via https://moz.com/blog/strategies-to-dominate-ai-search
多年来，SEO行业一直固守着一种早已不再反映搜索实际运作方式的搜索模式。
我们仍在谈论标题标签长度、关键词分布和页面级优化，仿佛搜索引擎只是在统计字词并对文档进行排序。但搜索早已不是这样运作的，而AI搜索更是让这种差距无法忽视。
在这次AMA中，Mike King解释了AI搜索的运作原理、如何为检索组织内容，以及为何“相关性工程”才是未来。
第一部分：AI搜索如何运作
1. SEO从业者对AI的认知与实际AI搜索运作之间最大的差距是什么？
最大的差距在于，人们总说AI搜索“不过是SEO”，但事实并非如此。
AI搜索扩展了SEO一直以来所做的工作，但其运作方式有所不同。AI系统采用查询扇出、代理式RAG和语义检索等技术，将提示词分解、评估段落，并决定呈现哪些信息。
这给SEO从业者带来了问题，因为大多数策略都是为旧版搜索而设计的。
过去十年搜索的三个阶段
过去十年间，搜索经历了三个阶段：
- 词法搜索：关注词语的出现和分布
- 语义搜索：利用机器学习理解含义
- 混合搜索：两者结合，然后通过通常称为“倒数排名融合”（RRF）的过程对结果进行重排
大多数SEO工作流程仍围绕词法模型构建，尽管现代搜索已经是语义和混合的。
AI搜索加速了这一演变，因为它并非寻找一个页面进行排名，而是寻找最相关的信息片段，以便提取、比较并用于生成答案。
因此，当有人将AI搜索简化为诸如“标题设为60个字符”之类的建议时，他们其实是在为一种早已不存在的搜索模式进行优化。
2. 谷歌新的AI搜索指南称，大多数AI优化策略都是不必要的。这验证了你的想法，还是你持不同意见？
我不同意。
谷歌的指南是自私且天真的，因为它将AI搜索当作仿佛单一平台的建议就能解释整个搜索生态系统。
这就是“不过是SEO”这一论调的问题所在。它让人们有理由继续做同样的事情，即使回报正在递减。
如果你只关心谷歌，那它的指南或许有用。但它无法解释在ChatGPT、Perplexity、Claude或其他AI搜索环境中什么才有效。每个系统检索、评估和呈现信息的方式都不同。
我大致同意的唯一一点是需要创建非商品化内容。除此之外，谷歌的公开指南与我们了解到的这些系统的实际运作方式并不一致。
谷歌长期以来一直有公开说一套、实际系统运作又是另一套的历史。因此，当有人引用谷歌的指南说“看吧，AI搜索不过是SEO”时，他们只是在寻找一个让自己安于现状的借口。
3. AI搜索需要一种根本不同的策略，但共识是它叠加在传统SEO之上。你怎么看？
AI搜索是SEO的扩展，但两者之间存在足够的阶跃性差异，因此值得单独对待。
问题不在于每个策略都是全新的，因为有些策略确实重叠。例如，数字公关、链接建设、销售推广和融资都使用类似的操作。但没人会因为它们共享某些策略就认为它们是同一门学科。
AI搜索也是如此。它可能使用一些SEO策略，但这并不意味它就是传统SEO。
说“不过是SEO”的问题在于，它恰恰在团队对新鲜事物持开放态度的时刻，将这项工作矮化了。它让AI搜索被困在旧有的SEO认知中，限制了其潜力。
如果我们继续把它强行塞进同一个框里，就会更难获得这项工作所需的预算、工具、团队和战略主导权。
第二部分：为AI检索撰写和构建内容
4. 基于我们对查询扇出的了解，应该如何撰写和构建内容，以在大语言模型中获得更多引用和可见性？
首先，不要只把它当作一个写作问题。
AI系统不仅评估你网站上的书面内容，还会考虑你更广泛的内容生态系统，包括视频、社交内容、媒体报道以及共享资源。你自有页面固然重要，但它们只是AI系统可调取内容范围的一部分。
具体到页面上的文案时，目标是原子性。每个段落应聚焦于一个清晰的观点，而不是混杂多个话题。
这一点很重要，因为查询扇出会将一个提示词拆解为多个相关搜索，并从结果中提取最相关的段落。这些段落会通过诸如余弦相似度或欧几里得距离等距离度量方法来评分相关性。
余弦相似度如何运作？
作为背景，余弦相似度通过比较两段文本向量表示之间的夹角，来衡量它们在含义上的接近程度。这就是为什么高度聚焦的段落往往比同时涵盖多个观点的段落得分更高。
如果一段话覆盖了十个不同主题，它在单个主题上的得分可能会较低，因为含义被稀释了，如下例所示。
（混合话题 vs 原子化段落）
更好的做法是让每个段落易于被独立提取、理解并直接嵌入答案中。这意味着：
- 使用清晰的标题
- 将答案紧挨在标题下方
- 保持每个段落聚焦于一个观点
- 包含有用的数据点
- 使用语义三元组使关系更清晰
段落越聚焦，AI系统就越容易理解该段落为何能回答该提示词。
延伸阅读：
John Iwuozor 在他关于为谷歌AI模式优化内容的文章中也提到了这一点。
5. 对于拥有海量内容库的企业网站，内容维护方案应该是什么样的？
充分利用AI，同时从一开始就内置制衡机制。
可扩展的方法是建立一个具备两个功能的RAG管道：一个生成内容，一个评审内容。如果评审方发现问题，草稿返回生成方，循环继续，直到内容达标。
（内容维护的RAG管道示意图）
在自有数据索引上构建该管道，包括：
- 法律文档
- 内部内容
- 产品数据
- 客户数据
- 品牌指南
- 领域专业知识
这为系统提供了大规模维护内容所需的上下文，避免偏离你的事实依据。
如果你拥有一支规模庞大的内容营销团队，能够手动完成这类审核，那也同样可行。
AI可以帮助识别哪些内容需要更新、草拟修改建议，并根据内部标准审核内容。人类则应负责判断、策略和最终质量控制。
而不可行的是，在没有审核流程的情况下大规模发布AI生成的内容。
Lily Ray 在领英上的帖子指出了内容自动化的弊端：
（引用Lily Ray的帖子内容）
流量可能会短暂飙升，但最终会崩溃，正如Lily Ray在上述帖子中指出的那样。
现实情况是，谷歌无法可靠地检测生成式内容并直接降权。实际发生的是，新内容会获得一个临时性的站点质量评分，在短期内提升排名。但过一段时间，谷歌会查看用户信号，以决定该内容是否应继续排名。如果这些信号表明内容不佳，评分就会下降，流量也随之下降。从这个意义上说，这更多是一个用户体验问题，而非生成式AI本身的问题。
6. 品牌应如何处理JavaScript及其对AI可见性的影响？
在谷歌或必应环境中，JavaScript不是大问题，但在ChatGPT和Perplexity等AI系统中则不同，后者不会渲染JavaScript。因此，任何通过客户端JavaScript提供的内容对它们都是不可见的。
Vercel对主要AI爬虫的分析也发现了同样的问题：许多AI爬虫会获取原始HTML，但不会渲染JavaScript。
因此，品牌需要仔细考虑哪些内容放在HTML中提供，哪些留在JavaScript后面。
iPullRank的Context Parity Explorer是一个免费工具，可以解决这个问题。输入一个URL，它会以Googlebot、AI爬虫和普通浏览器的方式分别爬取该页面，并显示每个视角实际看到的内容。
对于你希望AI系统看到的内容，请确保它在原始HTML中可用。这包括关键产品详情、描述、答案、数据点，以及任何有助于解释你的品牌或产品的信息。
反过来，JavaScript可以作为对抗竞争对手或AI抓取工具的屏障。用JavaScript渲染资源会使它们在未执行JS的环境中更难被提取，从而有效降低你希望保护的内容的可见性。
第三部分：衡量影响
7. iPullRank 通过相关性工程为一位客户额外创造了 2600 万美元的价值。你们如何衡量 AI 搜索的影响？
这个数字来自引荐流量，但 AI 搜索的衡量不能止步于此。
我们将 AI 搜索影响分为三个维度：
如何衡量 AI 搜索影响
- 输入指标：这是我们能直接影响的杠杆。我们跟踪查询扇出查询的排名、段落相关性得分以及爬虫活动，以了解工作是否在改善影响 AI 可见性的信号。
- 渠道指标：品牌在 AI 搜索环境中的可见程度。包括展示份额、引用率、引用情感和引用准确性。
- 效果指标：AI 引荐流量到达网站后的表现。包括转化、收入、线索质量以及与这些流量相关的任何业务成果。
每一层都驱动下一层。输入指标影响渠道指标，进而影响下游表现。
因此，当我们谈到额外 2600 万美元价值时，我们指的是通过 AI 搜索带来的流量及其表现。但更广泛的衡量模型必须将我们可控的因素、AI 系统的响应方式，以及这种可见性是否转化为商业价值联系起来。
第四部分：相关性工程
8. 你提出了“相关性工程”这个术语。为什么你认为这个框架对 AI 搜索很重要？
我提出“相关性工程”，是因为传统 SEO 与 AI 搜索当前所需之间存在着明显的差距。
相关性工程位于信息检索、内容策略、AI、数字公关和用户体验的交汇点。你会发现我没有在列表中列入 SEO，这是有充分理由的。
一个人可以是一个优秀的 SEO，却完全不懂这些实际运作原理。知道正则表达式或如何设置 301 重定向是一项清单式技能，它无法告诉你底层网络是如何运作的。
现在一切都在我们眼前构建。ChatGPT、AI 概览以及其他 AI 搜索体验背后的许多系统都有开源等效方案。
这是一个深入了解细节、并构建一套反映这些系统实际运作方式的战略的机会。
将 AI 搜索与 SEO 分开很重要，因为当某件事被标榜为 SEO 任务时，它往往被视为清单上的一个待办项：元标签、免费流量、一个在角落里收拾别人烂摊子的人。
换一个名称就是一张白纸。它让我们能够从一开始就组建资金充足、跨职能的团队。
延伸阅读：
通过 iPullRank 了解更多关于相关性工程的信息
9. 理想的相关性工程团队应该是什么样的？
一个相关性工程团队至少需要能够分别主导各学科的人员，包括：
- 懂 AI 的工程师
- 内容策略师
- 用户体验专家
- 数字公关专家
- 有 SEO 经验的人
我在 SEO Week 上介绍了这一框架，当时我将相关性工程定位为对传统 SEO 在 AI 搜索中局限性的回应。
SEO 经验仍然重要，但不需要单独设置一个专属岗位。越来越多的团队工程师本身就是从 SEO 成长起来、并积累了相应技术技能的人。
SEO 从业者仍然是领导 AI 搜索工作的最佳人选。大多数人只需提升技能以适应这种环境，而“氛围编程”等范式已经消除了任何不这么做的真正借口。
（MozCon NYC 门票最后机会省 50%）
第五部分：站外策略与品牌叙事
10. 数字公关对 AI 搜索的价值是什么？它在技术上如何运作？
当我谈论针对 AI 搜索的数字公关时，我指的不是链接建设。其价值在于让你的品牌、信息和专业知识出现在 AI 系统已经视为权威的网站上。
AI 系统在决定信任什么时会寻找共识和权威。让你的信息同时出现在自有网站、新闻媒体和合作伙伴内容中，会在查询扇出中形成多个实例，共同印证同一个答案。
数字公关侧重于位置和提及，而非链接，从而影响 AI 系统在描述你品牌时所用的叙事。
第六部分：搜索的未来走向
11. 五年后的 AI 模式——谷歌还会以我们熟知的形式存在吗？
谷歌仍然存在，但搜索将不再是我们要去的一个地方，而是融入我们使用的一切事物中。
我认为谷歌在生成式搜索竞赛中处于最有利的位置。但搜索的体验将大不相同。
我们正走向一个更具“环境式”感觉的世界（如同电影《她》），信息会主动来找你，而不是等你对着搜索框输入查询。
作为搜索营销人员，这令人不安；但作为用户，这令人兴奋，因为这是我想要生活的世界。
12. 目前，对于 AI 可见性来说，最被低估的技术动作是什么？
页面速度。
不一定是为了谷歌，因为谷歌已经有索引。而是针对 ChatGPT 和 Perplexity 这类实时请求页面的系统。如果你的页面加载太慢，就会被跳过，从而失去资格。
日志文件中的 499 错误
你会在日志文件中看到 499 响应。这不是大多数 SEO 习惯看到的状态码，因为它不属于经典 HTTP 规范的一部分，但它表示客户端在服务器完成响应之前关闭了请求。
最快的修复方法通常是通过 CDN 进行边缘缓存。这能让你的内容更易被检索，使 AI 系统有更大机会实时访问和使用它。
结论：相关性工程是 SEO 一直需要的升级
多年来，SEO 早已超出了其旧定义的范畴，而 AI 搜索让这种差距无法再被忽视。
相关性工程通过为这项工作赋予一个名称、一支团队和与之匹配的预算，弥合了这一差距。
SEO 从业者仍然最有能力引领搜索的下一阶段，而执行方式就是通过一个跨职能的相关性工程团队。