AI SEO零起步：如何理解AI模式排名

谷歌对内容进行排名的简单解释是：它基于对搜索查询和网页的理解，以及一些外部排名信号。而有了AI模式，这仅仅是网站排名的起点。甚至连关键词都开始逐渐消失，取而代之的是越来越复杂的搜索查询，甚至是图片。那么，如何针对这种情况进行优化呢？以下步骤或许能帮助您找到答案。

潜在问题是搜索引擎优化的一项深刻变革

“潜在”一词指的是存在但无法直接观察到的事物。当用户发出复杂的查询时，潜在学习管理系统（LLM）不仅要理解查询内容，还要规划出用户在探索该主题信息过程中可能提出的后续问题。这些后续问题就是潜在问题。实际上，几乎每个查询都包含潜在问题。

谷歌的信息增益专利

潜在查询问题给搜索引擎优化带来了一个新难题：如何针对未知问题进行优化？针对人工智能搜索进行优化意味着要针对与初始查询或核心查询相关的所有问题进行优化。

但即使是“头部查询”的概念也在逐渐消失，因为用户现在提出的查询更加复杂，需要复杂的答案。正因如此，对于人工智能搜索引擎优化而言，优化用户当前的信息需求，而不仅仅是针对单个查询，可能更为重要。

谷歌如何理解用户查询中隐藏的信息需求？答案就在谷歌的“信息增益专利”中。该专利的核心在于，它首先对与用户查询相关的网页进行排名，然后再对其他包含不同但相关内容的网页进行排名。

找出潜在的（隐藏的）问题

查看 AI 搜索结果的一种方法是将其分解为 AI 回答令人满意的问题，以识别隐藏的查询分支问题。

例如，如果你问谷歌的AI模型如何制作披萨面团，它会生成一个披萨面团配方。这个答案是由多个查询综合而成的。

有一种方法可以通过使用反向问答提示来提取隐藏的（潜在的）问题，我将在下面展示。

以下是一个初始查询及其后续扩展查询的示例：

如何制作披萨面团？初始问题： 如何制作披萨面团？

查询扇出问题：

• 制作披萨面团需要哪些原料？
• 这个配方可以做出多少披萨面团？
• 什么迹象表明酵母处于活跃状态？
• 手工揉面需要揉多久？
• 用搅拌机揉面需要揉多久？
• 面团第一次发酵应该发酵多久？
• 如何让面团的风味更加复杂？
• 烤披萨时烤箱温度应该设为多少？
• 披萨需要烤多久？

AI模式问答

以下是一些隐藏的查询分支问题，以及谷歌人工智能模式生成的答案。问： 制作披萨面团需要哪些原料？

答案： 

• 1 又 1/3 杯温水（约 40-43 摄氏度）；
• 1 汤匙砂糖（或蜂蜜）；
• 1 包活性干酵母或速溶酵母（2 又 1/4 茶匙）；
• 3 又 1/2 至 4 杯通用面粉或面包粉，另需一些用于撒粉；
• 2 汤匙特级初榨橄榄油，另需一些用于涂抹；
• 1 茶匙盐。

问： 这个配方能做出多少披萨面团？

答： “这个配方可以做出两个10-12英寸披萨的面团。”

问： 这个配方可以做出多少披萨面团？

答： “这个配方可以做出足够两个 10-12 英寸披萨的面团。”

问： 什么迹象表明酵母活性良好？

答： “盖上盖子静置约5-10分钟，直到混合物起泡。这表明酵母活性良好。”

问： 什么迹象表明酵母处于活跃状态？

答： “盖上盖子静置 5-10 分钟，直到混合物起泡。这表明酵母已经活跃起来。”

AI模式实际答案的截图

反向问答提示

您可以使用反向问答提示来识别任何 AI 模式答案中的潜在问题。您甚至可以使用类似但更精确的提示来分析自己的内容，以确定文档回答了哪些问题。这是一种很好的方法，可以检查您的内容是否回答了您想要回答的问题。

提示从 AI 模式中提取问题

以下是用于提取 AI 模式答案中隐藏问题的提示：

分析文档，并提取出文档中所有由完整句子直接且完整回答的问题列表。仅当文档包含能够清晰回答问题的完整句子时，才应包含这些问题。请勿包含任何仅部分回答、隐含回答或通过推断回答的问题。

请确保每个问题都是对现有信息的清晰简洁的复述。这是一项反向问题生成任务：仅使用文档中已有的内容。

对于每个问题，请同时包含文档中回答该问题的确切句子。仅生成文档中存在完整、直接答案（以完整句子形式呈现）的问题。

网络内容反向问答分析

前面描述的提示可以用来提取你或竞争对手的内容所回答的问题。但它无法区分文档相关的核心搜索查询和其他与主题无关的问题。

要使用自己的内容进行反向问答分析，请尝试以下更精确的提示语：

分析文档，并提取出一系列与文档中心主题密切相关的核心问题，这些问题应在文本中通过完整的句子直接且完整地回答。

只有当文档中包含完整句子或连续句子能够清晰回答问题时，才能提出问题。不要提出任何仅部分回答、隐含回答或通过推断回答的问题。尤其重要的是，不要提出任何关于佐证轶事、个人补充或与文档主题无关的背景信息的问题。

请确保每个问题都是对现有信息的清晰简洁的复述。这是一项反向问题生成任务：仅使用文档中已有的内容。

对于每个问题，请同时包含文档中回答该问题的确切句子。仅生成文档中存在完整、直接答案（以完整句子形式呈现）的问题。

上述提示旨在模拟 LLM 或信息检索系统如何提取 Web 文档回答的核心问题，同时忽略文档中与其信息目的无关的部分，例如与文档主要主题或目的没有直接关联的旁枝末节的评论。

 努力在其他网站上被提及

越来越明显的是，人工智能搜索倾向于对那些被其他网站推荐的公司进行排名。Ahrefs 的研究发现，出现在人工智能概览中的网站与品牌提及之间存在很强的相关性。

根据 Ahrefs 的数据：

“所以我们研究了与品牌在 AI 概览中出现次数相关的这些因素，测试了大量不同的方法，结果发现相关性最强、非常非常强的因素（接近 0.67）是品牌网络提及。

因此，如果你的品牌在网络上的许多不同地方被提及，那么你的品牌也很有可能在很多人工智能对话中被提及。”

这一发现有力地表明，人工智能搜索中的可见度可能较少取决于反向链接，而更多地取决于品牌在网络上的讨论频率。人工智能模型似乎通过观察品牌在其他网站（包括 Reddit 等网站）上的提及频率来学习哪些品牌值得推荐。

后关键词排名时代

我们已进入后关键词排名时代。谷歌的自然搜索早已运用人工智能和核心主题系统来更好地理解搜索查询和网页主题。如今最大的不同在于， 谷歌的人工智能模式使用户能够使用冗长而复杂的对话式查询进行搜索，而这些查询未必能得到那些专注于关键词相关性而非用户实际需求的网页的解答。

撰写关于以下主题的文章

就某个主题进行写作似乎是一种直接的方法，但其意义取决于主题的具体语境。

“ 主题写作 ”的理念是，作者不应该写关于关键词“蓝色小部件”的文章，而应该写关于“蓝色小部件”这个主题的文章。

传统的 SEO 方式是考虑 Blue Widget 以及所有相关的 Blue Widget 关键词短语：

相关关键词短语

• 如何制作蓝色小部件
• 廉价蓝色小部件
• 最佳蓝色小部件

图片和视频

如今的写作方式是着眼于提供答案和实用性。例如，旅游网站上的图片是否能传达目的地的特色？读者是否会驻足欣赏照片？产品网站上的图片是否能传递有用的信息，帮助消费者判断产品是否合身以及穿在身上的效果？

如果图片和视频能够提供帮助并回答问题，那么随着用户开始使用图片进行搜索，并且越来越希望在搜索结果中看到更多视频（包括短视频和长视频），图片和视频的重要性可能会越来越大。

来源：每日学点SEO