谷歌搜索在电商领域正在失去相关性,亚马逊首页流量也在下降。未来属于ChatGPT、Claude和Perplexity等AI助手。品牌要保持可见性,必须拥抱生成式引擎优化(GEO),也称为大语言模型优化(LLMO)或答案引擎优化(AEO)。内容仍然是王道,但规则已经改变。
昨天,购物者还在浏览;今天,他们开始提问。消费者不再滚动浏览无穷无尽的菜单或筛选产品网格,而是转向AI助手——而AI的答案驱动着他们的购买决策。
零售业的新入口已经开启,但它不再属于零售商、谷歌或亚马逊,而是属于ChatGPT、Claude、Gemini和Perplexity。对零售商来说,这个转变的风险前所未有。
首页的终结
正如媒体网站曾经因为谷歌和Facebook而失去首页流量一样,零售商现在也面临着同样的转变——只是速度更快。消费者不再浏览你精心设计的网站;他们在向AI助手提问。"我附近最好的户外夹克"不再是查询方式。相反,有人可能会问:
"我今年夏天要在塞拉山脉徒步太平洋屋脊步道的部分路段——每次2-3天。我应该买什么夹克?"
ChatGPT会这样回应:
Outdoor Research Helium——超轻量,非常适合长途徒步者
Arc'teryx Beta Lightweight——高端、多功能、在暴风雨中可靠
Patagonia Storm10——简约但坚固
与此同时,Claude建议:
最佳选择:Patagonia Torrentshell 3L(99-129美元)
预算选择:REI Co-op Rainier(69美元)
超轻选择:Outdoor Research Helium(149美元)
Claude或ChatGPT拥有决定什么会被发现的权力,这个位置以前只有谷歌拥有。
但是Mammut、Columbia或The North Face在哪里?这些品牌拥有优质产品,却缺席了。原因是什么?训练数据。模型根据它们接触到的内容提供答案。Patagonia、REI和Helium在向AI系统提供结构化、高质量信息方面做得更好。如果你的品牌不在AI答案中出现,你实际上就是隐形的。
GEO > SEO——生成式引擎优化接管
如何在这个新的电商秩序中获得关注?内容、内容、内容。但是,旧的SEO手册——关键词、反向链接和垃圾博客——不会奏效。AI助手不会爬取短格式内容。它们依赖真实的、富含问答的、结构化数据来帮助它们理解和语境化答案。
进入生成式引擎优化(GEO),也称为答案引擎优化(AEO)或大语言模型优化(LLMO)。规则已经改变:
大语言模型更喜欢设计用来回答细致入微、情境性问题的内容。
结构化、机器可读的数据比关键词填充更重要。
品牌必须教会模型他们是谁,如果他们想要被发现的话。
为什么品牌应该关心生成式引擎优化
AI驱动的流量在数量上仍然很小——但其影响却是巨大的。研究显示,来自大语言模型的流量转化率比其他渠道高达9倍。
为什么?因为推荐感觉个性化、有语境且值得信赖。一个例子很突出:一个消费者将他们的血液检测结果上传到ChatGPT,立即购买了价值200欧元的维生素——没有浏览,没有比较,纯粹的信任。
时机很重要。很快,大多数大语言模型将引入付费展示位渠道。今天有机提及的品牌明天将享有持久的竞争优势。获得这种优势的窗口就是现在。
建议一:找到正确的问题
二十年来,我一直在构建数据和监控工具——我以前见过这种情况。在社交媒体的早期,品牌痴迷于测量提及次数,而没有问更深层的问题:我们到底应该测量什么?
再看夹克的例子。如果用户专门问,"市场上最轻的夹克是什么?"答案可能是Montbell Versalite。但用户会问这些超级具体的问题吗?我们不知道,OpenAI或谷歌也不会告诉我们。
因此,品牌面临的挑战是预测用户会寻找什么。有一点是肯定的,它不会是公司推出的营销文案。相反,应该利用:
客户支持工单
社区论坛
社交媒体对话
用户访谈
不要急于开始监控你的品牌,而要努力理解要监控的最佳问题集。
建议二:专注于独特内容
训练大语言模型是昂贵的——埃隆·马斯克最近透露他每月在训练xAI上花费10亿美元。模型不会索引每个内容;它们优先考虑真实、新颖和可信的信息。
你的目标不仅仅是可搜索。过去仅仅需要"关键词"的时代已经结束。你需要让模型知道你是谁,这样你就成为它们默认答案集的一部分。
品牌的新生成式引擎优化手册
在AI助手完全开放付费展示位之前,有机可见性取决于创建专为大语言模型学习而设计的内容:
利用真实的客户语言
基于来自支持工单、论坛和用户反馈的真实问题创建内容。
使用结构化问答格式
组织产品和帮助页面,让大语言模型能够轻松解析。
将FAQ集成到产品页面
将富含语境的答案直接放在决策发生的地方。
优先考虑信任和透明度
经过验证的、简洁的、来源可靠的信息获胜。
首页不是在消亡——它已经过时了。发现之战已经转移到AI助手,获胜者将是那些学会为答案而非点击进行优化的品牌。零售业的未来属于那些有独特故事可讲的品牌。正如我不止一次说过的,"未来是独立的"。
Q&A
Q1:生成式引擎优化GEO是什么?
A:生成式引擎优化(GEO)是一种新的营销策略,也称为大语言模型优化(LLMO)或答案引擎优化(AEO)。它专门针对ChatGPT、Claude等AI助手进行内容优化,让品牌在AI回答中获得更高的可见性和推荐机会。
Q2:为什么传统的SEO方法对AI助手无效?
A:AI助手不像搜索引擎那样爬取关键词和短内容,它们更依赖真实的、富含问答的结构化数据来理解和提供答案。传统的关键词填充、反向链接等SEO手法无法让品牌在AI回答中出现。
Q3:品牌如何实施生成式引擎优化策略?
A:品牌需要利用真实客户语言创建内容,使用结构化问答格式,将FAQ集成到产品页面,并优先考虑信任和透明度。重点是基于客户支持工单、社区论坛等真实用户反馈来创建内容。
好文章,需要你的鼓励
四川大学研究团队发现,当前先进的AI模型在面对信息不完整的数学问题时,缺乏主动询问澄清信息的能力,更倾向于基于假设给出答案。
中南大学等机构联合发布TextAtlas5M数据集,包含500万图像-文本对,专门解决AI长文本图像生成难题。该数据集平均文本长度148.82词,远超现有数据集,涵盖广告、学术、教育等真实场景。配套的TextAtlasEval基准测试显示,即使最先进的商业模型也面临显著挑战,为AI图像生成技术指明了新的发展方向。
从11岁就梦想造人形机器人的Bernt Bornich,用'huggable'形容他的Neo Gamma机器人——这个能举起150磅的66磅'运动员',正以家庭为试验场突破AI学习瓶颈:'工厂20小时就触及学习天花板,而家庭环境的多样性才是通往AGI的钥匙'。
剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench,包含100道精心设计的视觉推理题目。在这项测试中,包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分,暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败,而非逻辑推理能力不足。