| 1 现阶段，Ai就是流量入口 今年年初，因为deepseek的爆火，给AI又加了一把火，很多对于ai只是浅尝而止的人，也开始用上Ai了。当然了，AI对于我们工作帮助的确大，我现在很多的工作也是用Ai辅助完成的。 我的老本行是SEO，后来才慢慢地涉及到了付费推广领域，但是SEO也是我工作的一部分。 最近一些时候，我能够频频看到一些商家开始用deepseek来做广告。大体上也就是询问AI，厦门最好吃的某产品有哪些，然后AI回答，是某某某，然后老板很欣喜的将其截图发朋友圈了，是真的还是P图的就不知道了。 不过我们可以看得出来，这个现象背后的一个需求就是，很多用户的搜索习惯，已经从传统的搜索引擎搜索，转向了AI搜索。而AI的回答推荐，也就成了很多商家必须要争取的一个品牌曝光和网站流量入口。 AI本质上来说，就是以搜索作为信息处理的底层逻辑，再加以归纳总结生成新的内容。大部分AI都是以自建部分的索引库加上实时的网络爬虫的模式（当然了，有一些可能是与搜索引擎达成合作，接入搜索引擎的API获取数据）。这就给了我们一个可以操作的空间。 2 GEO的影响因素有哪些？ 在去年，已经有人给我们提出了方法论。2024年6月，印度理工学院德里分校、普林斯顿大学的研究者发表了论文《GEO: Generative Engine Optimization（生成引擎优化）》。 论文当中提出了给生成式搜索引擎提供标准框架以及方法论等等，感兴趣的朋友可以自己去查阅一下原文，也可以找我要一下PDF文件。这边着重聊一下GEO的优化方式。 我们知道，传统的SEO优化手段主要就是增加关键词的密度与布局、优化网站的结构、内外链的策略、内容的更新等等。而在论文当中，也提出了9种可能会影响到GEO的因素： 权威性（Authoritative）：修改源内容文风，让他更有说服力，并提出更具权威性的主张。比如你原来的写作风格是像旅游日记的，现在改成论文样式。 关键词堆砌（Keyword Stuffing）：这个就是传统SEO的方法了，就是增加文章当中的关键词密度，主要是基于TF-IDF算法。 统计数据添加（Statistics Addition）：以包含定量统计数据来替代定性讨论，尽可能添加数据，比如以前是提升了很多，现在改成提升40%； 引用来源（Cite Sources）：标注内容的来源，比如是来源于某某行业研究会的某篇期刊。 引文添加（Quotation Addition）：跟小学写作文一样，加上某某名人或者行业专家说的； 简单易懂（Easy-to-Understand）：简化网站语言，把复杂专业的用语替换成通俗易懂的文字； 流畅度优化（Fluency Optimization）：优化文本流畅度，使句子衔接自然，表达清晰； 独特词汇（Unique Words）：在不改变内容意思的情况下，增加独特少见的词汇，增加内容的吸引力，比如正常形容食物香气，都是用浓郁，但是你用馥郁，这个就是独特词汇。 专业术语（Technical Terms）：这个和独特词汇类似，在专业领域，增加专业词汇来提高内容的专业性。比如什么双缝干涉实验。 在经过了实验之后，最终得到能够影响AI回答的因素，除了堆砌关键词和增加独特词汇之外，其他的七个因素都有效果，大概可以分为三大块。 第一块是增加相关元素： 增加统计数据：在内容当中尽可能的融入定量统计数据而非仅仅做定性讨论。比如AI是否会取代传统引擎这种内容，我们可以加入一些数据，在过去三年当中，AI的使用人数上升了70%，而传统搜索引擎的使用人数降低了20%（我随便编的）。这种数据就能够有效地增加内容在AI回答当中的可见性。这种相对改进可以达到65.5%。 增加可靠的引用来源：给内容增加可靠的内容源的引用和参考文献。比如在讨论Ai是否会取代传统引擎的时候，我们可以加入一个根据国际AI研究小组调查，然后后面接上统计数据（也是编的）。这种可以让内容可见度大幅度提升，相对改进达132.4%。 增加引用语：在将一件事情的时候，增加相关的、有价值的引用语，比如名人名言，或者当事人的言论，来增加内容的真实性和深度。比如某某专家说，比如李白曾经说过，比如芙宁娜和那维莱特曾经发表过以下演讲。 增加专业术语：这个看似与简化语言相悖，实际上还是有差异的，简化语言更多的是不要把简单的东西复杂化，把正常的东西加密了。而增加专业术语更多的是指在例如医学、金融、法务等领域使用更专业的术语。 提取更权威的主张：所谓文风更权威，不是指假正经，而是摆事实讲证据提出更有利的主张。比如李宗伟是否获得奥运冠军。李宗伟虽然未曾获得奥运冠军，但是他获得69个冠军和34个亚军，排名世界第一的时间超过350周，并且连续6年获得年终世界第一，足以证明他的实力。通过这种调整，相对改进达89.1%。 第二块是优化语言的表达： 提升语句流畅度：把原有的语言做优化，让句子的衔接更自然一些，表达更清晰一些。很多内容都毕竟的复杂拗口或者山东人喜欢的倒装句：干嘛了您这是？改成您这是干嘛了。当然了，更复杂的比如：对于AI生成式的原理技术，在理解上存在一定的难度。修改为：AI生成式的原理比较复杂，理解起来有一定难度。这种修改在生成式引擎上，相对改进达15%-30%。 简化语言：把一些简单移动的语言重新表述，把专业概念复杂术语用通俗语言替代。我记得前一些年头条号在评选青云计划的时候也有这么一个要求，内容是给人看的，太过专业只会曲高和寡，让更多的用户轻松理解才能提高内容在生成引擎中的可见性。这种例子的话，做运营的应该很多，什么抓手、赛道、破圈、下沉、痛点、钩子、赋能之类的。 第三块是根据不同场景调整策略： 根据行业领域特性调整：以上方式并非一定要全部都塞到一块去，可以根据自己行业领域的特殊性或者想要撰写的内容的特性去调整。在法律、金融相关领域，添加统计数据，在历史、人文领域，增加引用和引用语等等。 网站排名因素：论文作者在测试的时候，是才用了google搜索引擎前五个搜索结果来作为考量。但是有趣的是，引用来源方法导致在结果页中排名第五的网站的内容可见度大幅提高了115.1%，而平均而言，排名第一的网站的内容可见度反而下降了。这给了无法在传统搜索引擎当中与大公司竞争的小公司和个人更多的曝光机会。 3 GEO具体应该如何实施落地 接下来说说，怎么将上面的东西应用在实际当中，这边以我经手过的化工行业平台为例。 内容优化：提升权威性与AI引用概率 强化权威数据引用 在行情分析、行业报告当中注明数据来源，嵌入权威机构的链接，增加可信度。当然了，更优的策略是抢占AI知识源的上游地位。自己发布白皮书和研究报告，提升被AI引用的概率。这个会极大地提升品牌可信度。至于白皮书深度如何，这个AI不会太关心，首先你得有。 发布专家的论文、文章、邀请专家来做座谈会。当然了，与其邀请专家，不如自己打造专家团队，也就是所谓的塑造个人IP。AI不会去考量这个专家的影响因子，更多的还是看这个专家的title。 结构化语言与多场景覆盖 将原有的关键词去做更多的问答式长尾关键词，从而匹配用户自然语言搜索习惯。其实这个蛮多平台类的网站有做，也就是问答模块。问答的内容不需要像文章那样严肃，能够更口语化，应用和覆盖的范围更广。 针对某一个需求，覆盖用户决策旅程的各环节需求，在内容当中预设多维度的解答，多场景的应用方案。例如用户想要求购t30s聚丙烯。那么就可以从价格比较、物性参数、替代牌号、应用领域、运输方式等多角度多数据多场景去回答。这种具体场景的解决方案，能够适配AI生成答案时对实证数据的需求。当然，其实现在不少平台也已经有类似的功能上架了，这一点在未来的GEO里是有优势的。 数据可视化与简洁化 将复杂的产业数据提炼出来，转化为图标和动态模型，搭配文字解析。这样不仅可以方便用户的阅读，也更有助于AI抓取关键信息，提升AI的解析效率。 技术优化：提高AI抓取的效率与友好性 结构化数据标记 使用JSON-LD标记平台核心功能模块，定义属性标签（例如priceRange、materialType等），帮助AI快速识别内容的主题。 对于一些平台的特色功能，添加微数据（Microdata），直接嵌入HTML标签的特性更适合动态页面，降低生成式引擎的数据解析复杂度。Microdata标注的sameAs（关联权威页面）和citation（参考文献）属性，也能够帮助生成式引擎验证信息来源可信度。 移动端性能优化 这个也是传统SEO就要做好的事情，与百度的闪电算法要求一样，移动端网页的加载速度压缩到2秒以内（Google核心指标要求是首屏加载1.5s以内）。使用MIP或者AMP（或者更通用的Core Web Vitals优化）等加速方案对网页进行综合加速，提升AI抓取频率。 利用网站内部的链接，将高权重页面和功能页面做交叉引用，比如行业报告专家讲座的页面与查询报价供求匹配的页面做交叉，通过锚文本，爬虫会识别两者的主题关联性，建立更紧密的内容语义网络。权威页面的权重会流向功能页，功能页对于用户的功能满足也会反哺权威页的质量评分。 可以看得出来，其实如果你的网站以前就有比较良好的SEO基础的话，那现在做GEO会省去很多功夫。很早以前就有说过，搜索引擎的终极形态就是问答，用户有问题，就能够有答案，现在来看，就是AI了。 大型语言模型（LLMs）不依赖传统的关键词匹配机制，而是以上下文和语义关系分析为主，这就导致了传统SEO以关键词密度为核心的优化方式失效。但是这并非是说他不需要关键词了，关键词依然作为语义锚点发挥作用，曾经的搜索词只不过是现在变成了提示词罢了。 |
广告
广告
广告
搜索
发文
0
评论
点击查看更多