大家好，我是Neo。

先问老板们一个问题：你选内容选题的时候，第一件事是不是打开关键词工具，按搜索量从高到低排序？

这个习惯太自然了，自然到我们几乎不会去质疑它。但今天我要泼一盆冷水：在AI搜索时代，按搜索量筛选题，正在系统性地把你的最佳内容机会筛掉。

不是夸张。这是它Blauer在Search Engine Journal上最近一篇文章的核心观点，我读完之后仔细想了两天，越想越觉得这件事值得所有独立站卖家重视。因为它是根子上的问题——你的内容写得再好，如果选题方向错了，一切都是白搭。

一、问题出在哪：人们不再“搜索”了，他们在“对话”

先看一个现象。

现在大部分团队都学会了为AI写内容：结构化、摘要化、做好标注——但很少有人改变**“决定写什么”的方式。结果就是：用AI友好的方式写内容，却用搜索量排序的Excel表格**决定写什么。写作进步了，选题还停在十年前。

为什么搜索量排序现在不灵了？关键在于，用户的行为变了：

以前：一个人想买CRM，打开Google，输入“best CRM for small business”，搜出一堆结果，点进去看。

现在：同样一个人，打开ChatGPT，问“我们团队12个人，预算有限，想找个好上手的CRM，Salesforce太贵了，有什么推荐？迁移麻烦吗？”

看到了吗？同一个需求，以前是“搜索”，现在是“对话”。 而且这个对话里带着约束条件、带着决策需求、带着隐含的顾虑——它的商业价值比传统搜索高得多，因为提问的人离“掏钱”更近。

问题来了：关键词工具统计的是“被输入搜索框的字符串”，而这种对话式提问，几乎没有人会原封不动打进去。 你的工具根本看不到这个需求——搜索量那一栏，它是0。

于是你按搜索量排序，传统搜索词永远排在前面，真正有价值的对话式提问永远上不了你的选题清单。你优先做了“最容易统计的”，而不是“最有价值去回答的”。

二、机制拆解：query fan-out（查询扇出）

为什么说这不是工具的问题，而是机制变了？

谷歌官方文档说得非常直白：

“AI Overviews和AI Mode都可能使用’查询扇出’（query fan-out）技术，跨子主题和数据源执行多次相关搜索，以生成回答。”

ChatGPT也类似——OpenAI的文档把它描述为“在检索之前先把用户的提示词改写成搜索查询”。虽然名字不同，底层逻辑一样：

用户的1个问题 → 模型拆成N个搜索 → 从N个搜索结果里挑素材 → 拼成1个答案。

这个变化是颠覆性的：

• 搜索没有消失，它转移了——从用户手里转移到了模型手里
• 竞争格局变了——你不再只跟“同一个关键词的SERP”竞争，而是跟“所有可能被拉进合成的来源”竞争
• 你的页面可能因为一个你从没针对过的子问题被引用，也可能因为只覆盖了主标题词、漏了子问题，被整个话题排除在外

这就是搜索量失效的根本原因：搜索量统计的是“人们输入什么”，而AI时代决定成败的是“模型为了回答一个问题，会搜索什么”。

三、4个替代选题优先级

那不用搜索量，用什么？作者给了4个方向，我结合独立站的实际再展开讲讲：

1. 优先子问题，而不是主词

既然一个问题会扇出成N个子搜索，那这些子搜索才是你真正的靶子。

实操方法：拿你的主词，把它拆成“一个人要真正行动之前，需要先搞清楚的8-10个问题”。

拿“best CRM for small business”举例：

• 价格档位分别是什么？
• 从别的工具迁移过来费不费劲？
• 集成哪些常用软件？
• 合同签多久？能不能月付？
• 如果我不干了，我的数据怎么带走？

然后回头检查你的页面：是真回答了这些子问题，还是只是“提到”了它们？ 大部分页面是后者——标题写了，正文一笔带过。AI的合成匹配看的是“内容是否真正覆盖了这个子主题”，而不是“关键词出现了几次”。

2. 优先实体和概念，而不是字符串

AI的合成是按意思匹配的，不是按字符串匹配的。精确匹配关键词的重复，收益已经大不如前。

能让你进答案的，是把主题真正讲透：相关的产品、标准、方法、替代方案，以及它们之间的关系。

落到实操：少做“同一个短语的各种变体页面”，多做“一个主题的深度覆盖页面”。比如别做10个“CRM价格”、“CRM费用”、“CRM多少钱”的页面，做一个真正讲清楚CRM定价逻辑的页面——它会被所有问价格的人引用。

3. 优先决策，而不是定义

现在很少有人问AI“什么是X”了，因为定义类答案AI秒回。 人们用AI助手是为了做决定。

所以：对比、选择标准、权衡、异议——这些内容从“买家指南末尾的补充章节”升级成了主战场。

• 你写“什么是Shopify”，不如写“Shopify还是WooCommerce？12个维度对比，小团队怎么选”
• 你写“什么是海外仓”，不如写“第一批货要不要用海外仓？算完这4笔账再决定”
• 你的内容如果撑不起一场对比，就不会被回答对比类问题的模型用到

4. 保留搜索量仍然有效的场景

别误会，搜索量没死。大量查询依然是短、交易型、被普通SERP解决的：品牌词、产品词、本地意图、“near me”搜索。这些场景里，搜索量依然是好信号，而且不应该为它们硬套对话式改写。

关键是分清楚你的每个页面属于哪一类：

• 交易型/品牌型页面 → 继续按搜索量优化
• 决策型/研究型内容 → 用子问题+实体+决策的框架选题

两类页面，两套逻辑，别混着来。

四、没有搜索量的词，怎么排上去？

这是所有老SEO的第一反应：“一个问题搜索量是0，我怎么跟一个月2400次搜索的词竞争？”

答案：你排不了同一个词，但你不需要排同一个词。 用代理指标打分：

• 你的页面有没有真正回答那些子问题？→ 子问题本身会带来长尾排名
• 你的主题覆盖是不是比竞争对手完整？→ 完整度高的页面在AI引用里胜出
• 你有没有覆盖实体和概念，而不只是字符串？→ 语义相关度决定AI选谁

逻辑是：一个按“用户真实决策路径”组织的内容，会在子查询、长尾词、AI引用里全面开花。 你赢的不是“那个大词”，而是“那个大词背后的整个需求网络”。

五、怎么衡量效果

做内容的人最怕“做了不知道有没有用”。作者给了两个核心指标：

第一，AI有没有真的给你送人？ 这需要正确的数据配置——GA4默认的AI Assistant渠道会把AI流量拆分到好几个渠道里，导致严重低估。先把这个配置修好。

第二，普通有机表现。 一个正确覆盖子问题的页面，不管AI引不引用它，都会自然收获长尾排名。页面本身会说话。

至于“某个引用是不是某个选题决策带来的”——目前没法归因，AI不给你这个数据。所以把它当成方向性、长周期的工程来做，而不是能精确归因的短期campaign。

六、Neo的解读

1. 关键词研究没死，死的是“按搜索量排序”的偷懒

作者最后那句话说得特别好：“关键词研究没有死，死的是把搜索量那一列当成’什么配得上一个页面’的仲裁者。”

搜索量这个信号本身没错，错的是我们把它当成了唯一的仲裁者。在传统搜索时代，搜索量≈需求量的近似值，够用。但在AI时代，“被输入搜索框的字符串”和“真实需求”之间的差距，被AI拉大了——因为需求现在大部分流向对话，而不是搜索框。

2. 对独立站卖家，这是“低成本超车”的机会

大公司做内容最大的优势是资源：铺量大、词多、页面多。但AI时代的选题逻辑变了——赢家不是铺得最多的，而是把“用户决策路径”理解得最透的。

这恰恰是中小卖家的机会：

• 销售电话里客户怎么问的？→ 那就是用户真实的“prompt”
• 客服邮件里客户最纠结什么？→ 那就是最值钱的子问题
• 竞品评论区、社群里的高频疑问？→ 那就是你的选题金矿

这些素材，大公司反而不容易拿到——他们的流程离用户太远了。你的优势是离用户近，把这个优势用起来。

3. 把“搜索量思维”换成“决策路径思维”

我给自己总结了一个简单的自查清单，每次选题前过一遍：

• 我的目标客户，做这个决策前会问哪8个问题？
• 我的内容，是不是在帮他们做决定，而不是科普定义？
• 这个问题如果用户说给AI听，会怎么说？我的页面接得住吗？
• 我是在做一个“主题”，还是在做一堆“关键词变体”？

四个问题问完，选题的质量基本就有数了。

4. 别丢下传统搜索

最后提醒一句：这套新逻辑是加法，不是减法。品牌词、产品词、“near me”这些场景，搜索量依然是最靠谱的信号，继续用。只是别再让它替你决定一切——AI时代的内容地图，比一张Excel表复杂得多。

AI帮用户搜索了，但用户要的从来不是“搜索结果”，是“答案”。谁能把答案准备得最好，谁就是赢家。

老板们，是时候升级你的选题逻辑了。与其纠结工具里的搜索量数字，不如去翻翻你的销售记录和客服聊天记录——那里躺着AI时代最值钱的内容选题。