18 年 SEO 增长经验专家：别再收藏各种 AEO 最佳攻略了，自己动手实验才是做好的关键

「你在网上能读到的，大部分关于 AEO 的信息和最佳实践都是不准确的。做好 AEO 最关键的一步，是自己动手去验证。」

Reddit 是做好 AEO 最有效的渠道之一。这是近期频繁出现在各种 AEO/GEO 攻略里的一句话。

于是，有人创建了几百个 Reddit 假账号，伪装成真人，自动发帖、评论、互赞，刷信任分，在 Reddit 上疯狂刷屏，让自家产品无处不在。

结果是，这招效果并不好，最后账号被封禁，评论被删除。

在 AEO 中，有大部分工作都被浪费了，是因为还没有搞清楚背后的引用「逻辑」。Reddit 平台的核心优势是发布来自真人的、有用的、高质量且真实的评论。因此，ChatGPT 有意地引用来自 Reddit 的内容。但如果 Reddit 内容变得不可信，结果可想而知。所以，五条高质量的评论反而会比一万条评论的效果更好。

但做好 AEO 优化这事并不简单。需要你理解搜索背后的底层逻辑，找到适合的渠道及对应策略，然后用自己的真实数据反复去验证，才能找到 AEO 优化最好的打法。

Ethan Smith，Graphite CEO、Reforge 合伙人，拥有 18 年 SEO 经验。在与 Lenny 的对谈中，他分享了很多关于 AEO 有价值的思考和观察：

• 所有对传统 SEO 有效的方法，对 AEO 也基本有效；

• 在 AEO 中，非常具体、小众的长尾问题，占据了更大的流量份额；

• 是 Reddit 在阻止 ChatGPT 被垃圾信息淹没，而不是 ChatGPT 本身在阻止垃圾信息；

• 针对大模型的 RAG 层面进行优化，是最可控的，也是见效最快的；

• SEO 和 AEO 的有趣之处在于，大部分信息和最佳实践都是不准确的，原因在于人们不做分析。某个人说了句话，然后被不断重复，最后就成了最佳实践，但从来没有人做过分析。

• 针对早期公司，我建议完全不做传统的 SEO，而是 All-in 在 AEO 上，但只做两件事：引用来源优化和长尾问题优化。

• 可复现性非常重要。一个有效的策略，你需要能反复验证它。

• SEO 和 AEO 两者的核心技术和思维方式是高度重叠的。AEO 只是在 SEO 的基础上，增加了引用来源优化、更长的尾部和不同的头部竞争策略。

• 优化你的帮助中心（Help Center）和技术支持内容。

如果你时间有限，优先阅读：

• 想要理解 AEO 背后的核心逻辑，阅读 03 部分内容；

• 不知道怎么「下手」做 AEO，需要一个分步骤的具体引导，阅读 04 前半部分内容；

但建议读完全文。

超 14000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

• 最新、最值得关注的 AI 新品资讯； 
  

• 不定期赠送热门新品的邀请码、会员码；
  

• 最精准的AI产品曝光渠道

01 

ChatGPT 的流量转化

比传统 Google 搜索高出 6 倍

Lenny：你做 SEO 多久了？在你看来，有哪次行业变革能跟今天相比吗？

Ethan Smith：我是 2007 年入行的，到现在快 18 年了。刚入行那会儿经历过一次大变革，当时我主要做程序化 SEO 和电商 SEO，就是帮像 Nextag、Shopping.com 这类比价网站，大规模地自动生成着陆页。

后来，谷歌推出了 Panda 算法这些更新，专门打击这种垃圾内容的制造。那可能是最大的转变：SEO 的玩法，从「怎么制造垃圾信息」彻底变成了「怎么不做垃圾信息」。 我们眼下正在经历的，我觉得能排第二。我认为，它的核心虽然和搜索有关，但更像是在对搜索结果做总结，并且引入了全新的信息来源。

Lenny：所以很多人觉得这次是颠覆性的变革，但在你看来，当年谷歌那次算法更新的影响其实更深远？

Ethan Smith：是的。

Lenny：我们先帮听众科普一下，最近大家都在聊的 AEO 和 GEO，这两个词到底是什么意思？有什么区别吗？

Ethan Smith：我觉得它们本质上说的是同一件事。一个词到底是什么意思，最终还是看大家怎么用、怎么认同。

我的看法是，不管是 AEO 还是 GEO，它们都想回答同一个问题：「我怎样才能让我的内容，以‘答案’的形式出现在大语言模型里？」 我个人更喜欢 AEO，也就是「答案引擎优化」（Answer Engine Optimization）。因为 GEO 里的「生成式」（Generative）范围太广了，它还可以生成图片、视频这些不是答案的东西，而「答案」这个词的目标更聚焦。

所以，我个人倾向于使用「答案」，因为它比「生成式」更精确地描述了我们正在做的事：优化大语言模型，让它给出我们想要的答案。当然，最后叫什么，还是得看社区的共识。

Lenny：「答案引擎优化」听起来确实更简洁。最近我查看我的引流来源时发现，ChatGPT 为我的 Newsletter 带来的流量已经超过了 Twitter。这完全出乎我的意料，但它确实已经在发生了。我很期待能学习如何进一步优化这一点。

Ethan Smith：你是什么时候看到流量激增的？

Lenny：很遗憾，我的后台仪表盘在引流优化方面的数据分析不够精细。你觉得我大概是什么时候看到的？

Ethan Smith：我们合作的公司，基本上都是从今年一月份开始看到明显增长的。

增长的原因有两个：一是用户采纳率更高了；二是因为答案本身变得更具可点击性了。现在答案里有地图、购物轮播图、可点击的卡片。

Lenny：主动去优化内容，争取在 ChatGPT 里露脸，效果到底有多大？我之前采访过 ChatGPT 的负责人，他说「做好内容就行，模型自己会找到」。我猜你不太同意这个说法，你怎么看？

Ethan Smith：我既同意也不同意。我的看法是，任何事物都可以被优化，无论是算法还是人，你只要摸清它底层的系统和游戏规则就行。

我认为他那番话可能有两层意思。第一是「请不要用垃圾内容来污染我的产品」，第二是「如果你这么做了，我会发现并阻止你」。所以，制造垃圾内容不是一个长期稳健的策略，就像在 Google 上制造垃圾内容不是一个长期稳健的策略一样。

Google 最终会发现，你们这些购物比价网站制造了上亿个自动生成的搜索页面，我不喜欢这样，所以我要把整个类别都干掉。ChatGPT 也是同理，任何东西都可以被优化，但如果你在制造垃圾内容，他们会发现，并且会有一个专门的团队来处理，然后他们会修改算法来阻止你。

Lenny：举个例子。通过优化，到底能在多大程度上影响内容在 ChatGPT 里出现的频率？

Ethan Smith：你可以产生很大的影响。以 Webflow 为例，我们一直在帮他们做 SEO 和内容，最近在 AEO 上看到了非常显著的效果。

我们具体做了几件事。第一，就是传统的 SEO。比如为「最好的无代码网站设计工具」这种高搜索量的关键词制作专门的着陆页。做好这个，你就能免费地获得一部分 AEO 的效果。可以说，所有对传统 SEO 有效的方法，对 AEO 也基本有效。

Lenny：这听起来和常规的 SEO 一模一样。

Ethan Smith：是的，但 AEO 还有一些超越 SEO 的额外策略。

我认为 AEO 和 SEO 的区别在于「头部」和「尾部」的不同。先说「头部」，比如当用户问「最好的网站建设工具是什么？」这类问题时，就算 Webflow 的官网链接在引用来源里排第一，也并不意味着它在 AI 生成的最终答案里就能排第一。

在 Google 上，如果他们的蓝色链接排在第一，他们就赢了。但在大语言模型里不是这样，因为大语言模型会总结许多引用来源，关键在于要被尽可能多地提及。通常，对于「做某件事最好的工具」这类问题，最终排在答案第一位的，是在所有引用来源里被提及次数最多的那个。这一点和谷歌的逻辑完全不同。

所以，我们帮 Webflow 制作 YouTube 视频，在 Reddit、Vimeo、其他博客和各种联盟营销网站上争取曝光，想尽办法增加它的「提及率」。我们尝试了很多方法。其中效果特别好的是：第一，纯粹的 SEO；第二，YouTube 视频；第三，Reddit 优化。

Lenny：那通过这些答案引擎引流来的线索，质量怎么样？尤其对 B2B 公司来说，真的有价值吗？

Ethan Smith：它们的价值要高得多。以 Webflow 为例，从 ChatGPT 这类大语言模型过来的流量，转化率是谷歌搜索流量的整整六倍。

Lenny：整整六倍！

Ethan Smith：对，这些线索的质量明显更高。我认为可能有几个原因。用户可能在和 AI 经过几轮对话追问后，需求已经非常明确了。他们投入了时间，精准地找到了自己想要的东西。所以当他们最终点进你的网站时，已经是非常高质量的潜在客户了。

Lenny：这太有意思了，而且也合乎逻辑。人们信任 ChatGPT 给出的答案，如果你就是那个答案，你就占据了巨大的优势，因为这正是人们想知道的。

02 

在 AEO 时代，

「长尾问题」占据了更大的流量份额

Lenny：所以你的意思是，即便在 AI 的答案里排第一，带来的流量也不如在所有引用来源中被「反复提及」多？

Ethan Smith：对，在总结性的答案里是这样。这一点很有趣，因为当创业公司来找我做 SEO 时，我经常跟他们说「你们先别做 SEO」，把你的时间花在别的事情上，因为在早期，你根本没办法通过搜索渠道发展 SEO，你没有足够的域名权重（domain authority），而建立域名权重需要很长的时间。只有当你有了域名权重，你才能获得排名。所以对于 Google SEO 来说，这通常是你在 A 轮、B 轮或更后期才做的事情，而不是一创业就开始。

但在 AEO 中，情况就完全不同了。因为你明天就可能通过一个引用来源被提及，并立刻开始出现在答案中。你可以有一个 Reddit 帖子，一段 YouTube 视频，或者在某篇博客中被提及。

比如，一个刚成立的 YC 公司一发布，所有人都在讨论它，它第二天就可能出现在相关的答案里。所以，早期公司也能在 AEO 上快速看到效果，任何人都可以通过在引用来源中被尽可能多地提及来快速建立知名度。这就是我说的「头部」玩法的不同。

而「尾部」的不同在于，聊天场景中的「长尾」比搜索场景中的更长。Perplexity 提到过，他们平台用户的平均提问长度大约是 25 个词，而谷歌搜索大概是 6 个词。所以「尾部」市场要大得多，人们会问大量非常具体、连续的追问。

Lenny：你说的「提问」就是指用户输入的 Prompt，对吧？

Ethan Smith：对，这意味着如果你把人们问的所有问题都描绘出来，就像 SEO 中的长尾关键词一样，你会发现长尾问题的规模更大。

也就是说，那些非常具体、非常小众的问题，现在占据了更大的流量份额。甚至有很多问题是以前从未有人问过，也从未有人搜索过的。因为搜索没法很好地支持这种超长、具体的问题，但聊天就是为连续追问而生的。

所以，所有以前从未被问过或搜索过的问题，现在都有机会被提出来，你就有机会在这些问题上脱颖而出。

我刚开始做 SEO 的时候，流行的是长尾 SEO，就是为每个关键词都建一个页面，但现在这招已经不管用了。但现在，长尾在聊天场景中又回来了。如果你能知道人们问的那些非常具体的问题，你同样可以在这方面脱颖而出，而且很可能在早期就能脱颖而出。我见过一些刚成立的公司，就因为做了一个非常细分的 AI 支付 API，回答了一个以前没人回答过的问题，结果很快就出现在了答案里。

03 

做好 AEO 的核心逻辑：针对 RAG 层做优化，

给 AI 提供「信息增益」价值

Lenny：你发现能让你更频繁地出现在这些答案引擎中的方法，主要是着陆页、YouTube 视频和 Reddit，对吗？

Ethan Smith：这些是其中一部分。我会把这些方法分成两大类：站内优化和站外优化。站内就是传统的 SEO，加上我刚刚提到的，要特别关注长尾问题。

我想补充一点，另一个区别是，人们会问大量关于你产品的后续问题，比如「你的产品能做这个吗？有哪些使用场景、功能、集成、支持的语言？」 等等，他们想了解关于你产品的非常具体的细节，这些都属于站内优化的范畴。

第二类是站外，也就是尽可能多地出现在 AI 会引用的信息来源里。这些来源包括视频（YouTube、Reddit、Quora）、联盟营销网站（像 Dotdash Meredith 旗下的网站无处不在），还有 CNET、Good Housekeeping 这类评测网站和各种博客。

Lenny：这听起来还是和 SEO 很像。有趣的是 Reddit 的作用如此之大，你觉得这是为什么？

Ethan Smith：Reddit 是最有趣的部分之一。它在大语言模型中被大量引用，客户问我最多的问题可能就是「怎么优化 Reddit？」.

这就回到了我们前面聊的，ChatGPT 不希望你用垃圾内容污染它的产品。Reddit 是一个真实用户的社区，有真实、地道的观点，并且由社区严格管理。所以，一个增长负责人最直接的想法可能就是「我们搞一堆机器人账号，在 Reddit 上疯狂刷屏，让我的产品无处不在」。这是增长思维，一种「拼命干」的心态，这可以理解。

他们会怎么做呢？创建几百个假账号，伪装成真人，自动发帖、评论、互赞，刷信任分，然后在各种地方说自己的产品是最好的。但这招效果并不好。我们看到很多人在尝试，也看到这些账号被封禁，评论被删除。

另一种策略，也是 Reddit 的核心宗旨，就是发布来自真人的、有用的、高质量的、真实地道的评论。在 Webflow，我们有几位员工会去相关帖子下评论，他们会说：「这是我的名字，这是我工作的地方，这里有一条有用的信息。」所以，策略就是：找到一个你想出现在其引用来源中的帖子，表明你的身份和工作单位，然后提供一条有用的信息。

这个方法效果非常好。你不需要一万条评论，可能五条高质量的评论就足够了，而且这完全是可以规模化的。所以，Reddit 的策略就是最笨也最有效的策略：成为一个真实的社区成员，提供有用的答案。

Lenny：我们之前在播客上邀请过 Deel 的早期增长负责人。这就是他们最初的增长方式，甚至在 AI 出现之前，他们就在 Reddit 上大力投入，回答人们的问题，然后说：「碰巧我们的产品可以帮你解决这个问题。」这很有趣。更有趣的是，是 Reddit 在阻止 ChatGPT 被垃圾信息淹没，而不是 ChatGPT 本身在阻止垃圾信息。

Ethan Smith：我认为，从某种意义上说，ChatGPT 也在进行监管。因为 ChatGPT 会运行搜索，寻找引用来源，它的搜索算法会尝试筛选出有用的引用来源。

ChatGPT 内部有人在调整他们的搜索算法，来选择他们信任的来源。我敢肯定，他们有一个搜索评估团队，会判断「我喜欢这些引用来源吗？Reddit 出现在结果里了吗？」所以，ChatGPT 是有意地在利用 Reddit，因为它值得信赖。如果 Reddit 变得不可信，他们就不会再用了。

Google 也是这样。Google 特意配置了搜索算法，来提高 Reddit、Twitter 和 Quora 的排名，因为他们需要用户创作的内容。如果这些内容质量不高，他们就会修改算法，不再给它们高排名。所以我认为，从某种意义上说，他们确实在进行监管。

Lenny：所以这主要和模型的实时搜索功能有关，而不是它被训练的数据本身，对吗？

Ethan Smith：我推测是这样。模型可以分为核心模型和 RAG（检索增强生成）。核心模型是基于数十亿网页数据进行训练，然后重新训练模型。如果你问「加州的首府是哪里？」，它会预测下一个词是「萨克拉门托」，这是基于核心算法的下一个词预测功能。

而 RAG 的意思是，我先进行一次搜索，然后总结搜索结果。这是两件不同的事。我刚才讲的大部分优化，都和 RAG 这个环节有关。

想要影响核心模型，成本可能极高，而且你可能要等上一年才能看到效果。这可能是一些没人愿意做的、很偏门的事情。

所以我主要关注 RAG 层面，因为这是最可控的，也是见效最快的地方。而且，如果你的产品没有出现在 RAG 的任何搜索结果中，大语言模型也不太可能会提及它。从优化的角度来看，这才是最有趣的地方。

Lenny：在深入具体打法之前，你觉得要想玩转 AEO，最需要理解的核心是什么？

Ethan Smith：首先，要认识到这和搜索相关。它是大语言模型（LLM）加上 RAG，通常是在总结一组搜索结果。所以，第一点是 LLM + RAG。

第二点是主题搜索。现在一个好的着陆页会同时针对几百上千个相关关键词，构成一个「主题」。AEO 也是同理，你的一个页面要能回答关于这个主题的成百上千个潜在问题。你回答的问题越多、越全面，就越有可能被引用。如果你能回答一个别人没回答过的追问，你就更有可能脱颖而出。

第三点是问题研究。我怎么知道人们都在问什么问题？这其实很难。在搜索时代，谷歌会通过广告后台直接告诉你关键词的搜索量。但 ChatGPT 现在还没有提供类似的数据。怎么办？一个方法是，把已知的搜索关键词转换成问题。

比如「网站建设工具」，你可以假设「最好的网站建设工具是什么？」这个问题的提问频率，可能与该关键词的搜索量成正比。这是一种方法。

但更重要的是，聊天场景的长尾问题远比搜索多。这些问题从哪来？去听你们的销售电话录音，去看客户支持收到的工单，去 Reddit 上看用户在讨论什么。 这些地方的问题，很可能就是用户正在向 AI 提问的问题。

最后一点，就是引用来源优化，或者说站外优化。你需要把所有可能的信息来源进行分类：你自己的网站、视频（YouTube）、用户生成内容（Reddit）、专业评测网站（Dotdash）、各类博客等等，然后为每一类都制定专门的策略。

Lenny：你提到的 Dotdash 具体是指什么？

Ethan Smith：Dotdash Meredith 是一个大型媒体集团，旗下有 Good Housekeeping、Allrecipes、Investopedia 等很多知名网站。它可能是有史以来最成功的 SEO 公司，也是目前在大语言模型里被引用最多的来源之一。

Lenny：现在谷歌的搜索结果里，经常是一堆过度优化的垃圾内容。你觉得 ChatGPT 能避免重蹈覆辙吗？

Ethan Smith：我觉得它很可能可以避免。你说的 SEO 现状，本质上是非专业人士在互相改写非专业人士的内容。

很多内容评分工具会分析排名靠前的文章，告诉你别人说了什么、你没说什么，然后教你怎么写得更「全面」。结果，所有人都在互相抄袭、整合。但问题是，我们分析过，每 20 个着陆页里，通常只有 1 个能带来 85% 的流量。 这意味着大部分内容投入都打了水漂。

那 ChatGPT 会怎么解决这个问题？我认为有两个关键概念。第一个是 「信息增益」（information gain），你有没有说一些别人没说过的话？你有没有提供原创的研究或独特的见解？第二个是内容的专业性，谷歌有 E-E-A-T（经验、专业、权威、可信）标准，虽然现在效果还不明显，但这个方向是对的。AI 可以通过识别作者身份、验证信息来源等方式，给予真正专业的内容更高的权重。我相信，这个问题之所以还没被解决，只是因为算法太难了，但他们最终会找到办法的。

Lenny：你刚才分享的这个算法或启发式方法非常有趣，因为它对于判断什么是好内容很有帮助，无论是 Newsletter 还是播客。「信息增益」和「是否全面」，我认为这是一个创作优质 Newsletter、播客以及世界上所有内容很好的一个策略。

Ethan Smith：是的，说到底就是，你有没有做原创研究？你是不是这个领域的专家？你有没有在内容里体现出你的专业性？

04 

不要盲目相信网上的最佳做法，

需要自己动手验证

Lenny：能给我们一个可行的计划吗？比如以我的 Newsletter 或一个 B2B 公司为例，具体该怎么做？

Ethan Smith：第一步，我会确定我想在哪些问题上获得排名。我会去分析我的搜索数据，尤其是付费搜索数据，看看我的「高价值关键词」是什么？我的竞争对手又在投哪些词？然后，把这些关键词扔给 ChatGPT，让它帮你转换成用户可能会问的问题。

第二步，跟踪这些问题。把它们放进一个 AEO 跟踪器或答案跟踪器里。

第三步，分析谁作为引用来源出现了，然后为每一类引用来源制定策略。

• 着陆页： 看看排名靠前的都是些什么类型的页面？是清单体文章、分类页还是工具页？模仿最有效的那种，然后思考用户可能会有哪些追问，确保你的页面把所有这些问题都回答了。

• 站外来源： 为每一种来源制定策略。

• 联盟网站： 如果你有预算，这是最简单直接的。比如你想成为「最好的信用卡」，直接付钱给福布斯，你就能出现在他们的推荐文章里。

• 视频： YouTube 和 Vimeo 的策略也很简单，因为没人会审核你的视频。尤其对于 B2B 领域，关于「AI 赋能的支付 API」这类小众但高价值主题的视频还很少，这是一个巨大的机会。

• Reddit： 就像我之前说的，创建一个真实账号，亮明身份，然后去提供有价值的回答。

第四步，也是最重要的一步，设计实验。SEO 和 AEO 的有趣之处在于，大部分信息和最佳实践都是不准确的，原因在于人们不做分析。某个人说了句话，然后被不断重复，最后就成了最佳实践，但从没有人做过分析。

所以说，在你做了我刚才提到的所有事情之后，需要做一个实验，看看是否有效。

怎么做？找一批问题，分成测试组和对照组。对测试组进行干预——比如去 Reddit 评论，或者制作一个 YouTube 视频——然后观察几周，看看测试组的排名图表有没有上升，而对照组保持不变。这样你才能知道你的策略是不是真的有效。不要假设你在网上读到的一切都是对的，自己动手验证。

最后，你需要一个团队。你的 SEO 团队可以负责站内优化和问题研究。但他们可能不擅长做 YouTube 视频或运营 Reddit，这可能需要一个社区运营或全能型市场人员来负责。

Lenny：你提到的「追踪器」具体是做什么的？它能追踪比如我的 Newsletter 在相关问题答案里的出现频率吗？

Ethan Smith：是的，它就像关键词追踪工具的升级版。在 AI 的世界里，你问同一个问题，每次得到的答案都可能不一样。而且用户提问的方式也千变万化，你可能出现在一种问法的答案里，却不会出现在另一种里。再加上还有 ChatGPT、Gemini、Perplexity 等不同平台。

所以，你需要追踪的是一个跨越所有维度的「声量份额」（share of voice）。比如，在所有相关问题的回答中，我出现的频率是多少？我的平均排名是多少？答案追踪工具就是帮你做这个的。现在市面上已经有不少这类工具了，选一个性价比合适的就行。

Lenny：你提到的「追踪器」具体是做什么的？它能追踪比如我的 Newsletter 在相关问题答案里的出现频率吗？

Ethan Smith：有趣的是，所有模型背后都有相似的基础算法。它们都在使用搜索，都在使用大语言模型，这些基础算法都是一样的，但结果却大相径庭。

我们研究发现，Google 和 Bing 这两个搜索引擎的相似度并不高。同时，ChatGPT 的引用来源和 Google 的搜索结果其实也并不那么相似，重合度只有 35% 左右。有趣的是，Perplexity 与 Google 的相似度比 ChatGPT 与 Google 的相似度更高，大概是 70%。

所以，你应该关注那些流量最大的平台，但不需要追踪所有平台。我的建议是，现在下定论还为时过早。 就像 1999 年，你可能会说我们只需要关注雅虎和 AOL，谁会去在乎那个叫谷歌的小公司呢？最终可能会有两三个赢家，你需要为它们都做好优化。

Lenny：这个策略会因为公司类型不同而有变化吗？比如 B2B 和消费品公司的打法会有什么区别？

Ethan Smith：会有很大不同。

• B2B 公司的引用来源通常是 TechRadar 这类科技媒体。而且，B2B 的决策链条很长，用户不会因为 AI 的一句话就花 10 万美元买你的软件。所以你很难直接追踪点击转化，更多的是通过品牌曝光来衡量影响。

• 电商则完全不同。AI 答案里现在有很多可直接点击的购物卡片，这和谷歌购物很像。你可以很直接地追踪点击和转化。引用来源也变成了时尚杂志、生活方式网站等。

• 早期公司的策略也不同。我建议他们完全不做传统的 SEO，而是 All-in 在 AEO 上，但只做两件事：引用来源优化和长尾问题优化。不用管那些竞争激烈的大词，只要想办法在各种地方被提及，并回答那些极其具体的问题就行。

Lenny：这太有趣了，很大程度上就是为了让你的品牌作为答案中的那个小小的引用标签出现。因为现在回头看很明显，这是用户从大语言模型访问你网站的唯一途径，就是点击那个标签，然后想「我去读读这篇文章」。

Ethan Smith：是的，或者他们看到你的品牌名，然后打开一个新标签页去谷歌搜你，结果这部分流量被错误地归因给了「品牌词搜索」或「直接访问」。

Lenny：回到我的 Newsletter，AI 抓取我的内容，然后给我带来流量。你觉得这是好事吗？我们应该主动拥抱，还是有所保留？

Ethan Smith：我的答案和 Brian Balfour 在你节目里说的一样：你没得选，无论你愿不愿意，你已经在这场游戏里了。 所以，你最好努力去争取曝光。如果你完全禁止 AI 抓取你的网站，那你就消失了，而你的竞争对手会取代你。

不过，你可以做一个区分：允许 AI 索引你的网站用于实时搜索（RAG），但禁止它用你的数据进行模型训练。 它们有不同的爬虫机器人来执行这两个任务。你可以在你的 robots.txt 文件里进行设置。我认为这会是未来很多内容创作者的选择。

Lenny：回到实验那一步，具体要怎么设置一个带对照组的实验，而不仅仅是做前后对比？

Ethan Smith：我会这么做：选 200 个问题，其中 100 个我什么都不动，作为对照组。

我们发现，即使什么都不做，答案本身也有相当大的波动性。所以绝对需要一个对照组。

而且，人们使用大语言模型的频率越来越高，来自大语言模型的流量也在上升。没有对照，根本分不清效果的提升，是因为你的操作有效，还是仅仅赶上了大盘的红利。

剩下的 100 个就是测试组。比如，针对其中一部分问题，我们去相关的 Reddit 帖子里认真写评论；针对另一部分，我们去制作一个专门的 YouTube 视频；再比如，我们直接付钱给福布斯，让他们在文章里说我们是最好的信用卡。你可以把这些干预措施分成几个不同的小组，各自追踪，观察几周时间，然后和什么都没做的对照组进行比较。如果对照组没变化，而测试组的数据上升了，那就证明这个策略是有效的。

所以，可复现性非常重要。尤其是在 SEO 领域，情况经常会变。你很多时候你以为是某个操作带来了增长，但其实可能只是巧合。如果你被这种巧合骗了，就会一直把资源浪费在无效的事情上。所以，一个有效的策略，你需要能反复验证它。

这又回到了浪费的问题，SEO 中的大部分工作都被浪费了，AEO 也是一样。如何知道什么没有被浪费？答案是做实验，不要假设你在网上读到的是真的，你做你自己的实验，反复验证，持续做那些有效的事情，停止做那些无效的事情。

Lenny：人们来 ChatGPT、Claude、Gemini 寻找答案，如果你就是那个答案，我觉得这可能会决定你公司的成败。感觉把这件事做对，甚至比 SEO 更重要。

Ethan Smith：我的目标是获得尽可能多的转化。这个渠道有多大？它不如搜索那么大，但它现在已经是一个相当可观的渠道了。

拿 Webflow 来说，他们现在 8% 的新用户注册都来自大语言模型。 这已经是最重要的渠道之一了，完全是一个值得你投入精力去优化的、规模可观的渠道。

Lenny：而且正如你所说，它可能还在不断增长。

Ethan Smith：是的。

05 

AEO 没有杀死 Google，

它只是一个新的渠道

Lenny：那我们把视野拉远一点。关于 AI 和 AEO，你觉得还有哪些话题是我们没聊到或者聊得不够的？

Ethan Smith：第一，是这个领域充斥着大量的错误信息，而且相当极端。

举个例子，每隔两年，就会有文章说「谷歌搜索已死」。之前是 TikTok 搜索，现在轮到了 AI。但事实是，谷歌的流量并没有下降，甚至略有上升。

这些新出现的只是新渠道，它们没有抢走谷歌的份额，而是把整个蛋糕做得更大了。

第二，是工具的「泡沫」。我从来没见过一个新渠道，有这么多极其昂贵的工具，实际上却是在做一些本质上很简单的任务。想象一下，如果我说我要为关键词追踪向你收费 5 万美元，你会觉得这很荒谬，因为这只是关键词追踪。但对于 AEO，它很神秘，人们并不真正了解它的运作方式，而且增长曲线的斜率非常大。因为概念新，我看到很多人在上面花了冤枉钱。

第三，去年大家只是好奇，但没人真正关心 AEO，因为看不到实际效果。但从今年一月份开始，它突然就爆发了，增长斜率异常陡峭。

最后一点是，很多人认为 SEO 和 AEO 是不同的，我认为部分原因可能是，说这是一个全新的、完全不同的渠道听起来很棒。「我是专家，我有一个工具要卖给你，这完全是新的，所有其他工具都无关紧要了。」但实际上，两者的核心技术和思维方式是高度重叠的。AEO 只是在 SEO 的基础上，增加了引用来源优化、更长的尾部和不同的头部竞争策略。

Lenny：你提到一月份是个转折点，主要是因为答案里的引用链接变得更醒目了吗？

Ethan Smith：我认为是人们对大语言模型的采纳率增加了，所以它实际上在增长。同时，答案本身的可点击性的确也大大增强了，尤其是在电商、本地服务等领域，出现了丰富的可交互模块，这在以前是没有的。

06 

100% AI 生成内容是死路一条

Lenny：我们换个话题聊聊 AI 内容生成。你们专门研究了用 AI 写文章这事，有什么发现吗？大家应该怎么看这件事？

Ethan Smith：我记得 ChatGPT 刚发布时，Brian Balfour 在 LinkedIn 上问大家，AI 会带来什么。我的第一反应就是：海量的垃圾信息，特别是 SEO 领域。

后来果然出现了一个围绕 AI 生成内容的产业，但我从一开始就知道这是行不通的。我说的「行不通」，指的是那种没有任何人工干预、100%全自动生成的内容。我相信，内容的未来肯定是 AI 辅助，但不是完全由 AI 代笔。

为什么我这么肯定？因为这和 2007 年那波垃圾内容浪潮一模一样。当时我们互相抓取内容，重新组合，生成上亿个页面。短期效果惊人，但很快就被谷歌封杀了。

我们用数据验证了这一点。通过 AI 检测器分析了谷歌和 ChatGPT 上的优质内容，结果发现，排在前面的内容，大约 90% 都是人类创作的，纯 AI 内容只占 10% 左右。 这有力地证明了，纯靠 AI 生成内容的策略是行不通的。

不过，研究中我们还有一个意外发现：放眼整个互联网，AI 生成的内容总量，现在已经超过了人类创作的内容。 这就有点令人不安了。

我们可以做一个思想实验：如果纯 AI 内容真的有效，会发生什么？ 首先，所有人都会用 AI 写文章，互联网上绝大部分内容都会变成 AI 生成的。 接着，谷歌就变成了一个「ChatGPT 回答的搜索引擎」，那我为什么还要用谷歌？我直接去用 ChatGPT 就好了。 再然后，ChatGPT 开始引用和总结由它自己衍生出来的内容，你就得到了一个「衍生品的无限循环」。AI 开始不停地总结自己，这在学术上有一个名字，叫「模型坍塌」（model collapse）。

有篇论文专门研究过，如果你不断把 AI 的衍生品喂给它自己去学习，模型最终会出各种问题，比如幻觉，整个系统很快就会崩溃。

我们的研究更进一步，探讨了如果只是让 AI 总结自己的衍生品（而不是用来训练核心模型）会怎样。结果发现，这会摧毁「群体智慧」。

大语言模型的强大之处在于它总结了成千上万种不同的观点。但如果你陷入那个「衍生品的无限循环」，多样化的观点会消失，所有回答都将趋同于一个。你再问「最好吃的冰淇淋口味是什么？」，它最后只会告诉你「是香草味」，而且只有香草味。

Lenny：我很担心这种「AI 总结 AI」的未来。既然有这种不良激励存在，你觉得 ChatGPT 内部会怎么应对，来保证未来的内容质量？

Ethan Smith：我会从几个方面入手。首先，要识别出哪些是不良激励，比如纯粹为了生成而生成内容，这肯定要限制。

其次，我认为大语言模型和传统搜索最终会融合。你已经看到苗头了：谷歌搜索加入了 AI 概览，而 ChatGPT 这类大语言模型也在整合地图、购物这些类似搜索的功能。我会站在这个角度去思考，如果我是 2007 年的那个我，我会怎么利用 AI 来制造垃圾信息？然后提前把这些路堵死。

第三，大语言模型还有很多其他特别有价值的用例。比如，它非常擅长记住你问过的所有问题，能为你提供高度个性化的服务。我设想一个最终的场景是，你对 AI 说：「帮我计划一次旧金山之旅。」然后，它就为你搞定了一切，你什么都不用管。

这就像我的行政助理 Jen。我跟她说：「Jen，我要去迈阿密，你帮我安排好。」然后她就全权负责了，因为她了解我，知道我的偏好，比如我喜欢海景房，喜欢有音乐的餐厅。AI 最终也能做到这一点，因为它能深度理解你，记住关于你的一切，有上下文，有推理能力。这就是所谓的「自主代理」（autonomous agents）。这对我们来说，是一个非常激动人心的方向。

Lenny：除了这些，对于想入门或者想把 AEO 做得更好的人，你还有什么建议吗？

Ethan Smith：有的，一个最激动人心的话题：优化你的帮助中心（Help Center）和技术支持内容。我之前提到，人们会在聊天中问很多后续问题，比如「你们有这个功能吗？」「支持这个用例吗？」「能和某某工具集成吗？」. 这些问题的答案，很多都藏在帮助中心里。通常，你不会让 SEO 团队把精力放在帮助中心上。

但在 AI 聊天的场景下，帮助中心变得特别重要。怎么优化？

第一，很多帮助中心都放在子域名下，但不知为何，子域名的效果就是不好。把它移到子目录下。

第二，做好交叉链接。通常大家不会特意去优化帮助中心文章之间的内部链接，但现在必须做了。

第三，你的帮助中心可能覆盖了那些最常见的问题，这些长尾问题从哪来？去听你们的销售电话，去看客户支持收到的问题，然后为这些问题创建专门的页面。我甚至会考虑开放一个社区，让用户自己提问和回答，因为社区能极大地填补长尾内容的空白。在很多情况下，某个特定问题可能全网都没人讨论过，如果你是唯一的信息来源，那你就能赢得这部分流量。

Lenny：现有的帮助中心软件，比如 Zendesk，能很好地支持这种优化吗？或者你觉得这里面有新的创业机会吗？

Ethan Smith：我觉得市面上主流的工具应该都能胜任。你只需要确保它们支持子目录和内部交叉链接，这应该是标配。所以，工具本身不是问题。关键还是你的策略：向社区开放，努力填补长尾内容的空白。 只要做到这点，任何工具都能发挥很好的作用。