原文地址：https://www.womenintechseo.com/knowledge/generative-information-retrieval-seo-misinformation 长期以来，SEO行业一直背负着制造谣言或对搜索引擎运作机制进行主观解读的名声，其部分原因在于我们这个领域恰好处在市场营销与计算机科学的尴尬交汇点。与付费搜索或纯粹的计算机科学及工程学不同，大量SEO知识具有主观性，建立在程度不一的非完美实验和有根据的推测之上，争论者之间的经验和视角也相去甚远。 我们这个行业缺乏确定的答案，再加上主要由利益相关者驱动的、寻求能“扭转局面”的简单杠杆的渴望，加剧了这种状况。 毕竟，“看情况”是我们行业的标志性口号，细微差别和不确定性在此占据主导。 毫不意外的是，随着大型语言模型及其作为生成工具在搜索环境中的应用日益广泛，错误信息的传播潜力被进一步放大。这为更多SEO谣言的涌入打开了闸门，使它们得以加入那些长期循环争论的话题行列，例如“子域名与子文件夹之争”、“301与302重定向之辨”以及“点击量是否影响排名”等。 我们正处于一个激动人心的技术搜索交汇点，但变革的速度也造成了暂时的知识真空。来自信息检索、自然语言处理、机器学习和计算机科学等领域的新概念正不断涌入我们的领域。 因此，我们面临着一条“错误信息高速公路”，它因围绕生成式AI和生成式信息检索的新谣言，以及其他所有谣言和周期性讨论而不断膨胀。对领域外术语的曲解和滥用，让我们在本就最具挑战性的时期，面临着更大的困惑。 SEO神话的根源虽然SEO神话滋生繁衍的原因有很多，但对专利的误读和夸大宣传无疑是其中重要的因素。 搜索专利法非常复杂，因为解读它不仅需要法律知识，还需要对搜索和信息检索有深刻的理解——这是一种罕见且独特的能力组合，备受爱戴的已故专家比尔·斯劳斯基将其掌握得淋漓尽致。凭借其数十年的搜索经验以及早前作为律师的职业生涯和正式资质，比尔为我们提供了几乎明确无误且广泛的专利解读。 人们普遍认为“专利就意味着投入生产”，这更加剧了混淆，因为在大多数情况下，专利从未投入实际应用。申请专利的原因多种多样，其中包括战略资产防御。这些“防御性专利”的注册是为了阻止竞争对手实施替代解决方案，或在竞争激烈的行业中用作法律筹码。此外，不仅专利本身需要正确解读，其附带的参考文献部分也常常引用了大量学术论文。 当脱离上下文时，搜索、信息检索和自然语言处理研究人员发表的学术论文就极易被误解。这些论文不仅语言晦涩难懂、枯燥乏味，且穿插着数学公式；它们还会参考和引用大量其他学术论文，为了完全理解每篇论文试图建立在前人研究基础上的来龙去脉，这些被引用的文献也必须阅读。 我怀疑，一丝谄媚式的回声室效应和盲从心理也在AI…

原文地址：https://searchengineland.com/ai-search-audit-findings-470888 对10个行业的审计数据显示，访问失败、证据薄弱和实用性低下使得一些网站容易被AI系统绕过。 20年来，网络运行着一个简单的交易：发布满足用户需求的内容，在搜索中获得排名，赚取流量，然后通过产品、服务、联盟推荐或广告将这些流量变现。 零点击答案和AI搜索正在改写这种关系。现在的新问题是，AI是否会把你列为来源——以及这种可见度是否能转化为收入。 为了了解谁会被包含在内，谁会被绕过，我对10个行业进行了超过200次AI可见度审计。 结果模式是一致的：大多数网站易于解析，但难以证明其值得引用。而那些最依赖发现流量的行业，往往正是那些让自己最难被访问的行业。 审计是如何进行的 我使用相同的评估标准进行了201次审计，并捕获了一个整体的AI可见度得分，以及四个子得分： 该数据集包括对以下10个行业的201次审计： 需要注意的是，存在页面类型偏差——样本中主页占比较大（131个主页，13篇文章，其余为混合页面）。这很重要，因为主页往往营销内容多，证据内容少。 我还跟踪了访问失败的情况，因为”错误”结果也是故事的一部分。201次审计中有38次（18.9%）返回错误，意味着AI智能体可能被阻止或无法可靠地访问内容。 另有八次审计在技术上已处理，但由于缺少子得分而得分为0，这与部分提取或应用式渲染导致可访问内容很少的情况一致。…

原文地址：https://searchengineland.com/chunk-content-470751 清晰的结构有助于读者扫描内容，也能帮助AI系统识别答案。以下是关于如何将想法组织成清晰、独立成块的部分。 文章或博客帖子中的内容结构似乎不该有什么争议。但显然，谷歌并不希望你仅仅为了取悦大语言模型而创建小块内容。这种被称为”分块”的技术，有助于让你的内容被AI模型注意到，同时也反映了读者实际参与在线内容的方式。 分块可能会让内容在AI搜索中更易被检索或引用，但归根结底，它改善了内容的流畅性，让人们更容易理解概念。我们来谈谈分块是如何工作的，以及何时使用它。 什么是分块？ 分块是将文本组织成不同的、独立的意义单元的做法。当内容被分块时，信息被分段，这样每个段落都聚焦于一个单一的想法，并包含读者简单快速理解该想法基础所需的一切。 人们应该能够阅读一个单独的段落就掌握概念，而无需在周围的文字中寻找上下文。 分块对AI还是对人类更有帮助？ 谷歌最近的批评表明，分块的做法过度优化了内容，特别是为了让内容出现在AI答案中。这种认为人们专门为AI写作的观点，其假设是对AI好的东西在某种程度上对人类读者就是不好的。 但实际上，分块有助于向读者和搜索检索系统传达想法。当内容被分块时，它并没有降低信息密度或人为地割裂想法。它组织信息的方式匹配了人们实际在线阅读内容的方式，使文章更易于浏览。 分块也帮助了AI系统，因为它们在段落层面而非页面层面运作。例如，当一个系统需要找出”如何衡量关键词蚕食”的答案时，一个完全匹配的标题，后面跟着一个聚焦的段落，就能创建一个清晰的匹配。 相比之下，当同一个问题的答案被埋在一个涵盖其他三个主题的密集段落中时，信息就被稀释了。AI可能会看到相关的关键词，但如果文本在不同想法之间游移不定，它对该段落是否明确回答了查询的信心就会降低。…