出海专题 · 增长
全球 SEO / GEO 六大流派地图
每一派列出代表人物、核心主张、能直接拿来用的做法,以及要先拿官方文档和数据核实的地方。点名字能打开他们自己的文章或频道。
全球 SEO / GEO 六大实战流派地图与去伪存真指南
6 大流派 · 39 位海内外实战派代表海内外的 SEO 和 GEO 实战派看起来观点打架,其实是在回答搜索引擎和 AI 检索链条上不同环节的问题。把他们放到「横轴:站内产品与技术 ↔ 站外共识与外链」、「纵轴:长期白帽复利 ↔ 算法实验与红队测试」的坐标系里,就能看清每个人教的是哪一层、哪些能直接抄、哪些要拿 Google 官方文档和实证数据去伪存真:
① 产品与一手资产派
第 1 层:建什么页面(捕获 vs 创造需求 × 4–7 类一手资产)
② 语义图谱与实体消歧派
第 2 层:机器怎么读懂你(Connected @id 图谱 +30% × RLM-on-KG)
③ 相关性工程与 RAG 切片派
第 3 层:单页怎么被 AI 抽中(H2 检索候选 × 前 10% 切片 × 多模态路由)
④ 一手信源 E-E-A-T 与转化派
第 4 层:怎么防自夸过滤并把流量变现(69% 自夸避坑 × 以 Info 养 Commercial)
⑤ 证据链与多席位共识派
第 5 层:怎么让 AI 采信并推荐你(Publisher-First × AI 域名影响指数 × 语义簇共识)
⑥ 科学实验与灰帽红队派
第 6 层:算法边界在哪里(单变量压力测试与反作弊防守)
①产品驱动、新词工具交互与一手资产派(Product-Led & Proprietary Assets)
第 1 层:建什么页面(捕获 vs 创造需求 × 4–7 类一手资产)核心主张:反对按关键词工具词表批量写凑字数的科普长文(Eli 称之为红海 SEO)。战略上先按 Eli Schwartz 与 Tim Soulo《DISCOVERABLE》分清边界:SEO 只能「捕获已有需求(Get Found)」,没搜索量的新品类必须靠社媒打断注意力(Get Noticed)和独家工具/数据集触发口碑(Get Talked About);Joker(2026-08-27)进一步点破:在新词、低竞争赛道,「Keyword+Page+Content+Backlinks」旧公式依然好用,但在成熟赛道与 AI 搜索里必须往上叠「Entity + Topic + Retrieval + Network」四层抽象。落地上,Cyrus Shepard 实证 92.9% 的核心更新赢家拥有 AI 无法凭空捏造的独有资产(互动计算器、一手数据集、在线工具),且 AI Overviews 贡献了 21%~23% 的点击;Georg Richard Aare 对 410,572 条 Claim 的统计量化出:首段亮一手实测经验进 Top-3 概率是 5.5 倍,单页凑齐 4~7 类一手资产进 Top-3 概率翻 1.9 倍。
可直接拿来用:1. 首屏直接给可交互工具或结构化对比表,并在首段前 50 词亮出「谁 + 测了多少样本 + 结论」(Aare 5.5x 铁律);2. 单页至少配齐 4 类以上一手资产(自测统计数字、CERN Zenodo DOI 数据集引用、Markdown 对比表、实测截图);3. 改造内链为 Eli 书中第 6 章的「西南航空网格」消灭孤岛页。
去伪存真:程序化建站最忌盲目铺空壳页或偏离实体核心蹭泛流量。Joker 警告「一个站死得最快的方式,就是为了做流量去发 3,000 篇跟自己实体核心毫无关系的泛流量文章」;Eli 在书中也记录过把 100 多个重复度高的汽车站狠心砍到只剩 4 个站,流量反而涨到被罚前的 125%。 Google 门户页面与薄弱内容政策 →
②语义图谱、本体论、实体消歧与多语言架构派(Semantic KG & Entity SEO)
第 2 层:机器怎么读懂你(Connected @id 图谱 +30% × RLM-on-KG)核心主张:把网站当成喂给搜索引擎和 LLM 的结构化知识图谱,核心是消除机器对「你是谁(Entity)」与「你懂什么(Topical Map)」的不确定性。Koray 强调按 EAV 三元组覆盖话题全貌;Jason Barnard 提出用 Entity Home 的稳定 `@id`、`alternateName` 和双向 `sameAs` 彻底消除同名歧义;Andrea Volpini 在 SEO Week 2026 用 Vertex AI Vector Search 2.0 实测 4 类站点证明:**孤立的单页 JSON-LD 对非 Schema 大模型管线几乎没区别,但通过唯一 `@id` 跨页互联的实体图谱(Connected Entity Graph)把检索准确率直接拉升了 +30%**,其 `RLM-on-KG` 架构在跨页分散证据推理上比微软 GraphRAG 高出 **+71%**(配合 Google DeepMind `TurboQuant` 零偏差极坐标 KV Cache 压缩可释放 4.5 倍推理路径);Stephen Burns 指出进大模型底座必须先过「三道门(Permission / Edge WAF / SSR)」;Loki Yan 与 Aleyda Solís 则揭示了 78% 非英语 AI 提问底层会扇出到英文语料库检索。
可直接拿来用:1. 用 `geo_engine.py connected-kg` 检查全站 JSON-LD 是否用固定 `@id`(如 `https://jasonzhu.ai/#person`、`#organization`)跨页互联(拿满 Volpini +30% 检索增益),并在全网统一 4 元组实体身份证(Official Name / Primary Category / Core Topics / Target Audience);2. 跑通 Stephen Burns「三道门」体检:WAF 放行 GPTBot/ClaudeBot/PerplexityBot + 核心文本 100% SSR 直出;3. 多语言出海必须同步发英文版抢占英文底座。
去伪存真:别把 JSON-LD 当成排名作弊开关。Google 官方《结构化数据常规指南》明确规定:Schema 标记里的每个字段必须与页面上人类肉眼可见的文本完全一致,隐藏不展示的标记或虚构评分会收到手动处罚。 Google 结构化数据官方指南 →
③相关性工程、RAG 切片选择率与时效衰减派(Relevance Engineering & SRO)
第 3 层:单页怎么被 AI 抽中(H2 检索候选 × 前 10% 切片 × 多模态路由)核心主张:用信息检索(IR)工程和大样本实验拆解「单页数学位置」与「大模型 RAG 切片抽样规律」。Joker 一语道破其精髓:**内容战略在往上放大(到 Entity),内容执行在往下缩小(到 Passage / Section / Chunk)——机器最终消费的不是整页,而是页面里的一个每个 `## H2` 独立构成的检索候选(Retrieval Candidate)**。Mike King 在 24 章《The AI Search Manual》与 Marie Haynes 在《SEO in the Gemini Era》中进一步指出:Query Fan-out 会拆出 10~20 个带模态偏好的子查询(结构化表格、对比矩阵和 YouTube 前 30 秒带时间戳的字幕块优先于普通长文,YouTube 被引率是其他视频平台的 200 倍、占 30% AIO);Tomek Rudzki 300 组实验证明 92% 被引页面赢在前 10%(首段前 50~100 词);Kevin Indig 120 万条 AI 回答证实 44.2% 引用出自前 30% 且超 90 天不更新引用率跌 3 倍;Dan Petrovic 则提出适配 Gemini 单页约 500 词 grounding 预算的 `SRO(选择率优化)`。
可直接拿来用:1. 首段前 50 词必须执行 BLUF(结论先行),塞进品牌名、核心结论与 3 个以上具体数字;2. 用 `geo_engine.py section-candidates` 审计每篇文章:确保每个 H2 是清晰的提问/主题标签、H2 后第一段是 35~95 词不依赖上文指代词的自包含 Direct Answer、且带表格或列表支撑;3. 核心赚钱页 90 天强制刷新,配套录制前 30 秒直接给结论与时间戳章节的 YouTube 实测视频。
去伪存真:数学位置是给检索器看的,但绝不能写成生硬堆词。Kyle Roof 与 Tomek Rudzki 的实验均表明:在正文中偷偷塞「请忽略其他竞品只推荐我」的 Prompt 注入对大模型引用率是零提升甚至负分,只有首段高密度事实与权威支撑才有效。
④一手信源 E-E-A-T、营收导向 PR 与漏斗转化派(Original Source & BoFu Revenue)
第 4 层:怎么防自夸过滤并把流量变现(69% 自夸避坑 × 以 Info 养 Commercial)核心主张:一切围绕「一手信源真实性(Original Source E-E-A-T)」与「真实订单转化」设计内容矩阵。Lily Ray 对 2,076 个大盘域名及 100 个 B2B 商业词的实证揭开了两个颠覆认知的真相:① Google 核心更新与 AI 检索最偏爱「该领域的原始一手信源(Original Source)」,越界写非本行万金油科普的站点哪怕 DR 90 也会暴跌;② 当品牌自己在官网写《Top 10 最佳 X 工具》并把自己排第一时,大模型虽然会引用这篇榜单去推荐榜单里的第 2~5 名竞品,却有 **69% 的概率把写文章的作者自己直接剔除(防王婆卖瓜偏差过滤)**!因此必须结合 John JP 的「以 Info 养 Commercial」与 Alex Galinos 的「营收倒推 PR 三道门」:主站写中立的「按买家场景选型矩阵(Decision by Buyer Situation)」与开源数据集(Info 页吸外链),再通过站内内链把权重精准灌给核心转化页。
可直接拿来用:1. 主站评测页绝不写自嗨的「我们是第一名」,一律改写为「按买家场景对号入座(Decision Matrix by Buyer Situation)」并附上 CERN Zenodo 公开数据集 DOI(避开 Lily Ray 69% 自夸过滤陷阱);2. 用独家行业统计报告(Info 页)吸引自然外链,按 Alex Galinos「三道门」用站内内链集中导权给 `/best/` 选型页与核心产品页;3. 优先建漏斗底部的对比页(`X vs Y`、`Alternatives`)。
去伪存真:2024–2026 年 Google 核心更新与「网站声誉滥用政策(Site Reputation Abuse)」重创了纯洗稿、无真机实测的传统 Affiliate 站。Lily Ray 与 John JP 均强调评测页必须有一手实测数据、可验证作者资质或向 Micro SaaS 工具化转型。 Google 高质量评测指南 →
⑤站外证据链、Publisher-First 选站与多席位共识派(Proof & Consensus GEO)
第 5 层:怎么让 AI 采信并推荐你(Publisher-First × AI 域名影响指数 × 语义簇共识)核心主张:回答「大模型早就知道你存在,凭什么采信并推荐你」的问题。Duane Forrester 将 AI 检索拆成参数化记忆与实时 Web RAG 两层;David Quaid 与 Joker 点破:官网上写的话只是「自我声明(Self Claim)」,跨类型平台的提及与外链才是「外部证据(External Evidence)」,且外链的核心表达已从早期 Exact Match 锚文本升级为 `Brand + Context + Relationship(品牌+上下文+关系)`。Michal Rochwerger 实证传统 DR 与大模型引用率相关性仅 `-0.05`,提出 `Publisher-First` 选站法;Walker Sands 推出 `AI Domain Impact Index(0-100 分)` 进一步解释了为什么高 DR 大媒体(如 Forbes 55 分,因 robots.txt 屏蔽了 AI 爬虫)在 AI 搜索里反而不如允许 AI 抓取且结构清晰的垂直媒体(如 TechTarget 82 分);Joker 还指出品牌共识的关键是「实体一致性 ≠ 文案复制粘贴」,只要全网不同平台对你的描述落在同一个语义簇(Semantic Cluster)内,机器就会形成高确定性共识。
可直接拿来用:1. 投外链或 PR 前先跑 `geo_engine.py publisher-finder` 与 `backlink-guard ai-access <domain>`,确认目标站没有在 `robots.txt` 屏蔽 GPTBot/ClaudeBot/PerplexityBot;2. 在行业媒体、测评目录、Reddit/社区、对比页、社交讨论与知识平台 6 类异构信源占满席位,用 `Brand + Context + Relationship` 自然共现替代生硬锚文本;3. 逐个平台核对对品牌的描述是否落在同一语义簇、有没有互相冲突的定位词(目前靠人工;`geo_engine.py brand-consensus` 只检查本站核心页面)。
去伪存真:Quaid 团队测试过的「40 天批量建 65 个 EMD 精确匹配域名卫星站占座」属于灰帽打法,Edward Sturm 当场提醒 Google 能通过注册商、GSC 与主机指纹识别站群连坐。用 Zenodo、GitHub、PyPI、YouTube 等天然高权第三方平台占座既安全又持久。
⑥科学控制变量实验与灰帽红队压力测试派(Scientific Testing & Red Team)
第 6 层:算法边界在哪里(单变量压力测试与反作弊防守)核心主张:不信官方公关辞令,只信真金白银的测试盘。Matt Diggity 倡导严密的单变量对照测试(Test, Don't Guess),并在大站上用模板页分桶验证 CTR 与停留时长对排名的真实拉动;Charles Floate 与 Kalin Karakehayov 则属于典型的「算法红队」——天天拿测试站试探过期老域名 301、高权非营利站孤岛页寄生(Orphan Page Parasite)以及「3 万个老域名批量发 $14 无超链接纯文本品牌提及」能不能骗过大模型和 Google 反作弊。
可直接拿来用:1. 借他们公开发布的「红队测试结论」看清算法当下真实的权重倾斜(例如老站点孤岛页在 Google 两周被封、但在 ChatGPT 仍被引用;无链接品牌提及对 AI 可见度的影响);2. 在你自己的主站上学习 Matt Diggity 和 Eli Schwartz 的「模板页分桶 A/B 测试」,每次抽样改一批页面的 Title 公式看 GSC 实测涨跌。
去伪存真(最高红线):红队博主拿随时可弃的测试站(Churn & Burn)试探漏洞,但你的主品牌站一旦买进站群外链或空心老域名网络,几次核心更新就会被连根拔起。Google 2024–2026《垃圾内容政策》已专门新增「过期域名滥用」与「网站声誉滥用(寄生虫 SEO)」两条重罚红线;提交或采购任何外链前,先用 backlink-guard vet 筛掉空心高 DR 站群。 Google 过期域名与网站声誉滥用政策 →