索未 · SEO ｜规范与标准流程

SEO 自动化实践 · 索未

8.31｜SEO / GEO 工作自动化部署与实践规范（八）

前七篇已经完成了几个关键模块：

SEO Intelligence 负责发现变化；

Fact Check 负责控制事实；

Technical SEO Agent 负责技术审核；

Indexing Agent 负责判断页面为什么没有进入索引；

GSC + GA4 Measurement Agent 负责判断流量到底从哪一层开始发生变化。

到了这里，系统终于可以进入一个最容易被误解的模块：

Content Automation。

很多人一听“内容自动化”，第一反应是：

让 AI 自动找关键词；

自动写文章；

自动生成图片；

自动发布 WordPress；

每天 100 篇。

如果把 Content Automation 设计成这样，技术上可能很快。

但这也是最容易把 SEO 自动化做坏的一条路线。

因为真正有价值的内容系统并不是：

Keyword ↓ Prompt ↓ Article ↓ Publish

而应该是：

Opportunity ↓ Query ↓ Intent ↓ Evidence ↓ Information Gap ↓ Content Brief ↓ Draft ↓ Fact Check ↓ Editorial Review ↓ SEO / GEO Enhancement ↓ Publish ↓ Indexing ↓ GSC / GA4 / GEO Monitoring ↓ Refresh / Consolidate / Retire

也就是说：

内容不是 Automation Pipeline 的终点。

内容只是搜索运营闭环里的一个中间对象。

· · ·

真正开始写一篇内容之前，系统至少应该知道：

写给谁？

解决什么问题？

目标 Query 是什么？

Search Intent 是什么？

现有网站有没有类似页面？

Google 当前已经展示什么类型的结果？

我们有什么别人没有的信息？

有哪些事实需要外部证据？

写完以后希望用户做什么？

如果这些问题没有答案，

直接让 AI 写稿，

得到的通常只是：

一篇语法完整但没有存在理由的文章。

所以 Content Agent 首先应该是：

Decision Agent。

其次才是：

Writing Agent。

· · ·

传统内容 SEO 经常从一个 Excel 开始：

keyword volume difficulty

然后从高 Volume 往下排。

这种方式在自动化时代的问题越来越明显。

因为一个词有没有搜索量，

并不能回答：

网站是不是应该写。

所以更成熟的 Content Opportunity 应该综合：

query demand business relevance existing authority content gap SERP intent conversion potential existing page overlap evidence availability refresh opportunity

最终形成：

CONTENT_OPPORTUNITY_SCORE

例如：

某 Query 搜索量很高，

但和业务几乎没有关系，

不应该因为 Volume 高就自动进入内容队列。

相反，

一个搜索量较小但非常接近采购决策的问题：

可能更值得写。

· · ·

这是最值得自动化的一道 Content Gate。

发现一个 Query 以后，

系统不要默认：

CREATE_NEW_PAGE

而应该先查现有内容。

最终只能进入几种状态：

CREATE UPDATE EXPAND MERGE REDIRECT NO_ACTION

例如：

网站已经有：

/technical-seo-guide/

现在发现 Query：

technical seo checklist

如果已有页面能够覆盖这个 Intent，

正确动作可能是：

UPDATE。

而不是再创建：

/technical-seo-checklist/

否则自动化运行半年以后，

网站最容易出现的问题就是：

Content Cannibalization。

· · ·

Query：

canonical tag

本身信息非常有限。

用户可能想知道：

什么是 Canonical；

Canonical 怎么写；

Canonical 和 Redirect 区别；

Canonical 为什么 Google 不接受；

Canonical 问题怎么排查。

所以 Content Agent 需要先形成：

Query Cluster

而不是：

一个 Query 一篇文章。

例如：

canonical tag canonical url canonical seo rel canonical canonical issue google selected canonical

可能共同属于：

Canonicalization Cluster

然后再根据 Intent 确定页面边界。

· · ·

最常见的分类是：

Informational；

Navigational；

Commercial；

Transactional。

但对于真正的内容自动化，

还不够。

建议增加：

Definition How-to Troubleshooting Comparison Evaluation Best Practices Requirements Buying Pricing Case Study Update / News Research

例如：

canonical tag

可能是 Definition。

google chose different canonical

明显更接近：

Troubleshooting。

两者虽然主题相同，

但内容结构完全不同。

所以：

Topic ≠ Intent。

· · ·

这是 AI 内容自动化中非常危险的一步。

错误工作流：

抓取 Top 10 ↓ 总结 Top 10 ↓ 重新组织 ↓ 发布

这种方式非常容易生成：

Commodity Content。

Google 当前生成式 AI 优化指南明确强调，长期更有价值的是具有独立观点、第一手经验、独特价值的非商品化内容，而不是重复互联网上已经存在的信息。

所以 SERP Research 真正应该回答：

目前 Google 认为这个 Query 是什么 Intent？

常见页面类型是什么？

大家都回答了什么？

大家没有回答什么？

有没有明显 Information Gap？

· · ·

例如研究 10 篇文章以后，

系统不应该只生成：

Competitor Summary

更加重要的是：

INFORMATION_GAP

比如：

多数文章解释：

Canonical 是什么。

但很少解释：

Google-selected Canonical 和 Declared Canonical 为什么不一致。

或者：

很多文章讲：

GSC 流量下降。

但没有把：

Impressions；

Clicks；

CTR；

Position；

GA4 Sessions；

Leads

连接成完整 Diagnosis Tree。

这时真正值得写的，

不是第 11 篇：

“什么是 GSC"。

而是：

一个新的分析框架。

· · ·

建议每篇内容增加：

original_value

来源可以包括：

第一手经验；

项目数据；

案例；

实验；

自己的框架；

新的分类方法；

原始访谈；

独立分析；

跨来源综合；

反常识结论。

例如本系列第七篇的原创价值并不是解释：

GSC 是什么。

而是提出：

Traffic Drop ↓ Impressions ↓ Clicks ↓ CTR ↓ Position ↓ Page ↓ Query ↓ Device ↓ Country ↓ GA4 ↓ Lead

这个：

Measurement Decision Tree。

Content Agent 在进入 Draft 之前必须明确：

如果回答不出来，

应该暂停。

· · ·

这是整个 Content Automation 最关键的一层。

错误顺序：

AI 写文章 ↓ 最后补来源

正确顺序：

Research ↓ Source ↓ Evidence ↓ Verified Claim ↓ Draft

因为如果文章已经写完，

Fact Check Agent 很容易变成：

为现有结论寻找支持。

而不是：

真正核验结论。

所以第四篇建立的 Evidence Chain 必须直接接入 Content Pipeline。

· · ·

例如：

只有：

VERIFIED

或明确标记为：

OBSERVATION INTERPRETATION HYPOTHESIS

的内容，

才能进入 Draft。

· · ·

来源不是越多越好。

关键是：

来源是否足以支持结论。

建议继续沿用：

Level A Official / Primary Source  Level B Original Research  Level C Reliable Industry Media  Level D Practitioner Observation

例如要写：

应该尽量使用 Google 官方文档。

而不是引用：

某 SEO 博客对 Google 文档的转述。

但如果写：

行业媒体和 Practitioner Observation 就可能更适合。

Source Type 必须和 Claim Type 匹配。

· · ·

很多 Content Brief 只是：

Keyword；

字数；

Title；

H2。

这种 Brief 对 AI 几乎没有约束力。

一个真正可执行的 Brief 应该至少包含：

content_id primary_query query_cluster intent target_audience business_goal page_type search_stage existing_page information_gap original_value key_claims required_sources required_examples internal_links conversion_goal risk_level

然后再定义：

MUST_INCLUDE MUST_NOT_CLAIM

· · ·

例如写 GEO 文章：

可以写：

但如果没有官方证据，

不要写：

所以 Brief 应该主动告诉 Draft Agent：

DO NOT CLAIM: - GEO has a unified ranking algorithm - AI citations guarantee rankings - correlation equals causation

这比写完以后再修改安全得多。

· · ·

真正生产环境中，

Draft Agent 不应该继续自由搜索然后随意增加结论。

更加稳定的方式是：

它接收：

Brief + Verified Claims + Approved Sources + Project Knowledge

然后负责：

结构；

语言；

解释；

案例组织。

这样 Research 和 Writing 职责就真正分开。

· · ·

Google 当前关于生成式 AI 内容的官方指导明确表示，生成式 AI 可以特别用于研究主题和帮助组织原创内容，但大量生成缺少新增价值的页面可能构成 Scaled Content Abuse。

所以更合理的定位是：

人和研究系统负责：

Evidence；

Experience；

Judgement；

Original Insight。

AI 负责：

Structure；

Transformation；

Comparison；

Formatting；

Drafting。

这两者结合，

才是 Content Automation。

· · ·

Google 当前 Spam Policy 对 Scaled Content Abuse 的定义重点是：

大量生成内容；

主要目的是操纵排名；

内容缺少原创性和用户价值；

无论内容是人工还是自动生成。

这意味着：

判断风险的重点不是：

AI = YES / NO

而是：

Why was this content created? Does it add value? Is it original? Is it useful? Is it scaled primarily to manipulate Search?

· · ·

例如系统一天发现：

300 个可写 Query。

不能直接生成：

300 篇。

应该经过：

RELEVANCE_GATE DUPLICATION_GATE EVIDENCE_GATE ORIGINALITY_GATE BUSINESS_GATE

最终可能只留下：

8 篇。

这种：

Controlled Scale

远比：

Maximum Scale

更加适合长期 SEO。

· · ·

Google 当前 Helpful Content 指导仍强调：

内容是否提供原创信息、分析或研究；

是否比现有结果增加明显价值；

是否展示第一手经验和专业性；

是否有清晰作者信息；

用户看完以后是否已经足够完成目标；

内容是不是主要为了吸引搜索流量而生产。

这些原则其实可以转换成 Content Gate。

例如：

original_value_present source_quality first_hand_evidence topic_fit intent_satisfaction author_transparency fact_accuracy

然后输出：

PASS REVIEW BLOCK

· · ·

Google 当前 People-first Content 文档仍然明确指出：

不存在所谓 Google 偏好的固定字数。

所以 Content Agent 不要写：

Target length: 2000 words because SEO prefers long content

正确逻辑应该是：

Content Length = Information Needed to Satisfy Intent

Definition Query 可能 600 字足够。

复杂 Technical Guide 可能需要 5000 字。

长度应该由问题决定。

· · ·

这里的 Originality 不是简单查重率。

真正应该问：

文章有没有自己的判断？

有没有新的结构？

有没有新增数据？

有没有第一手经验？

有没有比现有 SERP 更完整？

有没有只是把几篇文章重新表达？

建议输出：

ORIGINALITY_SCORE

但这个 Score 只是审核信号，

不是所谓 Google Ranking Score。

· · ·

即使 Draft 之前已经完成 Evidence Collection，

写作过程中仍然可能出现：

范围扩大；

数字写错；

日期写错；

因果关系变强；

来源和结论不匹配。

所以发布前必须再跑一次：

Draft ↓ Claim Extraction ↓ Claim / Source Match ↓ Contradiction Search ↓ Final Evidence Gate

最终状态：

PASS REVISE BLOCK

· · ·

SEO 和 AI Search 尤其容易出现：

“今天 Google 更新了……"

但引用的是：

两年前文档。

所以需要核验：

Published Date Event Date Effective Date Last Updated Verified Date

例如 Google Search 文档刚更新：

不一定意味着 Google 算法当天发生变化。

这类区分必须自动写入 Content Pipeline。

· · ·

Google 当前 Link Best Practices 仍然建议：

重要页面应该至少从站内其他页面获得一个可抓取链接，同时 Internal Link Anchor 应该有相关且有意义的上下文。

因此 Content Agent 可以自动做：

New Article ↓ Entity / Topic Extraction ↓ Existing Content Search ↓ Internal Link Candidates

输出：

来源页面；

目标页面；

Anchor Suggestion；

Placement Context。

· · ·

例如系统发现：

SEO Automation

出现 15 次。

不能 15 次全部链接。

建议 Internal Link Agent 增加：

context_relevance link_value duplication anchor_naturalness

然后只推荐真正有帮助的链接。

· · ·

新页面上线之前：

搜索站内现有 URL。

检查：

Primary Query；

Query Cluster；

Title；

H1；

Semantic Similarity；

已有 GSC Queries。

如果：

已有页面已经覆盖目标 Intent，

应该触发：

CANNIBALIZATION_WARNING

而不是直接发布。

· · ·

Title 首先要准确表达页面内容。

Google 当前 People-first 指导强调标题应该具有描述性和帮助性，而不是夸张或制造冲击。

Meta Description 则应该真实概括页面主要内容，而不是堆关键词。Google 当前 Snippet 指南仍然推荐具体、清晰、能够概括页面的 Description。

所以 Meta Agent 应该同时优化：

Relevance；

Clarity；

Distinctiveness；

Accuracy。

· · ·

Schema 应该描述真实页面内容。

因此：

FAQ Schema；

Product；

Article；

Organization；

Breadcrumb

都应该先判断：

页面是否实际包含相应实体和内容。

不能：

页面没有 FAQ，

AI 自动生成五个问题，

然后只是为了 Schema 发布上去。

这种做法把：

Structured Data

反过来变成：

Content Generator。

顺序是错误的。

· · ·

真正重要的流程从发布以后才开始。

发布后应该生成：

publish_date url canonical sitemap_status index_status gsc_first_impression_date gsc_first_click_date ga4_first_session_date

然后进入 Monitoring。

· · ·

Google 有没有发现。

是否进入索引。

是否获得 Impression、Click 和 Business Outcome。

所以：

PUBLISHED

和：

SUCCESSFUL

完全不是同一个状态。

· · ·

这是一项很有价值的监控指标。

例如：

Published: Aug 30  First Impression: Sep 1  First Click: Sep 3

长期积累以后，

可以分析：

不同 Page Type；

不同 Topic；

不同 Internal Link 强度

对应的：

Time to First Impression。

这会形成真正属于网站自己的 Content Intelligence。

· · ·

应该继续接第七篇建立的 Measurement Layer：

Impressions ↓ Clicks ↓ Organic Sessions ↓ Engagement ↓ Key Events ↓ Leads

一个文章：

10 万 Impressions；

5000Clicks；

0 Leads。

可能适合品牌认知。

也可能 Intent 和业务完全错位。

所以内容价值必须结合：

Content Goal。

· · ·

例如：

Impressions；

Mentions；

Citations；

Links。

Clicks；

Engagement；

Assisted Conversion。

Clicks；

Lead；

Conversion Rate。

Qualified Lead；

Quote；

Revenue。

不能给所有内容统一设：

Traffic Growth

作为唯一 KPI。

· · ·

未来每篇重点内容都可以进入：

Prompt Set

观察：

AI 回答是否提到品牌；

是否引用页面；

引用哪一段；

引用哪个 URL；

Citation Position；

不同模型表现。

然后形成：

GEO_VISIBILITY

但必须强调：

这些是平台观察指标，

不是已公开的统一 Ranking Factors。

· · ·

很多自动化系统会设：

每 90 天自动更新文章。

这很粗糙。

真正的 Refresh Trigger 应该来自：

事实变化；

官方文档变化；

排名下降；

CTR 下降；

Query Drift；

页面 Intent 改变；

内容过时；

竞争结果变化。

例如：

Google Search 文档更新，

Source Registry 发现：

相关页面的last_verified已经过期。

这才真正应该生成：

REFRESH_TASK

· · ·

Google 当前 People-first Content 指导明确把“没有实质变化却修改日期让页面显得新鲜”列为需要警惕的 Search-engine-first 行为之一。

因此：

只有内容发生实质更新，

系统才能修改：

last_updated

而不是 Cron 每天自动刷新。

· · ·

例如文章 Clicks 下降 40%。

不能直接：

重新写。

先进入第七篇 Measurement Decision Tree。

判断：

Impressions 下降？

CTR 下降？

Position 下降？

Query Demand 下降？

新的 Landing Page 开始抢 Query？

Search Appearance 变化？

然后再决定：

REFRESH REWRITE MERGE NO_ACTION

· · ·

一个页面流量很低，

不代表没有价值。

它可能：

提供重要 Internal Link；

服务已有客户；

支持 Sales；

作为 Documentation；

支持 AI Citation；

承载品牌实体信息。

因此删除前至少检查：

Traffic；

Backlinks；

Leads；

Internal Links；

Business Role；

Citation；

Historical Ranking。

然后才能进入：

KEEP UPDATE MERGE REDIRECT DELETE NOINDEX

· · ·

一个成熟 Content Agent 的输出应该是：

content_id decision query_cluster intent brief evidence draft fact_check internal_links seo_metadata publish_status index_status performance refresh_status

也就是说：

文章只是这个对象里的一个字段。

· · ·

SEO Intelligence ↓ Opportunity Discovery ↓ Query Clustering ↓ Intent Classification ↓ Existing Content Check ↓ CREATE / UPDATE / MERGE / NO ACTION ↓ SERP Research ↓ Evidence Collection ↓ Information Gap ↓ Original Value ↓ Content Brief ↓ Draft ↓ Fact Check ↓ Originality Gate ↓ Internal Link ↓ SEO / GEO Enhancement ↓ Editorial Review ↓ Publish ↓ Index Monitoring ↓ GSC / GA4 / GEO Monitoring ↓ Refresh / Merge / Retire

这才是：

Content Operations System。

· · ·

例如：

IDEA ↓ QUALIFIED ↓ RESEARCHING ↓ EVIDENCE_READY ↓ BRIEF_READY ↓ DRAFTING ↓ FACT_CHECK ↓ EDITORIAL_REVIEW ↓ APPROVED ↓ PUBLISHED ↓ INDEX_MONITORING ↓ PERFORMANCE_MONITORING ↓ REFRESH

异常状态：

BLOCKED_EVIDENCE DUPLICATE CANNIBALIZATION FACT_CONFLICT LOW_ORIGINALITY REJECTED

这样内容生产才能真正被 Orchestrator 管理。

· · ·

非常适合自动化：

Query 聚类；

Existing Content Search；

Source Discovery；

Claim Extraction；

Fact Check 辅助；

Internal Link 候选；

Metadata；

Publishing；

Index Monitoring；

Performance Monitoring；

Refresh Trigger。

但下面几类仍应该保留人工判断：

关键原创观点；

高风险事实；

品牌立场；

复杂因果判断；

敏感内容；

重大内容合并；

批量删除；

高影响页面修改。

· · ·

这是整个 Content Automation 最核心的结论。

AI 到来以后，

生产文字已经不稀缺了。

真正稀缺的是：

发现值得研究的问题；

找到可靠证据；

理解用户真实 Intent；

找到现有内容没有回答的部分；

形成独立判断；

持续验证内容是否产生结果。

所以未来最有竞争力的内容自动化系统，

不是：

100 Articles / Day

而应该是：

More High-Quality Research + Faster Evidence Validation + Better Editorial Decisions + Faster Feedback Loop

换句话说：

不要把 AI 当作内容流水线里的“无限打字机”。

应该把它变成：

Content Intelligence Infrastructure。

· · ·

传统 SEO 需要：

可发现；

可抓取；

可索引；

匹配 Query。

生成式搜索进一步要求内容：

容易理解；

容易提取；

有明确事实；

有可靠来源；

有独立价值；

有清晰实体关系。

Google 当前面向生成式 AI Search 的优化指南仍然强调：

SEO 基础依然适用，同时独特、非商品化、有真实经验和独立观点的内容更值得长期投入。

所以：

SEO Content

和：

GEO Content

不应该分成两支完全不同的生产团队。

更加合理的方式是：

同一个高质量 Content System，同时提高 Search 与 AI Search 中的可发现、可理解和可引用能力。

· · ·

整个系列目前形成：

SEO Intelligence ↓ Research ↓ Fact Check ↓ Technical SEO ↓ Indexing ↓ Measurement ↓ Content Operations ↓ Publish ↓ Monitor ↓ Refresh

这时"SEO 自动化”已经不再是一组零散脚本。

它开始真正具备：

Research；

Execution；

Measurement；

Learning。

· · ·

《SEO / GEO 工作自动化部署与实践规范（九）：GEO Research 自动化——怎样系统监测 AI Overview、AI Mode、ChatGPT 等生成式搜索中的品牌 Mention、Citation 与 Prompt Visibility》

第九篇建议正式把：

传统 SEO Monitoring

进一步扩展到：

Generative Search Monitoring。

重点建立：

Prompt Set；

Model / Platform；

Mention；

Citation；

Citation URL；

Citation Position；

Answer Share；

Competitor Presence；

Prompt Stability；

AI Referral；

Landing Page；

Lead。

同时重点回答：

这样第九篇就会正式进入：

GEO Measurement + Research Layer。

· · ·

Google Search Central｜Google Search's Guidance on Generative AI Content Google 说明生成式 AI 可以帮助研究和组织原创内容，但大量生成缺乏新增价值的页面可能违反 Scaled Content Abuse 政策。

Google Search Central｜Spam Policies for Google Web Search Google 当前 Scaled Content Abuse 政策关注大量、低原创、低价值、主要用于操纵搜索表现的内容，无论通过 AI 还是其他方式生成；

当前 Spam Policy 同时明确涵盖试图操纵 Google Search 生成式 AI 回答的行为。

Google Search Central｜Creating Helpful, Reliable, People-First Content Google 关于原创价值、来源可信度、专业经验、Who / How / Why、过度自动化、伪更新日期等内容质量原则。

Google Search Essentials Google 当前 SEO 核心要求仍由 Technical Requirements、Spam Policies 和 Key Best Practices 构成，并明确建议创建 Helpful、Reliable、People-first Content。

Google Search Central｜Google's Guide to Optimizing for Generative AI Features Google 当前生成式 AI Search 优化指南强调独特观点、第一手经验和非商品化内容的重要性，并不建议简单复制互联网已有信息。

Google Search Central｜Top Ways to Ensure Content Performs Well in Google's AI Experiences Google 指出传统 SEO 基础仍适用于其 AI Search 体验，并强调 Unique、Valuable Content 以及良好 Page Experience。

Google Search Central｜Link Best Practices Google 仍建议重要页面应获得站内其他页面的可抓取链接，并使用清晰、相关的 Anchor Text。

创见日期：2026 年 8 月 31 日