via https://about.ads.microsoft.com/en/blog/post/april-2026/all-in-on-ai-discovery-to-influence-in-geo-part-2 “在第一部分中，我们探讨了AI如何重塑信息发现，以及为什么影响力而非排名正在成为新的价值衡量标准。 在本次的第二部分，我们将转向执行层面：品牌应如何重新思考内容策略、架构和衡量方式，以确保AI系统能够大规模地理解、信任并推荐它们。 团队需要做出怎样的思维转变，才能从为人类创作内容，转向为机器能够解读、信任和复用的内容？ 关键的思维转变在于：认识到你不再仅仅是为了让页面排名或驱动点击而发布内容。你正在主动地塑造AI系统对你品牌和你所在品类的理解。 多年来，我们几乎只为人类读者而写作。现在，机器也成了受众的重要组成部分。Cloudflare的数据显示，自动化流量已经占据了全球网络活动的相当大份额，在某些情况下甚至可与人类流量相媲美。 从实际操作层面看，机器已经在大规模地‘阅读’你的内容。 如果它们无法清晰提取出内容的意义、关联对象以及是否可信，那么无论内容写得多么巧妙或精彩，都无关紧要。 这不是要在人类和机器之间做选择。而是要为人类写作，同时将信息结构化，以便机器能够解读、验证和复用。 那些理解AI系统如何检索信息、评估可信度并决定呈现什么内容，然后据此设计内容的团队，将在AI驱动的信息发现日益增长的趋势中占据巨大优势。 随着AI系统越来越优先考虑结构化、高密度、机器可读的内容，品牌应如何重新思考其内容架构，以避免碎片化，并确保AI能够可靠地理解和复用其信息？…

via https://about.ads.microsoft.com/en/blog/post/march-2026/all-in-on-ai-discovery-to-influence-in-geo-part-1 本月，我与AI搜索策略师让-伊夫·斯考里（Jean-Yves Scauri）进行了一次对谈。他是一位在SEO和搜索策略领域深耕15年的行业领袖。让-伊夫（业内更常称他为JY）在过去十年中，带领澳大利亚电通（Dentsu Australia）的大型项目，帮助建立并运营了该国最大的SEO团队之一，并与该地区一些最大的品牌合作。那么，让我们全情投入，听听他对品牌如何看待GEO（生成式引擎优化）、SEO（搜索引擎优化）的重要性以及AI相关所有问题的见解。 以下观点来自让-伊夫·斯考里，AI搜索策略师，前澳大利亚电通SEO负责人。 随着AI开始改变人们发现和评估信息的方式，我的关注点从排名和流量转向了AI驱动系统中可见性、信任和影响力是如何形成的。在我的代理机构角色中，我成为了事实上的AI负责人，与客户紧密合作，解读这些变化，并将其转化为实用指导，而非空泛的推测。 如今，我独立与那些雄心勃勃、快速增长的品牌合作，通过将深厚的SEO经验与现实世界的AI战略相结合，帮助它们驾驭这个全新的信息发现格局。 你认为AI助手、AI浏览器和AI代理的兴起，对品牌的“可发现性”意味着什么变化？当AI决定呈现什么内容时，影响力又将如何转移？ 可发现性正在从“搜索引擎能否找到你？”转变为“AI是否足够了解你，从而能自信地解释或推荐你？” 在传统搜索中，品牌争夺的是搜索结果页面上的位置。而在AI驱动的发现中，品牌争夺的是清晰度——关于你是谁、你代表什么、以及你在何时具有相关性的清晰信号。 这些系统不仅仅抓取页面。它们通过整合你网站上的信息以及来自整个网络（包括发布商、评论、结构化数据和其他可信的第三方来源）的信号，来构建一个关于“谁是可信的”的图景。…

via https://moz.com/blog/brand-bias-in-llm-prompts 作为搜索营销人员，我们早已意识到需要将品牌关键词与非品牌关键词分开追踪。而在人工智能/大语言模型的世界里，尤其是当我们不仅被要求衡量链接和引用，还要衡量品牌本身的可见度时，提示中的品牌提及对输出结果的影响就变得更为重要——但讽刺的是，这一点似乎得到的关注反而更少。 我们进行了一项实验，探究提示中的品牌提及在多大程度上影响大语言模型输出中的品牌可见度。不过，还有一个更大的问题：对于自然语言提示而言，单纯区分‘品牌’与‘非品牌’是否足够？ 打破品牌/非品牌的二元对立每个搜索查询或大语言模型提示要么是品牌，要么是非品牌，对吧？逻辑上确实如此，但请考虑这样一个提示：‘谁生产最昂贵的豪华汽车？ 非品牌提示词鉴于上述主题偏差，我们引导系统生成更贴近工具周边、但范围更广的信息性问题。示例如下： 按提示词类型划分的品牌出现情况每种类型的提示词在输出结果中导致品牌出现的频率有多高？这是一个‘全有或全无’的衡量标准——只要有任何品牌出现，该输出就被计入。请注意，所有响应均通过 Gemini-3-Flash（经由 Vertex API）收集。 包含品牌的提示词中，100% 都在输出中返回了一个或多个品牌提及。非品牌提示词的比例则下降了近一半（53%），软品牌提示词则介于两者之间。再次说明，我们这个小实验所选择的主题（SEO…