没有人会说传统的SEO（搜索引擎优化）已经死了，也没有人会说一切都变了。但在实际操作中，我遇到过各种问题，有些问题是客观存在的，有些问题是我预想的，是为了解决可能遇到的问题，总之，就是遇到问题，思考对策，测试方案，然后解决问题，然后遇到更多的问题——这些问题表明，我们可能正面对一个完全不同、需要全新思考的搜索系统。
为什么把 ChatGPT 当成 Google 来操作，肯定会失败
当“移动搜索”爆发时，我们称之为“移动SEO”。当智能语音兴起时，我们则叫它“语音搜索优化”。
我做SEO多年，自以为对Google了解很多。当我研究了ChatGPT、Perplexity、Google 的 AI 概览（AI Overviews），才发现：我们可能需要全新的思维方式。
我无法停止思考的问题
在深入研究 AI 搜索系统、分析 ChatGPT 如何选择信源、反向分析 Perplexity 的排序规则后，我整理了不断萦绕在脑中的问题。
当数学不再让人安心
我理解 PageRank，理解链接价值（link equity）。但我发现，在 ChatGPT 的代码里出现了“互惠排名融合”（Reciprocal Rank Fusion, RRF）这种数学机制——我开始怀疑自己是否真正理解了。
向量嵌入（vector embeddings）如何比关键词匹配更“语义”化？我们是优化词语，还是优化语义？
为什么温度（temperature）设置成 0.7 会导致不可重复排序？我们是否必须把每个测试执行多次？
在 LLM（大型语言模型）中，交叉编码器（cross-encoder）如何评估用户查询和信源之间的匹配度？会参考pagerank吗？是基于相关性，还是事先计算好的权威性（authority）？
当规模变得不可能
Google 索引的是数以万亿的网页，而 ChatGPT 检索的却只有几十个信源网站。这种差异，是数量级上的巨变。
令牌（token）限制设定了刚性的边界，这在传统搜索里几乎不存在。什么时候开始限制搜索结果的数量了？
在 RRF 中，“k = 60”这个常数意味着可见度的数学上限？第 61 位是不是“新的第一页”？
我整理了N(>100)个值得思考的问题 (每次分享一个，有利于深入思考和讨论)
OpenAI 也使用 点击率 (CTR) 来进行引用排名吗？
✅ 有哪些相关线索
-
有研究显示，AI 引用系统中，高达 87% 的引用与 Bing 的前 20 条搜索结果匹配。
-
有文章指出，在 AI 生成式答案中，传统的 CTR 值（用户点击搜索结果而计算出的点击率）急剧下降，因此在 AI 优化中 “被引用次数” 与 “被链接次数”比CTR 更重要。
❓为什么不能断言 “AI参考了CTR”
-
虽然有所怀疑，但 OpenAI 或其关联文档并未公开声明其模型所用引用机制中包含 CTR 这一明确指标。
-
AI 引用机制可能更多依赖于“权威性”“语义相关性”“在训练数据中出现的频率”“文档被引用的概率”等因素，而非用户的点击行为。
-
即使点击率在某些情况下可能作为信号（例如用户行为反馈），但没有公开数据说明它是 主信号 或 “被引用”的明确指标。
当“信任”变得概率化
这部分让我尤为忧虑：在传统 Google 搜索中，如果一个 URL 出现，它是真实存在的。但在 AI 系统中，引用可能被“编造”。
-
为什么 LLM 会编造信源，而 Google 只链接真实存在的网页？
-
为什么同一个问题，在 AI 中可能出现相互矛盾的“事实”，而在传统搜索里较少?
为什么有了RAG机制 ，AI回答中仍然有很陈旧的信息，这说明了什么？
我们面临的挑战
我想说的是：优化 AI 搜索（AEO/GEO）并不是完全脱离 SEO。但也的确有许多无法用 SEO 解答的问题。
也许有人知道答案。也许没人知道。但有一点我很确定：这些问题不会消失，这些生成式AI不会消失。我们必须去理解它们、测试它们，或许还要为它们开发新的框架。
在这个全新的领域，赢的人不一定是知道所有答案的人，而是那些问对问题、不断测试的人。
优网科技秉承"专业团队、品质服务" 的经营理念，诚信务实的服务了近万家客户，成为众多世界500强、集团和上市公司的长期合作伙伴！
优网科技成立于2001年，擅长网站建设、网站与各类业务系统深度整合，致力于提供完善的企业互联网解决方案。优网科技提供PC端网站建设（品牌展示型、官方门户型、营销商务型、电子商务型、信息门户型、微信小程序定制开发、移动端应用（手机站、APP开发）、微信定制开发（微信官网、微信商城、企业微信）等一系列互联网应用服务。
公安局备案号：
专属顾问
