我用一个新域名跑了 7 周 SEO/GEO：11 个实验，大部分结论和教程说的不一样
一个独立产品的冷启动实验笔记。样本只有一个网站，结论不一定普适，但每个数字都是真的。
一个独立产品的冷启动实验笔记。样本只有一个网站，结论不一定普适，但每个数字都是真的。
先交代背景
今年 8 月底，我上线了一个小产品 Verbatim（byverbatim.com）。它做的事情很简单：从中英文播客、newsletter 和深度访谈里，摘出 AI 创业者和产品人的原话，按具体问题组织起来，每条都带讲者、时间戳和原始链接。比如"AI 产品冷启动第一批 100 个用户怎么找"，页面上会并排放三位创始人的真实做法。
上线前我给自己定了一个目标：不靠地推、不靠朋友圈转发，只用 SEO 和 GEO（让 AI 搜索引擎引用你）做冷启动，看看到底行不行。
7 周后，答案是：方法本身能跑通，但对我这个产品，它几乎带不来目标用户。这篇把过程里的 11 个实验拆开讲，包括哪些动作有效、哪些是坑、以及我最希望自己在第一天就知道的那件事。
先放结论，赶时间的可以只看这一段：
- 技术层面的 SEO 基建门槛很低，新域名 2 周左右就能被 Google 收录完。
- JS 渲染的单页应用（SPA）对 AI 爬虫几乎不可见，这是我踩过最贵的坑。
- 新域名在 AI 搜索里被引用的概率，头一个月接近 0。用"引用率"判断成败会让你过早放弃。
- llms.txt 加上结构化数据之后，AI 引擎对"你是谁"的理解从完全错误变成几乎准确，但它救不了你在话题搜索里的排名。
- 如果你做的是内容整理，AI 搜索可能直接引用你整理的原始来源，而不是你。
- 最重要的一条：在开始之前，先确认你的目标用户真的会用搜索引擎、用你写作的那种语言去找你。 我没做这一步，浪费了一个月。
第一部分：基建（第 0–2 周）
实验 1：SEO 基础设施，一天就够
我做的事情就是教科书清单：robots.txt 明确允许 GPTBot、OAI-SearchBot、PerplexityBot、Claude-SearchBot 这几个 AI 爬虫；写 sitemap.xml 并提交到 Google Search Console 和 Bing Webmaster；每页加 title、meta description、canonical。
上线前我用 curl 伪装成这 4 个爬虫的 User-Agent 各请求一次首页，确认都返回 200，没有被 Cloudflare 的反爬拦住。这一步很多人会跳过，但如果爬虫进不来，后面全白做。
结果：sitemap 里的 10 个 URL，大约两周后在 Search Console 里显示 11 个已收录（多出来的一个是 Google 自己发现的）。
结论：现代 SEO 基建没什么技术门槛，域名新也不是障碍。别在这一步花超过一天。
实验 2：Search Console 里的"报错"，大部分不用修
收录完之后，Search Console 里出现了一堆看起来很吓人的状态：Page with redirect、Alternate page with proper canonical tag、Duplicate without user-selected canonical。
逐个点开看，大部分是正常行为。比如 http://byverbatim.com/ 被标成 Failed，其实是 Cloudflare 把 HTTP 强制跳到 HTTPS，Google 确认之后就不收录 HTTP 版本，这正是你想要的。
真正需要修的只有一个，而且是我自己挖的坑（见实验 5）。
结论：看 Search Console 时，先判断这个 URL 的跳转是不是你有意为之。是的话，Failed 不代表坏了。
第二部分：踩过的坑
实验 3：SPA 首页，AI 爬虫看到的是一句"需要 JavaScript"
我的首页是用一个 AI 设计工具生成的，交互做得很漂亮：搜索框、预设问题、可展开的讲者卡片。直到有一天我用文本编辑器打开 index.html，才发现整个页面的内容都塞在一个 JS 包里，HTML 本身只有一句 "This page requires JavaScript to display"，标题是 "Bundled Page"。
这意味着不执行 JavaScript 的爬虫，看到的就是一个空壳。
对照组恰好存在：后来我为每个话题手写了纯静态的 HTML 页面（/topics/xxx）。其中一个还处在"收录中"状态的占位页，上线没几天就出现在了 Perplexity 某次搜索的来源列表里，排第 8。而首页在整个测试期间，没有一次被话题搜索引用。
更糟的是，我曾经想直接在这个打包文件里改一行文字，结果破坏了里面的 JSON，整个首页白屏，只能回滚。
结论：如果你在意 GEO，每一页的核心内容都必须直接写在 HTML 里，首次加载就能看到。用 AI 设计工具或 SPA 框架生成页面之前，先确认它能导出静态 HTML。
实验 4：中文 JSON 里的一个英文引号，让结构化数据整页失效
我给每个话题页加了 FAQPage 和 Quotation 的结构化数据（JSON-LD）。Google 的 Rich Results Test 报了 "Unparsable structured data"。
原因荒谬到好笑：我在中文回答里想强调一个词，用了英文的半角双引号 "，这个字符在 JSON 字符串里会提前结束字段。同样的错误我前后犯了两次，第二次是在扩写一个页面的时候。
另一个小坑：用 grep -c 数页面里有几个 Question 的时候，因为整段 JSON 写在一行里，它只会返回 1。要数真实出现次数得用 grep -o ... | wc -l。
结论：中文结构化数据里永远用「」或全角引号。每次部署后都跑一遍 Rich Results Test，别只看自己的 curl 输出。
实验 5：SearchAction 结构化数据会让 Google 抓一个不存在的页面
我在首页加了 WebSite 的 SearchAction 标记，里面有一个模板地址 https://byverbatim.com/?q={search_term_string}。几周后 Search Console 报告：这个 URL 是"没有指定规范网址的重复页面"。Google 把模板变量当成了真实的地址去抓。
修法是在 robots.txt 里加一行 Disallow: /*?q=，然后在 Search Console 里点"验证修复"。
结论：如果你的网站并没有真正实现带参数的站内搜索，就别加 SearchAction。如果要加，提前把查询参数挡在 robots.txt 外面。
实验 6：品牌名撞了一个 1969 年的老牌子
我在 Perplexity 里问"Verbatim 是什么产品？"，10 个来源全部是一家做光盘、U 盘和移动硬盘的存储品牌（中文名威宝），答案也完全在讲它。我的网站一次都没出现。
这件事我上线前完全没想到要查。几周后又冒出来一个：playverbatim.com，一个单词游戏，也开始出现在同一类查询的来源里。
结论：起名之前，去 Perplexity、ChatGPT 和 Google 各搜一次"[你的名字] 是什么"。如果撞上一个老品牌，接受一个事实：品牌词流量不属于你，你只能靠话题搜索被发现。测试 baseline 时也别用品牌名做查询，否则数据没有意义。
第三部分：AI 搜索到底在引用什么
实验 7：建 baseline，别只看"引用率"
第 3 周我做了一次系统测试：5 个话题，每个话题两种问法（直接问和场景化地问），在 Perplexity 和 ChatGPT 上各跑一遍，一共 20 次。每次记录 4 件事：答案里有没有提到 Verbatim、来源里有没有我的链接、链接排第几、以及答案里的具体观点有多少能在我的页面上找到出处（我叫它 Claim Support Rate，这个指标是从一位前端朋友的 SEO 文章里学来的）。
结果：
- 引用：20 次里只有 1 次，就是上面那个占位页，排第 8。
- Claim Support Rate：Perplexity 平均大约 40%，ChatGPT 大约 25%。
也就是说，AI 给出的答案里，有相当一部分观点和我页面上的内容重合，但它引用的是别人。
结论：新域名第一个月的引用率几乎一定是 0，用它判断成败会让你过早放弃。内容重合度是更早出现的信号：它高，说明内容方向对，缺的是信任（外链、域名年龄）；它低，说明你回答的问题和用户想问的不是一回事。
实验 8：三个引擎的脾气完全不同
- Perplexity 发现新页面最快，几天之内就能出现在来源列表里。中文提问时，它主要引用中文内容站，比如人人都是产品经理、InfoQ、CSDN、36 氪。
- ChatGPT 对权威来源的偏好强得多。"AI 产品冷启动怎么找第一批用户"这个问题，它只引用了一个来源：Paul Graham 的 Do Things That Don't Scale。另外 10 次里有 5 次它根本没有联网搜索，直接用训练数据作答，新网站在这种情况下没有任何机会。
- Claude 我没有测。网页版需要登录，联网搜索需要付费账号，我判断边际信息不大，就跳过了。
还有一个意外发现：同一个问题"AI PM 需要学 ML 到什么程度"，相隔一个月再搜，Perplexity 的来源几乎整体换了一遍。9 月初排在前面的是招聘平台和公司博客，10 月初变成了个人 Substack 和 GitHub 上的学习路线。只是一个查询的观察，但它提醒我：AI 搜索的来源排序变化很快，一次测试不能代表长期状态。
结论：冷启动阶段优先看 Perplexity 的数据。ChatGPT 的反馈会滞后很多，但它依赖 Bing 的索引，Bing Webmaster 一定要提交。
实验 9：意图对不上，内容再好也白搭
我有一个话题叫"中国 AI 产品出海踩过什么坑"，内容是三位创始人讲文化差异和打法重构。它的内容重合度只有 20%，ChatGPT 上是 0。
看了来源才明白：Perplexity 认为这个问题在问合规，引用的是 GDPR 解读、出口管制和律所文章；ChatGPT 认为它在问地缘政治，引用的是路透社、金融时报和美国财政部。没有一个引擎认为用户想听创始人的故事。
我把页面改名为"中国 AI 创始人出海踩过什么坑"，换了 URL（旧地址 301 跳转过去），在页面顶部明确写上"这一页讲什么、不讲什么"，并把找合规内容的读者引导到外部资源。效果还在观察中。
结论：写之前先去 AI 搜索里搜一次你的目标问题，看它引用的是什么类型的内容。如果和你要写的不是一类，要么换问题，要么接受这个词你赢不了。
实验 10：llms.txt 有用，但用处和你想的不一样
llms.txt 是一个社区提案，用一个纯文本文件告诉 AI 你的网站是什么。Google 官方说它不影响搜索。我 9 月中旬加上了，写清楚网站定位、覆盖的话题、明确不覆盖的话题、数据来源和引用规范。
之后我在第 3 周和第 4 周各测了一次，用的是同样两个查询：
| 查询 | 9 月中（上线前） | 第 3 周 | 第 4 周 |
|---|---|---|---|
| "byverbatim.com 是什么网站？" | 来源里没有我，答案在讲存储品牌 | 10 个来源里 5 个是我的页面，答案准确 | 我的首页排来源第 1，答案依然准确 |
| "AI 产品冷启动的真实创始人经验有哪些？" | 来源里没有我 | 来源里没有我 | 来源里没有我 |
第一个查询的答案质量变化很大。Perplexity 写出了这样一句话："它想做的是将分散在长访谈、播客和创作者通讯里的第一手经历，按具体问题重新组织，形成可比较的经验样本库。"这比我自己写的介绍还清楚。第 4 周再测，它连产品状态和定价都说对了。
第二个查询，4 周里一次都没有出现过我的页面。
需要说明的是，这期间网站上同时有静态话题页和结构化数据，时间本身也在起作用，所以我不能把变化全部归功于 llms.txt。更准确的说法是：llms.txt、静态页面和结构化数据这一套组合，三周内让 AI 对"这个网站是什么"的理解从完全错误变成几乎准确，而且一周后依然稳定。
结论：这一套东西是防守型的。当有人主动搜你的网站时，它保证 AI 说对你。但它不会帮你在"AI 冷启动"这种话题词上打败 InfoQ 和人人都是产品经理。抢话题流量要靠外链、内容深度和时间。
一个让我重新想产品定位的发现：原始来源会抢整理者的位置
第 4 周测"AI 产品冷启动"那个查询时，我注意到 Perplexity 的来源里有一条是 42章经某一集在 Apple Podcasts 上的页面。
Verbatim 做的事情，就是从 42章经这样的播客里摘原话、整理成页面。而在 AI 搜索眼里，原始播客和我的整理页在竞争同一个位置，原始来源天然更有资格：它是一手的、有历史、有权重。
这对所有"内容整理型"产品都是一个提醒。如果你的页面只是把别人说过的话搬过来，AI 引擎没有理由引用你而不是引用原文。整理者要被引用，得提供原文没有的东西，比如多个来源的横向对比、反直觉的综合判断、按具体决策问题重新组织的结构。我在页面上其实做了这些，但它们排在原话后面，不够显眼。这是我接下来想调整的方向。
顺带一个相关发现：Google 在 2023 年 8 月把 FAQ 富媒体结果限定给了少数权威政府和医疗网站，所以 Rich Results Test 只显示我的面包屑导航，不显示 FAQ。但 FAQPage 结构化数据依然是合法的 Schema，AI 引擎依然可以读取。在 2026 年，加 FAQPage 的理由几乎全部来自 GEO，而不是传统 SEO。
第四部分：我最希望第一天就知道的事
实验 11：目标用户根本不在这条路上
做到第 7 周，我打开 Cloudflare 的访客地理分布，24 小时内排前三的是荷兰 44、比利时 39、美国 24。
荷兰和比利时都有大型云厂商和搜索引擎的数据中心，这些访问大概率是爬虫，不是人。PostHog（会过滤掉爬虫）里 30 天的数据是 96 个访客，其中来自自然搜索的 2 个，来自 AI 引擎的 1 个，其余基本是直接访问，也就是我自己和身边的人。
好的一面是，真的点进来的人平均停留了 4 分 22 秒，说明内容本身能留住人。但几乎没有人留下邮箱。
我的目标用户是 30 到 40 岁、在海外做 AI 的华人。回头想，这个人群有两个特点，每一个都让 SEO/GEO 失效：
- 语言错配：他们工作用英文，搜 AI 相关的问题也基本用英文。我写的全是中文页面。
- 渠道错配：他们获取 AI 信息的地方是 X、LinkedIn、Hacker News 和各种微信群，不是搜索引擎。
方法本身没有问题，问题在于"用户、渠道、语言"这个组合从一开始就对不上。
如果重来，我会在第一天先过这个清单：
- 我的目标用户遇到这类问题时，第一反应是去搜索，还是去问人、刷社交媒体？
- 他们搜索时用的语言，和我写作用的语言一样吗？
- 我要回答的问题，单个问题每月有没有至少几百次搜索？
三条里有两条答案是否定的，就别把 SEO/GEO 当主要的冷启动渠道。它可以作为存档和长期资产，但不能指望它在头几个月带来用户。
接下来
Verbatim 我会继续维护，但不再追求商业化，它现在是我验证 SEO/GEO 方法的实验场。正在跑的实验有两个：
- 把"AI PM 需要学 ML 到什么程度"那一页从 800 字扩写到 2000 字左右，加了按背景划分的三条学习路径、四种不该学 ML 的情况和一份三个月的实战清单，11 月初看它能不能进入 Perplexity 的前 10 个来源。
- 这篇文章本身也是一个实验：它是 Verbatim 获得的第一个外部链接，我会记录它带来的访问和 AI 引用变化。
文中提到的话题页，有兴趣可以看看实际长什么样：
如果你也在给自己的产品做 SEO 或 GEO，欢迎交流你踩过的坑。下一篇我会写这两个实验的结果。
If this landed for you, consider dropping me a coffee. It keeps me writing on the weekends instead of doom-scrolling.
Buy me a coffee →