--- title: '2026 SEO 新打法:SEO + GEO 双轨 5 步' video_id: oxkykvTcN_Y url: https://youtu.be/oxkykvTcN_Y title_en: "The SEO Playbook: A NEW System for 2026 (SEO, GEO)" channel: Semrush published: 2026-03-12 duration: "14:09" topics: - AI SEO / AEO - 外链建设 - 内容策略 noted: 2026-07-08 value: A views: '9,496' --- [![封面](https://i.ytimg.com/vi/oxkykvTcN_Y/maxresdefault.jpg)](https://youtu.be/oxkykvTcN_Y) > Semrush · 14:09 · 发布 2026-03-12 · 9,496 次观看(截至抓取) · [观看原视频](https://youtu.be/oxkykvTcN_Y) ## 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](https://youtu.be/oxkykvTcN_Y?t=35)。([[#1-为什么老-seo-已不够-0042|→ 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](https://youtu.be/oxkykvTcN_Y?t=196)。(→ 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](https://youtu.be/oxkykvTcN_Y?t=305)。([[#2-step-1entity-association选-1-个超-specific-概念-0444--0503--0505--0522|→ 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](https://youtu.be/oxkykvTcN_Y?t=357) / [07:02](https://youtu.be/oxkykvTcN_Y?t=422)。(→ 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](https://youtu.be/oxkykvTcN_Y?t=757)。([[#6-step-5dont-sleep-on-traditional-seo-1237|→ 详解6]]) ## 知识点详解 ### 1. 为什么老 SEO 已不够 [00:42](https://youtu.be/oxkykvTcN_Y?t=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](https://youtu.be/oxkykvTcN_Y?t=284) / [05:03](https://youtu.be/oxkykvTcN_Y?t=303) / [05:05](https://youtu.be/oxkykvTcN_Y?t=305) / [05:22](https://youtu.be/oxkykvTcN_Y?t=322) **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](https://youtu.be/oxkykvTcN_Y?t=305)。 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](https://youtu.be/oxkykvTcN_Y?t=340) **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](https://youtu.be/oxkykvTcN_Y?t=357) **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](https://youtu.be/oxkykvTcN_Y?t=422) **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](https://youtu.be/oxkykvTcN_Y?t=507) / [08:38](https://youtu.be/oxkykvTcN_Y?t=518) / [09:33](https://youtu.be/oxkykvTcN_Y?t=573) / [09:43](https://youtu.be/oxkykvTcN_Y?t=583): 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](https://youtu.be/oxkykvTcN_Y?t=623) 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](https://youtu.be/oxkykvTcN_Y?t=655)——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](https://youtu.be/oxkykvTcN_Y?t=673) 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](https://youtu.be/oxkykvTcN_Y?t=757) **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](https://youtu.be/oxkykvTcN_Y?t=812)——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 - Brian Dean 的 content-led SEO 课(本期主推,带 affiliate):https://social.semrush.com/3RV3NlK - Backlinko:https://social.semrush.com/3RqWTVh - Exploding Topics:https://social.semrush.com/4dGGT9d - Semrush 免费试用(本期 affiliate):https://social.semrush.com/3RWb7xr - Semrush Academy(职业向):https://social.semrush.com/43tyReQ ## 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](https://youtu.be/oxkykvTcN_Y?t=196) > 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](https://youtu.be/oxkykvTcN_Y?t=305) > 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](https://youtu.be/oxkykvTcN_Y?t=573) 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](https://youtu.be/oxkykvTcN_Y?t=757)——直接说 Exploding Topics **仍每月从 Google 10 蓝链拿数百 leads** [13:32](https://youtu.be/oxkykvTcN_Y?t=812)——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。