GEO 和 SEO：关于狂热和恐慌

ChatGPT和其他生成式人工智能工具的爆炸性崛起从根本上改变了我们在网上搜索信息的方式。

这些工具提供了一种更快、更简化的获取知识和内容的方式，常常超越了我们几十年来所熟悉和依赖的传统搜索引擎。大型语言模型（LLMs）并非没有缺陷。但它们通过对话式搜索支持快速学习和问题解决的能力产生了重大影响。

它们还为新的使用场景打开了大门——如编码帮助、语言学习、辅导，甚至提供一种陪伴感。这些功能共同重塑了许多人搜索、学习和获取信息的方式。对许多用户来说，LLMs越来越感觉是比传统搜索引擎更有效的起点——特别是当任务需要清晰度、语境或对话体验时。

当大型语言模型（LLMs）成为搜索的起点时，搜索引擎优化（SEO）会发生什么变化？

由Dr. Kevin Matthe Caramancion博士的近期研究证实了这一转变。用户通常更倾向于使用LLMs而非传统搜索引擎来完成需要以下内容的任务：

• 细致入微的理解
• 解释说明
• 或个性化的对话式回应

而对于简单的事实查询，传统搜索引擎仍然更受欢迎。这种搜索行为的改变引发了媒体的热烈讨论和数字营销行业的紧迫感。

LLMs可能最终取代谷歌——甚至完全颠覆传统搜索及其相关SEO的观点，引发了媒体狂热和投机热潮，尤其是在那些寻求在AI搜索可见性中占据优势或抓住新趋势机会的人群中。

新的AI搜索工具和初创公司如雨后春笋般涌现，受到“传统SEO已过时”这一流行论调的推动。人们认为只有新颖的方法，如生成引擎优化（GEO）或答案引擎优化（AEO），才能应对挑战。

对于企业主、营销人员和SEO专业人士来说，学习优化AI搜索无疑是重要的。

然而，认为这种新服务意味着SEO不再重要的说法，是我在SEO行业15年多来见过的最不准确和不负责任的框架之一。优化AI搜索至关重要。它需要新的、进化的技能，跟踪和报告，以及更新的知识，但这并不意味着SEO已死。

始终质疑你的营销建议来源——尤其是在人工智能崛起的背景下

首先，重要的是要质疑这些宏大说法的来源。

讽刺的是，许多几个月前出现的、没有实体背景的机构，推销针对AI搜索的夸大解决方案，本身似乎就是人工智能生成的。

它们使用AI设计的标志和AI自动化的营销活动，做出重大承诺，但几乎没有证据证明这些“公司”在AI答案的可见性方面有任何实际经验。

数百名自称的“生成引擎优化（GEO）专家”突然涌现，每个人都宣称拥有在这一存在不到两年的营销领域中解锁可见性的秘密钥匙。他们声称自己是优化每天都在通过强化训练、模型更新以及新功能和整合而不断进化的技术的专家。

考虑到AI的广泛热潮，这一趋势并不令人意外。

这种热潮积极推动了AI解决方案的创建，旨在取代传统企业、替换团队并自动化其工作流程。这些销售说辞可能会迷惑那些急于赶上AI潮流的公司，而它们并未完全理解所售内容的含义或风险。

我们无疑正处于一个更多由炒作和紧迫感而非真正实质推动的循环中。

许多人正在利用人工智能兴起带来的恐惧、不确定性和怀疑情绪，这些情绪席卷了营销界。这种恐慌性信息在高管层面尤其有效。

领导团队正试图理解AI搜索将如何影响他们的品牌，以及他们的内容如何适应这一新格局。

这为现有的SEO团队提出了更基本且关乎存亡的问题。如果用户开始青睐大型语言模型（LLMs）的直接答案而非浏览搜索结果，这对传统搜索引擎优化意味着什么？现实比恐慌信息所暗示的要复杂一些。

是的，AI搜索正在我们行业引发巨大转变。

是的，优化答案引擎（AEO）需要一套新的工具、技能和考量。

但这并不意味着SEO已死——或者SEO从业者几十年来依赖的方法突然变得无关紧要。

事实恰恰相反：以正确方式开展工作的SEO团队在推动内容和品牌出现在AI搜索结果中具有重大优势。在帮助客户迈向AI搜索未来的过程中，几乎没有比那些在搜索引擎中获得可见性经验的专业人士更有资格的了。

披着AI外衣的SEO最佳实践

随着我们对AI搜索运作方式以及大型语言模型（LLMs）如何检索和综合信息的了解加深，越来越明显的是，许多产生AI搜索可见性的策略实际上是常见的SEO方法，只不过现在披上了闪亮的“AI”外衣。

如果说有谁在应对日常变化方面拥有独特的技能和经验，那无疑是SEO专业人士。

以下是我看到的一些常被推荐为AI搜索可见性“灵丹妙药”的策略，以及为什么它们实际上只是针对AI搜索更新的标准SEO方法：

聚焦于查询扩展过程中生成的对话式长尾搜索

当然，许多新工具和方法现已存在，可以直接收集和/或模拟LLMs（尤其是谷歌的AI模式）使用的查询扩展（query fan-out）过程。

其中一些工具甚至能在ChatGPT搜索期间直接从Google Chrome开发者工具中提取关键词，从而提供令人惊叹的洞察。

正如Mike King在相关文章中详细解释的，查询扩展确实使用了新技术，根据意图、个性化、定位等生成相关问题。

但从根本上讲，SEO从业者多年来一直在进行这类查询研究。我们不是早在2015年语音搜索兴起时就痴迷于对话式搜索吗？

我们不是在2018年左右为了同样的原因开始在对话式内容中加入Speakable标记吗？

我们不是在2016年左右使用过像Answer the Public这样的长尾关键词研究生成工具，或者在2019年使用过Keyword Shitter和AlsoAsked吗？

流程、工具、技术考量和方法论在不断演变（就像SEO中的一切一样）。

尽管如此，研究、构思和优化查询扩展的根本方法几十年来一直是SEO工作的核心。

多模态搜索

AI搜索的一个重要方面是，大型语言模型（LLMs）能够处理和理解来自图像、视频和音频的信息，而不仅仅是文本，这意味着AI搜索是“多模态”的。

但是，用Barry Schwartz的话来说，这显然“并不新鲜”。

多年来，将内容重新调整为不同格式，并通过不同的发现方式获得可见性和知名度，一直是SEO的基本方法。

Ross Simmonds在2019年的MozCon上就这一主题进行了演讲，随后还推出了精彩的Whiteboard Friday系列。

SEO一直在推动我们：

• 优化图像。
• 创建视频字幕。
• 确保音频内容的可访问性。

想想我们长期以来如何为谷歌图片搜索和谷歌Lens优化图像——或者YouTube视频如何持续出现在标准搜索结果中。谷歌从2019年开始索引播客内容，将播客转变为有机发现的宝贵来源。许多人可能认为这项工作更属于“社交媒体”领域，而非SEO。事实是，SEO和社交团队早就应该协同工作。我们机构的社交媒体团队使用社交聆听工具，为我们的SEO部门提供以下信息：

• 社交用户对我们客户的评价。
• 不同社交平台上流行的话题。

我们的SEO团队也为社交团队提供以下见解：

• 哪些内容在社交平台上产生最多互动。
• 搜索中流行的话题。
• 利用社交媒体支持和放大我们的内容，以在搜索和发现中获得更好的可见性。

我们都使用像BuzzSumo和SparkToro这样的工具来了解我们的受众在哪里花费最多时间，以及哪些内容最能引起他们的共鸣。

Digital PR

突然间，“品牌提及”和“实体权威”成为AI搜索的热门词汇，因为大型语言模型（LLMs）优先考虑来自可信、引用良好的来源的信息。

这听起来非常像——digital PR。

观察AI搜索中几乎任何品牌的被引用最多的域名和页面，就能看出数字公关在获得AI可见性方面的重要性。例如，以下来自Profound的截图显示了七个大型语言模型中品牌“Canva”最常被引用的域名。

对于像Canva这样的公司来说，在可信的第三方评论网站和目录上获得积极的品牌提及显然对AI搜索可见性至关重要。

然而，这一事实的某种形式至少自PageRank诞生以来一直是SEO的基础。

链接、提及、共同引用和整体品牌认知度一直是健康SEO表现的基本要求。

一些SEO团队比其他团队更注重数字公关和链接建设，有些甚至直接与外部公关团队或机构合作。

在可信的第三方网站上获得链接、提及和可见性几十年来一直是SEO讨论的核心部分。

这也是众所周知的——尽管有时令人尴尬的——“站外”SEO子类别最初的来源。

内容优化

这一点几乎有些滑稽。我看到的一些针对大型语言模型（LLM）友好的“新”内容建议是什么？

• 写得清晰明了。
• 直接回答问题。
• 使用常见问题解答（FAQ）和问答（Q&A）格式。
• 使用结构化的标题。
• 将内容分成易读的段落和片段。
• 聚焦于实体。
• 提供易于扫描的项目符号。
• 引用你的来源。

听起来耳熟吗？

嗯，没错。这些建议实际上是SEO从业者几十年来为有效的页面优化（on-page optimization）所提供建议的更新版本。

在AI概述或聊天机器人回复中表现最佳的内容，往往正是已经针对以下内容优化的内容：

• 精选片段（Featured Snippets）。
• “人们还问”（People Also Ask）框。
• FAQ和Q&A部分。
• 面向人类用户的一般可读性。

SEO专家Dawn Anderson的近期评论恰如其分地指出：

Cindy Krum在2019年MozCon上提出了“Fraggles”这一术语，她通过结合“fragment”（片段）和“handle”（句柄）创造了这个词。

她的理论早于AI搜索多年，解释了谷歌如何已经开始索引和利用页面中的“片段”或“内容块”，并使用“句柄”直接链接到这些特定部分。

将长页面分解为更小的可索引单元（比如段落？）以更好地服务于用户意图（例如精选片段）的想法，在很多方面是AI模型现在合成答案的基础。

LLMs进行“段落排名”或提取精确答案的想法并非完全开创性或生成式AI独有的。它实际上是谷歌多年前就开始追求的内容分割和检索的放大、进化且更复杂版本。

谷歌在“Your RAGs powered by Google Search technology, Part 2”中证实了这一点，解释了像Vertex AI Search这样的现代检索增强生成（RAG）系统如何使用最初为谷歌搜索开发的技术——具体来说，将文档分解为更小的可索引段落，并根据相关性重新排名。

这一过程涉及深度重新排名和智能内容提取，确保LLMs仅接收最相关、简洁的段落，与谷歌搜索历史上提取精选片段和索引段落以满足精确用户意图的方式非常相似。

注： 以上内容并非意在否认或贬低像Mike King、Dan Petrovic、Andrea Volpini、Dan Hinkley、Ryan Jones、Kevin Indig、Gianluca Fiorelli等技术SEO专家在研究LLMs实际工作原理方面的卓越工作。

他们通过专利分析、现实测试以及对AI系统如何解释和综合信息的详细分解，探索段落索引、分块、自然语言处理（NLP）、查询扩展、知识图谱等核心AI概念，这些努力为整个行业的发展做出了宝贵贡献。

跨平台可见性

AI搜索的一个重要特点是，大型语言模型似乎大量参考以下来源的信息：

• 多个平台
• 数据源
• 论坛
• 用户生成内容网站

AI搜索并非仅从单一来源提取信息。LLMs从网络各处获取信息，包括：

• 论坛
• 社交媒体帖子
• 云文档
• 随机问答网站

像ClickUp的Connected Search或微软的Azure AI Search这样的工具是很好的例子。

它们能扫描Google Drive、Dropbox和公司内部文档等应用，找到回答用户查询所需的确切内容，无论查询如何表述或信息存储在哪里。

得益于自然语言处理的进步，AI驱动的系统在处理杂乱的混合数据类型（如PDF报告、Reddit帖子和博客文章）方面也越来越出色。LLM驱动的工具更像是智能聚合器，从多个平台提取答案，而非依赖单一网站或搜索引擎。

虽然这一演变为SEO和AI搜索专业人士带来了一些新影响，但它与我们多年来帮助客户在受众可能发现他们的所有地方出现的努力并无太大不同。例如：

• 电商SEO多年来一直在为亚马逊、eBay、Etsy和沃尔玛等网站进行优化，更不用说产品feed和Merchant Center的优化了。
• 专注于新闻的SEO从业者几十年来一直在优化Google Publisher Center、RSS和“关注”源，以及其他新闻聚合器的优化。
• 许多SEO从业者多年来通过TikTok、YouTube、Instagram Reels和其他视频网站推动品牌知名度、流量和销售。
• 在Reddit和其他小众论坛上监控和获得提及、链接及正面声誉至少15年来一直是SEO 的核心组成部分。（2010年，我职业SEO的第一年，很大一部分时间实际上花在Reddit和其他论坛上获取链接。）

我们也不应忘记：

• 长期以来针对Apple App Store和Google Play Store的应用程序商店优化（ASO），以确保移动应用的可见性。
• 持续努力在谷歌图片搜索以及Yelp和TripAdvisor等专用本地目录中排名。

本地搜索和NAP一致性

大型语言模型——特别是谷歌的AI模式——大量引用和参考从Google Maps和其他商业目录中提取的本地商业信息。虽然AI搜索和向谷歌AI模式的转变可能使本地SEO比以往任何时候都更重要，但其许多核心策略几十年来一直是必不可少的，例如：

• 确保NAP（名称、地址、电话号码）一致性。
• 优化Google Business Profiles。
• 管理评论和图片。
• 其他本地SEO实践。

目录提交，记得吗？

它可能感觉像是古老的SEO历史，但不知怎的，它仍然同样重要。

使用结构化数据

许多针对AI搜索的指导建议使用清晰且强大的结构化数据，以帮助LLMs更好地理解内容。

虽然关于LLMs在多大程度上实际使用结构化数据来理解内容仍存在争议，但有强有力的论据支持其未来重要性，例如Schema App的Mark van Berkel曾专门撰文讨论这一问题。

尽管如此，融入清晰且强大的结构化数据对SEO专业人士来说绝不是新建议。

多年来，使用结构化数据——特别是以生成丰富结果和提升点击率的方式——一直是SEO过程的重要部分。

不过，关于结构化 数据对LLM和AI可见性的重要性仍存在持续争论。结构化数据专家Jono Alderson表示：

“目前还不清楚今天的（或未来的）AI工具是否或如何使用结构化数据——无论是schema.org还是其他完全不同的东西。但我们知道的是，当它们解析我们的HTML标记时，会试图‘理解’它。”

“因此，如果这些标记包含方便结构化、易于分词、强化描述的页面重要属性和特征——以一种也对其他系统有益的方式——那么对我来说，这感觉是一项不错的投资。”

结构化数据专家Jarno van Driel解释道：

“页面结构化数据的作用随着LLMs的出现并未改变。它仍然主要是为了（对搜索而言）一直以来的目的，即以成本效益高的方式丰富搜索引擎（主要是谷歌）的结果。但除此之外，页面结构化数据实际上并没有太大作用。”

“除非为特定功能创建了标记，否则标记的存在不会带来任何效果，因此在实践中，这意味着没有必要超出谷歌在其结构化数据文档中提到的内容，而许多人似乎认为我们应该使用schema.org的全部内容来帮助机器理解内容。”

谷歌关于AI搜索的讨论

谷歌自身已针对如何在AI搜索中获得可见性发布了新的指导意见。

虽然这篇文章提到了一些AI搜索的新功能和内部机制，但其技术和内容指导意见几乎完全呼应了谷歌多年来分享的SEO最佳实践。

这几乎表明，无论技术界面如何变化，扎实的信息架构和有价值的内容始终是基础。

我认为我不是唯一一个读完那篇文章后觉得其指导意见与谷歌多年来所说的几乎完全相同的SEO专业人士。

AEO绝对重要，但它是对SEO的增量，而非替代

现在，你可能在想，像AEO这样的新服务是否值得投资。答案是肯定的。主要原因是AI搜索要求在新的AI驱动平台上跟踪可见性、曝光量、品牌感知以及竞争中的声音份额，而不仅仅是传统搜索引擎。AEO对于理解以下内容至关重要：

• 品牌被提及或引用的频率。
• LLM回应中关于整体品牌感知、产品和服务的情感以及在竞争格局中的定位。

因此，与能够同时在多个LLM（如ChatGPT、谷歌AI概述和AI模式、Perplexity）上提供这些洞察和报告的AEO提供商合作尤为重要。

AEO服务还应提供详细、可操作的建议，说明如何利用这些洞察来提升在相关AI搜索平台上的可见性。

像Profound、Peec AI、Otterly、WAIKAY和ZipTie这样的新工具，以及Semrush和Ahrefs等主要SEO平台中更新和不断发展的功能，都可以支持这一过程。AEO要求SEO专业人士不断学习新技能，例如：

• AI和机器学习素养。
• 提示工程（Prompt engineering）。
• 向量嵌入和余弦相似性分析。
• 自然语言处理（NLP）和语义搜索。
• 工作流程自动化。

AI搜索尚未对谷歌搜索造成明显影响

尽管AI搜索备受炒作，但每项新研究都表明，它尚未对谷歌的统治地位造成实质性影响。

根据SparkToro的Rand Fishkin的数据，谷歌在2024年每天处理了惊人的140亿次搜索。这比ChatGPT上估算的每日“类搜索”提示高出373倍。即使ChatGPT每天10亿条消息全部与搜索相关，其市场份额仍不到1%，而谷歌占有超过93.57%的份额。

根据Datos的数据，谷歌的搜索量在2024年相比2023年实际上增长了超过21%。虽然一些用户可能开始使用像ChatGPT这样的大型语言模型来发起查询，但显然谷歌尚未被抛弃，至少目前如此。

这一观点在Glenn Gabe的近期分析中得到了呼应，他发现截至2025年6月，AI搜索为大多数网站带来的流量不到1%，许多网站的数字甚至低于0.5%。

Gabe警告不要过度强调AI搜索而忽视传统的谷歌SEO。忽视核心搜索质量可能导致谷歌广泛核心更新带来的负面后果。

例如，为了获得AI搜索可见性而大量生产低质量内容，可能会导致网站在未来核心更新中的可见性下降。

而且，由于谷歌的AI模式和AI概述从谷歌自身的搜索索引中提取数据（见Gabe文章中的以下图片），核心更新可能会影响网站在所有搜索功能（包括AI搜索平台）中的可见性。

谷歌的AI产品并非唯一依赖搜索结果的。搜索结果在其他大型语言模型（如ChatGPT、Perplexity和Claude）生成搜索相关查询答案的过程中也扮演了重要角色。

AI搜索依赖传统搜索信号，甚至可能利用谷歌的搜索结果

AI搜索对现有SEO表现产生重大影响的一个方式是通过检索增强生成（RAG）。

RAG使语言模型能够融入实时外部信息，而非仅依赖可能很快过时的预训练数据。

当LLM识别到当前网络内容可以改善回答时，它会充当“检索器”，从谷歌或必应等搜索结果中提取相关信息。长期以来，谷歌显然使用其自身搜索结果进行RAG。

然而，越来越多的猜测认为ChatGPT可能也在这样做，从谷歌结果中提取信息，而不仅仅是OpenAI文档中此前确认的必应结果。

Alexis Rylko的近期文章推测，OpenAI可能已悄悄从提取必应结果转向强烈依赖谷歌的搜索结果来生成回答。Alexis的一些发现与我四个月前的发现相呼应——具体来说，ChatGPT引用的URL包含谷歌独特的?srsltid参数。

同样，我的同事Johnny Herge最近发现ChatGPT在推荐本地业务时引用了谷歌地图的URL。AI搜索与传统SEO的这种融合或许是SEO在AI时代重要性的最有力论据。

如果LLMs主动从现有搜索结果（特别是谷歌搜索结果，SEO从业者20多年来一直关注的搜索引擎）中检索和综合信息，那么在传统谷歌搜索中排名靠前的内容实际上就成为依赖它的LLMs的事实来源素材。

这也强化了我的信念：许多旨在获得AI搜索可见性的较新的垃圾技术是危险的。

像使用白色背景上的白色文字添加提示信息这样的策略可能带来短期提升，但它们本质上是20年前的SEO垃圾策略的翻版。

仅仅因为某些策略在今天的AI搜索中有效，并不意味着随着LLMs的进化和改进模型的发布，它们会持续有效。

我们正处于AI驱动的炒作（AI-driven Hype Cycle）周期，这并非SEO历史上的首次炒作

重要的是要关注AI如何影响搜索以及用户如何日益使用它。

然而，任何在SEO领域工作超过十年的人都会发现，当前的“AI末日”叙事有点像SEO的旧调重弹，呼应了过去无数次关于SEO即将消亡的宣言。（剧透警告：SEO并未消亡；它现在比以往任何时候都要活跃。）以下是多年来引发关于搜索存在威胁的重大技术发展的其他例子：

Google+和Facebook（2010年代初）

2010年代初，行业内对“社交信号”的痴迷席卷而来，这得益于Google+（2011年推出）和Facebook的统治地位。许多人认为社交参与度将很快使SEO变得无关紧要。尽管有炒作，Google+最终未能获得显著吸引力。虽然社交媒体对品牌建设至关重要，但其对有机搜索使用的直接影响始终被证明是微乎其微，从未完全取代传统SEO。

移动优先索引（2010年代中期，2018年正式推出）

移动优先索引引发了恐慌，促使人们适应谷歌优先考虑网站移动版本进行排名的转变，并警告如果不立即合规将被“抛在后面”或“不可见”。这种热潮在2018年正式推出前就开始了。

SEO团队调整了他们的服务，确保客户网站符合移动优先索引要求，并在日益移动化的世界中保持可见性。结果比预期要渐进得多，许多大品牌花了数年时间才符合新指南，而在此期间并未失去太多可见性。

回顾起来，移动优先索引代表了一种必要的演变，巩固了最佳实践，而非创造一个突如其来的生死攸关的排名因素。实际影响比最初预期的要微妙和渐进得多。

语音搜索（2010年代中后期）

这一时期的SEO以普遍认为语音查询将完全取代输入搜索的信念为标志，这得益于亚马逊Echo（2014年）和谷歌Home（2016年）等语音搜索设备的兴起。

许多人预测关键词研究将变得过时，内容策略需要完全转向适应对话式AI。然而，语音搜索最终有些失败，甚至在SEO社区内成为一个反复的内部笑话。

几乎没有证据显示消费者真正用语音搜索取代了输入搜索，因为输入查询继续呈指数增长。尽管有流行统计数据称到2020年，50%的搜索将通过语音完成，但这一预测至今仍未实现。

页面速度和核心网络指标（2010年代末至2020年代初）

对技术性能指标的强烈关注，特别是在2020-2021年引入核心网络指标（Core Web Vitals）时，有时甚至排除了内容质量和用户体验，引发了对算法惩罚的巨大恐惧。

核心网络指标虽然重要，但后来被认为有些夸大其词，尤其是当它们被认为是“平局决定因素”信号时，并非许多人担心的会导致不合规网站排名暴跌的重大排名因素。

TikTok和视频（2020年代初）

短视频（主要由TikTok推广）的兴起被宣称将使传统基于文本的搜索变得无关紧要，这在谷歌内部引发了恐慌，许多人认为TikTok对谷歌搜索业务构成了存在威胁。

但谷歌不仅推出了自己的短视频产品YouTube Shorts，TikTok的崛起也没有显著扰乱谷歌在搜索领域的统治地位

SEO不可动摇的核心

又一年，又一次SEO已死的宣言。但真相揭示了另一个故事。

显然，AI搜索是一股强大且不断演变的力量，不容忽视。LLMs的兴起要求新技能、新指标，以及至少对持续学习和实验的无限渴望。像AEO这样的服务对于了解品牌在这些新AI平台上的可见性和感知确实很重要。

是的，对于企业来说，站在优化这些新兴平台的前沿不仅是可取的，更是必不可少的。

然而，传统SEO消亡的说法不仅为时过早，而且极其不准确。正如我们所探讨的，AI搜索的机制——从依赖现有搜索结果的检索增强生成，到对清晰内容优化、E-E-A-T、结构化数据和跨平台权威等既有信号的依赖——凸显了传统SEO方法的持久相关性。

此外，在AI概述中表现最佳或从ChatGPT获得引用的内容，往往正是那些在传统谷歌搜索中表现出色的高质量、优化良好的内容。这不是存在威胁；这是一场演变。

如果有什么职业在应对日常演变方面具有独特技能和经验，那无疑是SEO专业人士。几十年来，我们适应了算法更新、新搜索功能、用户行为变化、不断演变的垃圾内容政策，以及一连串所谓的“SEO杀手”——但这些都没有真正成功。

SEO从业者已经学会了为移动设备、语音、视频、图片、本地搜索和应用商店进行优化，掌握了超越网站的多种平台。

AI搜索只是SEO专业人士需要征服的下一个前沿，就像之前的许多搜索迭代一样。