遊戲已經發生了變化，而且是最近才發生的。

生成引擎優化 (GEO)、人工智慧概覽 (AIO)，或只是 SEO 的擴展（現在在 LinkedIn 上被稱為「Search Everywhere Optimization」）——哪個首字母縮寫是正確的？

我認為是 GEO，你會明白為什麼。如果你曾經像我一樣在 2020 年從頭開始建立過自己的大型語言模型，你就會明白為什麼。

我們都看到了各種令人恐懼的數據（對某些人來說），例如點擊率如何隨著 Google AIO 而急劇下降，像 ChatGPT 這樣的 LLM 如何侵蝕 Google 的搜尋份額 —— 基本上是「SEO 已死」 —— 所以我在這裡就不再重複了。

我將介紹讓您的內容（以及您的公司）得到 AI 和 LLM 推薦的基本原則。

我在這裡披露的所有內容都是基於客戶在 AI 搜尋方面取得的實際成功經驗。

使用我可以談論的一個例子，我將採用如下所示的 Boundless。

告訴世界一些新鮮事
想像一下，一家公關公司簽下了一位新的商業客戶，卻發現他們沒有任何新聞價值可以向媒體宣傳，這會是多麼令人擔憂——這可是個難以接受的現實。傳統的SEO內容行銷就有點像這樣。

我們都已經看到並完成了相當乏味的終極內容指南 [插入你的目標主題] 劇本，它試圖將你的網站變成你所在行業的維基百科（似乎是 ChatGPT 的關鍵數據來源）。

讓我們面對現實吧，根據 The Verge 報道，它的效果非常好，甚至毀了網路。

這類SEO內容的根本問題在於它沒有資訊增益。當數以萬億的網頁都遵循相同的「最佳實踐」時，它們並沒有向世界傳遞任何真正新穎的訊息。

您只需看看 Google 的資訊增益專利，就能強調內容具有價值的重要性，也就是您的內容必須（透過網路）告訴世界一些新的東西。

BoundlessHQ 委託進行了一項關於遠端工作的調查，詢問“如果可以選擇，您理想情況下希望在哪裡工作？”

結果提供了一組數據，這種內容足夠努力、獨特且具有足夠的附加價值，可以在 AI 搜尋結果中被引用。

當然，這類內容本來就不該用人工智慧來製作，因為無論如何，這都是很好的SEO內容行銷。人工智慧只是迫使我們採取行動（稍後會詳細介紹）。

畢竟，如果你的內容不夠獨特，記者又怎麼會提到你呢？部落客怎麼會連結到你呢？人們怎麼會分享或收藏你的頁面呢？人工智慧又怎麼會用你的內容重新訓練模型或引用你的品牌？

你明白了。

為了提高人工智慧的可見性，請將您的資料來源和研究方法及其局限性納入，因為這種透明度使您的內容更易於人工智慧驗證。

此外，比每年更新一次更頻繁地更新數據，將向 AI 證明其作為可靠引用資訊來源的可靠性。哪個法學碩士不想要更新的數據呢？

SEO 或許還沒死，但關鍵字肯定已經死了
關鍵字並不能告訴你誰在真正搜尋。它們只能告訴你哪些關鍵字會在 Google 觸發廣告。

您的內容可能吸引學生、退休人員或任何人。這不是針對性強，而是千篇一律。在人工智慧時代，千篇一律的做法肯定行不通。

因此，請與僅以一種英語形式編寫的、能在所有英語地區贏得流量的內容指南告別。

人工智慧為行銷人員創造了更多的工作機會，因此為了獲得與以前相同的流量，您需要為英語地區創建與以前相同的內容。

據稱，關鍵字工具還可以告訴您關鍵字的搜尋量（如果您仍然想要這些訊息，我們不需要）。

所以，如果你正在根據關鍵字研究來制定內容策略，那就停下來吧。你正在針對錯誤的搜尋引擎進行最佳化。

你可以做的是基於 LLM 使用的原始資料來源（而不是 LLM 輸出本身）進行紮實的市場調查。例如，Grok 使用 X（Twitter），ChatGPT 有出版合作關係，等等。

討論才是製定內容策略的真正主題，討論的數量才是真正的內容需求。

AI輸入，而非AI輸出
我看到一些討論（甚至是建議），創建數據驅動或基於研究的內容有助於獲得人工智慧建議。

鑑於人工智慧所渴望的真正數據驅動內容的缺乏，請儘早享受它，因為這只會在短期內起作用。

人工智慧提高了內容門檻，這意味著人們的搜尋模式非常具體，這表明他們對這項技術的信心。

因此，內容行銷人員將迎接挑戰，製作更有針對性、更實質的內容。

但是，即使您使用高級訂閱的「深度」模式的 LLM 為您的內容注入更多實質內容和價值，也無法達到 AI 的品質標準。

期待這種奇妙的結果就像要求人工智慧利用汗水來補充水分一樣。

人工智慧的成果本質上是衍生的、稀釋的、且令人幻覺的。這種幻覺性正是我不懼怕法學碩士（LLM）引領通用人工智慧（AGI）的原因之一，但那是另一個主題。

由於結果的價值降低，人工智慧不會冒險降低基於人工智慧輸出的內容的模型，因為擔心會變得更愚蠢。

要創建 AI 偏好的內容，您需要使用與 AI 引擎相同的資料來源。眾所周知，Google十多年前就啟動了 LLM 項目，當時它開始在 Google 圖書和其他文獻上訓練其模型。

雖然我們大多數人沒有預算購買 X.com 數據消防水帶，但您仍然可以找到創意的方法（就像我們一樣），例如進行具有強大樣本量的調查。

一些有意義的新聞報導、媒體提及和良好的反向連結足以讓人工智慧看到你的內容的價值，並被判斷為足夠好，可以重新訓練其模型並更新其世界觀。

透過對相同的資料來源進行資料挖掘，您可以開始將內容建構成問題的直接答案。

您還會發現，您的內容更具對話性，以符合目標買家在尋求解決方案時所使用的搜尋模式。

SEO基礎仍然重要
GEO 和 SEO 並不相同。對搜尋引擎結果頁面進行逆向工程以指導內容策略和製定是有效的，因為排名位置是一個回歸問題。

在人工智慧中，沒有等級，只有贏家和輸家。

然而，一些嚴重的重疊現像不會消失，甚至比以往任何時候都更嚴重。

與 SEO 不同，SEO 的字數通常越多，AI 則面臨能源成本上升和電腦晶片短缺的額外限制。

這意味著內容需要比搜尋引擎更有高效，以便人工智慧能夠分解和解析含義，然後才能確定其價值。

所以，無論如何：

• 用於更快載入和更快處理的程式碼頁。
• 部署模式以向內容新增上下文。
• 建構對話式答案優先的內容架構。
• 使用 HTML 錨跳轉連結指向內容的不同部分。
• 將您的內容開放給 LLM 抓取並使用 llms.txt 檔案。
• 提供程式化內容存取、RSS 提要或其他。

這些做法是一些衛生方面的建議，有助於提高你的內容的可發現性。它們或許無法徹底改變你的組織被AI引用的局面，但如果你能戰勝GEO，你就能戰勝SEO。

人類，而非人工智慧
AI引擎不會引用那些無聊的重複內容。它們忙著幫我們做這件事，所以才會引用重複內容的來源。

現在，我聽到一些觀點說，如果內容的品質（假設它甚至包括資訊增益）是準確的，那麼人工智慧就不應該關心它是由人工智慧還是人類編寫的。

我卻持相反意見。因為任何法學碩士（LLM）的創造者最不希望看到的就是他們的法學碩士（LLM）被用人工智慧生成的內容重新訓練。

雖然生成輸出不太可能以任何方式被標記，但當內容是由人工智慧編寫時，對於人類來說，這是非常明顯的，而且從統計上來說，對於人工智慧引擎來說，這也是非常明顯的。

LLM 將會具有 AI 生成的寫作中常見的某些主題，例如「... 的未來」。

如果沒有強烈的創造性啟發，法學碩士不會默認生成個人生活經驗或自發性產生微妙的幽默。

所以，不要這麼做。讓你的內容由人來寫。

未來是一個新的有針對性的實質價值
讓人工智慧推薦您的內容和公司意味著它需要告訴世界一些新的東西。

確保它提供基於實質、非 LLM 衍生研究的資訊增益（足以使其值得納入 LLM 模型），掌握 SEO 基礎知識，並保持人工編寫。

現在的問題是：“你能做些什麼來製作出足夠好、適合人工智慧且成本不高的內容？”