学习契约与正确模型
先明确为什么学、学完能做什么，以及如何证明自己真的掌握。
SEO backlog 常混合错误、机会、实验和愿望；若只按“影响×易度”，低证据的大项目会伪装成高分，紧急事故也会被普通任务淹没。
- 能为每个机会写清 problem、mechanism、evidence、impact range、dependency 与 risk
- 能校准 confidence，展示分数敏感性和未知项价值
- 能区分 incident、must-do、experiment 和 growth bet 的决策流程
精读 40 分钟 → 引导练习 36 分钟 → 实战任务 84 分钟。实战时间单列，不再把浏览页面和项目操作混成一个数字。
- 它是什么
- 优先级是有限资源下的相对选择；评分标准把关键假设外显，但最后仍需结合战略、时序和组合依赖。
- 为什么重要
- 透明维度能让团队讨论分歧来自价值、证据还是成本，并知道下一项研究是否值得做。
- 什么时候使用
- 季度规划、审计 backlog、跨团队资源谈判和新机会进入时使用。
- 什么时候不要套用
- 安全、隐私、法律、严重索引事故不应等待普通 score；评分也不能替代明确战略。
- 边界与不确定性
- 任何涉及删除、redirect、robots、canonical、tracking、AI 发布的高风险项必须单列审批、测试、备份/回滚，不因高分自动执行。
机制精讲
先读完整因果链，再看每个环节留下什么可观察信号。
SEO 优先级不是把 impact、confidence、ease 相乘后相信小数点，而是用一致框架暴露假设和依赖。每个候选项必须先写价值机制：它改变哪个关卡、影响哪些合资格 URL/查询/用户、预计范围是什么、什么证据会反驳。Impact 应以绝对业务或风险区间表达；confidence 来自直接状态、历史实验、相似案例或仅观点；effort 包含工程、内容、审查、维护与机会成本。
评分只是排序讨论的压缩，不替代顺序约束。严重生产风险、隐私或测量故障可能先作为门槛处理；基础设施任务可能不直接产生流量，却解锁多个后续项目。还要考虑可逆性、损失持续速度、依赖、学习价值和成本延迟。对最可能改变排序的未知，可以先做小型信息价值研究；对低成本可逆动作可试点，对高风险不可逆动作要求更强证据和批准。任何百分数都不应伪装成确定性。
价值机制连接行动与结果
“优化页面”不是机制；修复错误 canonical 预期先改变代表选择，再影响合资格曝光，链路可以被证伪。
置信度来自证据等级
可复现生产状态高于相关趋势，本站实验高于外部案例，专家意见高于无依据猜测；置信度不是团队情绪。
依赖与风险改变执行顺序
测量修复、平台能力或审批可能解锁多个项目；事故与合规风险也不能被普通增长评分淹没。
信息价值可以成为首要工作
当一个低成本检查能让高成本项目从“可能”变成“应做/不做”，研究本身有高优先级。
关键概念
掌握术语之间的关系，才能迁移到不同网站、行业和工具。
Impact range
用低/中/高场景而非单点预测，明确哪一指标、何时、影响哪些 URL/市场。
Confidence
基于证据等级校准：一手数据/实验高于类比和直觉；不能用主观 8/10 掩盖未知。
Dependency graph
价值可能要等 tracking、模板或专家审阅完成；单项 score 无法表达先后关系。
Cost of delay
考虑等待造成的损失、季节窗口和学习速度，不只考虑实施工时。
完整示范
跟随一次“输入 → 分析 → 中间产物 → 结论”，看见专家是怎样做判断的。
在四项 SEO 候选中排序
教学用合成数据：团队有四项候选：修复 420 个核心页错误 canonical、修复 GA4 重复线索、改写 80 个标题、生成 2,000 个术语页；季度容量为 6 个工程周和 8 个编辑周。
- 420 页中分层样本已复现 canonical 指向目录首页，且近期损失仍扩大
- GA4 重复不影响后端线索，但阻碍实验评价
- 影响区间均为教学估算，不承诺流量或收入
写价值链与反证
- 输入
- canonical 修复连接选择与曝光；测量修复连接决策质量；标题改写连接条件 CTR；术语页仅有第三方搜索量。
- 分析
- 四项工作的结果层和证据强度不同，不能用“预计流量”一列粗暴比较。
- 输出
- 候选卡包含机制、范围、领先信号、业务结果和反证。
应用风险与依赖门槛
- 输入
- canonical 缺陷正在伤害高价值页且可回滚；GA4 修复需1工程周并解锁标题实验；术语页需长期维护与事实审查。
- 分析
- 事故止损和测量依赖应先进入计划，不等同于它们已证明最终收入。
- 输出
- 第一并行批为 canonical 小批修复与 GA4 去重。
比较区间而非假精度
- 输入
- 标题项目基线可信但实际标题改写未知；2,000 页的需求适配和质量证据很弱。
- 分析
- 标题先做12页试点提高信息；术语项目在高成本低信心下暂缓。
- 输出
- 第二批是标题实验，术语页进入 stop/研究清单。
做敏感性与决策日
- 输入
- 若 canonical 仅影响少量非目标页，排序可能下降；若标题可控曝险低，试点应停止。
- 分析
- 列出最可能翻转排序的假设和检查期限，让优先级可随证据更新。
- 输出
- 路线包含 owner、容量、检查、继续/停止条件和重新评分日。
决策规则与证据边界
把“看到什么、意味着什么、下一步做什么”连起来，同时区分公开事实、实践推断和未知项。
- 工程范围、资源容量、依赖、当前状态和历史交付成本可以核验。
- 同一量表下的评分与敏感性可显示哪些假设驱动排序。
- 影响区间和置信等级可支持资源选择，但不是未来结果的精确概率。
- 小型研究若能明显改变执行选择，具有信息价值；实际结果仍需后续验证。
- 搜索需求、竞品动作、处理时延和最终增量业务影响通常含较大不确定性。
- 不同类型项目的分数无法成为客观货币等价，也不能消除领导层价值判断。
引导练习
先独立完成，再按提示修正，最后展开参考解法并用 0–4 级量规评分。
教学用合成数据：候选 A 修复 300 页 5xx，证据为日志且损失持续；B 写 500 页城市页，仅有搜索量；C 修复表单重复 key event，需2天且解锁 CRO；D 重做全站架构，需12周但问题样本不明。季度仅有4工程周。请排序并说明研究。
给定材料
- 候选卡：影响 URL/用户、证据、工程/编辑成本、可逆性与 owner
- 依赖图、日志/事件质量基线、城市需求与页面资格的20页样本计划
需要提示时再展开
- 5xx 是正在发生的生产损失；测量修复虽不直接增流量，却解锁后续判断。
- 架构重做与城市页都缺关键证据，优先问哪项小研究会改变排序。
完成后核对参考解法
A 应作为最高风险门槛处理：日志直接证明300个目标页出现5xx，先核对影响清单和服务根因，小批修复并以5xx率、稳定200和真实重抓验收，保留回滚。C 可与A后续并行或紧接执行，成本仅2天且能恢复submit_success去重，解锁CRO与业务评价；它的价值是决策基础，不宣称带来流量。B不应直接扩到500页，先用20页样本验证本地需求、SERP页面类型、独特服务证据和维护成本，若任务不能由业务兑现则停止。D的12周超过季度容量且问题样本不明，先做一周只读架构/日志抽样，只有发现覆盖多数高价值页的共同瓶颈才进入下一季。排序为A→C→B研究/D研究，B与D谁先研究取决于检查成本和可能翻转的资源决策。所有增长影响保留区间，不把搜索量或相关损失当确定收益。
自评分量规
真实项目实战
把理解变成一个可以检查、复核和复用的工作产物。
把技术审计转成决策 backlog
审计发现 80 个事项，从几个 broken canonicals 到“提高 E-E-A-T”，开发要求明确前十。
- 把事项改写为 problem/affected set/current evidence，而不是直接写 solution。
- 标记 incident、compliance、dependency、experiment 或 growth，并分开处理。
- 为普通机会估计 reach/value、impact range、confidence evidence、effort、risk、time-to-signal。
- 做敏感性检查：当 impact 或 effort 改变一档，排序是否反转；标记需先调研项。
- 结合战略主题与依赖组成前 3 个行动流，并写下暂不做理由和 review trigger。
验收条件
- 分数背后的证据与假设可见
- 紧急/合规项不与增长机会混用一个公式
- 依赖与 time-to-signal 进入排序
- 明确前几项与 not-now 的理由
诊断练习
目标不是猜中答案，而是提出竞争假设并选择能区分它们的证据。
一项“全站 AI 重写”因覆盖页面多、实施快而得分最高。
竞争假设
- reach 被误当 impact
- confidence 没有基于质量/搜索实验
- 内容审阅、品牌和回滚成本被遗漏
- 负面风险未纳入
应该检查的证据
- 抽样质量与事实错误率
- 小规模 control/treatment 结果
- 专家审阅和维护工时
- 品牌、合规、索引与转化 guardrails
常见陷阱：把公式结果视作客观授权，直接全量发布。
完成后用本页决策规则复核
- 若观察到：可复现生产缺陷正在扩大高价值损失
应优先：确认影响 inventory、分批修复并设置回滚和领先信号。
严重性不授权无审批的大范围生产变更。 - 若观察到：测量故障阻碍多个项目评价
应优先：把最小测量修复放在依赖链前端并验证数据契约。
不要借此建设超出决策需要的完整数据平台。 - 若观察到：高影响估计主要来自无验证搜索量或外部案例
应优先：先做 SERP/客户证据/小样本页面试点，再承诺规模。
低置信不等于零价值，也不应伪造精确概率。 - 若观察到：高风险且难回滚的动作只略高于其他候选
应优先：要求更强证据、canary、双人批准，或选择可逆替代。
风险门槛需预先定义，不能为偏好项目临时调整。
自测与误区
先口头回答，再展开检查。无法给出例外与证据，说明还没真正掌握。
你应该能回答
1. 这项工作的价值机制和反证是什么？
参考答案：价值机制应写成可证伪链：动作改变哪个技术或用户状态，预期哪个领先信号先动，随后影响哪个合资格搜索/业务结果。反证是即使动作成功仍不出现预期领先信号，或受影响范围并非高价值 cohort。
为什么：没有机制和反证，impact 只能是愿望；明确链路能决定验收、停止和后续研究。
2. 分数里哪一个假设最可能改变排序？
参考答案：对每项高分候选列出 impact、confidence、effort、风险与依赖的区间，再测试上下界。最容易翻转排序的常是影响范围、实际曝险、产品适配或工程成本；应优先验证该项，而不是争论总分小数。
为什么：敏感性分析暴露排序真正依赖的假设，也避免把主观评分伪装成精密模型。
3. 是否存在必须先完成的测量或平台依赖？
参考答案：检查是否需要先修事件、URL inventory、模板能力、审批、数据权限或产品事实源，并画依赖图。依赖任务的价值包括它解锁的项目；没有它，后续工作的影响可能无法产生或无法被测量。
为什么：简单列表忽略执行顺序，导致团队启动高价值项目后才发现基础条件未满足。
4. 哪项小研究能以最低成本提高决策质量？
参考答案：选择成本低、可逆且结果会改变排序的检查，例如分层 URL Inspection、20页试点、日志抽样、客户访谈或工程 spike。预先写清可能结果及每种结果对应的继续、降级或停止动作。
为什么：研究的价值不在信息数量，而在减少高成本错误承诺并提高下一决策质量。
需要避开的误区
- RICE/ICE 分数最高的项目就必须做。
- 覆盖 URL 越多，reach 和 impact 一定越大。
- 低 confidence 只需在公式里乘一个百分比，无需先学习。
术语与复盘
用自己的话复述术语和结论；如果只能认出、不能解释，就还没有形成可调用的知识。
- Impact range
- 在明确范围和假设下对可能绝对结果给出的上下界。
- Confidence
- 由证据直接性、适用性、样本和替代解释决定的可信等级。
- Cost of delay
- 延后行动期间持续损失或错过价值的速度。
- Dependency
- 后续工作产生或测量价值前必须满足的条件。
- Value of information
- 一项研究因改变后续选择而避免损失或提高收益的决策价值。
- Sensitivity analysis
- 改变关键假设上下界，检查候选排序是否翻转。
离开本页前记住
- 候选项先写机制、范围和反证。
- 分数用于暴露假设，不是真实收益。
- 风险门槛和依赖先于普通排序。
- 成本包括维护、审查与机会成本。
- 用敏感性找最可能翻转排序的未知。
- 小研究可以比直接规模化更有价值。
资料与证据
优先采用官方和一手资料。实践材料用于补充工作方法，不替代机制证据。