作为当今的网络营销人员，由于网络内容的发现和消费方式快速变化，面临很大挑战。传统上，自然流量来自用户在谷歌等主要搜索引擎上搜索，查看排名靠前的结果，并点击最合适的链接。然而，AI对话引擎正在迅速改变这一格局，加快了这种变化的速度。 因此，网站的直接流量逐年下降，付费广告成本增加但转化率降低，而谷歌的Gemini AI辅助结果在搜索中占据主导地位。去年，大约60%的搜索结束时用户没有点击，且这一趋势不断上升。搜索排名前列的价值已降至几年前的一半以下。 那么，未来的道路在哪裡？ 引入GEO（生成引擎优化）。 越来越多的用户不再看到传统的链接，更重要的是，传统搜索引擎的设计本意是提供答案，而非仅仅展示页面。像Claude或ChatGPT这样的AI驱动工具，专注于直接提供答案，而非引导用户点击链接。谷歌最近的“AI模式”也在表明其在朝这个方向转变。 例如，我带女儿搜索二手车时，关于功能和可靠性的几乎所有问题都由Claude直接回答，无需访问多个网站。虽然还不完美，但大型语言模型（LLMs）正越来越多地引导用户在传统品牌接触之外的客户旅程。这引出一个关键问题：营销人员如何影响AI生成的推荐？ 好消息是，许多创造搜索引擎权威内容的方法依然重要：制作优质内容，确保可访问性，以及提供强有力的元数据。无论是传统搜索引擎还是AI增强的搜索，都需要上下文和结构来解读内容。除了传统的SEO问题外，营销人员现在还必须关注AI如何感知和索引他们的内容——这是一个快速发展的新领域，广泛被称为GEO。 理解内容以供LLMs使用 虽然对人类有价值的内容也有助于LLMs，但关键在于它们的推理能力。LLMs擅长处理语言模式，但缺乏真正理解。例如，人类知道“AWD”意味着全轮驱动，“手动”指变速箱类型。没有明确的上下文，LLMs只会看到文字，可能会误解“手动”是一本书，或者不了解“AWD”的意思。虽然训练数据提供了一定的背景信息，但营销人员可以通过在网站上加入详细解释，比如丰富的词汇表——这是专家如Corey Vilhauer倡导的做法。 精心设计的常见问题解答（FAQ）也发挥着新的作用，它们不仅关注预设的用户问题，还考虑LLM可能提出的问题。对这些预期问题提供准确的答案，可以增加AI主动展示它们的可能性。 加强元数据的作用 Schema标记和嵌入语义，比如微数据（microdata）或JSON-LD，虽然不是新事物，但如今变得更加重要。Schema. org提供了数百种不同用途的Schema，过去，营销人员主要针对那些帮助谷歌丰富结果（Rich Results）的Schema，但AI更广泛的理解能力允许利用更丰富、更贴合实际内容的Schema类别。 一种新兴工具是llms. txt文件，它类似于sitemap. txt，但专为LLMs设计。该文件采用Markdown格式，为LLM提供一份指导你的站点的导览，突出重点区域、术语和功能，以改善AI的理解。 通过专业建立权威 建立权威依然至关重要——除了优质内容外，还包括通过合作、媒体曝光、准确的维基百科内容和高质量的反向链接来提高知名度。当他人引用你的网站内容时，网站的权威性就会提升，也增加了AI引用的可能性。权威性不仅取决于内容的质量，更依赖于人类的认可。 旧原则，新意义 许多传统SEO策略仍然关键，但由于内容现在竞争的重点已超越直接访问网站，紧迫感增强。你的信息、网站结构和数据质量都必须达到一流。没有捷径可走，实际上，也从未存在过捷径。