昨天看到一份报告,把我一直怀疑但没数据的事直接戳穿了:
仅 3 个站点,生成了 215,128 篇 「2026 年最佳 XX 软件」类长尾页面。这些页面被 Perplexity 等 AI 搜索引擎直接引用进答案。
这事在 Hacker News 上拿了 122 分、72 条评论。下面拆开看。
21 万页面的「AI 农场」怎么炼成的
报告里点名的 3 个站点,套路一模一样:
- 模板化标题:
2026 年最佳 CRM 软件、2026 年最佳项目管理工具……同一套句式,换个关键词就一篇 - 极低信息增量:页面之间 80% 内容雷同,只有软件名字、几张截图、一段「优缺点」换着填
- SEO 长尾全覆盖:把行业里所有「best XXX software」的搜索意图都占住
为什么能做到 21 万篇?因为这根本不是「写文章」,是跑脚本。
伪代码大概长这样:
products = load_top_1000_saas_list()
categories = ["CRM", "PM", "AI Writer", "Analytics", ...]
for product in products:
for category in categories:
if product.fits(category):
slug = f"best-{product.slug}-for-{category}-2026"
render(template, product=product, category=category, slug=slug)
模板里有现成的段落骨架、SEO meta、FAQ schema,跑完直接 push 到 Cloudflare Pages。一天能产上千页。
单篇质量?看几个关键词就知道——AI-generated content、auto-published、no human review。
Perplexity 不是中招,是默认信任
这里要划重点:这不是 Perplexity 的 bug,是它的机制。
AI 搜索的工作流是:
- 抓取(类似 Bingbot,但频率和页面选择有自己的策略)
- 检索(把网页内容索引进向量库)
- 生成答案时,挑 top-k 相关片段塞进 prompt
- 把引用链接附在答案后面
第 3 步的 top-k 选择,本质上还是「关键词命中度 + 域名权重 + 内容新鲜度」那套传统 SEO 信号。
SEO 农场在这套信号里天然占便宜:
- 数量多:21 万页覆盖了几乎所有长尾 query
- 关键词命中:标题里直接写「best XXX software 2026」,和用户问「推荐个 CRM」完美匹配
- 结构化数据:FAQ schema、列表 schema 都打了,搜索引擎最爱
Perplexity 把这些页面引进答案,等于官方给垃圾内容盖了个权威章。用户看到「Sources: bestcrmsoftware-2026.com」,默认这链接是经过筛选的。
GEO:针对 AI 的新型 SEO 攻防战
这就引出一个新概念:GEO(Generative Engine Optimization)。
和传统 SEO 的核心区别:
| 维度 | 传统 SEO | GEO |
|---|---|---|
| 目标 | 抢搜索结果页排名 | 抢 AI 答案引用源 |
| 对象 | Google 爬虫 + 排序算法 | AI 检索池 + top-k 选择器 |
| 内容策略 | 高质量 + 高外链 | 海量 + 关键词命中 + 结构化 |
| 验证指标 | 排名位置、CTR | 是否被 Perplexity/ChatGPT 引用 |
GEO 的本质不是优化用户体验,是污染 AI 的检索池。
传统 SEO 至少还要靠外链、内容质量、用户停留时间这些「半难伪造」的信号撑着。GEO 直接退化到「谁先批量造页,谁就占据 AI 答案的引用源」。
信任链上,谁该负责
这事最让人难受的地方在于,每个环节都觉得自己没责任:
- 内容农场:我写了「最佳软件推荐」,又没说这是 AI 生成的
- Perplexity:我只负责检索 + 总结,源网页的质量不归我审
- 广告主:我在这些页面投了软文广告,这是正常的 affiliate 生意
- 用户:我只是想问个简单问题
结果就是:软文被 AI 二次加工,变成「AI 客观推荐」。
这让我想起 2010 年前后 Google 遇到的「医疗建议污染」——那些「治疗 XX 病最好的医院」页面,绝大多数是莆田系 SEO 出来的。Google 后来用了一连串算法更新(Penguin、Panda、Medic)才压下去。
但 AI 搜索更难治:
- 传统搜索,用户还能看到标题、域名、缩略图,自己判断
- AI 答案里,链接被折叠进「Sources」小字,用户几乎不会点
也就是说,AI 搜索把 SEO 农场的内容升级成了权威答案,降级成了参考链接。
用户和开发者的实际防御
说点能立刻用的。
1. 看 Sources 域名年龄
AI 答案引用的链接,十有八九是新域名 + 批量生成内容。
可以用 whois 简单判断:
whois bestcrmsoftware-2026.com | grep -i "creation date"
如果创建日期是 2024 年以后、内容又是「2026 年最佳」这种未来向标题,大概率是农场。
2. 反向追溯 Sources 列表
Perplexity 的答案下面有个「Sources」折叠区,展开,挨个点开看。
判断标准:
- 域名年龄 < 2 年 → 高危
- 同一域名出现 N 次 → 农场
- 内容是模板化列表 → 农场
- 有真实作者署名 + 联系方式 → 加分
3. 高 stakes 问题直接禁用 AI 推荐
医疗、理财、法律、工具选型——这些场景别用 AI 推荐,直接看:
- G2、Capterra(真实用户评价)
- 行业垂直媒体(Wired、The Verge)
- Reddit/HN 长帖讨论
AI 搜索适合「查个概念」「快速对比」「找入门资料」。不适合做最终决策。
编辑思考
这事最值得警惕的不是「21 万篇 AI 内容」本身,而是Perplexity 们正在悄悄重塑「权威」的含义。
传统搜索里,SEO 农场最多是把广告排在搜索结果前面,用户还有机会识别。AI 搜索里,SEO 农场被改写成「AI 客观回答」,用户的辨识成本被无限拉高。
我的判断:
- 未来 12-18 个月,GEO 服务会爆发。任何能批量造页 + 关键词命中的工具,都会被 SEO 公司打包卖
- Perplexity 会被迫做源网页质量分级,类似 Google 的 PageRank 演化路径。但这条路很长,而且他们没有外部链接这种「公开投票」信号可参考
- 唯一能挡住的,是用户教育——让大家知道 AI 答案里的链接也得二次验证
这次和 Google 当年医疗污染不同的是:AI 搜索的答案是「连贯叙述」,污染源会被自然语言掩盖,不像搜索结果页那样一览无余。用户失去的不是「找信息」的能力,是「判断信息真伪」的入口。
我也不确定 Perplexity 自己愿不愿意承认这个问题——承认了等于承认整个检索池可信度打折。短期看,商业压力下他们更可能装看不见,直到被监管或被竞品抓住把柄。
参考资料:
- trellner.com 原始报告
- Hacker News 讨论(122 分 / 72 评论)