大多数商业领袖尚未察觉,但人们在线查找信息的方式已发生根本变化。一项最近由 Bain & Company(贝恩咨询公司)进行的研究发现,如今 80% 的消费者至少在 40% 的搜索中依赖 AI 摘要,传统网站的点击量最多下降了 25% 。
Google 正在引领这一变革。其 “AI Overviews” 功能已经面向超过十亿用户提供服务,在用户点击链接前便给出完整答案。
其他厂商也在迅速崛起。ChatGPT、Microsoft Copilot 和 Perplexity 正在创造一种全新的 “答案引擎”,完全绕过传统搜索结果。
如果您的企业未出现在这些 AI 生成的答案中,即便在传统搜索结果中排名靠前,潜在客户也可能永远无法发现您。
从 SEO 到 GEO——这究竟意味着什么?
搜索引擎优化(SEO)长期以来一直是数字可见性的基石。如今,生成式引擎优化(GEO)正作为其重要的补充崭露头角。
传统的 SEO 聚焦于针对特定关键字,以便 Google 可以找到您的网页。而新的 GEO 方法则着重于撰写能够彻底解答实际问题的内容,这样 AI 系统就可以引用您的专业知识。
在 SEO 中,我们添加了用户几乎察觉不到的元标签。而对于 GEO 来说,元数据要求加入清晰的标签,使 AI 明确知道每个页面的内容。
SEO 的成功是通过统计来自搜索结果的点击量来衡量的;而 GEO 的成功则体现在 AI 工具提及您页面或链接回您内容的频率上。
不用担心技术细节——现在大多数网站平台都提供能够自动添加这些标签的插件。
为什么营销人员不能忽视 GEO
流量正在发生转移。那些没有 AI 可见性策略的公司,正因为用户直接从 AI 获得答案而遭遇搜索引擎流量的两位数下降。
法律环境也在迅速演变。像 The Guardian(卫报)这样的主要出版机构已经与 AI 公司建立了战略合作伙伴关系,以确保适当的内容归属和流量分配。
其他媒体,例如 The New York Times(纽约时报),则因未经授权使用其内容而采取了法律行动。
对大多数企业,特别是中小型公司而言,出现在 AI 答案中意味着宝贵的免费曝光和品牌认知度的提升。
同时,一个全新的服务生态正在形成。数字代理机构现在开始提供 “AI Readiness” 评估和 GEO 服务,帮助企业适应这一趋势。
一份简单明了的 GEO 检查清单
以下是一些 GEO 的最佳实践:
回答最显而易见的问题。首先观察客户在邮件、社交媒体和评论网站中实际提出的问题,创建专门页面直接且详尽地回答这些问题。某个当地牙医就创建了一个名为 “How Much Does a Crown Cost?” 的简单页面,页面中透明地展示了定价及影响费用的因素——如今,当本地用户询问牙科服务价格时,该页面便经常被 AI 引用。
使用清晰的标题和简短的段落。使用明确的标题、言简意赅的段落和简单的语言,这有助于 AI 系统理解您的内容并准确引用。
一次性添加幕后标签。实施基本的结构化数据(也称为 schema markup)为您的内容添加标签,这向 AI 明确说明您提供的是哪类信息:例如 FAQ 页面、操作指南、产品信息以及诸如营业时间和地点等业务详情。市面上已有相应的插件可供使用。
允许受信任的 AI 机器人访问。更新您网站的 robots.txt 文件,明确允许 OpenAI 的 GPTBot、Google 的 AI 系统等合法 AI 爬虫访问,同时继续屏蔽不良抓取程序。
在受信任的网站上赢得提及。AI 系统优先考虑可信来源的信息。您可以通过在行业出版物上撰写客座文章、在播客中露面并附上文字记录,以及在知名新闻媒体中获得提及,来提升您的权威性。
保持页面的新鲜度。AI 工具强烈偏好最新、经常更新的信息。定期用最新数据、日期和统计数字来刷新您的核心内容。
关注 “引用份额”,而不仅仅是点击量。现有新工具可追踪您的品牌和内容在 AI 回答中出现的频率。免费浏览器扩展能显示 ChatGPT 的引用,而专门的仪表盘则可以跨多个 AI 平台追踪提及情况。
如果您置之不理会怎样?
对于大多数企业而言,忽视 GEO 的影响不会立刻显现,而会逐步导致可见性和相关性的下降。
随着更多消费者转向 AI 辅助搜索,那些未被 AI 系统引用或提及的公司将会经历来自搜索引擎流量的下降,以及新客户中品牌认知度的降低。同时,竞争对手将通过解答本可以由您回答的问题而占据市场先机。
目前那些快速行动的公司,正逐步确立自己为 AI 今后多年将持续引用的默认信息来源。
总结
搜索格局正从 “寻找信息” 向 “获取答案”转变。生成式引擎优化(GEO)实际上就是确保您的企业成为这些答案的一部分。
通过聚焦于结构清晰、内容有用且技术完善的信息,您可以无论用户如何检索——无论是在搜索框内输入、使用语音助手,还是与 AI 对话——都始终保持可见性。
对大多数企业来说,其实原则并不新鲜:那就是创造对受众真正有价值的内容。而变化的是内容的发现和消费方式。
迅速适应变化的公司将继续与客户保持紧密联系,而忽视这一转变的公司则将面临越来越难以被找到的风险。
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。