是局部信号;把两者导出合并按域名排序,才能发现哪些域名在多个检索面反复出现,从而锁定真正该优先争取的合作对象。见"全检索面机会挖掘:Blend 分析法"节 [17:22](https://youtu.be/6o0mabKRmIo?t=1042) 4. 为什么"能被 CCBot 抓取"和"能被 AI 实时检索到"是两件需要分别确认的事? **答案**:CCBot 爬取结果被 OpenAI/Anthropic 等下载筛选后用作模型训练数据,决定品牌能否被"烤入"模型参数(静态知识);而 AI 实时检索命中靠的是当下的网页可见性与引用信号,两者机制不同,需同时满足。见"AI 内容生产流程与页面级 Agent-ready 技术清单"节 [64:36](https://youtu.be/6o0mabKRmIo?t=3876) 5. 视频里提到的四类竞品对比查询战术分别是什么? **答案**:某品牌+alternatives、某品牌+review、竞品 A vs 竞品 B 的"battle"页(可插入自己品牌名蹭热度)、以及竞品 vs 你。见"竞品对比四型查询战术"节 [31:56](https://youtu.be/6o0mabKRmIo?t=1916)