Google Search Central Live 2026：AI 时代 SEO 的五个认知更新

2026 年 4 月，Google 在多伦多举办首次加拿大 Search Central Live。官方展示的大量的幻灯片透露的并不是「新概念」，而是对现有认知的修正。

一、索引机制：门槛在升高，不是降低#

AI 降低创作门槛，反向推高索引门槛。

Google 不再「来者不拒」，而是通过 Selective Indexing 主动选择哪些页面值得索引。内容容易生产 ≠ 内容容易被索引。这也意味着：内容工厂模式正在失效。规模化生产如果没有规模化价值，就会触发算法惩罚。AI 加速了内容生产，也加速了垃圾识别。

引用要点#

已抓取——目前尚未被编入索引「Crawled – Currently not indexed」状态出现时，质量问题占大头（内容「不够好」、重复内容、canonical 冲突），技术问题只占少数（404、重定向、robots.txt）。

诊断优先级：先查质量，再查技术。

流量下降的归因纠正#

AI 内容流量下降，常被归因于「用了 AI」。但 Google 的算法逻辑是：

Scaled Content Abuse 算法 针对的是「规模化产出」，不是「AI 产出」。内容复用不添加分析或上下文，构成 Scaled Content Abuse，若多个域名展现相似垃圾模式时，Google 可能将其视为单一网络施加惩罚。

流量下降的触发条件：

大量产出相似内容 → 触发规模化筛选
零互动信号 + 算法排名 = 潜在惩罚触发
与是否使用 AI 无直接关联

诊断方法：检查内容生产模式是否规模化，而非是否使用 AI。若确认存在 Scaled Content Abuse 问题，恢复需要内容整合，而非逐页优化。

二、AI Overview：fanouts 绕过了 bot 阻止#

很多人以为阻止 Google-Extended bot 就能阻止内容进入 AI Overview，这是误解。

fanouts 与 grounding 的技术逻辑#

一个提问触发 8-12 个并行子查询——即 fanouts。AI 通过它多角度交叉验证，综合输出答案。grounding 是 fanouts 的锚点——将生成内容「锚定」到可验证网页。没有它，AI「凭空说话」；有了它，每句回答有据可查。

可以理解为 fanouts 是「尽职调查」，grounding 是「来源锚点」。两者共同决定了谁能出现在 AI 回答中。

Google 的运作逻辑：

内容进入搜索索引 → 你已同意这个基础
AIO 生成时，Google 通过 fanouts 调用索引数据
Google-Extended 只影响「grounding 和链接」，不影响「数据使用」

阻止 Google-Extended 的结果 ：失去引用/链接，但信息本身仍被使用。

数据洞察#

95% 的 fanout 查询在传统关键词工具中搜索量为零
AI Overviews 覆盖约 47% 的 Google 搜索
96% 的 AIO 引用携带 E-E-A-T 信号
AI 偏好 40-60 字的「原子化答案块」

data nosnippet 的唯一有效性#

目前真正阻止特定内容被 AI 使用的方式只有一种：

data nosnippet 是唯一有效阻止方式。

代价：这是一把双刃剑。阻止内容被 AI 使用的同时，可能减少传统 SEO 效益（如 snippet 展示）。

Agentic Search 的适用范围#

Agentic Search 的高级功能目前主要适用于电商领域。其他领域的 User Centric Productivity (UCP) 之外，暂无高级 agentic 功能机会。

三、Trends API：一致缩放解决了痛点#

API 更新让跨时间维度数据可比较。即将到来的 Trends API 更新解决了一个长期痛点：不同时间维度的数据无法统一比较。

新能力#

功能	说明
多搜索词查询	API 支持不同搜索词批量查询
多时间维度	支持日、周、月三种维度
一致缩放	结果按统一比例缩放，可跨维度比较

Trends vs Keyword Planner 的区别#

两者计算方式不同：

Trends ：跨平台兴趣（YouTube + Search）、「Breakout」查询识别
Keyword Planner ：搜索量预测、广告规划

Trends 数据滞后 48 小时，目的是防止垃圾邮件发送者利用实时数据。

四、SEO 误区：两件事被官方证伪#

Markdown 转换和 llms.txt 对 SEO 无价值。

两个流行的「LLM 优化」做法，被 Google 直接回应：

做法	官方回应
将网站转换为 Markdown	对 LLM 或 SEO 没有好处
创建 llms.txt 文件	对 SEO 没有好处

Google 的索引和处理机制不依赖这些格式。

这意味着：内容优化应回归 SEO 本质（质量、结构、用户体验），而非追逐「LLM 专用格式」。

Danny Sullivan 的论断#

Google 搜索联络官 Danny Sullivan 重申：「 SEO for AI is still SEO 」。

AI 搜索使用的排名信号与传统搜索一致。GEO (Generative Engine Optimization) 不是新学科，而是 SEO 的子集。那些宣称「AI 改变一切」的说法，要么是误解，要么是营销。

在 AI 搜索时代，SEO 从业者无需学习新框架。原有技能组合——关键词研究、意图对齐、技术优化、内容质量——仍然是成功的基础。AI 工具可用于内容起草，但人工审核不可省略，E-E-A-T 信号在 AI 搜索中权重更高，同时长尾查询将成为 AI 引用的主战场。

五、待填补空白：AIO 追踪无时间表#

AI Overview 追踪报告正在开发，但无发布时间。AI Overview 和 AI Mode 的追踪数据是目前 SEO 的空白区域。

Google 团队确认：

正在开发 AIO 追踪功能
未提供时间表

这意味着：目前无法量化 AIO 对流量的影响，只能通过其他方式推测。

Structured Data 的新机会点#

Rich Results Testing Tool 与通用 Schema Testing App 的区别：

Rich Results Testing Tool 接入 Google 内部索引栈，通用工具不具备。

测试可信度差异：前者更接近 Google 实际处理逻辑。

新用例探索方向：电商领域的 Structured Data 应用（活动明确提到值得探索）。

六、Gemini 的「塑造」差异#

AI Overview、AI Mode、Gemini App 使用同一模型，但输出不同。Google Search 对 Gemini 的「塑造」方式不同于独立应用，不要用 Gemini App 的表现来判断 AI Overview 的表现。

总结：五个认知更新#

认知维度	更新内容
索引门槛	AI 降低创作门槛 → Google 反向提高索引门槛
流量归因	流量下降源于「规模化」而非「AI」
AIO 阻止	Google-Extended 无效 → data nosnippet 是唯一方式
API 能力	Trends API 支持一致缩放，跨维度可比较
SEO 误区	Markdown 转换和 llms.txt 无 SEO 价值

这些更新并没有颠覆现有 SEO 逻辑，但修正了几个流行误解。

行动框架：从诊断到执行#

基于本次 Search Central Live Toronto 活动的公开内容，得出如下结论：

话题集群优于单页关键词优化。FAQ Schema 使页面被 AI 引用的概率提升 60%。AI 模型会「学会」信任早期信源，先发优势明显。被 AI 引用的品牌往往在多个平台同时出现。

这里有一套可执行的行动框架：

诊断优先。检查 Search Console 中的索引错误，识别零流量页面，审查 E-E-A-T 信号完整性。问题通常在质量层而非技术层。
内容升级。关键词思维升级为话题集群思维。使用 Q&A 格式标题，在段落开头放置 40-60 字的原子化答案块——这是 AI 引用的「入口」。
技术与信号。实施 FAQ Schema（可使页面被 AI 引用的概率提升约 60%），确保移动端加载速度，配置 data-nosnippet 保护敏感信息。建立作者档案页、添加专家审核标记、引用一手来源、展示信任徽章，这些是 AI 引用的「入场券」。

AI 搜索时代的优化是系统性工程。诊断、内容、技术、信号协同，才能建立可持续的可见性。