AI SEO 完整攻略：3個月從零到460萬次展示

Trace Cohen 在 GitHub 上開源了這套 AI SEO 實戰手冊，記錄了他在 ValueAddVC.com 上用 3 個月把 Google Search Console（GSC）月展示量從 60.4 萬提升到 462 萬的方法與工具。專案不是一堆提示詞，而是包含 14 個診斷指令碼、9 套經過驗證的配置、結構化資料 schema、示例程式碼和 CI 自動化，被稱為“內容引擎的作業系統”。

核心方法是建立 GSC 資料驅動的反饋迴圈：每週自動拉取搜尋表現，指令碼分析出標題重寫候選、關鍵詞自相殘殺、查詢缺口、孤立頁面、陳舊內容等問題，再由 AI 智慧體按質量門規則修改併發布。內容流水線採用多模型分工：Opus/Fable 負責規劃，Sonnet 負責寫作，Haiku 負責機械性工作；同時透過模板短語黑名單、事實核查、來源驗證和結構化資料校驗來規避“規模化內容濫用”的 AI 指紋，並透過倉庫鎖、rebase 保護、構建成本控制（如 [nobuild] 標籤、deploy-tick）保障安全。

倉庫中的 14 個指令碼覆蓋了 SEO 運營的常見痛點：gsc-rewrite-candidates 找出排名 4–20 但點選率低的頁面，template-detector 掃描 AI 模板痕跡，cannibalization-detector 發現互相搶詞的頁面，orphan-finder 找出沒有內鏈的孤立頁面，query-gap-miner 從 GSC 資料中發現有需求但尚無專屬頁面的關鍵詞，striking-distance 定位 5–20 名、稍加改進就能獲得大量點選的頁面。另有 redirect-checker、broken-link-checker、refresh-tracker、rewrite-measurer、websub-ping、indexing-submitter 等，配合 GitHub Actions 每週日自動生成報告並提交結果。

質量體系包含 9 道釋出門禁：內容釋出前必須透過自相殘殺檢查、來源 URL 驗證、模板短語檢測、共享結尾檢測和型別檢查。內容策略採用 5 種格式輪換：深度解釋、新聞分析、排名列表、提問引導、逆向觀點；關鍵詞預期策略讓團隊在 IPO、財報、融資、法規等事件前提前釋出內容，等需求爆發時已有排名。新聞站點地圖和 WebSub 通知則讓內容近乎即時被 Google 抓取。

專案公開的結果顯示：3 個月累計展示 462 萬次、點選 1.73 萬次，峰值日點選 854 次，平均排名從 12+ 提升到 7.5；修復 21 個自相殘殺簇，清除 500 多條模板短語，為 191 個孤立頁面補充內鏈。作者特別說明，整體 CTR 降到 0.4% 是因為 AI 概覽引用帶來的展示量增長了約 8 倍，這類流量天然不產生點選；按使用者意圖區分，排名列表文章 CTR 達 6.8%，提問引導文章為 3.2%。

快速開始只需克隆倉庫、安裝依賴、配置 GSC API，然後執行 npm run 對應的指令碼。專案提供了三種定時方式：GitHub Actions（推薦）、macOS launchd 本地 cron、任意 CI/CD 系統。文件 docs/setup-gsc.md 詳細說明了 Search Console API 的本地與服務賬號配置。