本篇依然来自于我们的 《前端周刊》 项目！
由团队成员 田八 翻译，欢迎大家 进群 持续追踪全球最新前端资讯!!
原文地址：jonoalderson
您网站一半的流量并非来自真实用户。
搜索引擎、爬虫、机器人及各类代理程序对您网站的访问量，很可能已远超真实用户。但它们的"浏览"方式与人类不同，人类通过 URL 加载页面后，会整体感知其设计、内容、信息传达与核心意图；而机器则将 URL 视为一个待拆封的信封：拆解、剥离、挖掘其中含义。
数十年来，SEO 的核心逻辑始终围绕"URL即一切"展开，我们优化了容器，因为谷歌的索引与排名以 URL 为基本单位，人类也需要这种结构化体系来导航信息。但现在主导大多数内容发现的系统已经超越了这种模式。它们不再关注 URL 本身，而是聚焦 URL 内的声明内容，以及这些内容如何与它们已知的其他一切相互关联。
这一转变彻底改变了优化的运作方式。
要理解其中的利害关系，我们首先需要审视一直以来的思维模式------以及它为何不再适用于当下真实的互联网环境。
我们优化过的互联网 vs 我们当下真实的互联网
自从我们开展 SEO 工作以来，我们就一直以一种 URL 为核心的世界观运作。
谷歌早期的系统对 URL 进行索引和排名。PageRank 沿着 URL 之间的链接流动。分析工具统计每个 URL 的访问量。关键词研究映射到 URL 上。内容策略实际上是以站点地图的形式绘制的。URL 不仅仅是一个地址------它是网络的基本单位。
这个模型塑造了一切：
- 我们考虑"优化此页面"来对该关键字排名靠前。
- 我们根据
URL是否出现在搜索结果中来判断成功。 - 就连我们的语言------ "这个页面要排名"、"那个页面需要外链" ------也不断强化着"
URL才是核心"的假设。
但如今机器所感知的互联网不再局限于 URL 的形态。
多年来，谷歌一直在将页面拆分成多个部分。段落排名可以让它在文档深处找到隐藏的段落。精选摘要则可以直接从上下文中提炼出单个内容。知识图谱根本不是"对页面进行排名"------它直接从全网提取事实与关联关系。
即使 LLM 驱动的代理仍然会通过 URL 请求页面，但它们的处理方式与人类不同。它们会去除脚本、样式和干扰信息，并将内容分解成块，以提取含义和断言。对于这些系统来说，页面只是一个 源文件------它们将原材料转化为可推理的内容。
现在重要的系统并不将 URL 视为不可分割的对象。
对他们来说，一个 URL 对应的页面只是一个 容器 ------一个需要提取、评估和连接断言的源头。这意味着我们"页面优先、URL 优先"的思维模式不再适合我们正在优化的环境。
机器关心的是断言，而不是页面
现代系统不再将你的网站视为一系列文档的集合。相反，它们会将其拆解为一个个断言------即关于现实世界的独立陈述，这些断言可以被提取、解读，并整合进它们的模型之中。
这些断言通常以三元组的形式表示：
- 主语 → 谓语 → 宾语
- 产品 X → 价格 → 99 美元
- 作者 Y → 撰写 → 本文
搜索引擎和知识图谱将这些三元组作为 符号化事实 进行处理。它们会被显式地存储，与其他节点相连，并用于回答问题或丰富搜索功能。
大语言模型（LLMs）和智能体（agents）的运作方式有所不同。
它们不会将断言存储为独立的事实 ------ 而是将它们编码到高维向量空间中。语义被压缩，模式被泛化，检索变得概率化。这些断言并不是以记录的形式存在，而是作为模型所学到的表示的一部分而存在。
在这两种情况下，重要的单位不是页面，而是页面内部的断言。
重要的是这些陈述是否清晰、可提取且可连接。这是机器关注的层面，也是 SEO 需要转移重点的地方：从优化文档转向优化品牌声明的清晰度和连接性。
信任呈图状结构
断言并非独立存在。单一的声明，无论结构多么严谨，都无法自动获得信任。 机器会结合它们所了解的所有其他信息来评估它，它们会观察这个断言是如何 关联的：它来自何处、有什么依据支撑它，以及它与模型中其他信号的关系。
这就是 图的重要性 所在。
像谷歌这样的搜索引擎使用显式的关联关系：比如网页 URL 之间的链接、佐证架构，以及来自可信节点的引用。知识图谱实际上是通过连接对信任进行编码------由多个可靠来源支持的事实会被赋予更高的权重，而相互矛盾或孤立的断言则会被降权或忽略。
大语言模型（LLMs）和智能体（agents）以一种更隐蔽的方式做着类似的事情。
它们依赖的是训练数据中模式出现的 统计密度 。那些在高质量语境中持续出现的断言，在模型内部的表示中会变得更强；异常值（那些不符合上下文逻辑、或没有充分依据的异常断言）则影响力较弱，甚至可能被忽略。
这种基于图结构的评估机制，能够有效防止"断言垃圾"产生作用。
但目前，许多机器学习系统仍然比较稚嫩。大语言模型和新兴的智能体还缺乏像 Google 那样积累了数十年的反垃圾技术基础设施------它们还没有类似"链接图"这样的机制，来调节信息的质量信号。
为了弥补这一缺陷，许多此类模型高度依赖搜索引擎自身的结果，将其作为信任的代理。当 ChatGPT、Perplexity 或其他 AI 助手给出答案时，它们通常是从 Bing 或 Google 的搜索结果页（SERPs）中提取信息，因而也继承了这些搜索引擎的质量过滤机制（以及偏见）。这意味着，搜索引擎的防御机制仍然在塑造大语言模型对网络信息的认知------但这也意味着，如果这些搜索结果本身已被污染，那么这种污染也会随之蔓延。
随着时间的推移，当大语言模型（LLMs）逐步发展出自己的关系加权与噪声过滤机制时，决定信息是否可信的将不再是信息的数量，而是它的连贯性与连通性。 对于品牌而言，挑战在于打一场持久战：构建能够经得起这些系统成熟考验的断言。
对于机器而言，权威源于 连贯性和连通性 。断言的力量并非源于数量，而是源于其在更广泛的网络上得到 强化和证实 的程度。正是在这一层面，机器决定该相信什么------也是你铸就竞争优势的地方。
更重要的是，这个信息网络并不仅限于您自己发布的内容。机器正在从所有来源中学习------包括竞争对手的网站、第三方聚合平台、市场平台、YouTube、Reddit，甚至是抓取来的产品信息流。只要有关于您产品、定价或定位的某个说法存在于 某个地方，它就会成为模型的一部分。
这意味着，你的品牌断言策略不仅仅关乎网站的结构和标记，还关乎 如何管理你的品牌在网络上的描述、引用和理解。如果你的竞争对手的品牌断言更强势、更清晰或更一致，或者你在网络完全缺席，那么无论你的页面多么精美，这张知识图谱都可能对你不利。
更糟糕的是，您必须意识到，网络中的某些部分可能正在 主动对您构成威胁。竞争对手、联盟伙伴（或推广方）以及恶意行为者，他们不仅在与您竞争------他们还在试图污染那些从网络中学习的模型。
这种 充满敌意的信息环境 ------包括被污染的搜索结果页（SERPs）、人为制造的虚假声明，以及被用作攻击武器的矛盾信息------可能会扭曲您的品牌叙事，淹没您的核心信号，削弱您的权威性。您需要积极捍卫您的信息断言，抵御实时被操纵的网络攻击。
在一个图结构化的网络环境中，您所做的不仅仅是发布断言。您是在一个每个节点和边都可能被污染、被操纵或被武器化的环境中，捍卫这些断言。
谷歌的旧的理念已经不够用了
几十年来，谷歌 始终建议营销人员要"以人为中心进行创作"。
在搜索引擎主要负责将查询与文档进行匹配的年代，这确实是一条明智的建议。人类是最终受众，而优化内容以满足他们的需求，与 Google 的排名方式完美契合。
但网络不再是以人为本了。
如今，机器介于你和你的受众之间，负责协调信息发现、过滤信息，并代表用户做出决策。它们不仅仅是被动地索引信息，主动理解信息并决定哪些内容更重要。
关键的转变：
- 用户体验最终是由人来评判的------设计给人的感觉如何，故事是否有说服力，页面能否在情感上引起共鸣。
- 机器评判的是意义的结构性------您所提出的一个个独立断言，它们表达得是否清晰，以及它们在模型中与其他信息源的关联程度如何。
这并不意味着要放弃以人为本的内容。它意味着要认识到， Google 的那套核心理念并不完整。
你需要既 为人类写作，也为机器设计------明确您的断言，构建关系，并以同时支持符号系统符号系统（如搜索引擎），又能适配学习模型（如大语言模型）的方式进行内容发布。
未来蓬勃发展的品牌，不会仅仅是那些内容做得好的品牌；而是那些能够将自己的核心意义，以机器可信任、可复用、可放大的方式编码进内容中的品牌。
断言优先的未来是结构性的
如果机器关心断言，那么你如何表达这些断言，就成了一项战略选择。
Google 为我们提供了一个观察这一点的窗口：通过 schema.org 的结构化标记，它可以生成丰富的搜索结果、产品展示和活动功能。但结构化数据只有在 Google 已经为其构建了相应功能支持的地方才有效。除此之外，它的作用就非常有限。你不能简单地"给所有内容都加上标记"，就指望出现奇迹。_
但这并不意味着结构不重要------远非如此。
机器是从模式中学习的------无论这些模式是否被正式定义在 schema.org 中。大语言模型（LLMs）和智能代理并不会直接使用 schema.org，但它们仍然会从你的内容中提取并编码它们所发现的模式。在 HTML 层面、文案表达以及页面布局上保持清晰、可预测的结构，能为它们提供更可靠的信号，帮助它们更好地理解和处理信息。
这就是为什么语义化 HTML 仍然重要。不是因为模型会像 W3C 标准定义的那样"语义化地"解析标签，而是因为语义化标记能够强制带来 清晰性、层次感与一致性。
- 一个带有清晰标题的
<section>标签，能够形成一种易于被学习与识别的模式。 - 一致的措辞（如"价格：$99"）比埋没在设计中的大段文字更能强化意义。
- 层级化标记反映了各元素之间的关系，从而使这些关系更易于被编码。
因此，尽管 schema.org 可能只是一个功能导向的狭义工具，但从 更广义的结构来看（HTML、语言和布局中的模式）才是你让信息意义清晰可辨的方式。
在机器调解发现的世界里，这种可读性将决定你的断言是否被学习、信任和浮现。
停止优化页面，开始优化信息图谱
这就是为什么我们根据 URL 优化页面的旧 SEO 策略不再有效。
机器不会根据单篇文档来评判你；而是围绕你品牌构建的 意义网络。你的任务不是让页面排名靠前，而是让你的断言清晰、一致、条理清晰，让机器无法忽视。
所有这些都指向一个简单但令人不安的事实：旧的 SEO 策略（根据 URL 优化页面）已经不够了。
页面依然必不可少。URL 依然重要。人类仍然需要点击某些内容。但现在几乎每一次发现之旅都由机器来协调，它们不会在页面层面评判你。它们评判的是你所发布的断言网络，以及它与它们所知的一切之间的联系。
在这样的环境中，权威性并非是通过关键词和链接随意散布页面上就能获得的 。它是从你的断言 如何融入这张信息关联网络 之中而产生的：
- 它们在任何地方出现都是一致的吗？
- 它们是否受到可信节点的支持？
- 它们是否与其他概念和来源清晰相连？
- 它们是否足够清晰，可以被编码和重复使用？
这才是真正的战场。
Google、大语言模型和智能代理并非对单个文档进行评分，而是在构建世界模型，并判断该模型中哪些节点值得信任。你的任务是确保代表你自身的节点------你的产品、品牌和专业能力------ 足够强大、关联紧密且逻辑连贯。
这就是断言优先策略。
重点不在于创建更多页面，而在于 构建一个机器可以信赖的声明网络 。那些蓬勃发展的品牌将不再纠结于每个页面的排名，而是开始 关注其含义如何在机器网络上被学习、强化和呈现。
如何优化信息图谱
如果你所竞争的网络环境不再是围绕 URL 展开的，那么你的策略也必须随之进化。
当搜索引擎主要对文档进行排名时，优化单个页面就足够了。但在图结构化的网络中，关键在于 你的断言 如何在整个生态系统中被学习、强化以及相互关联。
那么这在实践中究竟是什么样的呢？这并不是要放弃内容创作，也不是要把所有内容都改写成 JSON 格式。而是 要让你的观点清晰、一致且不容忽视 ------无论机器在何处接触到它们。
以下是实现这一目标的一些策略：
- 避免断言垃圾信息：不要在网络上充斥自相矛盾或低质量的断言。如今的幼稚模型或许还能吸收一些这样的信息，但随着系统的成熟，这种策略可能会适得其反。
- 将每个页面设计为一组可提取的断言：对关键事实（价格、功能、作者、日期）使用清晰、重复的模式，而不是将它们埋没在散文中。
- 通过多个可靠来源强化声明 ：确保您的产品、定价和品牌属性在各个方面都一致：市场、聚合器、合作伙伴、维基百科、
YouTube描述和新闻稿。 - 构建内容结构不仅方便人类学习，更利于机器学习 ：使用语义化的
HTML来展现层级和关系。添加冗余上下文（"这是一家SEO咨询公司......"），以便机器通过多种方式获取关键信息。 - 发布机器友好的端点 ：提供
API、清晰的数据源和结构化导出（JSON、XML），清晰地展示您的数据。这为机器提供了一个不依赖于抓取的数据源。 - 监控和管理恶意语料库：追踪竞争对手和不良行为者对您的描述。利用对可信资产的强有力且确凿的声明来反驳虚假信息。
- 利用第三方验证：鼓励在权威网站上引用、评论和提及。机器更看重来自不同节点的佐证，而非自我主张。
换句话说，优化图谱并非为了博弈算法，而是为了确保你所说的话------以及关于你的评论------能够形成一个清晰、互联的网络，让机器能够信任它，无论现在还是将来，它们都会变得更加智能。
URL 之后的网络
URL 是构建互联网的基础。它塑造了我们设计网站的方式、我们对搜索引擎优化的思考方式，以及我们对信息发现的认知。但基础并非永恒不变------它们会被覆盖、抽象化，最终被取代。
我们已经站在不同的层面了。
机器已不再像我们一样浏览网络。它们穿梭于图结构中，编码模式并构建模型。URL对应的页面依然存在，但它只是覆盖在更深层事物之上的表层------一个存在于文档之外的断言网络。
这是我们目前正在优化的网站：
- 这不是一个页面的集合，而是意义结构。
- 这不是一个链接的结构，而是一个关系的结构。
- 这不是一个提供文档的搜索引擎，而是一套决定人类能看到什么的系统。
所以真正的挑战来了，别再琢磨如何让页面获得排名了，想想如何在正在取代这个页面的模型中生存下去。
因为这些模型已经在塑造网络的形态，也在决定你的品牌在其中是否重要。