我把SEO前期数据分析调研，做成了一套AI辅助工作流

做一个新网站，或者接手一个老站，前期我通常要打开一堆工具：看GSC、查关键词、扒竞争对手、爬一遍网站，最后把七八张表拼在一起。

真正耗时间的不是分析本身，是分析之前那些动作——导出、清理、统一URL、合并关键词、对比不同时间段。

我把这部分拆开重排了一遍，现在跑成了一套可以重复执行的流程。

但它不是很多人理解的"让AI自动做SEO"。更准确的说法是：

数据采集尽量自动化，AI负责整理和初步分析，人负责最终判断。

下面是这套流程现在的样子，包括我暂时没接进来的部分，和为什么没接。

一、AI不会自动拥有SEO数据

很多人第一次用GPT或Codex做SEO分析，习惯直接把网址发过去，问一句："这个网站有什么SEO问题？"

它确实能读公开页面，能看标题、H1、canonical、结构化数据，也能发现一部分内链问题。

但有几件事要先说清楚：能不能执行JS，取决于使用的工具和浏览方式；不少站还会直接把它拦在门外，而且它看到的版本不一定等于Googlebot看到的版本。

更关键的是，它不知道：

网站过去有哪些关键词拿到过曝光
哪些页面的排名在涨、在跌
竞争对手主要靠哪些页面吃流量
用户进来之后有没有提交表单
Googlebot有没有正常抓到重要页面

这些数据仍然来自GSC、Semrush、GA4、爬虫和服务器日志。

所以AI进入SEO流程的第一步，不是让它凭空分析，而是解决一个更朴素的问题：

怎么把不同来源的数据，稳定地交到它手上。

二、我现在把数据分成四类

1. GSC：网站真实的搜索表现

GSC给的是已经发生的事：关键词、页面、曝光、点击、CTR、平均排名。

这是前期分析里最重要的一层，因为它不是第三方工具的估算，而是网站在Google里实际拿到的表现。

不过"真实"也有边界。平均排名是加权值，搜索量特别低的词会被匿名化处理，数据本身还有两三天延迟。拿它做趋势判断没问题，拿它去和第三方工具对数字就没必要了。

Google官方的Search Console API免费，但要自己处理授权、写查询、整理返回结果，还有行数限制：单次最多两万五千行，同一站点每天每种搜索类型五万行。

我现在测的是GSC Wizard这类第三方工具，把GSC接到ChatGPT或Codex里。接好之后可以直接让AI读某个时间段的数据，比较页面和关键词的变化。

省下来的是反复导出、筛选、算差值的时间。

但用这类第三方连接，要先确认客户愿不愿意授权。涉及客户网站的时候，方不方便不是唯一标准，数据权限同样重要。

这里顺便提醒一件事：GSC只保留16个月。

GSC里超过16个月的数据，无法再通过界面或API取回；如果此前做过导出或备份，保存下来的历史数据仍然可以使用。接手老站的时候这条经常出问题——客户想看改版前两年的表现，如果当时没有留存，就很难再补齐。

想留住更长的历史，官方路径是GSC的BigQuery批量导出。在GSC里开一次设置，之后数据每天自动进BigQuery，费用按存储和查询算，一般不高。

如果你手上有一个还想做三五年的站，这件事越早开越好。开通那天之前的数据，它也补不回来。

2. Semrush：市场和竞争对手数据

GSC只能看自己的站，回答不了两个问题：这个行业里还有哪些搜索需求，以及竞争对手靠什么拿流量。

这部分得靠Semrush、Ahrefs这类第三方数据库。

Semrush现在有官方MCP，能直接接进ChatGPT、Claude这些工具。但它走的是OAuth或API key授权，每次查询都消耗账号的API units。

所以能不能接，要核对账号本身的授权权限和MCP/API额度。能登录后台导CSV，不代表一定有MCP权限；多人使用时，也要确认授权归属和额度怎样分配。

我现在的做法就很简单：

需要市场数据的时候，从后台导CSV，再交给GPT或Codex统一处理。

它没有全自动，但成本可控，每次进入AI的数据范围也更清楚。

自动化不等于所有工具都必须实时连着。能稳定、低成本地重复执行，本身就是一种有效流程。

3. Screaming Frog或Codex：网站的技术和结构

技术SEO要先知道网站现在是什么状态：

页面能不能正常访问
有没有错误跳转
title、H1、description有没有缺失或重复
canonical、hreflang、schema对不对
网站层级是不是太深
有没有孤立页面和失效内链

Screaming Frog在2026年5月发布的v24里加了MCP。连上之后可以让AI直接启动爬取、读结果、导数据，也能比较两次爬取之间的变化。

500个URL以内的小站，免费版也够用：爬完导出CSV，交给AI分析就行。但免费版只能做到这一步——不能保存爬取记录，不能改配置，也没有JS渲染。做一次性体检可以，长期跟进就不行了。

Codex也能写爬取脚本，查状态码、标题、链接和页面标签。结构简单的小站，它能替掉一部分基础检查。

但Codex不等于成熟的SEO爬虫。JS渲染、复杂跳转、hreflang校验、内链深度、批量历史对比，这些还是专业爬虫更稳。

至于Googlebot到底抓了哪些页面，GSC的抓取统计报告其实已经能看到轮廓：抓取请求总量、响应码分布、按文件类型和抓取目的的拆分，还有示例URL。单个页面最后一次被抓的时间，用URL检查工具也能查到。

但这些是采样和汇总。想逐条确认某个产品目录是不是长期没被抓过，或者改版之后旧URL还会被反复请求多久，还是得回服务器日志。

抓取统计看的是轮廓，日志看的是每一条。

所以我不会说"AI已经可以替代Screaming Frog"。更准确的判断是：

AI降低了基础检查的门槛，专业爬虫仍然负责更稳定、更系统的数据采集。

4. GA4：按需加入的转化验证

GA4和GSC解决的不是同一个问题。GSC告诉我用户搜什么进来的，GA4告诉我他们进来之后干了什么。

如果网站已经跑了一段时间，表单提交、邮件点击、WhatsApp联系、资料下载这些事件也设对了，GA4能帮我判断SEO流量到底有没有变成生意。

Google也出了官方的Google Analytics MCP Server。有个细节值得说：它是跑在本地的服务，适配的是Claude Desktop、Gemini CLI、Codex CLI这类能起本地MCP的客户端。网页版ChatGPT暂时用不了，想用得自己部署成远程服务。看文档的时候容易忽略这点，照着做会卡住。

不过我暂时没把GA4设成所有项目的必选项。

流量本来就少，或者关键转化事件根本没配，接进来只会得到一堆访问量和参与度，对业务判断帮助有限。

所以在我的流程里，GA4是按需加入的，不是为了"数据更多"硬塞进去。

三、数据进了AI之后，它做什么

GSC、Semrush、爬虫数据和客户提供的资料进到同一个环境之后，AI比较擅长三件事。

一是清理。不同工具里的URL、关键词、日期格式都不一样，AI可以统一字段、去重、挑出品牌词和明显无关的词。

二是交叉比较。举个我最近常做的：把GSC的页面级数据和爬虫导出的title表按URL合并，一眼就能看出哪些页面有曝光但title缺失或重复。这种活儿以前要在两张表之间来回对，现在几分钟就有结果。

三是整理。把散的数据变成结构化摘要，标出值得进一步检查的页面、关键词和技术问题，顺手排成后续任务。

但我不会让AI直接改网站。它提完问题和建议，仍然要人确认，再决定动不动页面、内容、结构和内链。

四、真正不能自动化的，是判断

同一个关键词，工具里显示有搜索量，不代表它适合这个客户的业务。

同一个流量下降，可能是排名变了，可能是搜索需求变了，也可能是页面改版、统计口径调整，甚至只是品牌词波动。

AI能看出相关性，但它不了解客户的产品利润、交付能力、目标市场，也不知道询盘质量到底怎么样。

外贸B2B网站尤其明显。很多真正值钱的词，搜索量都不高。只盯着工具数据，很容易把SEO做成"哪里有流量往哪里去"，最后带回来一批和业务无关的访问。

所以在这套流程里，AI负责缩小检查范围，人负责回答一个问题：

这个机会到底值不值得做。

这部分还是要靠SEO经验，也要真的懂客户的生意。

五、我现在用的是一套低预算组合

GSC通过连接工具直接进AI，同时开BigQuery导出留长期数据
Semrush按项目从后台导CSV
小站用Screaming Frog免费版或Codex做基础检查
GA4只在转化事件有效时加入
GPT或Codex负责清洗、合并、比较、整理
人做判断、审核和优先级确认
结果留在SEO Review和Change Log里，方便后面复盘

跑下来最大的感受是：AI没有让SEO数据变免费，也没有让专业工具失去价值。

GSC、Semrush、Screaming Frog、GA4还是各管一层数据。AI改变的是这些数据被使用的方式——以前散在不同工具和表格里，得一个个打开、筛选、整理；现在它可以当中间那层，把东西汇到一起，让人更快看到问题和机会。

所以我不打算把这套方法说成"AI自动做SEO"。我更愿意叫它：

AI辅助的SEO数据分析工作流。

它减掉的是重复劳动，留下的是判断。

这大概也是现阶段AI进入SEO最实际的一种方式。

需要进一步判断？

如果你的外贸或 B2B 网站准备改版、重建，或已有搜索数据却不知道先处理哪些问题，可以预约 Grace Qu 做 SEO 咨询。