pSEO核心逻辑：B2B工业品搜索公式是"[品类] for [应用场景]"，把品类维度和场景维度做成数据表，AI批量填充模板生成N×M个落地页。每个页面命中一个超长尾词（月搜索量100-500），汇聚到Pillar传递权重。适用条件：有明确的品类×场景矩阵、搜索词结构高度可预测。

pSEO 原理：B2B 搜索公式化 + 批量场景落地页逻辑

一个问题引入

一家工业水泵制造商，有5个产品品类，服务10个应用场景。

如果手工写每个“品类×场景”的专题页，需要写 5×10 = 50 篇文章。按每篇4小时，需要200小时。

如果用 pSEO 的方式，建好模板和数据库后，批量生成50个页面需要4小时。

这就是 pSEO 的本质：把重复性工作交给数据和 AI，人只负责设计模板和审核质量。

B2B 搜索的公式化特征

pSEO 能在 B2B 工业品领域奏效，因为这个领域的搜索词高度遵循固定模式：

模式一（场景选型）：[品类] for [应用]

centrifugal pump for chemical transfer
gear pump for food processing
submersible pump for mining dewatering
magnetic drive pump for pharmaceutical

模式二（工况参数）：[品类] for [工况参数]

centrifugal pump for high temperature
pump for corrosive liquids
pump for high viscosity fluids

模式三（认证需求）：[品类] [认证/标准]

centrifugal pump ATEX certified
pump FDA approved food grade
ISO 5199 compliant centrifugal pump

模式四（地区+品类）：[品类] [地区] manufacturer

centrifugal pump manufacturer Germany
industrial pump supplier Europe

每种模式都可以做成“变量 × 变量”的矩阵，批量生成对应页面。

pSEO 的三个核心组件

组件一：数据表（变量库）

把每个维度的所有可能值列成数据表：

# pump_types.yaml
- id: centrifugal
  name: "Centrifugal Pump"
  slug: "centrifugal-pump"

- id: submersible
  name: "Submersible Pump"
  slug: "submersible-pump"

- id: gear
  name: "Gear Pump"
  slug: "gear-pump"

# applications.yaml
- id: chemical_transfer
  name: "Chemical Transfer"
  slug: "chemical-transfer"
  challenges: "Corrosion resistance, seal integrity, ATEX compliance"
  standards: "API 685, NACE MR0175"

- id: water_treatment
  name: "Water Treatment"
  slug: "water-treatment"
  challenges: "Large flow rates, energy efficiency, low maintenance"
  standards: "NSF/ANSI 61, ISO 9906"

组件二：页面模板

一个通用的 Astro 页面模板，接受数据变量并渲染对应内容：

---
// src/pages/applications/[pumpType]-[application].astro
export async function getStaticPaths() {
  const pumpTypes = await import('../data/pump_types.yaml');
  const applications = await import('../data/applications.yaml');

  // 生成所有组合的路径
  const paths = [];
  for (const pump of pumpTypes) {
    for (const app of applications) {
      paths.push({
        params: {
          pumpType: pump.slug,
          application: app.slug,
        },
        props: { pump, app },
      });
    }
  }
  return paths;
}

const { pump, app } = Astro.props;
---

<h1>{pump.name} for {app.name}: Selection Guide & Recommended Models</h1>
<!-- 其余模板内容 -->

组件三：AI 辅助内容填充

对于每个页面的“挑战描述”、“选型建议”等文字部分，有两种处理方式：

方式一：静态内容（写进 YAML 数据文件） 适合：场景挑战、认证要求等结构化信息，每个场景写一次，复用到所有对应页面。

方式二：AI 批量生成（见下一篇） 适合：更个性化的段落，用 AI 为每个组合生成略有差异的内容，避免重复内容惩罚。

pSEO 的适用条件

不是所有站点都适合 pSEO。检查以下条件：

✅ 适合 pSEO 的情况：

• 有明确的“品类 × 场景”或“品类 × 参数”矩阵
• 搜索词结构高度可预测（符合固定模式）
• 每个变量组合都有真实搜索需求（可用 Keyword Planner 验证）
• 产品特性在不同场景下确实有差异（不是凑字数）

❌ 不适合 pSEO 的情况：

• 只有2–3个产品，场景太少，矩阵太小（不值得建基础设施）
• 每个场景的解决方案完全一样（生成的内容会高度重复，被 Google 判定为低质量）
• 数据维度太复杂，无法标准化

pSEO 的 SEO 注意事项

防重复内容：pSEO 最大的风险是大量页面内容相似。对策：

1. 每个场景的 YAML 数据尽量细化（不同场景有不同挑战/标准）
2. AI 生成的文字段落要求“根据具体场景的特点写作，避免通用描述”
3. 每个页面的 Title、H1、Meta description 必须唯一（由变量自动生成）

页面质量门槛：Google 对批量生成页面的质量要求越来越高（HCU 更新后）。每个页面至少需要：

• 该场景独有的挑战/参数描述（不能和其他页面完全一样）
• 真实有用的推荐型号（内链到 SKU 页）
• 至少500词的有价值内容

下一篇讲具体的数据库设计：如何把品类和场景组织成可被 Astro 消费的数据结构。

→ 数据库设计：品类 × 场景的组合矩阵构建