帶最多流量的頁,反而可能在拖累你想排的詞:我用語意地圖抓自己網站的主題漂移
文 / Coolkid發布：2026-06-30閱讀約 8 分鐘
摘要
高流量的頁怎麼會拖累排名?我把全站 75 頁各自向量化，算出一個語意中心，發現帶最多曝光的 SEO 科普頁，離我真正想變現的 AI 陪跑核心最遠。SEO 歷程整群的平均距離是 0.88，workflows 只有 0.62。重心跑去 SEO，金礦卻在 AI，這就是主題漂移。我先用一處改、全站生效的橋接把流量導回核心，不急著刪。
我打開 GSC，過去三個月曝光最高的查詢是「什麼是 gsc」，63 次曝光。
第一反應是爽，終於有人搜到我了。第二反應才慢半拍，這 63 次曝光，點擊是 0，排名第 40 名。
而且搜這個詞的人，是來學 SEO 工具的，不是來找「一個不會寫程式的人怎麼用 AI 蓋東西」的。
我真正想被找到、也真正會轉換成陪跑客戶的，是 AI Agent 工作流那一塊。
但這個站的搜尋足跡，正在被一堆「什麼是 gsc」「google search console」「csp」這種科普詞堆出來。
@darkseoking 講過一件反直覺的事，帶來最多流量的頁，反而可能正在拖累你真正想排的關鍵字。因為離核心太遠的頁，會把整個站的主題訊號拉散。
這篇紀錄我怎麼把這件「感覺」變成「數字」。
把 75 頁全部向量化、畫出語意地圖、量出哪些頁在稀釋，然後動了第一刀，最可逆的那一刀。一樣是丟給 agent 跑，我負責出判斷。
1. 反直覺命題:你 GA4 看到的英雄,可能是拖油瓶
只盯著流量數字，你很難發現這件事。
科普文點擊最高、曝光最大、數據最亮，很自然就把它們當英雄。
但「離核心生意多遠」這個維度，流量報表根本不會告訴你。
我的轉換核心是陪跑服務，教非工程師用 AI 建工具。workflows 是免費誘餌，電子報負責收名單。
搜「什麼是 gsc」的人，跟想學 AI 的人，幾乎是兩群不重疊的受眾。流量再漂亮，他不會變成客戶，卻會讓 Google 越來越搞不清楚這個站到底是誰。
2. 語意地圖怎麼畫?把每頁變成空間裡一個點
做法是借來的。把全站每一頁向量化，轉成空間裡的一個座標。
同主題的頁會自然靠在一起，差很遠的就離得很開。再取全站座標的平均，那就是這個站的語意中心。
然後量每一頁離商業核心多遠。我這裡把商業核心定義成服務頁加上所有 workflows。越遠，就越是在稀釋。
有兩個地方我必須老實講。
第一，這不是 Google 內部一定這樣算，而是我用來診斷主題漂移的實用模型。
Google 官方只反覆強調整體內容有沒有幫助、是不是為人而寫，很多判斷看的是全站不是單頁。我這張圖只是把那個抽象概念畫出來給自己看。
第二，正規做法是用神經網路的嵌入向量，但我跑的當下 API 金鑰卡住。
而我要分的兩群，SEO 科普跟 AI，詞彙天然分很開，所以改用 TF-IDF 詞頻向量當近似。
免 API、秒出結果，讀者也更容易自己重現。要分粗群這樣就夠，要更細才需要動用嵌入向量。
3. 數字攤開:seo-journey 離核心最遠
75 頁跑完，各區平均離商業核心的距離，數字越大代表整群越離題：
數字比我想的難看。
| 區塊 | 平均離核心距離 | 解讀 |
|---|---|---|
| workflows | 0.62 | 最近核心(它們本來就是核心) |
| newbie-pitfalls | 0.81 | 中間(Claude Code 教學,半核心) |
| seo-journey | 0.88 | 離核心最遠 = 最大稀釋源 |
離核心最遠的前 20 頁裡，有 16 個是 SEO 歷程。
而 GSC 上帶曝光的四個磁鐵，gsc-basics、tech-seo、ga4-csp-trap、gsc-new-site-day5，全擠在遠端。
對照 GSC 的查詢，過去三個月大約七成曝光是 SEO 跟 GSC 的科普意圖，只有大約三成是 AI 類。
4. 診斷:站台重心,跟金礦不在同一個地方
最刺眼的一張對照是這樣。那群 SEO 頁離全站的語意中心最近，它們把中心往自己拉，卻離我的商業核心最遠。
也就是說，網站的重心落在 SEO 內容上，但會成交的金礦在 AI 跟陪跑那一邊。
重心跟金礦不在同一個點上。這就是主題漂移，被量化出來了。
套用 darkseoking 的比喻，我像一個賣 AI 導入陪跑的人，站上卻堆滿「什麼是 GSC」的免費科普。
這些東西帶流量，卻可能把我從「AI 工具教學者」稀釋成「免費 SEO 資訊站」。結果真正想排、真正會轉換的頁，反而更難被理解成核心。
這件事流量報表看不出來。
5. 動的第一刀:橋接,不是刪
地圖出來之後，我對每個高流量頁只問一句話。這批讀者會變成客戶，還是吃完免費內容就走?
答案是後者的，就需要重新安置。但安置的第一步永遠是導流，不是刪除。
我做的是最可逆的動作。在全部 SEO 歷程文章的標題正下方，注入一段橋接。
一句話把這頁重新框成「我用 AI 蓋這個站、邊學邊公開的紀錄」，並且導向 AI 工作流跟陪跑。
技術上是改一處模板，全站 SEO 歷程自動生效。要撤掉就砍那一段，完全可逆。
它同時做兩件事，把語意往 AI 拉，也把流量導回核心。
你現在看到這頁標題下那一塊，就是它本人。
6. 為什麼不直接把離題頁刪掉?
最後一條紅線，千萬別圖省事直接刪掉高流量頁。
一刪，流量、外部連結、品牌入口可能一起沒了，那才是真虧。
darkseoking 給的順序是，先加強導流，再合併，再設不索引，再搬走，最後才考慮刪。
我目前只走到第一步，刻意沒動任何索引或網址。
而且這個站還很新，這時候全站 90 天才個位數點擊。
這反而是趁早、趁低風險修架構的最好時機。流量小到幾乎沒東西可損，卻能在主題訊號定型前先把方向扳正。
怕搬會掉流量是對的，但這是分流，不是懲罰。真正的目標不是保住每一個點擊，是讓會成交的頁在語意上更集中。
7. 下一步:等 60–90 天,再跑一次地圖
改完別以為結束了。
誠實說，這篇只有上半場。我還沒有「橋接之後重心真的移了」的結果，因為那需要給 Google 60 到 90 天重新爬取、重新理解。
到時候我會把同一支腳本再跑一遍，看 SEO 歷程離核心的距離有沒有縮短。
也看重心有沒有往 AI 移。如果中心沒動，通常不是模型錯，而是我還留太多離題頁，或者橋接的力道不夠。
那一篇，假設真的有變化，才會是完整的弧線，診斷、橋接、數據真的動了嗎。
先把這半場記下來，下期接著講。高流量從來不等於對的流量。SEO 也不是單頁遊戲，是全站每一個被索引的頁，一起在告訴 Google 你到底是誰。
▸ 常見問題
高流量的頁怎麼會拖累 SEO?
離你核心生意太遠的高流量頁,會把全站的主題訊號拉散,讓 Google 比較難判斷你真正想排的核心是什麼。流量漂亮但跟轉換無關時,要先導流、合併,不是先砍。
語意中心是 Google 真的這樣算嗎?
不是。語意中心 / 距離是我用 embedding 概念做的診斷模型,Google 官方只強調「整體內容是否有幫助、是否為人而寫」。我用它來「看見」主題漂移,不是還原 Google 演算法。
為什麼用 TF-IDF 不用神經 embedding?
跑的當下 API 金鑰卡住,而我要分的群(SEO 科普 vs AI / Claude)詞彙天然分得很開,TF-IDF 詞頻向量就足以量距離,還免 API、讀者更好複現。神經 embedding 會更細,但這題用不到。
發現漂移後第一步該做什麼?
先導流不是先刪。順序是 導流 → 合併 → noindex → 搬 → 最後才刪。我先做最可逆的:在離核心的頁加一個導回核心的橋接,等 60-90 天看重心有沒有移,再決定下一步。
一個不會寫程式的人，也能把網站當成資料庫看一次。
把全站向量化、算重心、量距離，用數字看見「我這個站在 Google 眼裡到底是誰」。這篇是上半場，診斷加橋接，下半場要等 60 到 90 天重新量一次才知道有沒有用。
名詞解釋
- 嵌入向量（embedding）
- 把一段文字轉成一串數字座標,讓電腦能用「距離」比較兩段內容主題像不像。
- TF-IDF
- 一種用詞頻算文字相似度的經典方法,不用 AI、純算「哪些詞在這頁特別常出現」。本文用它當免 API 的向量化近似。
- 語意中心（centroid）
- 把全站每頁的座標取平均得到的那個點,代表「整個網站平均在講什麼」。
- 主題漂移（topic drift）
- 網站內容重心慢慢偏離你真正想被搜到的主題;離核心生意太遠的高流量頁是常見元兇。
- SEO（搜尋引擎優化）
- 讓網站在 Google 搜尋結果排得更前面的一整套方法，涵蓋技術體質、內容品質、連結結構三層。
- GEO（生成式引擎優化）
- 讓 ChatGPT、Perplexity 這類 AI 在回答問題時引用你網站內容的優化方法，是 SEO 在 AI 時代的延伸戰場。
- GSC（Google Search Console）
- Google 給網站主的免費後台：看自己網站在搜尋的曝光、點擊、排名跟索引狀態。做 SEO 的人天天開的儀表板。
看完這篇之前先確認:
- 內容跨好幾個主題、不確定哪些在稀釋的個人站 / 部落格
- 想用數據(不是直覺)決定哪些頁該導流 / 合併
- 會一點 Python、想把網站當資料庫診斷
- 單一主題、內容很集中的站(沒有漂移問題)
- 完全不在乎轉換、純衝流量的內容站
- 不想碰任何腳本、只想看排名數字
如果內容對你有用就太好了
隨喜斗內
相關閱讀
這篇背後的真實開發過程記錄在 Build Log。
搜尋標籤：topic-drift、semantic-map、embedding、tfidf、internal-linking、build-in-public。
本篇為個人實驗紀錄。語意中心 / 主題漂移是我用來診斷的實用模型,不是 Google 內部演算法的還原 — Google 官方只說「整體內容是否有幫助、是否為人而寫」。TF-IDF 是詞頻近似,不是神經 embedding。本文做法不保證在你的網站產生相同結果,請依自身狀況驗證。教育研究用途,不構成投資建議。