SEO×GEO · 入门课

课程依据

参考资料与适用边界

这套课把公开资料改写成适合新手练习的版本。这里列出主要来源,也说明哪些内容是官方口径、哪些是行业经验、哪些是课程自己的教学简化。

1 官方文档

Google Search Central(搜索中心)

凡与排名机制、收录规则相关的表述,本课程优先以这些官方文档为准;官方没有说明的部分会标注为行业经验或推断。

按主题查回原始规则

课程资料入口核对什么
01–04 · 搜索基础SEO 新手指南 / 精选摘要发现、索引、展示与版块资格;示意图不代替实时搜索结果。
05–08 · 关键词Keyword Planner 指标说明 / Ahrefs 关键词研究教程工具估算与广告竞争口径;意图四分类、聚类和映射属于分析方法。
09–10 · 标题与结构标题链接 / 摘要Google 会自动生成展示标题与摘要;没有固定字数或像素排名门槛。
11–12 · 内容、链接与图片实用内容 / 可抓取链接 / 图片最佳实践E-E-A-T 的框架性质、链接语义与图像上下文。
13–14 · 抓取与规范化robots / noindex / sitemap / 规范化 / HTTP 状态抓取与收录不同;canonical 是信号,重定向和状态码有独立作用。
15 · 移动与体验Core Web Vitals / 移动优先索引 / PageSpeed Insights第 75 百分位与现场/实验室数据;移动端关键内容不能缺失。
16 · 结构化数据通用政策 / Recipe 要求 / Rich Results Test支持类型、必填属性和内容一致性;语法通过不保证富媒体展示。
17–19 · 链接与品牌垃圾内容政策 / 出站链接标注 / 排名系统指南PageRank 的现状、付费链接提示与违规边界;第三方权威分数不是 Google 分数。
20–24 · AI 与度量AI 功能 / OpenAI bots / GSC 效果报告各产品抓取/展示控制及报告口径;提及、引用、点击与转化分开测量。

脚本页面的补充阅读:Google:JavaScript SEO 基础,了解渲染、可抓取链接与资源访问。

这些是按主题阅读原始规则的入口,并不表示本轮逐条在线复核了全部链接。课程内容修订于 2026-10-03;AI 产品的可用地区、模型与报告界面以其当前官方说明为准。

2 经典入门指南

行业公认的系统教程

  • Moz:Beginner's Guide to SEO——流传最广的免费入门教程之一,课程结构设计参考了它的循序渐进思路。
  • Ahrefs Blog——关键词研究、外链分析等实操方法的重要参考。
  • Backlinko:Google CTR Stats——第 1 课「排名位置 → 点击率」组件中示意数据的量级来源。注意:这是对大样本的统计平均,不同行业与 SERP 版块差异很大。
3 GEO 与 AI 搜索

新兴领域的主要参考

  • GEO: Generative Engine Optimization(Aggarwal et al., KDD 2024)——在受控生成引擎与基准中研究来源可见性代理指标。「最高提升 40%」不是当前商业产品的引用概率或效果承诺。
  • OpenAI:机器人说明——区分 OAI-SearchBot、GPTBot 与 ChatGPT-User 的用途和控制方式。
  • Google-Extended 官方说明——Gemini 的相关用途与 Google 搜索 AI 功能的控制方式不同。
  • llms.txt 提案——社区提出的 Markdown 内容入口文件,不是通用标准,也不是 Google AI 搜索的必要条件。采用前检查目标产品官方说明。

特别提醒:GEO 是快速演变的新领域,行业共识远少于传统 SEO。课程会区分「论文/官方验证过的结论」与「行业普遍猜测」,后者随时可能过时。

4 本课程怎样简化

官方口径、行业经验和教学示意分开看

  • 官方口径:来自搜索引擎官方文档的机制说明,如抓取流水线、noindex 的作用——可靠度最高;
  • 行业经验:从业者从观测或工具估算中总结的方法,如标题预览宽度、CTR 分布、KD、关键词聚类——适用范围依样本和工具而定,不是官方阈值或排名规则;
  • 论文实验:在指定基准、系统和指标下得到的结果。不能直接推广到当前商业 AI 搜索或转化收益;
  • 教学示意:课程为了好懂而造的例子,如爬虫模拟的小网站、示意 SERP——用于建立直觉,不等于真实产品行为。

课程中的交互组件(SERP 模拟、爬虫模拟、CTR 曲线)全部属于教学示意:真实系统还包含渲染、抓取预算、个性化、地域差异等这里省略的机制。

5 适用边界

这门课不承诺什么

SEO 与 GEO 的效果取决于行业竞争度、站点基础、内容投入和时间,没有任何方法能保证排名或引用。算法持续更新,今天成立的经验明天可能失效——请把这门课当作「理解搜索这台机器」的地图,而不是包赚的秘籍。真正的检验标准只有一个:你自己站点上的实验和数据。