第 1 周 · 搜索的本质——从 Google 到 AI
从一个问题开始
假设你今天想买一副降噪耳机。你会怎么做？
可能你打开百度，输入"降噪耳机推荐 2026"——0.5 秒后，你看到一页结果：广告、文章排名、也许还有一个百度 AI 生成的摘要。
或者你打开 Google，输入"best noise cancelling headphones 2026"——同样 0.5 秒，同样的结构：广告、AI 摘要、自然搜索结果。
但你有没有想过：这些搜索引擎是怎么在 0.5 秒内从几十亿个网页中找出这些结果的？
这就是这节课要搞懂的事。理解这个问题，是理解 SEO 的第一步。
搜索引擎的三步工作流
所有搜索引擎（Google、Bing、百度）都做同样的三件事：爬取 → 索引 → 排名。
第一步：爬取（Crawl）
搜索引擎有一群"机器人"（叫做爬虫/spider/bot），它们 24 小时不停地在互联网上访问网页。
爬虫的工作方式很简单：
- 访问一个网页
- 读取页面上的所有内容
- 找到页面上的所有链接
- 顺着链接去访问下一个网页
- 重复
这就像一个永远不累的读者，沿着链接一直读下去。Google 的爬虫叫 Googlebot，每天爬取几十亿个页面。
一个关键概念：如果爬虫找不到你的网页，你就不存在。
爬虫找不到你的常见原因：
- 没有任何其他网站链接到你（爬虫没有入口）
- 你的
robots.txt文件告诉爬虫"不要来" - 你的网站速度太慢，爬虫等不及就走了
- 你的页面全靠 JavaScript 渲染，爬虫读不了内容
实际例子：你今天新建了一个网站，发布了一篇文章。如果没有任何其他网页链接到你——哪怕只是一条社交媒体上的链接——Googlebot 永远不会访问你的网站。这就是为什么"外链"对新站点如此重要。
第二步：索引（Index）
爬虫读完一个网页后，不是直接记住全文，而是把内容"拆解"存入一个巨大的数据库——这个数据库就叫索引（Index）。
可以类比图书馆：
- 爬取 = 图书馆的采购员去各地收书
- 索引 = 图书管理员给每本书贴标签、分类、编目录
索引会记录什么？
- 页面的主题是什么（关于降噪耳机？关于耳机维修？）
- 页面上有哪些关键词，出现在哪些位置（标题里？还是正文里？）
- 页面的标题、描述、标题层级
- 页面的语言、发布日期、更新时间
- 页面的技术信息（速度、移动端适配度等）
- 有多少其他页面链接到这个页面
不是所有被爬取的页面都会被索引。 如果 Google 认为你的页面质量太低、和其他页面重复、或者内容太少，它可能爬了但不收录。
怎么检查你的页面有没有被索引？ 在 Google 搜索框里输入：
site:你的域名.com
比如 site:zhihu.com，你会看到知乎被索引的所有页面数量。如果搜索结果显示"未找到任何文档"，说明这个域名还没有被索引。
第三步：排名（Rank）
当你输入一个搜索词，Google 不是去实时搜索整个互联网——它是在自己已经建好的索引里查找。
排名的核心问题是：几百万个相关页面里，哪 10 个应该排在第一页？
Google 用一套复杂的算法来打分，主要考虑这些因素：
| 因素 | 说明 | 重要程度 |
|---|---|---|
| 内容相关性 | 页面内容和搜索词的匹配程度 | 核心 |
| 内容质量 | 内容是否深入、原创、有专业性（E-E-A-T） | 核心 |
| 外链（Backlinks） | 有多少其他网站链接到这个页面（相当于"投票"） | 高 |
| 用户体验 | 页面速度、移动端适配、不弹垃圾广告 | 中-高 |
| 新鲜度 | 内容是否及时更新 | 中（取决于查询类型） |
类比：如果索引是图书馆目录，排名就是图书管理员根据你的提问，从几百万本书里挑出 10 本最值得看的，按推荐度排好递给你。
深入：外链为什么这么重要
外链（Backlink）是 SEO 里最容易被初学者低估的因素，也是最难伪造的因素。
Google 的核心逻辑：如果网站 A 链接到了网站 B，就相当于 A 在为 B “投票”——A 认为 B 的这个内容是有价值的，值得推荐给读者。
这套逻辑最早叫 PageRank，是 Google 创始人 Larry Page 1998 年的博士论文核心。二十多年过去了，外链仍然是 Google 排名算法里最重要的信号之一。
但不是所有外链权重都一样：
| 外链类型 | 权重 | 例子 |
|---|---|---|
| 权威大站的链接 | 极高 | 虎嗅/36氪/BBC 链接到你的文章 |
| 相关领域网站的链接 | 高 | 科技媒体链接到你的测评 |
| 普通网站的链接 | 中等 | 一个小博客提到了你 |
| 自己建的网站互链 | 极低，可能负面 | 为了 SEO 专门建了 10 个小站互相链接 |
| 垃圾网站的链接 | 负面 | 赌博、色情等网站链接到你 |
一条来自虎嗅、人民网或《纽约时报》的链接，价值可能等于 1000 条来自普通博客的链接。这就是为什么"获得权威外链"是 SEO 里最难但最值钱的工作。
一个搜索的完整旅程
你输入 "best noise cancelling headphones 2026"
↓
Google 在索引中查找匹配页面
↓
找到 ~2,000,000 个相关页面
↓
用排名算法对这些页面打分
（内容相关性 + 质量 + 外链 + 用户体验…）
↓
选出 Top 10 显示在第一页
↓
整个过程耗时 < 0.5 秒
注意：这 0.5 秒只是"查询索引"的时间。真正的工作早已在你搜索之前完成——Google 的爬虫可能在几周前就已经读取并索引了这些页面。
传统搜索结果页长什么样
一个典型的 Google 搜索结果页（SERP = Search Engine Results Page）包含：
┌─────────────────────────────────────────┐
│ 🔍 搜索框 │
├─────────────────────────────────────────┤
│ 💰 广告（1-4条） │
│ 标注 "Ad" 或 "Sponsored" │
├─────────────────────────────────────────┤
│ 🤖 AI Overview（如果触发） │
│ AI 生成的摘要回答（2024年起） │
├─────────────────────────────────────────┤
│ 📋 精选摘要（Featured Snippet） │
│ 从某个页面摘取的直接回答 │
├─────────────────────────────────────────┤
│ 🔵 自然搜索结果 #1 │
│ 标题（蓝色链接） │
│ URL │
│ 描述（Meta Description） │
│ 🔵 自然搜索结果 #2 │
│ ... │
│ 🔵 自然搜索结果 #10 │
├─────────────────────────────────────────┤
│ 💬 论坛标签（Discussions） │
│ Reddit / Quora 帖子 │
├─────────────────────────────────────────┤
│ ❓ 相关问题（People Also Ask） │
└─────────────────────────────────────────┘
SEO 的核心目标：让你的页面出现在"自然搜索结果"区域，越靠前越好。
为什么靠前很重要？ 数据说话：
| 排名位置 | 平均点击率（CTR，Google 数据） |
|---|---|
| 第 1 名 | 27.6% |
| 第 2 名 | 15.8% |
| 第 3 名 | 11.0% |
| 第 5 名 | 6.3% |
| 第 10 名 | 2.4% |
| 第 2 页 | < 1% |
百度的点击率分布与此类似，但排名第一的优势更极端——百度用户较少翻到第二页。
排名从第 1 跌到第 2，流量就少了近一半。第二页几乎没人看。
三个关键区分：爬取 ≠ 索引 ≠ 排名靠前
很多初学者把这三个概念混淆，导致判断出错。
被爬取（Crawled）：Googlebot 访问了你的页面。这是第一步，但只是第一步。爬虫可能每天访问你的网站，但这不代表你的内容质量好。
被索引（Indexed）：Google 把你的页面存入了数据库。这意味着 Google 认为你的内容有基本价值，值得保存。但被索引不代表排名靠前——几十亿个页面都被索引了。
排名靠前（Ranked well）：在特定搜索词下，你的页面出现在结果前列。这需要内容、外链、技术健康多个维度都做好。
被爬取的页面 > 被索引的页面 >> 排名前 10 的页面
（数十亿） （数百亿） （只有 10 个）
一个实际的例子：你写了一篇"如何选择降噪耳机"的文章，Googlebot 访问了它（被爬取），Google 把它存进数据库（被索引），但因为竞争的文章太多、你的外链太少、内容深度不够，你的页面可能排在第 157 位，没有人能找到它。
Google 如何判断内容质量：E-E-A-T 简介
除了外链，Google 还会评估内容本身的质量，核心框架叫 E-E-A-T：作者有没有亲身经验（Experience）、是不是领域专家（Expertise）、有没有权威性（Authoritativeness）、内容是否可信（Trustworthiness）。
这套框架同样适用于 AI 搜索——第 3 课会详细展开 E-E-A-T 的每个维度和具体做法，这里先记住这四个字母就够了。
初学者最常见的 5 个误区
这些误区来自真实的初学者提问，非常值得在开始之前就消除。
误区 1：关键词密度越高越好
很多人认为在页面里多次重复关键词，Google 就会觉得"这个页面很相关"。
事实：现代 Google 能理解语义，不需要关键词堆砌。过度重复关键词反而会被判定为低质量内容（Keyword Stuffing），受到惩罚。自然流畅地写作，在标题和重要位置出现关键词就够了。
误区 2：建一个网站，等一个月就能有排名
SEO 有显著的时间滞后效应。
事实：新网站通常需要 3-6 个月才能开始看到明显的排名。这是因为 Google 需要时间积累对你网站的信任，外链需要时间积累，内容也需要时间被充分索引。“快速 SEO"通常要么是骗局，要么会触发惩罚。
误区 3：只要内容好，就一定能排名靠前
“好内容"是必要条件，但不是充分条件。
事实：一篇质量很高的文章，如果网站没有权威度（外链很少）、技术有问题（加载很慢）、或者目标关键词竞争极强，它可能永远排不上去。SEO 是内容 × 权威 × 技术的乘积，不是单一因素决定的。
误区 4：SEO 是一次性工作，做完就好
事实：SEO 是持续的工作。算法会更新（Google 每年发布几次重大更新），竞争对手会更新他们的内容，搜索意图会随时间变化。一篇两年前排名第一的文章，如果没有更新，很可能会被新内容超越。
误区 5：花钱投 Google 广告会提高自然排名
事实：Google 的广告系统（Google Ads）和自然搜索排名是完全独立的两套系统。花钱投广告对你的自然排名没有任何影响。这是 Google 明确声明过的，违反这个原则会破坏搜索引擎的公信力。
你现在就可以做的三件事
理论够了，来点实际的。学完这节课，你可以马上去验证：
1. 检查一个网站是否被 Google 索引
打开 Google，搜索：site:zhihu.com（或任何你感兴趣的网站）
你会看到该网站被索引的页面数量和示例。
2. 看一下完整的 SERP 结构
用中文搜索一个你感兴趣的话题，比如"降噪耳机推荐 2026”。数一数：
- 有几条广告？
- 有没有 AI Overview？
- 有没有精选摘要？
- 有没有 People Also Ask（相关问题）？
- 自然结果里都是什么类型的内容？
3. 看看一个页面的 Meta 信息
在搜索结果里，你看到的标题和描述分别叫 <title> 和 meta description。右键查看任何网页的源代码，搜索 <title> 和 <meta name="description"，你会看到这些信息是怎么写的。这是你后面第 3 周会深入学习的内容。
关键术语表
| 术语 | 英文 | 含义 |
|---|---|---|
| 爬取 | Crawl | 搜索引擎机器人访问和读取网页 |
| 索引 | Index | 搜索引擎存储和组织网页信息的数据库 |
| 排名 | Rank | 搜索引擎决定哪些页面排在前面 |
| SERP | Search Engine Results Page | 搜索结果页面 |
| 自然搜索 | Organic Search | 非付费的搜索结果 |
| 爬虫/蜘蛛 | Crawler/Spider/Bot | 自动访问网页的程序 |
| 外链 | Backlink | 从其他网站指向你的链接 |
| CTR | Click-Through Rate | 点击率，看到结果后点击的比例 |
| PageRank | PageRank | Google 基于链接计算网页权威度的算法 |
| E-E-A-T | Experience, Expertise, Authoritativeness, Trustworthiness | Google 内容质量评估框架（详见第 3 课） |
本课小结
- 搜索引擎做三件事：爬取 → 索引 → 排名——被爬取 ≠ 被索引 ≠ 排名靠前
- 爬虫找不到你 = 你不存在；让爬虫找到你的关键是有入口链接
- 外链是"投票"机制——质量比数量重要，权威网站的一条链接可能值普通网站的 1000 条
- E-E-A-T 是 Google 衡量内容质量的框架——经验、专业、权威、可信
- 排名第 1 获得 27.6% 点击，第 2 只有 15.8%——靠前是一切
- 消除 5 个误区：关键词堆砌无效；SEO 需要 3-6 个月；好内容是必要非充分条件；SEO 需要持续维护；投广告不影响自然排名
下一课我们讲：AI 搜索是怎么工作的——它和传统搜索有什么本质区别。