「用户都去问 AI 了，SEO 是不是就死了？」——这个问题这两年被问了很多次。答案可能和直觉相反：SEO 不但没贬值，反而在 AI 时代成了入场券。原因不在流量数据里，在检索机制里。
一、先看几个正在发生的数字
先把现象摆出来，不用抽象概念聊。
2026 年，多份独立监测给出的零点击率都在往上走：十年前大约 45% 的 Google 搜索最终没有点进任何网站，2026 年这个数已经到 68% 左右。分平台看更明显，桌面端零点击约 50%，移动端接近 77%。当答案摘要出现在结果页时，点击率下滑三成到六成这个区间被多家测到；Pew 的面板数据给的是从 15% 掉到 8%。Google 自己在 I/O 2026 上说 AI Mode 月活过了 10 亿，AI 模式的查询量每季度翻一倍还多。
另一组数字来自爬虫侧。有团队扫了一万份 robots.txt，发现一个反直觉的现象：站点对「训练型爬虫」的拦截远比对「检索型爬虫」狠。GPTBot 被拦的比例约 17.6%，CCBot 17.8%，ClaudeBot 16%；而真正用来给答案引文的 OAI-SearchBot 只有 6.6%，PerplexityBot 10.4%。翻译成人话：站点们很愿意让 AI 学自己的内容，却不太愿意让 AI 在回答时引用自己。还有一层更常见的问题——大站被拦的比例更高，头部站点里约三分之一至少拦了一个 AI 爬虫，五千到一万名次区间降到两成左右。
两组数字放在一起，结论有点反直觉：用户不来了，但 AI 还在来。过去 SEO 的目标函数是「让人点进来」，现在这个函数在很大比例的查询上直接返回零；而 AI 端那条管道非但没断，还被大量站点自己焊上了。
二、为什么 AI 的答案绕不开网页
这是整个判断的地基。生成式引擎回答问题时，绝大多数情况下不凭空生成，它做的是检索加生成：先从索引里召回相关片段，再据此组织成回答，并在合适的位置标注来源。这个「召回」的对象是什么？还是网页——官网、百科、博客、社区、笔记、文档。
把链条写出来就很清楚：
网页被正确抓取 → 进入索引 → 能被检索召回 → 被 AI 当作素材 → 被组织进答案 → 被引用或推荐。
这条链的前三步全部是传统 SEO 的活儿。AI 引用不了你，前提是你先被抓得到、读得懂、信得过。这三件事没有一个是「AI 时代新增的」，它们恰好就是技术 SEO 每天在处理的那几关。
更直接的证据来自搜索引擎自己。Google 公开说明 AI Overviews 用的是定制 Gemini 模型，但它与现有 Search 系统协同工作，跑在同一套检索基础上。业界的观察更直白：AI 系统先用传统搜索信号召回候选来源，再按信任度、语义匹配和可抽取性做第二轮重排。
我自己把这个顺序理解成两段漏斗：第一段是传统检索信号决定「有没有资格进候选池」；第二段是 AI 侧按可信度与可抽取性决定「进池之后排第几」。第一段这些年大家一直在修；第二段是 GEO 要做的事。跳过第一段直接攻第二段，是这两年最常见的弯路。
三、SEO 的哪些部分在 AI 时代贬了值，哪些反而更值钱
不能笼统说「SEO 更重要了」。它内部是会分化的。把过去二十年的做法拆开看，有一部分确实贬值，另一部分反而升到了更关键的位置。
| 过去的做法 | 在 AI 时代的处境 | 原因 |
|---|---|---|
| 堆关键词密度、塞 H1 | 贬值 | 语义理解取代了字符串匹配，这套做法早被判为低质 |
| 批量发外链、铺目录站 | 贬值甚至有害 | 能被识别出来，断崖式惩罚的案例已经不少 |
| 纯客户端渲染（CSR/SPA） | 从「不理想」变成致命 | 多数 AI 深度爬虫不执行 JS，拿到的是空壳 HTML |
| 大段铺垫后再给结论 | 贬值 | 抽取窗口常取开头片段，结论埋后面等于没写 |
| 可抓取、渲染稳定、服务器不抖 | 升值 | 这一层出问题，可见度直接归零，且没有任何补救机会 |
| 结论前置 + 事实可核验 | 升值 | 直接对应第二段漏斗的「可抽取」「可信」两个权重 |
| 标题层级与结构化数据干净 | 升值 | 决定机器能否把内容拆成它需要的答案单元 |
贬值的那几项有个共同点：它们优化的是机器的排序规则。而升值的那几项优化的是机器能不能读到你。规则会变，读取能力不会自己变——这就是为什么技术侧的动作在 AI 时代更像是入场资格，而不是加分项。
四、为什么技术信号在 AI 时代权重更高
这里有一个容易被忽略的事实：AI 爬虫和搜索引擎爬虫看的是同一张页面、同一份 HTML、同一套服务器。你不需要为两者做两套优化。
再具体一点说，AI 端对技术层的要求其实更苛刻，而不是更宽松。搜索引擎有多年演进的分阶段渲染兜底：先抓原始 HTML，情况不对再 fork 一个浏览器去渲染。多数 AI 深度爬虫没这个耐心，直接读原始返回。于是出现一个常见误判：
浏览器里内容齐全、图片漂亮 → 但「查看源代码」只有个空的 <div id="app">。人眼看着好好的页面，AI 爬虫看到的是空壳。
还有一个更隐蔽的坑，比 robots.txt 难发现得多。robots.txt 是全有全无的，而且不同爬虫可以被独立控制。放行 A 不等于放行 B。我见过一个站点，2024 年为了防内容被采集，整站 Disallow 了一年多；等它想做 AI 可见性时才发现，恢复放行的那天起，传统收录也跟着回来了——因为被挡的不只是 AI 爬虫。一条老规则，安静地替它做了两年决定。
所以技术信号的价值逻辑变了。过去它管的是「排名能高一点」，现在它管的是「有没有资格」。被拦的站，内容质量满分，可见度是零；把拦截解开，可见度可能一夜跳升。这是开关式的投入，不是渐进的。
五、AI 端的引用到底奖励什么
技术上能被抓到只是进了候选池。第二段漏斗在筛什么，值得单独说清楚，因为这部分对应的是内容层面真正该花力气的地方。
结论前置。抽取通常从开头取 40 到 60 字这个体量。把答案写成一段能独立成立的短块，带上数字和限定条件，而不是先铺垫三百字背景。判据很简单：把任意一个答案段单独拎出来，读者能不能看懂。
事实与数字。带单位、带量级、带时间戳的陈述比纯描述更容易被认定为答案。「人均月成本约 30 元，支持分群与自动跟进」和「性价比很高」之间，机器只能认出前者。这也是为什么内容质量要看「信息增量」——你比已有内容多给的那部分具体数值、对比维度、避坑清单，才是构成被引用理由的东西。
口径一致。AI 靠什么把不同来源拼成一段话？靠实体匹配。品牌名、产品名、规格、价格带、区域归属在各个来源上写法一致，它才敢把你写进结论。口径冲突的后果不是少一次曝光，是被生成一个错误的描述——而错误的描述比没有描述更难修。
可核验。数据能回源、价格带日期、承诺能验证。AI 端越来越倾向引用能被交叉确认的内容，这是它区别于「什么都能编」的根本原因，也是它敢在答案里给出具体数字的前提。
把这四条按投入产出排一下：口径一致性通常是最便宜的（不需要技术投入），可核验次之，结论前置需要改写作习惯但一次改完长期受益，结构化数据是最后一步。别倒着来。
六、然后是度量：点击这个指标正在失效
这一节可能是最让做内容的人难受的。零点击率涨到近七成，意味着「流量」这个指标越来越不反映真实效果。团队里最容易出现的一句话是「流量掉了，是不是白做了」。
但换个角度，那批流量并没有消失，它变成了别的东西——你的品牌出现在一段答案里，旁边写着可核验的数字。确实没人点，但看到的人已经在做决策准备了。调研里有个数据方向值得留意：从 AI 引用点进来的用户，转化率显著高于传统自然搜索流量。这个数字各家口径差异很大，我不引用具体倍数，只说方向：AI 端来的流量更少，但更接近决策。
所以度量口径要换。至少得把「有没有人点」拆成四层看：
| 层级 | 判断标准 | 常用指标 |
|---|---|---|
| 存在 | 答案里是否出现品牌 | 提及率、AI 收录量 |
| 被认可 | 出现时语境是中性、正面还是负面 | 正向提及占比 |
| 被信任 | 是否给出具体、可核验的事实与出处 | 引用率、引文准确率 |
| 被选择 | 是否进入「推荐 / 首选 / 值得考虑」的结论 | 推荐率、询盘转化率 |
这四层里有个容易踩的坑：提及率涨、推荐率不动。这通常说明内容被看到了但没形成可信结论——答案里出现了你，但没给出让人信你的东西。这时候继续加量发稿是没用的，得回头补事实与出处。
七、那到底该怎么做
把上面的判断收成一份可执行的顺序。按这个顺序走，头一两个月看不到明显变化，但每一项都不会白做。
- 先跑一遍技术体检，别先写新内容。用 AI 爬虫的 User-Agent 去 curl 你的关键页面，看返回码。200 放行；403 或 429 要查；如果 403 但浏览器能开，大概率是 WAF 在按 UA 拦。再看「查看源代码」——不是「审查元素」——确认正文在源码里。
- 把 robots 拆开看，而不是笼统放行或封禁。训练型爬虫和检索型爬虫是两件事。多数品牌应该放行检索型、拦训练型。关键是你得知道自己在拦什么，别让一条几年前的老规则替你做决定。
- 修最便宜的那个技术问题。通常是 canonical、预渲染、或某个被 robots 顺手拦掉的目录。这些改动成本低、见效快，比再写五十篇稿子的性价比高。
- 然后才动内容，而且按「增量」写。把目标问题写出来，逐条检查：这个问题网上已有的答案缺什么？我能不能在开头第 40 到 60 字给出别人没给过的结论？答不上就别发。
- 统一口径，先做便宜的那步。把品牌、产品、区域的表述在所有能改的地方改成同一种写法。这一步不需要技术投入，通常是整件事里见效最直接的一步。
- 最后加度量。固定一批真实问法、固定采样平台与频率，开始记录四层指标。记住 AI 答案波动很大，单次采样只能当线索，趋势要靠多周数据。
八、三个需要澄清的误解
- 「SEO 死了」不成立，但「只做 SEO 也不够」。它是门票，不是终局。停在门票上的人会在第二段漏斗里被筛掉，只跳门票的人根本进不了候选池。
- llms.txt 不是 SEO 技巧。它值得做，成本一小时，信号是正面的；但主流通用引擎目前都没公开说明用它来生成答案，实测它在 AI 爬虫请求里的占比极低。别把它当主要杠杆。
- 别指望「保证被推荐」。引擎的输出由引擎组织，任何第三方都承诺不了。可以承诺的是过程与口径：问法集、采样频率、交付物形态。效果只能靠可复核的观测记录，不能写进合同。
结语
用户没变，问的问题也没变。变的是拿到答案的路径多了几条，而这条新路径的入口，恰好还是那张老网页。
这两年我看到的弯路几乎都是同一个：想直接绕过地基去够答案。地基修不动其实有明显信号——拿 AI 爬虫的 UA 去 curl 一下自己的首页，返回 403 就说明一切。在那之前谈「被推荐」，谈的其实是自己看不见的那张名单。