站点上线八个月，收录一百多页，自然搜索每天带来个位数访客。运营把关键词表拉出来一看，二十个词里十七个是同一类意思的换说法。这时候让 AI 接手，最顺手的动作是再生成两百页——方向偏了，产量越高越难收。白帽的做法反过来：先把搜索意图分清，再决定写什么、写多少。
收录不等于有人搜，两种失败要分开看
第一种失败是页面进不了索引，原因通常在技术层面：抓取被拦、结构混乱、内容太薄。第二种失败是进了索引却没人点，原因在需求和匹配：这个词没人搜，或者搜的人想看的不是你写的这种内容。两类问题的处理方式完全不同，混在一起排查，往往两边都改不好。
先看搜索后台的曝光与点击。曝光有、点击极低，说明标题和描述没接住需求；曝光本身就没有，说明词选错了，或者页面根本没被收录。这个判断只花几分钟，却能省掉后面几周的瞎改。
关键词怎么落到排期上
五步里第三步决定后面所有内容长什么样：
| 步骤 | 产出物 | 常见坑 |
|---|---|---|
| 列出三到五个种子词 | 一张核心业务词表，每个词配一句它对应的问题 | 把行业黑话当种子词，用户根本不这么搜 |
| 拓展长尾并去重 | 八十到一百个候选词，标出重复与近义 | 一个页面塞八个关键词，标题读起来不像人话 |
| 按意图分三组 | 想了解、想比较、想买三栏，各配一种内容形态 | 三组混着写，科普文里插购买链接 |
| 定支柱页与长尾页的从属关系 | 一张树状结构图，一篇支柱带六到八篇长尾 | 长尾页与支柱页大段重复，自己跟自己抢位置 |
| 排产期并留复盘位 | 一份八周排期表，每篇标注目标词与验收口径 | 一次排三十篇，写完全部不达标 |
第二步的去重值得多说一句。近义改写看起来是不同的词，搜的人其实是同一批，为它们各写一篇，等于自己跟自己抢同一个位置。判断方法很简单：把两个词分别放进搜索框，看结果页前十条是否高度重叠，重叠度高就合并成一篇。
搜索意图决定内容形态
想了解的人要的是解释：这个东西是什么、怎么运作、适不适合我。想比较的人要的是维度：几个选项在价格、效果、门槛上的差别。想买的人要的是决策依据：怎么挑、注意什么、哪里能拿到。同一个关键词下混进两种意图，页面就会既不像科普也不像导购。
分组时可以让模型先做一遍语义聚类，再人工复核。向量化的思路可参考向量数据库，它擅长把说法不同但意思相近的词放到一起；不擅长的是判断哪个词真的有人搜，这一步仍要回到搜索工具看量。
支柱页负责覆盖，长尾页负责命中
支柱页回答「这个领域整体是怎么回事」，一篇覆盖主要分支，篇幅长、更新慢。长尾页回答一个具体问题，篇幅短、更新快，靠数量覆盖各种问法。两者之间要有明确的内链：长尾页链回支柱页，支柱页链到每一篇长尾。缺了这层关系，长尾页就是一堆孤岛，权重也传不上去。
常见误区是把支柱页写成目录。目录没有独立价值，用户点进来还得再点一次。支柱页自己要能读完，长尾页是补充，不是替代。
AI 能写句子，写不出可信度
它能做的是把结构搭起来、把话说顺、把同一篇内容改成三种语气。它做不到的是提供经验：没亲手做过这件事，写出来的步骤就会停在「注意细节」这种层面。搜索引擎判断内容质量的信号里，作者有没有第一手经验占的分量越来越重，这一块模型补不上。
它还会编。问它某个行业的平均转化率，它能给一个带小数点的数字，来源却是拼出来的。涉及数据、政策、平台规则的句子，一律回原始出处核对，成因见AI 幻觉。批量生产还有个隐患：同一个提示词跑一百次，句式会高度相似，这类页面在质量评估里很容易被归到同一档。
判断一篇内容该不该发
三个问题：这篇回答的是谁在什么场景下的什么疑问；读完的人能不能立刻做一件事；如果把这个领域最懂的人请来看，他会不会觉得这篇在说废话。三个都过，再发；有一个过不了，宁可压着改。
提示词也按这个思路写：给它目标词、目标读者、你已经掌握的一手信息，明确要求「不要补充你无法确认的数据」。这套结构和提示词的通用写法一致，材料给得越具体，产出越少空话。
速查：发稿前的四道检查
- 目标词有没有人搜，先看量再看意图
- 一个页面只服务一个意图，不混搭
- 数据、政策、规则类句子回原始出处核过
- 读完能不能立刻做一件事，不能就重写
