我之前有写过一篇文章，是关于元宝和纳米搜索推荐我的公众号的。

DeepSeek引用之后，聊聊AI搜索推荐" data-itemshowtype="0" linktype="text" data-linktype="2">当我的文章被元宝Deepseek引用之后，聊聊AI搜索推荐

最近又看完一个访谈视频《The ultimate guide to AEO：How to get ChatGPT to recommend your product》，我梳理视频的主要内容，结合自己的理解如下。

原视频链接https://www.youtube.com/watch?v=iT7kq-R3Gjc

Ethan Smith是Graphite公司的CEO，也是18年SEO专家。嘉宾对初创公司的第一个建议是【别做SEO】，把时间花在其他事情上——因为初创公司早期没有足够的域名权重，而域名权重需要时间积累，只有有了权重才能排名，所以谷歌SEO通常是A轮、B轮之后才该做的事，早期做不了。 

但AEO不一样，今天做了，明天就能通过一个引用来源被提及，然后立即出现在结果中——可以发Reddit帖子、做YouTube视频，或者在博客中被引用。

一、AEO意味着什么变革？

以前，人们有问题、想找产品或做研究时，都会去谷歌。如今，很多人转向ChatGPT、Gemini和Perplexity获取答案，而且这种趋势只会加速，甚至谷歌的搜索体验也在发生巨大变革——顶部有AI概述，还推出了类似ChatGPT的AI模式。

AEO（回答引擎优化）应运而生。简单说，AEO就是针对ChatGPT的SEO，让你的产品出现在人们获取的答案中。

（一）AEO和GEO的名称之争

目前人们对这种技巧还没有统一的定义，有人叫AEO，有人叫GEO，但它们本质上都是在描述同一件事——如何让自己的内容在语言模型系统中作为答案呈现。嘉宾个人更倾向于“answer engine optimization（回答引擎优化，AEO）”，而不是“generative engine optimization（生成式引擎优化，GEO）”。

因为“生成式（generative）”可以生成图像、视频等非答案类内容，而“回答（answer）”的定义更精准。

（二）AEO不会取代谷歌，只是增加渠道的多样性

关于AI和AEO的错误信息非常多，比例高得惊人。比如每两年就有新闻说“谷歌搜索要完了”，现在又说“AI会取代谷歌搜索”，但事实是谷歌的市场份额没减少，只是整个搜索市场的蛋糕变大了——之前说TikTok搜索会取代谷歌，现在又说AI会取代，其实这些都是新渠道，不会取代谷歌，只会增加渠道多样性。

AEO渠道的增长曲线很特殊。嘉宾去年6月在Reforge（一家增长咨询公司）做过一次AEO网络研讨会，当时大家很兴奋，但之后热度很快下降，7月到1月几乎没人关注——增长负责人觉得AEO没效果，只是学术上有意思；但从1月开始，AEO热度突然飙升。这种“先热后冷再骤热”的曲线，在新渠道中很罕见。

（三）传统SEO对AEO仍有效果，只不过AEO有额外的技巧

ChatGPT的负责人Nick Turley对AEO/GEO这些概念的看法是：“别担心这些，只要创作优质内容就行，模型会识别出好内容，自然会找到你”。

但嘉宾的看法是，任何事物都可以优化，关键是要理解其底层逻辑和游戏规则，只要理解了，就能优化——无论是算法还是人，都能优化。负责人的那番话可能有两个意思：一是“请不要用垃圾内容骚扰我的产品”，二是“如果你们这么做，我会发现并阻止”。

所以，靠创作垃圾内容来获取曝光，不是长期可靠的策略，就像当年在谷歌上玩垃圾内容套路不可持续一样。最终谷歌会发现“这些购物比价网站生成了上亿个自动搜索页面，我不喜欢，要把这个品类都清理掉”，ChatGPT也是如此。 任何事物都能优化，但如果搞垃圾内容，平台会发现，会有专门的团队盯着，然后调整算法阻止你。

嘉宾认为SEO中有效的方法在AEO中都有效，但AEO还有一些SEO之外的额外优化点。理解AEO和SEO的区别在于【头部关键词】和【长尾关键词】的逻辑不同。 比如在“头部关键词”方面，要想在“最佳网站构建工具是什么”这类问题中胜出，即使网站的URL在引用来源中排第一，也不一定能成为答案中的首选，因为语言模型会汇总多个引用来源；但在谷歌上，只要蓝色链接排第一就算赢。所以在语言模型中，你需要尽可能多地被提及。

这里的“长尾”指的是用户输入的提示词（prompt），也就是问题本身。而“长尾关键词”的区别在于，语言模型中的长尾比谷歌搜索更长。语言模型中问题的平均长度约25个词，而谷歌搜索中关键词平均只有6个词。所以语言模型的长尾更庞大，人们会问很多后续问题。

而且很多问题可能是以前从未有人问过、从未有人搜索过的——因为谷歌搜索无法承载太多极其具体的内容，但AI就是用来进行对话、回答后续问题的，所以现在出现了很多以前没被问过的问题，而你可以通过优化这些问题来获取曝光，而且早期也能做到。

而且AEO带来的客户价值更高。嘉宾发现来自语言模型的流量转化率比谷歌搜索高出6倍，比如Webflow软件的案例。

原因可能有几个：一是用户在和AI对话时，会问很多后续问题，经过多次互动后，需求会变得非常明确，意向度很高；二是当用户最终点击进入你的网站时，已经有很强的需求匹配度，所以转化率自然高。

（四）不要让纯AI生成垃圾内容，而是辅助生成

现在有很多人用AI生成内容、生成落地页，说“SEO会被AI颠覆，以后内容都靠AI生成”。

嘉宾举例反驳了这一点。2007年，他和其他做购物比价的人，会抓取彼此的内容、评论，切碎后重新组合，生成上亿个自动搜索页面，当时效果很好，但后来谷歌打击垃圾内容，这些页面全被清理，很多公司也倒闭了——现在的纯AI生成内容，和当年的垃圾内容本质一样，最终也会被清理。 虽然很多人说“AI生成内容有效”，但嘉宾调研的结果显示：谷歌搜索和ChatGPT引用来源中，只有10%-12%的内容是AI生成的，88%-90%还是人工创作的；相关性分析也证实了这一点——纯AI生成内容很难排名靠前。AI辅助创作（有人工参与编辑）是有效的，也是未来的趋势，但纯AI生成、无人工干预的内容行不通。

退一步说，即使纯AI生成内容现在有效，未来也会失效——因为如果它有效，所有人都会用AI生成内容，就像2007年大家都做垃圾内容一样，最终整个互联网都会被AI生成内容充斥，谷歌就会变成AI生成内容搜索引擎，失去存在的意义，所以谷歌一定会打击。

ChatGPT也是如此，如果它的引用来源全是AI生成内容，就会陷入“AI汇总AI内容”的无限循环，出现“模型坍缩（model collapse）”。之前有研究显示，用AI生成的内容训练核心模型，会导致模型出现幻觉（输出错误信息）、性能下降。

研究发现，用AI生成内容作为RAG的引用来源，也会有问题——语言模型的优势是“汇总大众观点，体现群体智慧”（比如问“最佳冰淇淋口味是什么”，会汇总各种观点，而不是只给一个答案），但如果引用来源都是AI生成的，最终会收敛到一个单一观点（比如只说“香草味最好”），失去群体智慧的价值。

二、AEO优化的方法论

（一）先理解AEO的本质

第一，要AEO本质是“语言模型+RAG”，通常是对一组搜索结果的汇总，所以核心是理解这个逻辑。

第二，要关注“主题”。在SEO中，一个落地页会针对几百个关键词（比如2007年是针对单个关键词，现在是针对一组关键词），这组关键词就是一个“主题”；AEO也是如此，一个页面要针对成百上千甚至上万个问题，所以要把这些问题归为“主题”，然后围绕主题创作内容。

比如一个关于“网站构建工具”的页面，要回答所有相关问题，回答得越全面，在谷歌和AI中排名越好；如果有某个问题你回答了而别人没回答，你就更可能排名靠前。

第三，要做“问题调研”——知道人们在问什么。这其实很难，因为谷歌会通过广告API告诉你关键词的搜索量，有明确的数据参考，但ChatGPT目前没有提供这些数据（可能未来做广告后会开放），所以没有明确的“真相来源”。

怎么调研问题呢？

一是把现有搜索关键词转换成问题，比如“网站构建工具”可以转换成“最佳网站构建工具是什么”，这类问题的搜索量大概和原关键词成正比；

二是挖掘“长尾问题”——比如从销售沟通、客户支持、Reddit讨论中收集人们问的问题，这些问题很可能也在AI中被提及；

三是“引用来源优化”（站外优化），比如梳理引用来源的类型（自有网站、YouTube、Reddit、一级联盟网站、二级联盟网站、博客等），针对每种类型制定策略。

（二）如何确定关键词

首先，要确定你想针对哪些问题排名。怎么确定呢？可以看自己的搜索数据，比如付费搜索数据（哪些是你的核心关键词）、竞争对手的付费搜索数据，然后把这些关键词转换成问题。其实可以直接把关键词发给ChatGPT，让它生成问题，效果还不错。这是第一步。

第二步，跟踪这些问题——把它们放进AEO跟踪工具（答案跟踪工具）里。

第三步，分析当前哪些来源在这些问题的引用中出现，然后针对不同类型的引用来源制定策略。

第四步，制作自己的落地页。先看当前排名的落地页是什么类型：是列表式文章、分类页、产品介绍页，还是工具页？找出最常见的页面类型，然后制作自己的页面。 怎么让你的页面排名呢？关键是回答所有后续问题。比如用户可能会问哪些相关问题？可以回到搜索数据，梳理SEO主题中的关键词分组和主题，AEO主题也一样，要覆盖所有相关问题。

（三）AEO的站内和站外优化

AEO优化分为“站内”和“站外”两类。站内优化就是传统SEO，但要注意刚才说的“长尾逻辑”——要回答更多后续问题，比如“你们的产品有这个功能吗”“适用场景是什么”“有哪些集成方式”“支持哪些语言”等关于产品的具体细节，这些都要在站内内容中覆盖。

帮助中心（Help Center）优化，因为用户在AI中会问很多后续问题，比如“你们的产品有这个功能吗”“支持这个使用场景吗”“有哪些集成方式”，这些问题很多都能在帮助中心找到答案，但很多公司不会让SEO团队优化帮助中心，觉得它不重要。 但在AEO中，帮助中心是绝佳的优化场景。怎么优化呢？

第一，把帮助中心从子域名迁移到子目录——因为子域名的SEO效果不如子目录，很多帮助中心都在子域名上，迁移后效果会提升。

第二，优化内部链接——帮助中心页面之间要多做交叉链接，减少跳转到其他域名的链接。

第三，覆盖长尾问题——很多公司的帮助中心只覆盖了“头部问题”，但没有覆盖“长尾问题”，比如“哪个会议转录工具支持与Looker集成”，这类问题可能没有现成的帮助中心文章，但其实有解决方案（比如用Otter的Zapier集成，把会议数据传到BigQuery，再连接Looker），所以要从销售沟通、客户支持中收集这些长尾问题，补充到帮助中心，甚至可以开放社区编辑，让用户帮忙补充。 很多时候，这些长尾问题没有任何引用来源，你只要制作一篇帮助中心文章，就能成为唯一的引用来源，轻松获得曝光。

站外优化则是在各类引用来源中增加曝光，比如视频平台（YouTube、Vimeo）、用户生成内容平台（Reddit、Quora）、一级联盟网站（比如Dotdash Meredith）、二级联盟网站、博客等。所以要针对不同类型的引用来源，制定具体的优化策略。

比如对有预算的公司来说，找联盟网站合作让他们提及你很简单——比如想成为“最佳信用卡”推荐，付费给《福布斯》，就能获得推荐。这种方式成本高，但简单可控。

YouTube和Vimeo的策略也很简单，而且对B2B公司来说，这是个大机会：YouTube、Vimeo上大多是美食、旅行、娱乐、美妆类视频，关于“AI驱动的支付处理API”这类小众但高价值的关键词/问题，相关视频很少，所以制作这类视频能快速获得曝光。

还有Reddit策略：注册一个Reddit账号，注明自己的名字和公司，然后在相关帖子下提供有价值的信息。而且Reddit在帮ChatGPT过滤垃圾内容，不是ChatGPT自己在过滤，而是Reddit社区本身就很擅长管理内容。

（四）如何验证AEO是否有效？

要提升在语言模型答案中的曝光，步骤大致是：

1. 确定想针对的问题（通过竞争对手付费关键词、ChatGPT生成问题等）；

2. 用跟踪工具监控这些问题的排名；

3. 分析当前引用来源，据此制作落地页；

4. 落地页要回答所有后续问题；

5. 站外优化（联盟网站、YouTube、Reddit等）；

6. 做实验；

7. 组建团队。

怎么设计实验，而不只是简单的“前后对比”？怎么设置对照组？

嘉宾的方法是：选100个问题，一半作为“干预组”（进行优化），一半作为“对照组”（不做任何优化）。之所以需要对照组，是因为即使不做任何优化，AI答案本身也会有很多波动；而且随着AI使用率提高，语言模型带来的流量整体在增长，所以必须有对照组才能准确判断优化效果。

对照组的设置很简单：完全不干预，保持原样。干预组则是实施具体的优化动作，比如“在Reddit相关帖子下评论”“制作YouTube/Vimeo视频”“付费让《福布斯顾问》推荐我们为最佳信用卡”等，还可以把干预组再细分，测试不同优化动作的效果。

实验流程是：先观察2周（ baseline，基准期），然后实施优化动作，再观察2周（干预期），对比干预组和对照组的变化——如果干预组的排名/曝光率上升，而对照组没有，就说明这个优化动作有效；反之则无效。 “可重复性”很重要，在学术界，只有可重复的研究才能被认可——也就是多个团队做同样的实验，都能得到相同的结果。在SEO和AEO领域，很容易出现“某个指标变化了，你以为是某个优化动作导致的，但其实不是”的情况，然后你会一直误以为这个动作有效。

如果某个优化动作在10次实验中都有效，那它大概率是真的有效。这也能解决“资源浪费”问题——SEO和AEO中很多工作都是无效的，通过可重复的实验，能筛选出真正有效的动作，避免浪费资源。

从“转化率”角度看，AEO确实更重要，因为能带来更高质量的客户。但从“流量规模”看，AEO目前还不如SEO——谷歌搜索的流量还是更大。不过AEO已经是一个重要渠道了，比如Webflow有8%的注册用户来自语言模型，已经成为他们的顶级渠道之一。所以AEO规模虽不是最大，但很重要，而且还在增长。

（五）不同类型公司的优化策略不同

以B2B为例，首先引用来源的类型会很不一样，所以站外优化策略会有很大差异。当你问相关问题时，Tech Radar（一家科技媒体）的引用率很高，不管问什么B2B相关问题，它总能出现。

• 而在电商领域，引用来源不会是Tech Radar，更可能是《魅力》（Glamour）、《时尚》（Cosmopolitan）这类媒体；
• 在本地生活领域（比如餐厅、酒店），引用来源会是Eater、Yelp、TripAdvisor（猫途鹰）这类平台。所以不同领域的引用来源类型不同。

电商领域有几点不同：

一是B2B问题的答案大多不可点击，没有可跳转的链接，所以要衡量效果，不能只看“最后一次点击的引荐流量”，还要通过跟踪工具看自己是否出现在答案中，并且在用户转化后问“你是怎么知道我们的”，才能准确判断AEO的效果，所以B2B的效果跟踪更难。 二是B2B的决策周期长——用户不会因为搜索了“薪资管理软件”就立即花10万美元购买，通常需要和品牌有50次接触后才会决策，这和电商不一样。

电商领域的不同点在于，现在AI答案中有更多可点击的购物卡片（类似谷歌的购物功能），比如你问“适合公寓的最佳电视是什么”，会出现可直接购买的卡片，而且卡片会显示多个卖家，卖家的富媒体摘要（schema）、评论数量都很重要。所以电商领域可以通过“最后一次点击的引荐流量”来判断转化效果，和本地生活（餐厅、酒店）类似。

还有一种情况很有意思：用户会打开新标签，直接输入你的品牌名搜索，然后点击你的网站，这时候你会误以为流量来自“谷歌品牌搜索”，但其实是来自AI；或者用户直接在新标签输入你的域名访问，你会误以为是“直接流量”，但实际源头也是AI。

嘉宾的分享到这里就结束了，我下一篇文章会讲更加具体的操作步骤，具体可以用到的软件等等。