去年，我们基于10种扇出类型发布了一个理解查询扇出的框架，这些类型代表了我们在Google搜索结果中观察到的模式（主要来自Web Guide Beta）： 代表Google搜索结果观察的10种扇出类型框架 为了将这项工作提升到新的水平，我们需要可靠、可重复的提示词和指标，而不仅仅是零散的经验证据。在过去的几个月里，我着手建立了一个提示词生成实验室，并构建了一个包含1,000个子主题和50,000个扇出提示词的数据集。 今天，我想与大家分享这个数据集以及我们从中获得的洞察。虽然这个数据集的设计初衷是改进我们的扇出模型，但它已经让我们在很多方面有了深刻认识——品牌如何与意图重叠、如何衡量相关性，以及搜索长尾的演变。 1. 品牌很强大，但意图更重要 在我们早期尝试生成查询扇出提示词时，只要提示词中提到品牌或竞争对手，就会强烈影响LLM将品牌词放入扇出结果中。如果提示词中包含某个品牌，那么LLM响应中提及该品牌的概率几乎为100%，这引入了大量的偏差。 在50k数据集中，我们为每个子主题生成了一个主品牌和两个竞争对手，并将它们作为提示词中的“上下文提示”（contextual hints）。可以把它看作一种“轻推”而非“指令”——这个区别在LLM中可能产生巨大差异。 在最新的分析中，12.8%的生成提示词包含了主品牌或两个竞争对手之一的提及。更有趣的是下面这一点。看看生成品牌提及最多的前五种扇出类型：…

via https://moz.com/blog/should-we-stop-writing-with-ai 我们是否应该停止用AI写作？ 关于AI在规模化内容营销中扮演的角色，讨论越来越多。每次我打开领英（LinkedIn），都会被各路“专家”的帖子淹没——他们声称自己构建了复杂的智能体，可以在极少人工监督的情况下写出优质内容。 我看到的一些说法包括： 那么，我们是否应该停止用AI写作？简短回答：不。 我自己一直在用AI写作，可以明确告诉你，问题不在AI。 我觉得我们搞错了重点，把太多精力花在纠结AI检测上。更大的问题在于内容质量，以及当发现渠道越来越碎片化时，我们如何建立“拥有权”。 让我们深入聊聊。 首先，直面核心问题 AI内容不是问题 Google似乎不会仅仅因为你使用了AI就惩罚你的内容。他们的指导原则关注的是页面是否有用、可靠，并且旨在为用户增加价值。…

via https://moz.com/blog/does-schema-markup-impact-serp-rank 结构化标记（Schema markup）长期以来在 SEO 行业中一直备受争议，有人认为它是任何 SEO 策略中不可或缺的组成部分。一方面，有些人完全相信 Google 官方的说法，即结构化标记仅通过富摘要（rich snippets）和上下文理解来影响搜索外观。而另一方面，也有人坚信，如果 Google…