过去几个月，我系统复盘了几家交易所的搜索数据。结论比较明确：以内容规模和外链数量为核心的传统 SEO，在英文市场已经很难再带来有效增长。
这篇文章想讨论三个问题：传统 SEO 为什么失效，AI 搜索改变了什么，以及团队应该如何调整。
图 1 SEO 的范式转变
传统 SEO 的优化对象是搜索引擎的排名算法。按职能，团队通常分为三部分：Tech SEO 负责让网站的技术结构符合搜索引擎标准；内容 SEO 负责产出搜索引擎偏好的内容；Marketing SEO 负责外链建设。按成效，工作可以归为两类：内容生产与内容分发。
这套方法的增长逻辑是规模：更多的内容，更多的高质量外链。在搜索结果以排名列表呈现的时代，它是有效的。
以 M 交易所为例。2026 年一季度，通过批量上线价格、购币指南、新闻等程序化页面，其美国市场的自然搜索流量在三个月内增长约 5 倍。随后 Google 在 5 月和 6 月相继推出核心更新与垃圾内容更新，这部分流量在两个月内基本回落，目前已低于 2025 年的水平。B 交易所在同一时期呈现了几乎相同的走势。
图 2 美国市场自然搜索流量
从结构上看，下降几乎全部来自非品牌长尾词。M 交易所的全球自然搜索流量从 3 月的约 222 万降至 10 月的约 48 万，其中非品牌词贡献了约 92% 的降幅；而在高峰期，其约 83% 的关键词排在第 21 至 100 位。L 交易所的搜索流量同期也下降了约 46%。
图 3 M 交易所流量结构
这并不是个别企业的问题。Google 自 2024 年起已明确将”以提升排名为目的、规模化生产的内容”列为垃圾内容。当各家交易所都在生产同质化的价格页和指南页时，这些内容既增加了互联网上的重复信息，也没有真正回答用户的问题。
对于仍将传统 SEO 作为重点的企业，无论是交易所还是传统行业，这意味着在用过去的方法应对新的环境。投入会持续增加，回报会持续下降。
Google 搜索本身正在 AI 化。我的判断是，AI 生成的答案将逐步取代传统的排名列表，原因在于后者的问题解决路径过长：用户需要自己点开、比较、筛选和整合信息。
图 4 用户获取答案的路径
因此，SEO 的优化对象需要从搜索引擎的排名算法，转向 Google AI、ChatGPT、Claude 等 AI 答案引擎。
用户的提问方式也在变化。过去，用户搜索”Bitcoin price”，再从大量结果中自行筛选；现在，用户会直接问 AI”如何做多或做空比特币”、”比特币接下来会涨还是会跌”。传统内容停留在信息层，而真正与产品和转化相关的，是判断层和行动层的问题。
图 5 用户问题的三个层次
传统 SEO 需要关注约 250 项排名因素。面向 AI 的内容，评估标准可以收敛到四项：
图 6 内容评估四要素
职能需要相应升级：
Tech SEO → 提示词工程师。 在 HTML 和站点结构的基础上，需要理解企业产品，具备数据分析能力，能够从数据中识别用户在 AI 中的真实提问。
内容 SEO → AI Skills Engineer。 在写作能力的基础上，需要将专业知识沉淀为可供 AI 使用的 Skills，使 AI 产出的内容能够解决用户的核心问题。
Marketing SEO → AI 可见性分析师。 在外链合作的基础上，需要挖掘提示词，监测站点在 AI 中的引用效果，并确认企业数据是否在合作内容中得到呈现。
图 7 团队能力升级
传统 SEO 较少关注用户痛点、产品差异化和产品价值。而这三点，恰恰是管理层和投资人评估业务时最关心的。
目前常见的做法，是用 AI 批量生成内容，继续执行传统 SEO。这本质上只是降低了规模化生产的成本，并不能改变结果。
更合理的方向，是围绕用户问题建立一个完整的闭环：从识别用户的提问出发，以产品知识和独有数据为基础产出内容，再通过 AI 引用情况和用户回访来验证效果。
交易所之间的产品高度同质，获客方式也高度相似。在这种情况下，能够真正解决用户问题的产品与内容，既是被 AI 采纳的前提，也是企业建立长期竞争力的基础。
拥抱变化的关键，不在于用 AI 做 SEO，而在于让内容和产品真正为 AI 所用。