NotebookLM搭建SEO竞品情报库：公众号文章抓取与引用溯源工作流

摘要：做SEO的人收藏得最狠：竞品公众号、Google官方文档、英文研究报告，堆成山却很少打开。这里记录一套跑通的研究工作流：用Claude Code跑trafilatura脚本，把竞品公众号稳定抓成干净的Markdown，再灌进NotebookLM，借助引用回溯去提问、对比、收听，每句回答都能核对出处。吃灰的收藏由此变成可查询、可溯源的竞品情报底座。这套流程要做的，是把“收藏到能用”的反馈链路从半年缩短到7天，不靠逼自己多读。

保哥做SEO二十多年，有个职业病：看到一篇好文章，手比脑子快，先收藏再说。竞品独立站的策略拆解、Google算法更新的官方解读、外贸大号公众号里藏着真货的长文，全进了收藏夹。

前阵子翻了一遍自己的微信收藏，光2026年标记“必读”的SEO干货就有40多篇，一篇都没打开过。每一篇收藏时都说服了自己“这个对项目有用”，然后一起烂在那里。

下面这套流程花了一个下午打磨，现在每周都在用：先稳定抓取竞品公众号文章，再灌进NotebookLM，然后逐步用上它更深的功能，把一堆吃灰资料变成能查、能问、能溯源的研究底座。每一步都会写到可以照着操作的程度。

SEO竞品情报为什么总烂在收藏夹里？

先给一个不太好听的判断：对做SEO、做外贸独立站的人来说，收藏夹起不到知识库的作用，更像一座坟场。

这一行收藏得比谁都狠，原因很简单：SEO做的是信息差。竞品上了什么新落地页、Google哪条政策悄悄改了措辞、某个AI搜索又开始影响点击，谁先消化，谁先动手。所以看到一篇像样的拆解，第一反应永远是“先存下来，回头细看”。

问题就出在“回头”上。这个回头从来没有发生过。

后来我想明白了，真正的麻烦不是没读，是收藏这个动作让人自欺了半年。点收藏的那一下，心里以为已经掌握了竞品的打法，其实只是把焦虑挪了个位置：从“我还不了解对手”挪到“我迟早会研究透对手”。那个“迟早”一直没来，对手的排名却一天天往上走。

更麻烦的是，SEO资料有时效。你收藏的那篇“AI Overviews优化指南”，半年后Google改了触发逻辑，这篇收藏连同你以为存下来的认知一起过期。AI Overviews对自然流量的冲击变化有多快，盯过这块的人都有体会。资料躺在收藏夹里不消化，跟没收藏差不多。

SEO研究的反馈链路为什么会拖到半年？

很多人把“收藏不看”归因于忙，我不这么看。

真正卡住的地方是反馈链路太长。从点下收藏，到这条信息真正进入决策，中间隔着一道很难跨过去的坎：你得专门腾出整块时间，把一篇5000字的竞品长文从头读到尾，边读边记，读完还要自己归纳“对我有什么用”。这套动作启动成本太高，高到你一直在等一个“等我有空”的时刻。

这个时刻不会出现。于是收藏越攒越多，链路越拉越长，最后整个系统停摆。

这套流程要解决的问题，是把这条链路从“半年都跨不过去”压缩到“7天内一定兑现”，不靠逼自己多读书。办法是缩短反馈回路：消化一篇竞品文章的成本，从“专门读两小时”降到“散步时随口问一句”。

下面按由浅入深的顺序拆开讲，每一步都对应一个你手头就有的真实场景。

竞品公众号文章如何用trafilatura稳定抓成Markdown？

第一件事是把文章从公众号里抠出来。公众号的反爬机制很强，这一步是整套流程里技术含量最高的，但实际只花了15分钟。

第一个动作老老实实手动做：把想研究的竞品公众号文章逐篇打开，复制链接，粘贴到一个 links.md 文件里。40多个链接，大约10分钟。这一步没有捷径，也用不着捷径，因为你只打算研究自己筛过的这几篇，并不打算爬人家整个号。

剩下的5分钟我没自己写脚本，直接把 links.md 交给Claude Code，只发了一句指令：

把links.md里所有URL抠出来，挨个抓网页正文，用trafilatura转成干净的Markdown，每篇按“文章标题_编号.md”存成单独文件，装好依赖直接跑。

回车之后，Claude Code自己装好trafilatura，写完脚本并运行，40多个 .md 文件出现在文件夹里。整个过程一行Python都没手写。它写的脚本核心只有十来行，大致如下：

#!/usr/bin/env python3
import re, sys, trafilatura

text = open(sys.argv[1], encoding="utf-8").read()
urls = re.findall(r"https?://[^\s)\]]+", text)
for i, url in enumerate(urls, 1):
    html = trafilatura.fetch_url(url)
    md = trafilatura.extract(html, output_format="markdown") or ""
    open(f"{i:02d}.md", "w", encoding="utf-8").write(md)
    print(f"[{i}/{len(urls)}] {url}")

这段代码看不懂也没关系。把上面那句指令直接交给Claude Code即可，换成别的AI编程助手也一样，只要是Agent就能完成。想把这类小任务用得更顺手，可以配合阅读用了一年Claude Code后只留下的6个高频命令。

这也是2026年用AI处理这类任务的方式：以前要批处理一批数据，得先学会Python；现在把任务描述清楚交给AI，自己检查结果就行。这十几行脚本省掉的不只是十几行代码，还有“得先去学爬虫”这道拦住很多SEO从业者的门槛。trafilatura为什么能把网页正文抽得这么干净，还能直接输出Markdown，它的官方快速上手文档里有说明，感兴趣可以翻一翻。

为什么选Markdown而不选PDF？一开始也犹豫过。NotebookLM两种格式都支持，但Markdown上传后，“引用回溯”明显更准：回答时能精确引到第几段，PDF常常只能引到一整页。SEO工作讲究“这句话出自哪里、可不可信”，段落级溯源比页面级有用得多，这个差别后面会反复用到。

抓取公众号文章有哪些技术坑和合规红线？

这一节比脚本本身更重要，尤其对靠内容吃饭的SEO从业者，合规这根弦要一直绷着。

先说技术坑。有几类公众号文章可能抓不下来：一是需要登录才能看的，fetch_url 拿到的是登录墙；二是正文几乎全是图片的“图片号”，trafilatura抽文字只会抽到一片空白；三是触发了平台的临时风控，连续抓得太快会返回异常。处理办法是抓完后扫一眼每个 .md 的字数，明显偏短的几篇手动复制正文补上，不跟反爬机制硬碰。10分钟能搞定的事，没必要跟它死磕。

再说红线，这一条必须讲清楚：

这套流程是用来帮你读得更快的，别拿它当抄稿的捷径。保哥做SEO二十多年，见过太多站靠搬运短暂起量，又被Google一轮原创性更新打回原形。抓竞品文章，是为了看懂对手的思路，做出比他更好的内容，这叫研究；把对手的文章换几个词发出去，就是给自己找麻烦。这条边界比任何脚本都要紧。

守住这条线，资料库就准备好了。接下来进入NotebookLM本身。

NotebookLM和ChatGPT处理竞品资料差在哪？

有人会问：文章都抓下来了，直接丢给ChatGPT总结不就行了，何必再加一个NotebookLM？

这正是要重点讲的地方，也是NotebookLM和通用聊天工具最大的区别：引用回溯。

之前用通用大模型处理这类场景，最不满意的一点是它会编出读起来很顺的回答。你问“这几篇竞品文章里关于外链策略的共识是什么”，它给你一段四平八稳的话，但你没法验证哪句真的来自你的资料，哪句是模型自己补上的通用知识。这对SEO是致命的：一条幻觉出来的“Google官方建议”，就足以把整个季度的策略带偏。

NotebookLM在产品层面解决了这个问题。它的每一句回答都只基于你上传的资料，后面跟着引用编号，比如 [3][12]。点一下编号，左侧资料面板会自动跳到第3篇文章，并高亮对应的整段。它给出的每句话，都能追到原文的具体段落。

还有一个反向信号：如果某个判断它始终不肯给，多半是因为你提供的资料里确实没有支撑。这本身就是有用的情报，说明这块是认知盲区，对手也没人写透。

简单对比：ChatGPT什么都敢答，但你不敢全信；NotebookLM只答有据可查的内容，答出来的可以直接拿去用。对要依靠数据和事实做决策的SEO从业者，研究工具应该是后一种。

资料上传NotebookLM后第一步该问什么？

打开NotebookLM，新建一个笔记本，把抓好的Markdown文件全部拖进左侧的Sources面板。文件逐个出现并开始转圈，几十秒后每个文件前面亮起绿点，上传完成。

先了解几个边界：单个source的容量上限是50万字、200MB，一篇公众号文章再长也不会超；支持PDF、Word、Markdown、txt、网页URL（直接贴链接，它会自己抓取）、YouTube（自动转字幕）、音频（自动转写）。优先用Markdown，前面说过，它的引用回溯精度更高。

上传完先别急着用花哨功能，直接在右侧对话框里提问。一批竞品独立站的SEO拆解灌进去之后，我问的第一个问题是：

这几篇里，关于“AI搜索时代独立站还要不要堆内容”的核心分歧是什么？分歧到底在哪？

不到10秒，一段大约400字的浓缩回答就出来了，每个判断后面都带着引用编号。点开 [5]，左侧直接跳到第5篇，对应段落整段高亮。它把几篇长文里分散的观点抽出来、对齐，并标好了出处。

这一步没有改任何配置，全是默认设置。仅靠“直接提问，再点引用看原文”这一招，就能解决八成“攒了一堆资料却读不完”的场景。可以问的内容很多：了解全貌、提炼对手的关键词布局逻辑、找出你和对手的策略差异，都可以。不过能问和会问是两回事。

SEO研究的NotebookLM提问清单

NotebookLM再聪明，也只是一个被动应答的助理。你问得敷衍，它答得也敷衍。我一开始踩过最大的坑，就是只会问“帮我总结一下”。它会给出一段四平八稳的摘要，看起来很全，实际用处不大，因为这种问法没有给它任何方向。

做SEO研究，提问要带着目的和角度。下面几类问法是日常用得最顺手的，可以直接拿去改：

有三个技巧能明显提高回答质量。第一，要求它列清单，不要让它写成散文。同样是问竞品的外链来源，“列成表格、每条标出处”比“介绍一下”得到的东西好用十倍：散文还得自己拆，清单可以直接放进行动表。

第二，只要涉及数字和结论，就追问一句“出处是哪篇、原话怎么说的”。NotebookLM会把引用编号列出来，点过去核对一眼，假数据当场就能发现。SEO决策最怕的，就是把一个二手转载、早已过时的数字当真。

第三，用“对比”“分歧”“矛盾”这类词引导它找差异。它默认倾向于求同，给出一个和谐的综述，但对SEO从业者有价值的往往是分歧：对手们在哪件事上意见相左，又在哪件事上达成了你没注意到的共识。把问题引向“差异”，得到的信息量比问“共同点”大得多。

如何用Discover Sources补齐英文一手资料？

NotebookLM有个常被忽视的功能叫Discover Sources，对做国际SEO、出海独立站的人尤其有用。

给它一个主题词，它会自己到网上搜索相关的一手资料，补进你的Sources列表。研究AI Overviews优化时，让它围绕这个主题自动补充资料，它一次补进了好几篇英文的官方说明和第三方研究，这些靠手动逐篇搜索很难搜全。它每次最多给出10条推荐，每条附一句说明，解释为什么和你的主题相关。具体用法可以看NotebookLM官方的Discover Sources说明，里面有详细步骤。

从经验看，做SEO研究时最该用它补的是一手官方文档。比如研究站点结构，与其看十篇二手解读，不如让它把 Google官方的SEO入门指南这类原始资料拉进来，和抓来的中文竞品文章放在一起对照。中文大号怎样转述官方说法、哪里转述跑偏了、哪里夹带了私货，一对照就清楚了。

拖了半年的“以后再看”，第一次被集中管理起来。每一个加载好的文件，都对应着当时那句“以后会研究透对手”，现在这些承诺终于有了着落。

NotebookLM Studio九种形态里哪些适合SEO？

聊过几轮之后，看右下角的Studio面板，这是NotebookLM真正干活的地方，一键就能把同一批资料转成多种形态。这里不逐一介绍九种，只挑做SEO真正用得上的几个，按场景说明怎么搭配。

• 思维导图：可点击展开的主题树。那批竞品资料被自动归到几个分支，比如“内容策略”“技术SEO”“外链打法”。这是找认知盲区的主要工具：哪条主线下只挂着一两篇，说明对手在这块也没研究透，这正是你的机会缺口。
• 简报（Briefing Doc）：约1500字的结构化摘要，信息密度最高，需要给团队同步某个领域的全貌时用它。
• 常见问题（FAQ）：自动从资料里抽取问答，覆盖核心争论，适合快速过一遍。
• 学习指南：梳理章节并提炼重点，适合系统补一个陌生领域（比如刚接触本地SEO）。
• 时间线：按时间顺序抽取事件，最适合理清一个概念的演变。比如想看AI Overviews从去年到今年怎样一步步影响点击，把相关报道放进去生成时间线，脉络就很清楚。
• 数据表格：从大量非结构化文字里抽出结构化对比表，是做SEO竞品分析最好用的功能，下一节单独讲。
• 音频概览：NotebookLM最有特色的功能，后面单独成章。

我常用的搭配如下，可以直接参考：

到这里用的都是“点一下出结果”的功能，没有碰任何高级配置。如果只想尽快把吃灰的收藏用起来，做到这一步基本够了。

如何用数据表格把10篇竞品综述整理成可溯源对比表？

数据表格值得重点说，因为它对应的是SEO里最费时的工作之一：竞品横向对比。

以前做竞品分析，要开十个标签页逐篇翻，手动在Excel里填“这家的目标词怎么布局、外链来源是什么结构、内容多久更新一次、有没有用Schema”。光填表就要半天，填完还常常忘了某个数据是从哪篇看来的。

现在把这十篇竞品综述灌进NotebookLM，让它生成一张数据表格，并指定要抽取的字段：目标关键词布局、外链来源结构、内容更新频率、结构化数据使用情况。它很快就把十家整理成一张表，而且每个单元格都带着回溯引用。看到“A家每周更3篇”，点一下就能跳到原文那句话，不用担心是编出来的。

表格出来后，对手之间的打法差异一目了然。至于怎样把这些差异变成自己的行动清单，之前写过四层逆向拆透竞品、变成行动清单的完整框架，数据表格正好是这套框架里最省力的第一步。

读表时最该盯的，是那些大多数对手都没填或者填得很弱的格子，“他们都做了什么”倒在其次。比如十家里有八家根本没加产品结构化数据，这就是一块没人抢的技术SEO洼地；又比如所有人的内容更新都停在每月一两篇，你把频率和质量提上去，就有机会靠新鲜度甩开他们。竞品分析里有价值的发现，往往藏在这些空白列里。

从2026年起，Studio还有一个变化：每次生成不再覆盖上一份。同一张表可以基于不同的资料子集、不同的指令生成多个版本，全部保留在历史记录里。因此Studio除了即时生成，还能当作一份反复迭代的情报归档来用。

Audio Overview怎样把对立的SEO观点做成辩论播客？

Audio Overview也在Studio面板里，但它值得单独一章来讲，这是NotebookLM最有特色的功能。

我用它做的第一件事，是让它组织一场辩论。

点击Audio Overview，默认会生成一段约10分钟的双主持人对话播客，但默认形态并不是它最好用的。点旁边的Customize，可以做三件事：指定只用哪几篇资料、填写自定义生成指令、选择时长（从约2分钟到最长约50分钟的深度版）。

保哥的收藏里恰好有三篇立场完全对立的文章，主题都是“AI搜索到底会不会杀死SEO”。第一篇出自一位海外工程师，观点是“自然流量已死，赶紧all in投放”；第二篇出自一位国内独立站老手，观点是“零点击是伪命题，只是被看见的方式变了”；第三篇态度更鲜明，标题大意是“别慌，Google自己的总访问量这几年还在涨，缩水的是没价值的内容站”。

这三篇半年前收藏时，每一篇都让人点头认同。三次收藏各自发生，彼此从没放在一起比较过。

于是我让NotebookLM只用这三篇作为资料，自定义指令写成“两位主持人针对‘AI搜索是不是SEO末日’做13分钟对抗性辩论，每人必须引用具体观点”。戴上耳机出门散步，回来时刚好听完：我听到了自己半年来在这个话题上的所有摇摆，被两个声音辩了个清楚，比闷头读三篇留下的东西多得多。散步这段时间本来就是空着的，没有占用正经工作时间，三篇互相冲突的长文却被消化掉了。

Audio Overview已经支持50多种语言，把默认声音切到中文，用同样的方法就能生成中文播客，语气和节奏都符合中文习惯。2026年还推出了视频版概览，会自动配幻灯片和字幕。把那段辩论做成视频后，有了画面帮着记，看完记得更牢，适合发给团队。

Audio Overview的价值不在省阅读时间，在于把几篇互不相干、甚至互相冲突的文章串成一场有来有回的对话，那些立场对立的收藏第一次被放到一起碰撞。这种把零散观点拼成完整认知的工作，和AI内容生产工作流是先后衔接的：前者帮你吃透别人的内容，后者才轮到你产出自己的。

每周SEO情报工作流怎么安排？

这套流程打通之后，现在每周日下午固定留出半小时，专门做一件事。

把这一周新收藏的竞品文章和行业资料导出成Markdown（照样用那句指令交给Claude Code），直接放进对应的笔记本，整个过程不超过10分钟。

工作日里突然冒出一个问题，比如“上次那家竞品提到的内链做法，到底跟我们差在哪”，就打开笔记本直接问，再顺着引用回到原文，10秒解决，不用再翻遍收藏夹。

周末要写一篇综述或者定下个季度的策略，就先在Studio里生成简报和思维导图看全局，再用数据表格把竞品差异拉成表，最后用学习指南或测验巩固核心知识点。读过的东西第一次真正留在了脑子里。

收藏吃灰的问题也就不存在了。收藏从“我以后会看”，变成了“下周日会被统一处理”，这是一个明确的、最多7天就会兑现的安排。每周花30分钟，就能对一周的竞品动向心里有数。

为什么一定要固定在周日下午、固定半小时？因为“想起来再弄”又把链路交回给了意志力，迟早会回到收藏吃灰的老路。把它固定成雷打不动的时段，研究就从需要下决心的大工程，变成了刷牙一样的日常动作。反馈链路能不能真正缩短，取决于这个动作会不会自动发生，工具强弱倒在其次。

NotebookLM研究流程有哪些边界？

这套流程不是万能的。它用起来很顺手，但边界很清楚，认不清边界比不用还危险。

第一，它只活在你给的资料里。问它“我这个词今天排第几”，它答不上来：它没有实时数据，它能看到的只有你上传的那几十个文件。要看实时排名、抓取日志、最新收录，还是得回到GSC和你自己的工具。它负责帮你想清楚“该往哪个方向使劲”，而“现在使到了什么程度”，只有实时数据能回答，这两件事不能混为一谈。

第二，料错它也跟着错。引用回溯能保证它没有编造，但保证不了原文是对的。你抓进去一篇数据本身已经过时的竞品文章，它会如实引用那个过时的数字。涉及关键数据，任何单一来源都要交叉验证，这一步AI替你做不了。

第三，它不替你做判断。它能告诉你三篇文章在争什么、各自的论据是什么，但“我们到底该站哪一边”，这个决策始终是你自己的。工具负责把信息整理好摆出来，吸收和消化还得靠自己。

第四，一个现实问题：NotebookLM是Google的产品，国内访问需要自行解决网络可达性。如果条件不便，这套“抓取加引用回溯”的思路同样适用，可以把抓好的Markdown交给国内能用、同样支持引用溯源的工具。方法是通用的，具体用哪个工具可以替换。

认清这四条边界，就不会把它当成不会出错的神，只会把它当成一个只说有依据的话、肯标出处、但不替你拿主意的研究助理。

为什么要把SEO研究的反馈链路缩短到7天？

写到这里，真正想说的并不是“怎么抓公众号”，那只是具体动作。

这一行最常说的话之一是“下次一定”。收藏一篇竞品拆解，“下次一定研究”；关注一个不错的外贸号，“下次一定追”；存了一套GEO课程，“下次一定学”。但“下次”不会自己到来。这句话起的是自我安慰的作用，把“我还没动手”说成“我准备动手”，让“我还在进步”的错觉再撑一晚。

收藏夹会变成坟场，跟文章质量无关：我们一直在用“收藏”这个动作代替“研究”这个动作。手指点一下，心就安了，对手却没有停下来等你。

NotebookLM替代不了研究，但它提供了一个兜底，让“读完”真的能发生。这篇文章做的，就是帮你把竞品文章里的认知取出来，再放进自己的脑子里。

学习和研究没有那么神圣，需要的不是更大的决心，而是更短的反馈链路。先把链路缩短到7天，然后去建你的第一个笔记本。

常见问题解答

抓取竞品公众号文章，会不会有法律或封号风险？
只抓自己筛选过、用于个人学习研究的少量文章，不批量爬整个号，也不二次发布，风险很低。真正的红线是把抓来的内容改头换面当作原创发布，这不只会带来封号问题，还会被Google的原创性更新打击。原则很明确：抓取是为了看懂对手、做出更好的内容，不为搬运。

不会写Python，能跑通抓取这一步吗？
完全可以。整个抓取脚本一行都不用自己写：把链接整理进一个文本文件，连同一句自然语言指令交给Claude Code这类AI编程助手，它会自己安装依赖、编写脚本并运行，你只需要检查结果。这就是2026年用AI的方式：把任务描述清楚，不必亲手实现。

NotebookLM和直接用ChatGPT总结，到底差在哪？
最大的差别是引用回溯。NotebookLM的每句回答只基于你上传的资料，并标注来源，可以点击跳回原文段落；ChatGPT会调用通用知识来填充，容易产生看似合理、实则编造的内容，你也无法验证。对需要依靠数据做决策的SEO从业者，能不能溯源这一点尤其重要。

为什么强调用Markdown而不是PDF上传？
NotebookLM两种格式都支持，但Markdown的引用回溯精度更高，能精确引用到具体段落，PDF往往只能引到一整页。做SEO研究讲究“这句话出自哪里、可不可信”，段落级溯源比页面级实用得多。

国内用不了NotebookLM怎么办？
NotebookLM是Google的产品，国内访问需要自行解决网络可达性。如果不方便，这套“抓取干净Markdown加引用回溯研究”的方法本身是通用的，可以换成国内能用、同样支持来源溯源的工具，关键在流程，不在具体软件。