Codex如何用七分钟挑战了30万年框SEO服务商一周交付的外贸站内容策略

不管是外贸站还是电商站，过去呢，要做 SEO，肯定会先问这个问题：

我们要优化哪些关键词？

接下来的工作也围绕关键词展开：看搜索量、判断搜索意图、拆竞争页面，再决定做哪些产品页、分类页和博客。

这套逻辑今天当然还是有用的。但到了生成式搜索，也就是大家现在讨论的 GEO，问题又往前走了一步：

用户会拿什么问题去问 AI？在什么问题下面，AI 应该引用我们的内容？

那么其实关键词没有消失。但是外贸站的内容入口从“我们想优化什么词”，变成了“用户在真实场景里到底会问什么问题”。

过去：产品 → 关键词 → 页面 → 排名  

现在：用户场景 → 问题 → 证据 → 内容 → 被搜索和 AI 引用

从关键词换成问题，是容易了还是简单了

那你的老板就会说了：

那去做做用户调研，看看问什么，再做做整体调研嘛。

老板讲话，当然正确。但是负责执行的外贸部门的同学但凡是上心的，他这个时候肯定会有很多问题：

• 去哪里找真实用户的问题？比如 reddit，肯定是好的内容渠道。但怎么批量的抓下来呢？哎用户问的问题跟我以为他问的问题不一样啊，他真的会问这些问题吗？这里面是不是还区分角色？比如终端用户和经销商？

• 调研好不容易做完了呢，怎么映射回已有文章、产品卖点和缺口？最后怎么告诉老板我的工作计划是啥？他还让估成效了，我咋弄？？

所谓“先做整体调研”，真正展开以后大概是这条链：

终端用户 VOC → 盘点现有内容和产品证据 → 访谈经销商 → 核对搜索量与 AI 可见度基线 → 确定一个周期比如 90 天内容执行计划

我原来也大概知道这套方法。但知道和真的干一遍，是两回事。你要先设计检索，再收集和去重帖子；买 Apify 什么的；为确保认真最好逐条读一下；统计高频主题；保留互相冲突的意见；最后再攒个策略。

你放心，只要是真的做，这套工作肯定要好几天。

去年，这项工作按周交付

去年我们合作过一家做外贸站 SEO 和内容服务的团队。对方是二三十万元的年框服务。其中有一次内容策略交付：从材料提交，到拿到首版，用了大约一周。

当时我并不觉得慢。因为确实很多步骤。

这次，我只追问了 Codex 一句

今年我们又碰到了一次类似的外贸站内容策略问题。我把一批工业焊接设备资料交给 Codex，让它先列出海外买家最关心的 40 个问题。

问题池很快就出来了。选型、占载率、铝焊、pulse MIG、多功能机、售后、经销商……分类完整，表达专业，看上去已经可以直接拿去排内容计划。

但是这到底是怎么来的？于是我就问他

“怎么得出来的这些东西，能不能先去 Reddit 上做 VOC？”

然后就震惊了😂

7 分 14 秒以后，具体完成了什么

它没有只返回一段“Reddit 用户很重视售后”的屁话总结。

同一轮里，Codex 完成了：

• 找到并逐帖编码 32 个公开讨论串；
• 统计出工况适配 28 条、价格与长期价值 25 条、售后维修 15 条；
• 找到占载率、铝焊厚度、服务中心等讨论中的具体分歧；
• 把原来的 40 个问题拆成 A、B、C 三种证据等级；
• 输出完整 VOC 报告、32 条编码表和修订后的策略；
• 把下一步改成“终端 VOC → 内容映射 → 经销商访谈 → 搜索量与 AI 基线 → 90 天 backlog”。

我上班有一些年了，很少有一次这么震惊。上一次是2022年ChatGPT出来时😂

因为一个你未必知道怎么做、即使大概知道也肯定要做上好几天的研究任务，第一次在我眼前以分钟为单位跑完了首轮，而且来源、编码和修改过程都可以保留下来。

历史的拐点真他妈到了啊。

先把比较口径说清楚

我不是说 7 分 14 秒可以替代一家服务商全年的工作。几十万毕竟是全年合作框架，还包含了很多很多附加的东西，我们合作的也非常愉快。我也不是说未来SEO 服务商就都没有价值了。我们只是完成了一个小的实验。

但是现在被挑战的是一个过去看起来理所当然的前提：

搜索、阅读、归类和策略初稿，是否还必须按“周”交付？如果不是的话，那是不是外贸这个行业很多相关的事情都要发生变化...

下面我把这 7 分 14 秒里，Codex 从 40 个问题假设，到 32 个公开讨论，再到重新修改策略的过程完整拆开分享出来。

我们把它拟人化——看看如果 Codex 是一个员工，它都做了啥。

1、Codex 的做法是不删第一版，先把它改名

发现证据不够以后，我没有让 Codex 继续“优化”那 40 个问题。语言越流畅，越容易让人忘记它们还只是推演。

Codex 理解到了！它对应的做法是先把第一版冻结，并把文件改名为：

question-hypotheses.md

同时加上一条规则：

没有用户来源链接、询盘记录或访谈证据的问题， 默认只能叫“问题假设”。

AI 负责快速提出假设没有问题。这是可以的。然后他自己也觉得，不能让“提出假设”和“验证假设”发生在同一个黑箱里。所以他自己冻结了自己原来的结论

2、Codex 没去 Reddit 上搜产品名，他搜得很聪明

如果只在 Reddit 搜 welder，会得到大量焊缝展示、学习记录、职业讨论和段子。这些内容可以帮助理解社区，但不能直接告诉我们客户为什么买、为什么犹豫。

我们看到 Codex 把检索拆成了八组：

• Chinese welder / cheap Chinese welder；
• parts / repair / warranty / local support；
• duty cycle / production welding；
• pulse MIG / aluminum thickness；
• multiprocess vs dedicated machine；
• spatter / gas / settings / cleanup；
• local welding supply store / dealer；
• small shop / production / fabrication machine selection。

下面这张就是实际检索页面，不是后来补的示意图。

Codex 在打开的浏览器里自己完成了搜索，看了一遍之后，决定最终保留 32 个公开讨论串。他说，保留标准不是“帖子热度高”，而是至少满足两项：

• 发帖人正在做一次具体的购买、比较、使用或维修决定；
• 能看出材料、厚度、工作量、电源或预算等真实约束；
• 评论里出现了判断条件、反对意见或取舍；
• 这条讨论能影响产品、内容、证据或服务动作。

只有一句“哪个品牌最好”的帖子，通常不会直接进入样本。

（他可真细腻啊😂）

3、Codex 接下来把每个帖子都还原成了决策

第一张让 Codex 停下来的帖子来自一个准备升级设备的小企业经营者——给出了 1/8 英寸铝方管、每周工作时间、两台候选设备、额外预算，以及自己最担心的停机等待。

Codex 读了评论，发现评论里没有一个整齐划一的答案。有人认为，手工焊接的真实 arc-on time 往往不高，因为还要移动工件、调整位置和处理焊道；也有人认为，即使暂时触发不了热保护，更高占载率依然意味着机器更不容易被长期压垮。

Codex 把这个过程记录了下来，然后判断：这是内容真正应该解释的分歧。

原来我们写在官网上的有一篇博文，我们写的是：

为什么焊机占载率越高越好？

在 Codex 到 Reddit 里真实地做了这项 VOC 工作以后，它被改成：

在目标电流、焊道长度、工件切换时间和环境温度下，我实际需要多大占载率？

前一个问题容易把文章写成产品宣传。后一个问题能更好地帮助客户做决定（我也觉得后一个问题更好，但是你让我自己说这件事，我说不出来）。

4、Codex 记录了一个用户说出的完整工况，没替他抽象

第二个例子是一位正在替换旧设备的用户。他问的不是“pulse MIG 有什么优势”，而是：单相 240V 设备，在铝材上到底能舒服地焊到什么厚度；他平时处理的是 6—10mm，偶尔还会更厚。

这条讨论把一个看似“产品功能”的话题，重新变成了工况问题：

输入电源 + 材料 + 厚度 + 连续工作强度 + “能焊”还是“能舒服地焊”

所以 Codex 是怎么标记他读到的这个东西的呢？他读了这么多条 Reddit 帖子，最后他给我交付了一个 Excel 大表记录所有内容——这个表头是这样设计的：

id url persona buying_stage tags primary_signal

一行代表一次决策，不是一篇帖子摘要。这个表头设计得真的很好啊。。。

5、Codex 是能分析和共情的

用户愿意问功能，不代表他会因为功能下单。下面这个高互动讨论，把一个很典型的矛盾直接摆出来：为什么有些设备很便宜就能提供 pulse 功能，而成熟品牌的同类能力贵得多？

Codex 看到评论很快从“功能有没有”转向了另外几件事：比如便宜的购买价格，是否真的等于更低的长期成本。

另一条关于质保的讨论更加直接。发帖人看到的是一个看起来不错的质保年限；评论者追问的却是本地维修、客服、可靠性和多功能机的取舍。

这一步修正了 Codex 对“售后内容”的理解。

出现什么问题 → 先提交哪些照片、视频和错误码 → 谁负责诊断 → 哪些部件能现场替换 → 当地有没有常用备件 → 需要返修时如何处理停机和运输

如果企业没有这条路径，再写一篇“我们的服务优势”也不会变成可信证据。

所以他把这个东西也记录了下来，并作为一条业务原则告诉我 😂

6、Codex 注意到另外一条帖子是欧洲人发的，单独记了

欧洲语境下的一条入门设备讨论，也出现了同样的筛选逻辑。Codex把这条单独地提了出来，他觉得欧洲语境下跟美国语境下都有同样的问题，那么这就是一个共性问题。

Codex 看完全部 32 个 reddit 帖子之后说了什么

他对 32 个帖子做了多标签统计，然后给我一个很清晰的结果：

• 28 个实质涉及工况与适配；
• 25 个涉及价格与长期价值；
• 15 个涉及售后、零件或可维修性；
• 12 个涉及占载率与电源能力；
• 9 个涉及本地经销商或服务渠道；
• 6 个讨论多功能机的取舍；
• 5 个集中讨论 pulse MIG 与铝焊；
• 4 个讨论飞溅与清理质量。

然后 Codex 给我的结论是：

用户会先判断机器能不能完成自己的工作；当价格、产地或陌生品牌进入比较时，维修、零件和停工风险会迅速进入决策中心。

最关键的一步：Codex 把 40 个问题按证据等级拆开

这些工作，即使我工作的时候是个优秀员工，我也只能做到这一步了。但是 Codex 还没完。

他没有用 Reddit 的说法简单替换原来的问题池。他又回到最初的起点，把那 40 个问题分成了三类。

A 类：用户直接问过；他找出来一共 16 个。

B 类：用户没有这样提问，但反对意见反复出现。一共 12 个。

然后还有C 类：仍然只是我们的商业假设，Reddit 样本无法验证的。

然后 Codex 他告儿我，你看吧这就叫证据边界：

Reddit 能帮助我们理解终端用户为什么买、为什么不信、使用中怕什么；它不能替渠道商回答怎么赚钱、怎么备货和怎么承担售后。

所以，所以，所以 Codex 到底做了什么？！

我觉得这轮工作的真正价值不是 AI “替我找了 32 个帖子”。

它真正压缩的是下面这条成本曲线：

去年：外部团队接收材料 → 搜索、阅读、归类、写首版 → 大约一周交付内容策略  

今天：Codex 启动 → 7分钟返回首轮结果 → 人审核 

下一步：固定工作流 → 每次新增用户评论都能更新同一张表

用国产的 WorkBuddy 也可以执行同一套流程：把公开链接和关键讨论分批放入表格，按固定字段归类，再由人检查原始页面。

工具不是最关键的。比较可贵的是智能体在这里面体现了：

有来源，有角色，有决策场景，有反对意见，有证据等级。

为什么我决定重新更新这个公众号

过去，我也会把 AI 在外贸里理解成一个效率工具：写得快一点、搜得多一点、少用几个人。但这次 7 分 14 秒改变了我的判断——真正在发生的事情是，专业知识工作的时间单位正在被改写。而且很多软件的逻辑都变化了，最简单的例子就是有了Browser use之后，爬虫就不再需要了。

所以我决定重新更新这个号，并聚焦在 AI x 外贸的实操上。

我不再做 AI 工具测评了（你看这还需要吗现在还

现在我更想把真实外贸业务里的工作拿出来，一项一项重新跑：

• 过去人工和外部服务怎么做、成本是多少；AI 辅助以后，哪些步骤可以被压缩；哪些判断依然必须由人负责；最后到底有没有形成能影响客户、产品和销售的结果。

如果越来越多原来按周交付的工作，都能在几分钟内得到一版有来源过程说明，老板马上可 review 的结果，那么中国制造企业真正需要学会的，就不只是“怎么用一个工具”。

而是怎样重做自己的外贸工作流。进而怎么重新组织自己的团队拿结果。

最后，你今天就可以做的一个动作

你们肯定已经在用 ChatGPT 了。你们肯定也知道 AI 最擅长把第一版快速做出来。也许你之前会觉得人的价值在于写更好的提示词，或者注入更多自己的经验到 skill.md 里。

现在我想也许都不是了。也许现在人的价值，是在第一版看起来已经很完整时，继续追问一句：

“这些东西到底是怎么得出来的？”