LIBRARY / 02 · ATOMIC KNOWLEDGE
知识库
一个知识点解决一个清晰问题，并提供边界、应用任务、诊断场景、自测和证据入口。搜索结果只缩小范围，不改变学习依赖。
81 个知识点
01
搜索系统
建立 crawl → render → index → retrieve → rank → serve 的完整心智模型。
进入知识域01查询理解与候选检索Query Understanding and Candidate Retrieval把用户字符串视为带语言、实体、约束和任务的查询，并区分“进入候选集合”与“在候选中排序靠前”。02排序：相关性、质量与多系统组合Ranking, Relevance, and System Composition理解最终排序是面向查询与上下文的多信号、多系统决策，而非一张可反推的统一因子清单。03搜索系统诊断漏斗Search System Diagnostic Funnel把站点、模板、页面、查询和业务数据串成可证伪的诊断顺序：先确认数据，再找最早失效关卡，最后评估影响。04搜索引擎工作流与故障分层Search Engine Pipeline用发现、抓取、渲染、索引、检索、排序、呈现七个关卡描述搜索系统，并把 SEO 异常先定位到关卡，再讨论方案。05索引资格、重复聚类与规范化Indexing and Canonicalization理解搜索引擎如何分析内容、决定索引资格、聚类相似 URL 并选择代表性规范页；把 canonical 当作信号而非命令。06渲染、JavaScript 与可见内容Rendering and JavaScript SEO区分服务器响应 HTML、浏览器 DOM 与搜索引擎渲染结果，验证主内容、链接和元数据是否在处理链中稳定可用。07URL 发现与抓取调度URL Discovery and Crawling理解搜索引擎如何从链接、sitemap 和既有 URL 集合发现地址，并在站点承载能力、已知价值与变化信号之间安排抓取。08结果呈现、SERP 功能与点击机会Serving and Search Result Presentation把“排名”与“用户实际看到并点击的搜索结果”分开，理解标题链接、摘要、富媒体、功能模块和设备布局如何改变点击机会。
02
信息检索
以从业者需要的深度理解 lexical、semantic、retrieval 与 reranking。
进入知识域01倒排索引与候选集合Inverted Index and Candidate Sets从词项到文档列表理解倒排索引，解释搜索系统为何能快速定位候选文档，以及字段、位置和跳跃结构如何支持更复杂的匹配。02分词、规范化与语言边界Tokenization and Normalization理解文本如何被切成可索引词项，以及大小写、连字符、词形、数字和多语言规则如何改变查询与文档的匹配。03信息检索评估：相关性、指标与误差分析Information Retrieval Evaluation从查询集、相关性标注和排名指标建立可重复评估，理解 Precision、Recall、MRR、MAP、nDCG 的任务假设，并用分组误差而非单一平均数决策。04词频与饱和效应Term Frequency理解词项在文档中的出现次数如何形成局部匹配证据，以及为什么实际检索常用对数或饱和函数削弱重复出现的边际收益。05逆文档频率与区分度Inverse Document Frequency理解稀有词项为何比全语料常见词更能区分文档，并掌握 IDF 对语料范围、时间和分词规则的依赖。06向量空间、余弦相似度与表示选择Vector Space Model and Cosine Similarity把查询和文档表示为多维向量，通过夹角比较方向相似度；理解“向量”既可稀疏也可稠密，表示决定相似度的含义。07语义搜索：含义匹配的能力与边界Semantic Search把语义搜索拆为查询理解、实体与关系、语义表示、召回和重排，而不是把它当作“搜索引擎不再需要文字”的口号。08BERT：上下文表示，不是排名公式BERT Concepts and Boundaries理解 Transformer 双向上下文、预训练与微调的基本思想，区分模型架构、Google 对语言理解的公开应用与 SEO 行业对“BERT 优化”的误读。09BM25：饱和词频与长度归一化BM25 Ranking Function掌握 BM25 如何结合概率式 IDF、词频饱和与文档长度归一化，建立强而透明的词法排序基线。10TF-IDF：局部强度与全局区分度TF-IDF Weighting组合词项在文档中的强度与全语料区分度，建立一个透明的词法相关性基线，并学会说明它没有覆盖什么。11稠密神经检索与双编码器Dense Neural Retrieval理解双编码器如何分别编码查询与文档、用近邻搜索召回语义候选，以及训练数据、向量索引和域迁移怎样决定真实效果。12学习排序：特征、目标与偏差Learning to Rank理解 pointwise、pairwise、listwise 学习排序如何从带标签样本组合多类特征，以及标签偏差、泄漏和分布漂移为何比算法名字更重要。13重排：用更昂贵模型审查小候选集Reranking理解多阶段检索中先高召回、后精排序的分工，以及 cross-encoder、late interaction 与业务规则如何在有限候选上改善前排质量。14RAG：检索、上下文与可追溯回答Retrieval-Augmented Generation把 RAG 视为查询处理、检索、过滤、重排、上下文组装、生成、引用和评估的完整系统；分别衡量检索失败与生成失败。
03
技术 SEO
让重要页面可被发现、正确渲染、规范化、索引与维护。
进入知识域01站点架构与发现路径Site Architecture & Discovery Paths用业务对象、用户任务和可抓取链接构建层级，让重要页面从稳定 hub 获得清晰上下文，而不是机械追求“三次点击”。02重定向设计与验证Redirect Design & Validation把旧资源映射到最相关的新资源，并尽量单跳到最终 URL；重定向既是用户路由，也是规范化强信号。03Canonical 与重复 URL 信号Canonicalization SignalsCanonicalization 是从重复或近似页面组中选择代表 URL 的过程；声明 canonical 是强提示，不是命令。04robots.txt 与 noindex 控制边界Robots.txt & Noindex Boundariesrobots.txt 管“能否抓取”，noindex 管“能否被索引”；爬虫必须访问页面或响应头，才能读取 noindex。05SEO 迁移控制系统SEO Migration Control System把迁移做成有基线、有 URL 映射、有发布闸门和回滚条件的变更管理，而不是上线当天临时补 301。06URL 与 HTTP 状态契约URL & HTTP Status Contract把 URL 视为长期资源标识，把 HTTP 状态码视为服务器对用户与爬虫的明确答复；先判断“请求得到了什么”，再讨论排名。07XML Sitemap 治理XML Sitemap GovernanceSitemap 是“希望被发现的规范 URL 清单”，不是强制索引指令；其额外价值是按模板监控提交与索引差异。08结构化数据建模与验证Structured Data Modeling & Validation用明确实体和属性描述页面可见事实；选择与页面类型匹配、由真实数据生成且可持续维护的标记。09抓取预算与日志分析Crawl Budget & Log Analysis先判断规模与更新频率是否真的构成抓取约束，再用服务器日志观察搜索爬虫实际请求，避免用模拟爬取代替现实。10Core Web Vitals 与 INPCore Web Vitals & INP用真实用户第 75 百分位评估 LCP、INP、CLS，再用实验室数据定位资源、主线程和布局根因；性能首先是体验与转化问题。11JavaScript SEO 审计与工程验收JavaScript SEO Audit & Engineering QA把渲染机制转化为可复现的审计步骤与工程验收项：比较原始 HTML、渲染 DOM 和网络依赖，确保核心内容与链接可稳定处理。
04
需求与 SERP
把 ICP 的真实搜索任务映射到查询、SERP 类型与页面机会。
进入知识域01关键词—页面映射与取舍Keyword-to-Page Mapping把每个需求簇明确决策为 Existing、New、Merge 或 No target，并记录主 URL、页面任务、负责人和验证指标。02关键词研究与需求证据Keyword Research & Demand Evidence把 GSC、付费搜索、销售对话、站内搜索和第三方工具组合成需求证据；搜索量是估算，不是商业价值。03基于 SERP 的关键词聚类SERP-based Keyword Clustering用排名 URL 重叠和用户任务相似性判断多个查询能否由同一页面服务，避免机械“一词一页”与过度合并。04搜索意图与用户任务Search Intent & User Jobs把查询解释为用户在特定情境中要完成的任务，并用 SERP 的页面类型、内容格式和结果特征验证，而非只贴“信息/商业”标签。05SERP 模式与机会分析SERP Pattern & Opportunity Analysis把 SERP 当作带日期、地区和设备的竞争样本，拆解结果类型、内容角度、特征、品牌偏好与可赢条件。06竞争对手与内容缺口分析Competitor & Content Gap Analysis比较同一 ICP、查询任务和 SERP 竞争者覆盖的需求，找出有业务意义且能被独特服务的缺口，而非复制竞品所有关键词。
05
内容与架构
建立内容、实体、主题覆盖和内部链接共同工作的页面系统。
进入知识域01内部链接系统Internal Linking System用可抓取、语义明确且处于真实上下文的链接连接 hub、商业页和支持内容，同时治理孤页、死链与模板噪音。02内容优化、刷新与合并Content Optimization, Refresh & Consolidation从数据异常与用户任务提出刷新假设，选择保留、更新、重构、合并或删除，并以变更日志和结果窗口验证。03内容质量与 E-E-A-T 证据Content Quality & E-E-A-T Evidence围绕页面目的评估努力、原创性、准确性、经验、专业性、权威与信任；E-E-A-T 是质量评估视角，不是可打分的单一标签。04页面级 SEO 基础On-page SEO Fundamentals让标题、主标题、正文结构、媒体、链接和转化共同服务一个明确任务；元素优化建立在页面—意图匹配之上。05主题覆盖与信息增益Topical Coverage & Information Gain以用户决策所需的子问题、实体、关系和证据评估覆盖度，同时删除无用重复；“全面”不等于最长。06主题集群与内容组合Topic Cluster Design围绕可持续服务的用户任务建立 pillar、子主题和商业页面组合，以真实内链和差异化资产连接，而不是批量制造相似文章。07实体与知识图谱思维Entities & Knowledge Graph Thinking用实体、属性和关系消除品牌、产品、人物与概念歧义，并保持站内命名、页面、结构化数据和外部资料一致。
06
站外与权威
把外链执行升级为页面级的 authority、relevance、asset 与风险决策。
进入知识域01链接基础：发现、相关性与声誉Link Fundamentals: Discovery, Relevance & Reputation把链接理解为一个页面对另一资源的可发现引用；评估来源页、目标页、语境、编辑意图和真实受众，而非只看域名指标。02链接垃圾风险与处置Link Spam Risk & Remediation依据获取意图、编辑关系、付费披露和规模模式识别操纵性链接；停止可控行为、保留证据，并只在有充分理由时采取移除或 disavow。03可链接资产设计Linkable Asset Design从具体引用者的工作需求反推资产：原创数据、免费工具、模板、统计页、视觉图或长期参考资料，并设计更新与分发机制。04数字 PR 与专家传播Digital PR & Expert Distribution用有新闻价值的数据、观点和专家快速响应真实媒体受众，把品牌提及、引用、引荐访问和关系资产纳入同一传播系统。05外链差距与机会发现Backlink Gap & Opportunity Discovery比较竞争页面由谁、因为什么内容获得引用，寻找可复制的受众与触发因素，而不是照抄所有 referring domains。06页面级链接策略与组合Page-level Link Strategy & Portfolio从业务目标和目标 URL 出发，组合合作、专家贡献、资源推广、产品生态和 PR 等可持续路径，并定义投入、领先指标与停止条件。07锚文本语义与分布Anchor Text Semantics & Distribution把锚文本作为链接上下文的一部分观察品牌、URL、主题描述和自然语言分布；站外锚文本应由编辑语境自然产生。
07
数据与诊断
把 GSC、GA4、SERP、crawl 与业务数据转化为可证伪的假设。
进入知识域01分群、切片与聚合陷阱Segmentation and Aggregation Pitfalls用页面类型、品牌/非品牌、意图、市场、设备、新旧内容与 funnel 阶段分群，判断总量变化来自“谁”。同时防止辛普森悖论、样本稀疏和事后切片制造伪解释。02索引覆盖与根因验证Index Coverage and Root-Cause Validation把“未索引”拆成需求合理性、发现、抓取、渲染、canonical、质量/重复和索引选择，按模板与 URL 样本验证根因。索引率只在“应索引 URL 集合”上才有意义。03自然流量下降诊断树Organic Traffic Drop Diagnosis Tree按 tracking → demand → discovery/indexing → ranking/SERP → snippet → landing/measurement 的顺序诊断流量下降。先定位变化发生在哪一层，再检查页面、查询和时间，避免一上来重写内容。04CTR 机会与 SERP 点击诊断CTR Opportunity and SERP Click Diagnosis在 position、query intent、brand、device 与 SERP feature 的条件下评估 CTR，找出真正可测试的 snippet 机会。CTR 不是独立 KPI，而是展示资格、排序位置和用户选择共同作用的结果。05GA4 事件与转化测量计划GA4 Event and Conversion Measurement Plan从业务动作反推 GA4 event、parameter、key event 与验证规则，建立到站后行为的可解释测量层。重点是语义稳定、去重、测试和文档，而不是“能触发就算完成”。06GSC 搜索表现证据模型Search Console Performance Evidence Model理解点击、曝光、CTR、平均排名的计算口径，并用 query、page、country、device、date 与 search appearance 切片。目标不是导出一张大表，而是知道每一行能支持什么结论、遗漏了什么。07自然搜索转化漏斗与 CRO 诊断Organic Conversion Funnel and CRO Diagnosis把 query intent → landing → engagement → micro-conversion → lead quality → revenue 连接成漏斗，寻找损失最大的步骤及其机制。CRO 以减少用户决策阻力为核心，不以随意换按钮颜色为核心。08KPI 树、归因与业务测量KPI Trees, Attribution, and Business Measurement从收入/管道目标向下拆出可控的 SEO leading、quality 与 lagging indicators，并明确 GA4、CRM 与实验各自能回答的问题。归因是分配规则，不是自然因果证明。09SEO 实验与变更日志SEO Experiments and Change Logs把 SEO 改动写成可证伪假设，使用页面组、时间序列、对照与保护指标评估效果，并维护统一变更日志。SEO 实验很少拥有完美随机化，因此不确定性说明与替代解释同样重要。
08
策略与 B2B
连接 ICP、funnel、商业价值、资源约束、路线与 forecast。
进入知识域01证据驱动的 SEO 优先级Evidence-Driven SEO Prioritization用 Reach/Value、Impact、Confidence、Effort、Risk、Dependency 和 Time-to-signal 排序 SEO 机会，并把分数当作对话输入而非数学真相。安全/合规事故与战略项目使用不同通道。02B2B 搜索旅程与非线性漏斗B2B Search Journey and Nonlinear Funnel把搜索任务映射为 problem framing、solution exploration、requirements、comparison、validation、procurement 与 implementation，而不是僵硬地把每个词贴上 TOFU/MOFU/BOFU。03ICP、购买情境与决策委员会ICP, Buying Situations, and Buying Committees把 ICP 从公司属性表升级为“哪些组织在什么触发下、由哪些角色、用什么标准做决定”的证据模型。SEO 需求应映射 buying situation、job、风险与角色，而不只是职位和搜索量。04SEO 路线图与跨团队交付SEO Roadmaps and Cross-Functional Delivery把战略转成 30/60/90 天 outcome-based roadmap：明确工作流、owner、依赖、definition of done、风险、证据与 review cadence。路线图表达假设和顺序，不是假装确定的承诺日历。05SEO 战略：诊断、选择与取舍SEO Strategy: Diagnosis, Choice, and Trade-offs战略不是任务清单，而是对关键挑战的诊断、指导原则和一组相互强化的行动。明确目标市场、赢法、约束与“暂不做”，才能让内容、技术、权威和测量形成系统。06SEO 预测、场景与不确定性SEO Forecasting, Scenarios, and Uncertainty用 baseline、seasonality、eligible demand、ranking/CTR range、conversion 与交付概率建立 base/upside/downside 场景。预测是决策模型，不是精确承诺，必须能随着证据更新。07SEO ROI 与商业论证SEO ROI and Business Cases把投资、增量收益、时间价值、风险和替代方案写进商业论证；同时区分 attributed value、incremental value 与 strategic option value。ROI 结论必须随证据强度调整措辞。
09
国际 SEO
为不同语言、地区与市场设计可维护的站点和内容策略。
进入知识域01本地需求、搜索语言与内容本地化Local Demand, Search Language, and Content Localization以本地搜索任务、SERP、术语、法规、产品和文化证据重建内容，而不是逐句翻译关键词。为每个 locale 明确 source、translator/editor、subject expert、QA 与更新同步机制。02地区变体的 Canonical 与重复治理Canonicalization for Regional Variants协调 canonical、hreflang、redirect、sitemap 与内部链接，使同语言地区变体既保持自我规范化，又能作为可选择的 locale。明确“重复整合”与“地区替代”是两个不同问题。03国际市场选择与 URL 架构International Market Selection and URL Architecture用市场需求、产品可售性、本地运营能力、竞争、语言/地区差异和技术维护成本决定进入顺序，再选择 ccTLD、subdomain 或 subdirectory。架构是长期经营模型的表达，不只是 SEO 设置。04Hreflang 集群设计、实现与 QAHreflang Cluster Design, Implementation, and QA把 hreflang 视为页面变体之间完整、互返、可索引的等价集，而不是单向标签。掌握 HTML、HTTP header、XML sitemap 三种实现、x-default、代码规范、规模化生成与持续 QA。
10
AI Search 与自动化
理解 AI Search 的检索与引用链路，并只自动化高频、可验证的工作。
进入知识域01AI 治理、数据隐私与生产发布边界AI Governance, Data Privacy, and Production Release Safety为 SEO AI 用例建立风险分级、数据分类、供应商/模型记录、prompt/output lineage、人审、评估、批准、分批发布、监控、事故和回滚。治理的目标是让可接受的实验更快且可追责。02Regex 与电子表格的可审计分析Auditable Analysis with Regex and Spreadsheets用 RE2 regex、lookup、QUERY/pivot、array formulas 和数据验证完成 URL/query 分类、QA 与轻量模型。把规则、原始数据、计算和输出分层，并用测试样本防止“能跑但错”。03AI 可见性测量与实验基线AI Visibility Measurement and Experimental Baselines用固定且版本化的 prompt set 测量 mention、citation、cited URL、position/context、sentiment/accuracy proxy 与 referral/conversion，并记录平台、模型、地区、日期和重复次数。所有 share of voice 都是方法依赖的估计。04AI Overviews、AI Mode 与搜索体验变化AI Overviews, AI Mode, and Search Experience Change理解生成式搜索仍以抓取、索引、核心排名和检索为基础，同时可能通过 query fan-out、综合回答、引用和更长的多轮任务改变可见性与点击。坚持搜索基础，不把未经证实的技巧包装成新排名公式。05GEO、可引用性与内容证据设计GEO, Citability, and Evidence-Centered Content将 GEO 定义为对生成式答案中的品牌呈现、内容使用和来源引用进行可测实验，而不是一套确定排名技巧。通过清晰主张、直接答案、原始证据、来源、实体与更新时间提高人和机器都能核验的可引用性。06SEO 数据工程：SQL、Python 与 APISEO Data Engineering with SQL, Python, and APIs用稳定 schema 将 GSC、GA4、crawl、SERP、CMS 和 CRM 聚合数据连接成可复跑 pipeline。掌握 SQL grain/join/window、Python cleaning/testing、API pagination/quota/auth 与数据 lineage。07SEO 自动化：候选选择、验证与失败安全SEO Automation: Selection, Validation, and Fail-Safe Design只自动化高频、规则稳定、输入可控、输出可验证且失败可恢复的工作。默认从 read-only extraction、classification、QA 和 draft 开始，再逐级评估是否允许写入生产。08Query Fan-out、检索增强生成与来源链Query Fan-out, Retrieval-Augmented Generation, and Source Chains以从业者需要的深度理解 query expansion/decomposition → retrieval → ranking/reranking → context assembly → generation → citation。用这个模型提出内容覆盖和证据假设，但不声称知道商业引擎的私有实现。
没有匹配的知识点。试试清空筛选或改用更短的术语。