一次原子结构的更换
做 SEO 的人，工作流程是围绕关键词组织的：找词、分词、分配页面、优化标题、盯排名。关键词是那个不可再分的单位。
而 AI 搜索的工作方式是对话。用户不会输入"空气净化器 推荐 家用"，他会问：
"我家 90 平米，有猫，预算三千左右，买什么空气净化器合适？"
同一个购买意图，可以问出几十个版本。
关键词匹配的是字符串，AI 匹配的是意图。 这就是为什么大量企业发现：关键词排名没掉，但 AI 里完全没有自己。
关键词思维的三宗罪
第一宗：为字符串写作，而不是为问题写作
关键词思维会让人写出这样的标题："XX 空气净化器_家用_除醛_除猫毛_推荐"。
这是写给匹配算法的，不是写给一个人的。而 AI 需要的是一个完整、连贯、有逻辑的答案——标题堆砌的页面在抽取阶段毫无优势。
第二宗：一词一页，制造大量薄内容
关键词思维的必然结果是：一个词一个页面，一篇内容只回答一个词组。这会产生大量"浅"页面——每页都只有一小段答案。
而 AI 在回答复合问题时，需要的是一个能覆盖整个问题域的完整页面。分散的薄页面无法提供完整的答案结构。
第三宗：无法覆盖对话式提问
长句提问、条件句（"如果…那么…"）、多约束组合（"90 平米 + 有猫 + 预算三千"）——这些在关键词体系里无法表达，但在 AI 搜索里是主流形态。
问题簇是什么
一个意图 + N 个真实问法 + 一组必须回答的子问题。
一个"选型类"问题簇示例
意图：选一台合适的家用空气净化器
真实问法（来自真实客服记录、销售问答、社区提问）：
- 90 平米有猫买什么空气净化器
- 预算三千能买到什么档次的净化器
- 除猫毛和除甲醛要买一样的吗
- 净化器的 CADR 值怎么看
- 有的净化器为什么那么便宜
- 卧室用和客厅用有区别吗
必须回答的子问题（决定 AI 是否会引用你）：
- 不同面积对应的 CADR 门槛是多少
- 宠物毛发的过滤方案是什么原理
- 三千元价位段的产品差异在哪
- 需要提醒用户注意哪些取舍
一个完整的问题簇，对应一页内容。 而不是一个关键词对应一页。
怎么建问题簇：从"编"改成"挖"
这是最容易做错的一步。问题簇必须来自真实提问，不能自己编。
四个稳定的采集来源
| 来源 | 拿到什么 |
|---|---|
| 销售/客服问答记录 | 客户的原始问法，最高置信度 |
| 售后工单 | 决策后暴露的疑问，往往是内容缺口 |
| 行业社区与论坛 | 匿名环境下的真实表达 |
| AI 平台本身 | 直接向 AI 提问，记录它如何拆解你的问题域 |
采集到的问法，按意图聚类。一段时间的积累之后，你会得到一张"问题地图"——它比任何关键词工具都更接近真实的决策路径。
一个重要的内容筛选原则
零点击时代，内容选择要遵守一条原则：
能被一句话回答的，不要写成长文；不能被一句话回答的，才值得写。
- "什么是 CDN" → AI 用三十个字就答完了，用户不会点，写了也拿不到流量
- "WordPress 高并发怎么优化" → 需要方案、取舍、实测数据，AI 答不完整，用户会点
判断标准很简单：这个问题有没有"没有标准答案"的部分？
有取舍、有场景差异、有实测经验、有成本权衡的问题，才是内容该投入的地方。这类内容既不可被替代，也最容易被 AI 引用为"有信息增量的来源"。
落地：把关键词表换成问题簇表
给内容团队一个可以直接替换的工作模板：
| 旧流程 | 新流程 |
|---|---|
| 关键词表 | 问题簇地图 |
| 关键词 → 分配页面 | 意图簇 → 分配页面 |
| 标题优化（含关键词） | 结论前置（直接回答） |
| 密度控制 | 事实密度（数据、认证、案例） |
| 排名监测 | 引用与位次监测 |
结语
关键词没有消失，它只是降级成了一个输入信号，而不是内容的组织单位。
组织内容的单位，已经变成了问题。
