上周，Google 在曼谷举办了为期三天的 Search Central Live Deep Dive APAC 2025，大会主题分别是抓取（Crawling）、索引（Indexing）、展现（Serving），讲了很多底层逻辑，也给出了不少实操细节。

我们整理这篇超长干货，是因为SEO这行，最能让人沉下心思考的，有时候还是文字内容。

信息越碎，越需要系统梳理；节奏越快，越不能停下学习。

当然我们也要提醒各位一句，Google 的说法，并非 100% 正确。SEO 很多时候没有绝对的对错，建立自己的判断与SEO价值观非常重要。

这篇内容信息量超密，耗费了我们大量时间与精力。如果你觉得内容对你有用，别忘了点赞支持，转发给更多需要的人！

如果你已经准备好了，那我们就直接开始：

Day 1：Crawling（抓取）

关键词：AI 展现基础设施、Gen Z（Z 世代）入口迁移、多模态结构化内容、抓取预算逻辑（crawl budget）、Search Console 定位…

一句话总结：

AI 正在改变用户的搜索起点，但 Google 搜索的抓取、排序与理解逻辑并未重写——高质量、为人而写的内容，依然是系统唯一可信的起点。

一个常被忽视的事实：

AI 展现频繁触发，并不意味着你要为 AI 写内容。Google 搜索不会用 AI 生成文本训练排序系统，真正的目标读者仍然是人，不是模型。

搜索已进入拐点

Mike Jittivanich 提出搜索正处于“三大驱动力”交汇点：

1. AI 创新，影响程度接近移动/社交大迁移 2. 用户期待更快、更自然、更对话式的搜索体验 3. Z 世代（Gen Z）的搜索行为与父辈完全不同

用户不再满足于传统蓝色链接（blue links），搜索团队面临的挑战是：如何让 AI 展现、图像召回等新形态与蓝链并行编织，在一个界面中同时呈现又不冲突。

一个会议室内，屏幕上展示关于搜索和生态系统演化的幻灯片，观众正在用手机拍照记录。

AI Overviews 不是另一套搜索系统

  • Googlebot 同时负责传统蓝色链接与 AI 特性内容的抓取（crawling）
  • AI Overviews 与 AI Mode（AI 模式）与蓝链共用同一基础架构（抓取、索引、展现）
  • 同一体系中的其他爬虫服务于 Gemini 和大语言模型（LLMs）
  • 所有页面均经历统一流程：HTML 解析、渲染（rendering）、去重（deduplication）、排序信号（ranking signals）处理与垃圾检测（SpamBrain）

Google 正在将 DeepMind 的推理模型（reasoning models）引入搜索系统，以支持跨模态、多步骤、任务型的回答体验，例如 AI Mode 中的购物、餐饮规划和路径生成

一位演讲者在会议室中上台演讲，背景是关于AI与谷歌搜索如何发展的幻灯片，观众坐在演讲者面前。

人类写作仍是排名基础

• 排名系统不会在 AI 生成内容上进行训练 • AI 生成文本可被索引（indexing），但不被用作模型训练样本 • 排名模型仍以人类创作的高质量网页为基础，具备自然语言、结构清晰、信息可靠等特征

多模态内容是基础配置，不再是加分项

• 图片应添加语义明确的 alt 属性 • 视频建议附字幕或文字转写 • 页面语言建议具有对话式特征，适配语音查询和自然语言处理 • 搜索触点正在碎片化，内容需覆盖视觉、听觉、语义多个模态入口

Z 世代正在绕开搜索框

• Google Lens 搜索同比增长 65%，2025 年累计超过 1000 亿次，其中约 20% 携带商业意图 • 约 10% 的 Gen Z 搜索旅程始于 Circle to Search（圈选搜索）或其他 AI 功能入口 • 搜索入口不再限于文本框，内容需适配图像起始、语音起始等非线性路径

一群人坐在会议室中，看着显示屏上的演示文稿，屏幕上显示与Google搜索相关的统计数据。

Search Console 的数据节奏与定位

• 数据延迟约 2 天（基于太平洋时区） • 近实时数据与最终数据可能存在 ±1% 偏差 • “建议”功能面向非专业用户，提供模块化、操作性强的优化建议 • 功能生命周期：用户需求 → 数据准备 → 设计开发 → 测试上线 • Search Console 是 Google 搜索基础设施与网站之间的桥梁（bridge），可用于：

• 诊断抓取问题 • 跟踪搜索表现 • 识别是否符合 AI 展现触发条件

抓取预算的计算机制（crawl budget）

• 抓取预算 = 抓取速率上限（crawl rate limit） × 抓取需求（crawl demand） • 只有 HTTP 5xx（服务器错误）会真正消耗抓取预算 • HTTP 4xx（客户端错误）不消耗预算，但会影响调度优先级 • 存在断链、响应缓慢会拖慢整体抓取效率 • AI 特性可能增加抓取频率，但抓取频率增加不代表排名提升

长查询结构崛起

• 五词以上的自然语言查询增长速度为短查询的 1.5 倍 • 用户倾向以问题、任务形式表达搜索意图 • 内容组织结构应支持问题化、场景化、任务导向的表达方式

LLMs.txt：Google 明确不参与

• LLMs.txt 是由 IETF 提出的行业标准草案，Google 不参与也不计划采纳 • 官方仍建议使用 robots.txt 控制抓取行为 • 但需注意：并非所有 AI 爬虫都会遵守 robots.txt 协议

AI 并非搜索系统的例外用户

• 所有页面内容，无论是否用于 AI 展现，均走统一流程：HTML 解析、渲染、去重、BERT 分析、MUM 推理、垃圾识别等 • 查询解析与内容评分机制一致 • 差别仅体现在最终展现形式，是蓝色链接，还是 AI Overviews/AI Mode 的生成模块

Day 2：Indexing（索引）

关键词：Indexing、主内容识别、重复内容聚类、爬虫控制、信号提取、Structured Data、SpamBrain、软 404、Google Trends API

一句话总结： 索引的本质判断标准，始终是“有没有被看作对用户有用”，而不是“有没有被技术手段发现”。

一个常被忽视的提醒： 不是每 个设置了rel=cano nical的页面，Google 都会听你的。决定权仍在它手上，顺序是防劫持 > 用户体验 > 站长信号。

Google 如何理解网页内容

  • HTML 会被标准化成 DOM，再识别导航、标题、主内容区块。
  • 主内容可以是文字、图片、视频，甚至是功能型模块（比如计算器）。
  • JavaScript 渲染后才会进入下一步的索引判断。
  • 系统会提取 rel=canonical 、 hreflang 、 meta robots 等结构信息。
  • 与样式、导航无关的页面核心内容，会被单独抽取用于后续处理。
  • 搜索团队依然强调内容结构的直观性，系统不会优先处理响应式或自适应布局，两者一视同仁。
  • Google 在解析内容时，会将 HTML 分词为 Token，用于构建索引。该分词系统源于 2001 年东京办公室，也复用到了 AI 产品中。

主内容的区位影响排名

一个典型案例是：“将 Hugo 7 这个词从侧边栏挪到正文后，页面整体可见度提升明显。” 系统更信任主内容区域中的词汇，尤其是标题、副标题、正文前几段。如果页面结构混乱，爬虫可能会误判重要信息的位置。

去重策略与 canonical 的优先级排序

Google 判断重复内容，主要靠三组技术：301/302 重定向、内容相似度、rel=canonical 。 但 Google 会先判断是否存在被劫持风险，再参考用户体验，最后才参考站长的 canonical 指令。 即使你设置了 canonical，也可能不是最终被选中的版本。 某些“软错误页面”或模板生成页可能会拉低整个聚类的信任度。

会议室内，一群人在观看关于去重的幻灯片演示，屏幕上展示了去重过程的三个步骤。

Soft 404 是怎么定义的？

如果一个页面看起来存在，但核心内容极其稀薄或无用，Google 会认为它是 “soft 404”。 系统会标记一个 centerpiece annotation ，说明问题是出在主内容，而不是技术错误。 一旦页面被标注为 soft 404，整个聚类都有可能受影响。 Google 判断页面质量时，不仅考虑页面本身的“有用性”，也看其“可信度”是否成立。

控制索引的几种方式（并不都生效）

• robots.txt ：控制爬虫“能不能抓”页面内容。 • meta robots ：控制已抓页面是否允许进入索引，比如 noindex 、 noimageindex 。 • none 指令 = noindex, nofollow ，写法简化，但效果一致。 • unavailable_after 依然有效，虽然原团队已离职。可用于让限时活动、过期促销等页面在特定时间后自动退出索引，避免在 AI 特性中长期残留，误导用户或影响品牌认知。 • notranslate ：Chrome 将不再提示翻译此页。

Structured Data 可以用，但别乱用

Structured Data 的价值是“帮系统理解内容的语义与实体关系”，不是排名因素。 添加 Schema 可提高系统理解深度，有助于启用部分 LLM 驱动特性（例如商家评分、FAQ 展示等）。 冗余的结构化数据只会拖慢加载、增加代码负担，不会有额外排名加权。 结构化数据需持续维护，过时或报错的数据可能导致你错过展示机会。 添加 Structured Data 并不保证触发富媒体结果，系统会根据上下文判断是否展示。

图片和视频是如何被索引的？

索引先从 HTML 开始，媒体内容另走一条异步管线处理。 若页面 HTML 已进索引，而图片/视频迟迟未出现在搜索中，很可能是因为媒体索引尚未完成，而非出错。 Google 不关心图片是否 AI 生成，只在意是否有效传达内容。

一个人在会议室中做演讲，背景有PPT显示，观众坐在座位上听讲。

• 示例：大会首日展示中使用了一张 AI 图，虽然细节有误，但因为只是装饰道具，对排名无影响。

Geotargeting 如何影响内容选择？

• hreflang 是跨区域内容桥接的核心机制。 • 不需要为了避免重复而隐藏两个地区的相同页面，系统能识别这种结构。 • 但如果两个页面都没有本地化（只是换了域名），会让系统和用户都感到困惑。 • 地理定向不同于语言定向；两者信号机制不同，不能互相代替。 • 地域定向的信号来源包括：

• ccTLD（如 .sg 、 .au ） • hreflang 标注 • 服务器 IP 所在地 • 页面语言、币种、Business Profile、外链来源等区域信号

会议室内的演讲，屏幕上展示着有关地理定位因素的幻灯片，台下有观众在听讲。

索引信号提取阶段

结构处理完成后，系统会提取各种直接与间接信号，包括：

• PageRank（内部依旧使用） • 页面关键词、语义位置 • 外链与提及（mentions）

PageRank 虽不是 1996 年原始算法，但依然以同名信号形式参与排序。

一群人在拍摄投影仪屏幕上显示的幻灯片，幻灯片内容是关于“是否为索引信号”的列表，列出了一些因素如域名年龄、语言、https等，并标记为是或否。

什么样的内容不会进索引？

  • 有明确 noindex 指令的页面
  • 活动过期页面（建议用 unavailable_after 管理）
  • 内容极度稀薄、价值低（被标注为 soft 404）
  • 明显重复的聚类副本
  • 被 SpamBrain 判定为垃圾内容（Google 每天识别 400 亿页） !
一名演讲者在会议上展示关于垃圾信息的幻灯片，幻灯片上显示系统每天检测到400亿个垃圾页面，观众在下面认真倾听。

违反政策的页面（如恶意下载、误导性标题等）

补充：Internal Linking 只能在页面已经“有一定价值”时起到辅助作用。本质上不是加了链接就能保住索引，而是链接让页面更有用，才得以保留。

E-E-A-T 是指标吗？

不是。E-E-A-T（Experience、Expertise、Authoritativeness、Trustworthiness）是 Quality Rater Guidelines 中的评价原则，而不是索引或排名的算法参数。

Google Trends API（Alpha）正式发布

由 Daniel Waisberg 与 Hadas Jacobi 联合发布：

  • 支持连续对比的搜索兴趣指数，不因关键词变化而重新标定。
  • 可查看 5 年滚动数据，延迟不超过 48 小时。
  • 时间粒度可选：按周、月、年聚合。
  • 可按地区和子地区维度分析。
  • 为程序化趋势监测与跨时间对比打开了新路径。

Day 3：Serving（展现）

关键词：查询理解（qu ery understanding）、上下文同义词（contextual synonyms）、质量评估框架（E-E-A-T）、内容更新类型、结构化数据作用边界

一句话总结： Google 搜索的排序逻辑涵盖多种信号，其中“质量”是关键之一。衡量质量的核心，仍然回到一个标准：这份内容是否值得被用户信任。

一个常被忽视的事实： 就算没有结构化数据，Google 仍可能展示诸如站点名、面包屑等信息；页面结构与内容清晰度，常常比是否添加 Schema 更能影响系统对页面的理解。

查询理解机制

Google 的服务系统由查询理解、检索、索引选择、排序、特性应用（如富结果）五个阶段组成。

一位演讲者在会议室中向听众展示关于谷歌同义词系统的幻灯片，观众们正在认真聆听和拍照。

查询理解的首要环节，是对查询词的分割。对中文、日文等无空格语言，Google 会借助历史查询与文档进行分词学习（segmenting）。并不是所有语言都需要这一步。接着系统会移除停用词（stopwords），除非它们构成特定短语或实体（如《The Lord of the Rings》）。然后进入查询扩展阶段，会加入跨语言的同义词，用于更好理解用户真实意图。一个关键机制是上下文同义词（contextual synonyms）： 例如，“car hire” 与 “rental car” 并非传统字典中的同义词，但在真实点击行为中被系统判定为“siblings”，在特定上下文中可互换。

一个人正在会议室中做演讲，背景是投影屏幕，上面显示着英语文本，听众坐在下方。
会议室内，一位讲师正在大屏幕前进行演讲，台下观众正在认真听讲和记录。

这类语言理解与语义映射对用户不可见，但能显著提升召回相关信息的能力。

如何理解“质量”信号

Google 明确指出：排序信号有很多，“质量”是其中一个，但非常关键。搜索系统对“好内容”的定义聚焦五点：

  • 以用户为中心（people-first）
  • 专业性（expertise）
  • 内容与质量（content and quality）
  • 呈现与制作（presentation and production）
  • 避免以搜索引擎为导向的内容（avoid search-engine-first）

这些维度来源于《质量评估员指南》（QRG），虽不直接参与排名计算，但用于衡量系统表现。 • 当 QRG 出现更新，代表 Google 对“好内容”的标准也在同步演进。

一个会议室内，全体观众坐在台下，一位演讲者在大屏幕前演讲，屏幕上显示着关于内容质量和专业性的建议。天花板上挂着一个现代风格的吊灯。

四大质量支柱

在 QRG 中，Google将“质量”细化为四个核心维度：

  • Effort（投入）：体现创作时间、技能、经验。
  • Originality（原创性）：包含独立研究、原创分析、不同视角。
  • Talent or Skill（技能与表现力）：可以不是权威专家，但必须呈现真实经验与扎实表达。
  • Accuracy（准确性）：基于证据，符合专业或公众共识。

E-E-A-T 框架与信任的优先级

从 E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）四个维度来看，“信任（Trust）”是最重要的。即使页面不涉及 YMYL（Your Money or Your Life）领域，Google 依然会优先展现更可信的内容。若页面观点明显违背主流专家共识，可能被判定为不可靠。

澄清一点：网站中出现大量 404 页面或使用 noindex 标签，不会影响“质量”评估。这些是技术层面信号，非质量问题。

谷歌搜索系统更新的三个原因

Google Search 的更新通常出于三个目的：

1. 支持新内容形式：如短视频、互动视觉等，如果用户需求上升，Google 可能上线新展现模块。 2. 提升内容相关性：通过核心算法更新，整体提升内容筛选的质量。这类更新不针对具体站点。 3. 打击低质量内容与 spam：调整系统识别策略，降低无价值或操纵型内容在搜索结果中的占比。

演讲厅内，屏幕上展示关于搜索更新的数据，观众正在观看。

更新后的应对策略

核心更新不等同于“惩罚”，也不存在传统意义上的“恢复”。Google 建议站点：

  • 保持高质量内容的创作；
  • 学习表现更好的站点，理解其做得更好的地方。
  • 对于垃圾内容更新（Spam Updates）：
  • 明确指出的问题，应按照官方博客指导进行整改与删除。

结构化数据的边界与误解

  • 添加结构化数据（Schema）并不会直接影响排名。
  • 在合适的情况下，它能增强结果展示形式，提高点击率，从而间接提升表现。
  • 但添加 Schema 并不能保证展示富结果，是否触发由系统算法决定。

重点提醒：

  • 即使不添加结构化数据，Google 也可能依靠页面语义结构，主动展示站点名称、面包屑等富元素。
  • 正确的 HTML 构造与内容清晰度，常常比标注更具影响力。
  • Schema 不是一次性工作，需定期检查与维护，确保数据准确、无报错，才能持续适配富结果特性。

全盘总结

三天大会，绕了一圈，最终都在回答同一个问题：

当内容的展现形式发生剧变时，Google 依然如何判断它是否“值得被看见”？

不管是 AI Overviews、结构化数据，还是 E-E-A-T 框架和多模态召回，本质都指向两个核心判断：

• 内容是不是为人写的 • 内容值不值得信任

这不是SEO的消亡，而是回到它最初该有的模样。