前阵子一份 AI 出海公司的招聘 JD 在圈子里传得挺广。有意思的地方在于,它招的不是程序员也不是 SEO 专员,而是一个”具备独立开发者思维”的人:自己发现需求,自己判断机会,自己快速做出产品,然后用真实的流量、注册、付费验证自己的判断。
视频版:约 2 分钟,开头结尾真人出镜,数据与改法用动画过一遍。
有人把这份 JD 反向整理成了一套方法论,结构很漂亮:独立开发者思维打底,串起需求发现、MVP 验证、SEO 增长、实验复盘四个环节,最后落成一份”2 周找到并验证一个新机会”的自检清单。
漂亮到我起疑了。
做过产品的人都知道,方法论的价值不在流程图上,在前提假设上。前提塌了,流程越漂亮越害人。所以我没急着照做,花了半天把这套方法论的前提逐条查了一遍——查 2026 年的最新数据,查 indie hackers 的真实案例,查 Google 官方政策原文。
结论先给:这套方法论里,”快速验证”和”实验复盘”两条还硬,但”SEO 为主轴”和”程序化页面”这两个前提,得改。
先说还硬的部分
MVP 节奏这条,案例支持是扎实的。
Vaultaire,一个人用 AI coding agents 三周做出来,做到月销售 4 万美元。Sitalyze,一个 21 岁的本科生做的网站分析工具,发了个 Reddit 帖子,几小时内 100 多个注册,第一周 150 个用户、140 美元收入。这类”几周做出、立刻有真实用户”的案例,在 Indie Hackers 上已经不是一个两个,AI coding 工具把”做出来”的成本压到了接近零。
但同样在这批案例里,躺着多得多的反面:做了 4 个月没人要的,上线六天才发现支付按钮是坏的只卖出 19 美元的,150 次广告点击零注册的。做出来容易,做对依然难。
这恰恰印证了原方法论里最重要的一句纪律:核心问题是”这个需求值不值得做”,不是”能不能做”。两年前这句话是提醒,现在是生存法则——因为”能不能做”这件事的成本已经趋近于零,判断力成了唯一稀缺的东西。
复盘认知这条也没问题,不展开。
要改的第一条:SEO 为主轴,前提在塌
原方法论把 Google SEO 当增长主轴,关键词研究、页面结构、内链外链,都围绕它转。这个前提在 2026 年必须重新算账。
账是这样的。Google 的 AI Overviews(搜索结果顶部的 AI 摘要)覆盖率一路涨:2025 年 2 月占查询的 31%,12 月 34.5%,到今年 3 月已经是 48%——快一半的搜索,用户第一眼看到的是 AI 摘要,不是蓝色链接(数据来自 Ahrefs 的持续监测)。
那用户还点吗?Seer Interactive 2025 年 9 月的实测:原来排第 1 的页面,出现 AI 摘要后点击率从 1.76% 掉到 0.61%,跌掉六成多。Ahrefs 12 月的更新更狠,同样的位置同样的对比,CTR 降幅从 4 月的 34.5% 扩大到 58%。半年时间,伤害在加深而不是企稳。
极端案例已经出来了。Digital Trends 的 Google 流量跌了 97%,The Verge、ZDNet 跌幅超过 85%。虽然这些是内容站的惨案,工具站受冲击小得多——但你依然要面对一个事实:排名和流量,解耦了。 页面还在第 1 位,点击没了。

先别急着悲观,账还有另一半。
Brainlabs 追踪了 54 家客户的 14 个月数据:AI Overviews 铺开后,传统有机流量跌了 10.5%,但 AI 渠道(ChatGPT、Perplexity 这些)带来的引流涨了 163%,转化事件涨了 335%,而且从 AI 渠道来的用户转化率是传统搜索的 1.5 倍。
道理不难懂:AI 摘要把随便看看的人挡在了搜索结果页,能穿过摘要点进来的,是带着明确意图的人。流量在变少、变贵、变准。
所以我的改法是:SEO 照做,但把”被 AI 引用”当成和排名平级的指标。结构化数据、清晰的统计数字、能被直接引用的事实段落——这些以前是 SEO 的副产品,现在是主菜。查资料的时候我看到业内已经给这个方向起了名字叫 GEO(生成式引擎优化),叫什么不重要,重要的是你的页面要能当 AI 的信源,不只是当 Google 的第 1 名。
要改的第二条:程序化页面,从数量生意变成数据生意
原方法论提到 Programmatic SEO(程序化批量生成页面),这是独立开发者的经典打法:一个模板乘一个数据库,批量铺几千个长尾页面。
我特意去查了 Google 的官方政策。2024 年 3 月核心更新上线了”规模化内容滥用”(scaled content abuse)政策,措辞很关键:打击的是”主要为操纵排名而批量生产的页面”,不是”批量生产”这个动作本身。人手一天写一篇凑数的页面,和脚本一小时生成一万篇凑数的页面,在 Google 眼里是同一种东西——规模只会让你被抓得更快。
2026 年的实战数据把分界线画得很清楚。活下来的:Wise、Zapier,每个页面背后是自家独有数据,换不来也抄不走。掉量的:G2、ZoomInfo 这类靠大量薄页面堆起来的站点。一句话判断标准——如果你的两个页面之间只差一次查找替换,Google 会把整簇页面当成低价值一次性处理。
实操上我建议把”先铺 1 万页”改成”先铺 100 页”:提交 GSC,等三周,看哪些模板真有展示和点击,再把有效模板分批扩量。铺得越猛,死得越整齐。
清单之外,案例里藏着一条更重要的
把原文的 2 周清单和这批案例对照着看,我发现成败的分水岭不在执行速度,在一个清单上没有的动作:写代码之前先找到用户。
做得最好的那个 Reddit 营销工具 Leadmore AI,创始人的原话是”必须先有用户,再做产品”。他先把 Reddit 营销的经验全发成内容,攒了 300 人的社区,天天聊,确认这批人愿意付钱,才开始写代码。产品上线第一周,十多个付费。4 个月做到 3 万美元月收入,营销花费是零。
反过来看那些失败的:基本都是先闷头做完,再去找人。找不到了,才想起来问”我是不是该验证一下需求”。
顺序反了,快就不再是优势,快只是加速了死亡。
说实话,这条我也是后知后觉。我自己动手做东西的时候,也经常是”这个技术方案好有意思,先做出来再说”,做着做着才去找它到底解决谁的什么问题。十年做产品养成的直觉,在 AI coding 时代反而要刻意拧过来:技术不再是瓶颈了,别再拿”我想练手”当开工理由。
我的判断
这套方法论值得读,四步闭环和”用真实数据证明判断”的纪律是硬的。但照做之前记住三件事:流量指标要拆开看,传统搜索流量和 AI 引用流量是两个物种;页面生意的前提是数据生意;还有,把”先找到 100 个愿意付钱的人”写进你的 2 周清单第 0 天。

写完这篇我在想一件事:这套清单我自己还没完整跑过一遍。光复核别人不够。下篇我打算真拿两周时间,按改过的清单跑一个从需求发现到上线验证的完整实验,踩到什么坑写什么。
到时见。
数据出处:Ahrefs AI Overviews 研究(2025-04 / 2025-12 更新)、Seer Interactive CTR 实测(2025-09)、Brainlabs 54 客户追踪(Digiday 2026-08 报道)、Digital Content Next 出版商调查(2025)、Indie Hackers 公开访谈(Vaultaire / Sitalyze / Leadmore AI / MediaFa.st)。数字为检索时点数据,各家统计口径不同,量级参考即可。