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
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。