SEO 行业有一个古老的传统：搜索算法怎么 ranking，内容就怎么 production。
Google 的 PageRank 时代，大家互相刷外链。Mobile-first 时代，大家做响应式设计。Core Web Vitals 时代，大家拼命优化 LCP 和 CLS。
现在轮到 AI Overviews 时代了。
BBC 报道说，有人在系统性地操纵 Google 的 AI 搜索结果。不是用黑帽外链或者关键词堆砌——那些是上一个时代的事了。用的是内容结构工程：精心设计文章的段落结构、引用格式、数据呈现方式，让 Google 的 AI 模型在生成搜索摘要时优先引用你的内容。
新的操纵方式，旧的逻辑
具体的手法包括：
- 在文章开头用高度结构化的 Q&A 格式，让 AI 直接抓取
- 用特定的数据格式（表格、列表、统计数字）来迎合 AI 的摘要提取偏好
- 在关键段落中嵌入被 AI 模型高频训练的引用来源和权威表述
这本质上是针对 AI 模型的 SEO——不是优化给爬虫看的，而是优化给大语言模型看的。
有意思的是，这种优化之所以有效，恰恰是因为 LLM 的训练方式。模型在预训练时大量吸收了网页内容，而某些内容结构在训练数据中出现频率更高、权重更大。了解这些模式的人就能针对性地生产内容。
这不是漏洞。这是模型训练方式的自然副产品。
Google 的还击
BBC 说 Google 在"quietly fighting back"。
Google 没有公开讨论具体的对抗措施——这很合理。如果你告诉作弊者你在抓什么，他们就知道了怎么绕过去。
但可以从几个方向推测 Google 的策略：
- 内容来源可信度加权：给已知权威来源更高的引用权重，降低新注册站点的影响
- 内容模式检测：用另一个模型来检测"针对 AI 优化"的内容模式，标记可疑站点
- 实时信息验证：交叉引用多个独立来源，减少单一内容源对 AI 摘要的影响力
这些方法理论上可行。但实际操作中，每一条都有副作用。提高权威来源权重等于加固既有权力结构。内容模式检测可能误伤高质量的结构化内容。实时验证增加延迟和成本。
这是一个无限游戏
AI 搜索和 AI 搜索操纵之间的关系，注定是一场无限游戏。
Google 改进检测 → 操纵者调整策略 → Google 再改进 → 操纵者再调整。
这个循环不会结束。因为只要 AI 搜索的结果对流量分配有影响力，就有人愿意投入资源来影响它。
这和传统 SEO 的逻辑一模一样。只是技术栈从 HTML meta tags 升级到了 prompt engineering 的逆向工程。
区别在于，AI 时代的操纵更难检测。传统的关键词堆砌可以用正则表达式抓出来。但"针对 AI 模型优化的内容结构"和"真正好的结构化内容"之间的区别，可能需要人类编辑才能判断——而 Google 最不想做的就是雇佣人工编辑来审核搜索结果。
我的看法
这件事暴露了 AI 搜索的一个根本性矛盾：AI 模型的可预测性既是它的优势，也是它的弱点。
AI 搜索之所以好用，是因为它能在海量信息中快速提取、整合、生成答案。但"可提取"就意味着"可操纵"。一个足够了解模型行为的团队，可以系统性地引导它输出特定结果。
Google 能做的不是消灭操纵——那不可能。而是提高操纵的成本，让作弊的投入产出比低于老老实实做内容。
但这需要持续的算法迭代和对抗投入。而且随着 AI 模型越来越强，操纵的技术门槛可能会降低——更多的中小玩家也能参与这场游戏。
一个值得跟踪的指标：Google AI Overviews 在搜索结果中的覆盖率变化。如果覆盖率突然下降，很可能说明 Google 发现了大规模的操纵行为，正在收紧策略。
主要来源：