如何通过相关性工程让你的 SEO 策略面向未来

原文 https://moz.com/blog/how-to-future-proof-your-seo-strategy-with-relevance-engineering

AI 变革正在重塑搜索格局

如果过去几年的算法更新已经改变了我们行业对待 SEO 的方式，那么 Google 在 2025 年 I/O 大会上的公告将迫使我们重写规则手册，并重新调整方向以适应未来的搜索。

那种 SEO 公司向受损企业和不熟悉市场营销的人推销“企鹅算法恢复计划”的日子已经一去不复返了。过去，适应不断变化的搜索环境相对容易，因为那些“变化球”不足以彻底改变游戏规则。虽然 SEO 从业者们一直在适应 AI 概述渗透到越来越多的搜索中，但 **AI 模式（AI Mode）**有可能将我们行业推向另一个方向。

阅读本文后，你应了解以下主要内容：

AI 模式预示着 Google 总结和呈现内容给用户的方式可能发生转变。我们仍处于 Google 推广的初期阶段，目前仅限于美国地区，因此观察其采用率如何提升将非常有趣。
**相关性工程（Relevance Engineering）**是一个建立在语义 SEO 之上的框架，它与大型语言模型（LLMs）检索和呈现信息给用户的方式保持一致。
SEO 可能会演变为 GEO，即生成式引擎优化（Generative Engine Optimization）。在这种模式下，通过 LLMs 获取自然流量和可见性的重点将放在**段落级优化、主题深度以及品牌权威性（Brand Authority™）**上（即你的品牌作为可靠、首选来源所赢得的信任和可信度）。
本文提供了一份实用的操作指南，旨在帮助你的品牌在日益激烈的 AI 竞争环境中提升可见性

什么是 AI 模式？

Google 宣布，自 2025 年 5 月起，AI 模式将向美国所有用户开放，并计划在未来几个月内进行更广泛的国际推广。虽然自然流量一直面临着搜索结果页面（SERP）功能和赞助广告的激烈竞争，但大型语言模型（LLM）聊天界面和 AI 概述的广泛采用有可能虹吸走更多的点击。不幸的是，这可能会显著降低那些依赖独立页面来吸引用户注意力的品牌的可见性。

Google 搜索中的 AI 模式与传统的 SERP 列表有着根本性的不同。它包含由 Google 的 Gemini 模型驱动的 AI 生成概述。AI 模式的输出将生成式响应与传统网页链接、产品列表及其他旨在吸引用户的元素融合在一起，提供一种完全沉浸式，有时甚至是令人应接不暇的体验。

搜索格局的演变，包括 AI 模式等功能，将带来一场重大颠覆：

搜索结果可能变成 AI 摘要，而不是我们自搜索引擎发明以来所熟知的传统“10 个蓝色链接”。
搜索将演变为一个后关键词时代，重点将放在主题深度和权威性上，而非单个页面的排名。
由 LLM 驱动的查询扩展将成为 AI 模式受欢迎的基础，它能回答用户在输入任何一个词之前从未想过的问题。

这里有一个共同的主题：演变。十多年前，当 Google 推出其企鹅和熊猫更新时，最精明的 SEO 从业者通过创建更全面的营销策略来适应，而不是依赖不正当和过时的策略（悼念博客评论中的链接）。而 SEO 社区的另一个转折点即将到来：我们需要超越传统的 SEO 概念，并为可发现性进行优化。虽然 SEO 的范围似乎仅限于搜索引擎，但**生成式引擎优化（Generative Engine Optimization，GEO）**则涵盖了 LLM。

但如果没有一套合适的方法论，它就只是一个新名词。

相关性工程（Relevance Engineering）应运而生，这是一个将语义 SEO、具有主题深度和引证价值的内容架构以及 AI 理解融为一体的新框架。

主题权威性不再仅仅是一个选项

我可能听起来像是在重复老调，但主题权威性对于大型语言模型（LLMs）来说，其潜力远超那些专注于精确匹配关键词短语的“高度优化”页面。

利用 Moz 的“按主题划分的关键词建议”功能，我们可以识别出几个富有成效的细分市场，这使得我们能够深入地涵盖一个主题，例如耳机的类型（头戴式 vs 入耳式）和价格（“预算型”）。

在前面提到的蓝牙耳机例子中，主题覆盖的广度和深度至少能让你的内容有“一搏”的机会被纳入 LLMs 的知识库中。建立主题权威性不仅仅是为了被 AI 概述或 AI 模式收录，更是一个让你的内容面向未来并在所有新兴 LLMs 中获得引用的机会。如果你的网站缺乏在某个主题上展示专业性的信号，那么你的内容被发现的可能性将微乎其微。

如何建立主题权威性

停止思考关键词短语，将你的策略重新定位到主题和概念上。

使用描述性的内部链接，将语义相关的页面相互连接起来。
在适用之处使用实体（Entities）和 Schema Markup（结构化数据标记），以便大型语言模型（LLMs）能够轻松消化和审查你的结构化内容。
使用关键词研究工具来可视化主题空白，这可以帮助你识别创建新内容或更新现有网页的机会。

为什么 AI 搜索需要新的 SEO 策略

以上所有内容都引出了一个问题……到底有什么变化？

**生成式引擎优化（Generative Engine Optimization，GEO）**的实践正在从根本上适应 AI 处理信息的方式。为了做到这一点，我们需要理解 AI 模式的运作流程：

用户提交一个宽泛或模糊的查询，例如“3 万美元以下最好的家用轿车”。
Google 执行查询扇出（query fan-out），将原始搜索分解为 8-12 个语义上多样化的子查询。
Google 根据其对问题的解释和所有语义相邻的查询，使用最相关的结果创建一个自定义文档语料库（custom document corpus）。
在后台运行的 LLM 将所有相关信息进行综合，并将其打包成一个简洁的摘要页面。

虽然传统 SEO 侧重于维持对更广泛查询列表的相关性，但由于长尾关键词匹配或强大的链接配置，不相关的内容可能会充斥搜索结果页面（SERPs）。然而，如果你的内容在多种解释下都不具备相关性，它甚至不会被纳入用于摘要的语料库，这将使你的内容完全被排除在竞争之外。

让我们来分解一下最初的例子，以阐明这一点：

原始查询：“3 万美元以下最好的家用轿车”

“最可靠的家庭 SUV” –> 家用轿车通常需要更多座位，这排除了任何两门轿车。
“3 万美元以下最省油的汽车” –> 成本限制表明每英里高成本可能是一个障碍，因此重点关注节油型车辆。
“按安全性排名的顶级家用轿车” –> 安全性始终是一个问题，尤其是对于有年幼子女的家庭。

深度和清晰地解决这些子主题的内容，将比空洞、主题肤浅的门页（doorway pages）有更好的机会被包含在语料库中。

延伸阅读：

John Iwuozor 有一篇精彩的评论文章，分析了 AI 模式背后的专利，提供了更多见解。

如何将相关性工程应用于你的 SEO 策略

在讨论相关性工程时，一个重要的区别是它不会取代现有的 SEO 策略。SEO 的核心基础依然不变：

技术 SEO 仍然至关重要，它能促进你内容的发现。
在特定利基领域的专业知识仍然是搜索引擎和 LLMs 显示你的内容所必需的。
低质量的 AI 生成内容从长远来看将持续输给高度信息丰富、有帮助的内容。

将相关性工程视为你现有框架的升级，它能为你提供一个更健壮的策略，从而从多个来源获得丰厚的回报。以下是升级 SEO 的实用四步流程：

第 1 步：审核你现有内容

在创建全新的内容之前，评估你已有的内容，以识别（1）你可以继续发展的优势和（2）可能阻碍你在 LLMs 中获得可见性的劣势。

将现有内容映射到主题集群： 识别你现有内容所涵盖的主题，并找出任何具有营收潜力的清晰中心。反之，如果你的网站包含大量专注于单一关键词、页面之间连接机会很少的孤立内容，那么你可能需要重新构建你的内容策略基础。
识别快速获胜点： 经过初步扫描后，你可能会发现几个属于以下类别的机会：
- 孤立内容（Orphaned content）： 你的某些主题页面是否几乎不可能通过主页访问？内部链接是一个至关重要的组成部分，这提供了一个重新审视水平（跨相似页面类型）和垂直（在一个部分内）链接的机会。
- 稀薄内容（Thin content）： 根据你网站的年龄和从事 SEO 的时间，你可能有很多页面除了为低流量长尾关键词优化外别无他用。内容相对稀薄的页面可以重做或合并到主页中。
- 过于具体的内容： 尽管拥有覆盖主题的中心辐射（hub-and-spoke）策略至关重要，但将内容整合到一篇内容丰富、全面的文章中，可能有助于缓解页面臃肿问题，并让搜索引擎和 LLMs 专注于你的核心页面。合并语义相关的内容将为用户提供更丰富的体验，而不是让他们浏览多个页面才能找到一个特定问题的答案。
评估段落级清晰度： 你的旧内容是否允许 LLMs 轻松提取特定问题或用户意图的简洁答案？将你内容的每个部分都对准一个独特的子意图或问题至关重要。

第 2 步：集群和组织内容

现在你已经对现有内容进行了全面的清点，你可以将重心转移到组织和集群页面，以实现主题的完整性。

使用关键词集群工具识别子主题：按主题组织内容将允许你利用像 Moz 的“按主题划分的关键词建议”这样的工具，挖掘出语义相关的查询、问题和子主题，这将帮助你实现主题权威性。
- 示例： Moz.com 拥有大量与各种主题相关的信息内容。我们的团队一直在努力将所有内容划分为不同的类别，如“品牌权威性”、“本地 SEO”、“竞争研究”、“分析”等等。
构建相互连接的中心辐射结构：
- 核心内容（Hub）： 这些页面是整个支持资源库的入口内容。主页应该提供一个重要主题的广泛概述，并链接到你的内容集群。
- 示例： 以 Moz.com 为例，《SEO 初学者指南》中的“关键词研究”页面是我们的核心页面，因为它涵盖了该主题的深度及其当前的表现。
- 内容集群（Spokes）： 为了方便从主核心页面发现内容，你的支持性内容辐条是更详细的页面，它们以足够的深度涵盖子主题，以（1）鼓励用户采取下一步期望的操作，以及（2）将任何单个内容段呈现给 LLM 或搜索结果功能。这些页面应通过常见问题解答回答额外的问题，包含有用的视频，并链接回集群的中心核心页面和其他子主题。
将主题映射到客户旅程： 仅仅优化关键词搜索已经不够了。思考在购买过程的每个阶段（认知、考虑、欲望和行动）中，你的目标受众最关心的问题、痛点和解决方案。将主题映射到每个阶段将发掘出你可以通过内容主动回答的潜在问题。

中心辐射（Hub & Spokes）的蓝牙耳机示例

以蓝牙耳机为例，主页面可以深入探讨预算与功能之间的权衡决策，而辐条页面则是支持性的产品评测。

第 3 步：兼顾人类与大型语言模型（LLMs）的写作

利用 LLMs 进行内容创作正变得普遍，这要求我们双重关注：既要用信息丰富的内容吸引人类读者，又要为 LLMs 的检索构建页面结构。以下是一些同时为人类和 LLMs 写作的实用技巧（好吧，好吧，我会尽量减少终结者式的引用）：

将内容分解为易于理解、以意图为中心的部分： 使用清晰的标题来组织你的文章，描述每个部分涵盖的内容。理想情况下，每个部分都应该解决一个单一、明确定义的子意图或回答一个特定问题。分解内容可以让 LLMs 更容易提取特定信息，以匹配查询扇出（query fan-out）产生的子意图。
- 额外提示： 为了提升用户体验和 AI 解析效率，可以使用模块化结构，并加入可折叠的常见问题解答（FAQs）或跳转链接。
清晰简洁： 单个段落需要清晰且切中要点。虽然长篇内容对于建立主题权威性很有价值，但要避免将关键点和特定问题的答案埋藏在冗长 incoherent 的文字海洋中。
包含大家都喜欢的内容： 在你的内容中加入答案片段（answer snippets），这不仅让读者容易消化，也是 LLMs 喜欢提取的段落类型。示例包括：
- 清晰的定义： 明确定义关键术语（例如，“相关性工程是……”）。
- 支持性的统计数据和资料： “根据 X 研究表明……”。别忘了在适当的时候引用来源。
- 可操作的示例： 用具体例子阐述概念。
- 项目符号和编号列表： 没有人想浏览密密麻麻的文字。列表使内容更易于消费，如果内容相关，也更容易被进行段落检索。

第 4 步：实施 Schema 和内部链接

组织你的内容并展示页面之间的关系，可以为大型语言模型（LLMs，以及搜索引擎）提供强大的信号。

内部链接： SEO 从业者经常建议将更好的内部链接策略视为一个快速取胜的方法。高度策略化和有效的内部链接计划不仅能为你的内容被发现提供更便捷的路径，而且你还可以使用锚文本，准确反映目标页面的核心主题和用户点击链接时的意图。
实施相关的 Schema Markup（结构化数据标记）：结构化数据是一种向搜索引擎和 LLMs 提供内容含义上下文的方式。根据你的内容，你可以整合以下任何类型的 Schema：
- Article（文章）： 将内容定义为一篇文章，包含作者、发布日期等属性。
- FAQPage（常见问题页面）： 用于主要由问答对组成的页面。
- HowTo（操作指南）： 用于提供分步说明的内容。
- BreadcrumbList（面包屑导航）： 显示页面在网站层级结构中的位置。
- Organization（组织）： 提供关于你品牌的信息。
- Person（人物）： 用于作者页面或专家提及。

如果适用，请为产品、食谱、事件等提供特定的 Schema。这种标记有助于 LLMs 正确分类和理解你的网页中包含的实体和关系。

你应该停止做的事情

虽然我们一直在关注如何让你的内容呈现在大型语言模型（LLMs）面前，但这里列出了你应该避免或停止做的事情，除非你想陷入炼狱般的隐形漩涡：

不要再追逐每一个具体的关键词，并为此单独创建一个页面。 这种策略早已过时，可以追溯到 RankBrain 甚至 Panda 时代，但至今仍有相对稀薄的页面在 Google 和 Bing 的索引中漏网，它们只专注于一个单一关键词（例如，门页）。稀薄的内容将无法在即将到来的 AI 和 LLM 演变中幸存。
不要忽视语义关系。 将关键词研究发展为用户研究，对于在 AI 模式和其他 LLMs 中生存至关重要。框架正在从具体的关键词转向深度覆盖主题，这要求你思考与核心主题相关的短语和问题。
不要忘记技术 SEO 和内部链接。 内容结构固然重要，但最关键的是要让 LLMs 首先找到这些内容。

将 AI 颠覆转化为战略优势

相关性工程与传统 SEO 并非大规模背离。与其说“这只是 SEO”，不如说这是自然搜索的演进。虽然像 GEO（生成式引擎优化）这样的术语可能会变得更常见，但 Rand 说得最好：它仍然是 SEO：Search Everywhere Optimization（无处不在的搜索优化）。

作为一名 SEO 从业者，掌握你品牌的内容生成工具意味着你已经掌握了以下基本功：

用户意图分析和搜索行为
内容结构和标记
技术 SEO 和站内优化
驾驭搜索引擎的演变

相关性工程将这些技能延伸到一个 AI 模型（而非用户）消费你的内容以找到最佳答案的世界。幸运的是，这并非搜索和入站营销的彻底重塑。未来成功的人将是那些有经验构建内容中心、为语义搜索优化页面并实施结构化数据的人。通过适应 LLMs 来让你的营销策略面向未来，将帮助你在以下所有策略上做得更好：

以相关性和子意图为重点审核你的内容。
将你的关键词集群化为主题和子主题。
基于意图优化段落，而不仅仅是笼统的页面站内优化。
为 AI 和人类创建更具引用价值的内容。

相关性工程让你能够在不断变化的搜索格局中引领潮流。专注于具有营收视角和面向未来的常青策略。

My Blog