继我最近的网络研讨会之后，我想分享与 iPullRank 的创始人兼首席执行官 Mike King 进行的广泛讨论中的主要观点。

迈克多年来一直致力于研究搜索系统背后的运作机制。他对人工智能、检索和搜索机制的理解根植于研究和工程实践，这使他成为目前该领域最具洞察力的专家之一。

我们的对话探讨了人工智能工具如何重塑搜索行为、查询扇出为何会带来翻天覆地的变化、地理信息系统（GEO）作为一门学科的意义，以及下一代智能体将如何以与当今用户截然不同的方式处理内容。

这篇总结将这些线索串联起来。

关于此主题的关键资源：针对电子商务 SEO 的地理位置 A/B 测试：通过定位扇出查询并与对照组比较结果来证明 AI 搜索带来的提升。为零售商提供平台支持的 GEO 测试：在产品详情页 (PLP) 和产品详情页 (PDP) 上进行受控实验，跟踪 AI 推荐与蓝色链接点击，并扩大成功案例的规模。电子商务中的地理位置测试：从猜测到验证：地理位置测试如何与搜索引擎优化测试类似，产品详情页 (PDP) 和产品详情页 (PLP) 如何作为测试场地，以及电子商务领导者现在可以做些什么来为人工智能驱动的发现做好准备。要点总结如今，SEO涵盖整个生态系统，而不仅仅局限于你的网站。Mike 将搜索视为声誉管理，品牌需要在多种平台和格式上获得曝光，而不仅仅是一个排名靠前的网址。查询扇出意味着更多的中奖或落败机会。大型语言模型会将单个查询拆分成许多相关的子查询。每个子查询都像一张抽奖券，你针对正确内容类型在越多的子查询中排名靠前，就越有可能出现在合成答案中。地理位置优化（GEO）与搜索引擎优化（SEO）密切相关，但它需要一套独立的框架来定义。虽然策略上常常有所重叠，但这两个渠道的运作方式截然不同，它们为品牌扮演着不同的角色，并且需要各自独特的语言、指标和管理层预期。SEO 和 GEO 测试结果并非总能一致。同样的页面改动，可能提升传统蓝链接 SEO 效果，却损害 LLM 的可见性，反之亦然。未来需要进行多指标测试，而非仅凭单一指标做决策。智能体和信息流将推动工作向数据层转移。随着智能体体验的不断发展，面向机器的内容、结构化信息流和质量控制将变得更加重要，因此，新的 GEO 工具已经开始专注于语义和数据优先架构。SEO 的转变：从页面到互联生态系统

我首先问迈克，过去几年里他的工作中最大的变化是什么。他的回答为整个访谈定下了基调。

SEO 不能再将网站视为唯一的平台。如今，团队需要在内容生态系统中运作：视频、Reddit、社交媒体渠道、自有内容中心、结构化信息流，以及任何其他可能被模型检索或整合的内容。

迈克将这种转变比作声誉管理。过去，声誉管理意味着在单个低流量搜索词上为品牌争取多个排名。如今，人工智能系统会生成数十个子搜索词，因此这项工作需要将影响力扩展到众多关键词、多种格式和多个平台上。

你不仅仅是在争夺蓝色链接，你还在争夺在影响模型最终结果的扇形传播模式中的存在感。

查询扇出究竟是什么

查询扇出仍然被广泛误解，所以我们深入研究了它的实际工作原理。

迈克解释说，像谷歌和ChatGPT这样的系统所做的远不止运行原始查询。它们：

查看其他用户搜索过的相关查询。将查询映射到向量空间并扩展意图运行推测性子查询以填补空白从 5 到 40 名（有时甚至更多）候选人中选拔获取匹配的内容类型（列表、视频、指南、规格、对比数据）

然后，该模型会将这些证据用于合成流程中。

迈克用了一个简单的比喻：抽奖。

每一篇能在这些分流查询中排名的内容，都相当于一张抽奖券。一旦模型进入综合阶段，你就失去了控制权。你的影响力体现在更早的时候，也就是你赢得这些抽奖券的那一刻。

这就是为什么 GEO 工作不仅要针对广泛的关键词，还要针对模型检索到的长尾证据。

为什么谷歌可能拥有结构性优势

我们交流了对谷歌在人工智能搜索领域地位的看法。我比一些评论员更看好谷歌，迈克也同意我的观点。

原因如下：

他们拥有自己的芯片，可以在较少的限制下扩展模型计算能力。它们拥有数十亿用户的平台，提供训练和使用信号。它们可以在现有索引中低成本地运行大量扇出查询。他们拥有数十年的反垃圾邮件经验和质量体系。他们可以整合来自 Gmail、地图、YouTube、Chrome 等的个人信息。

ChatGPT 的创新速度很快，但它仍然缺乏谷歌的基础设施、索引深度和对抗性训练经验。当模型在全球搜索规模下运行时，这些因素至关重要。

为什么GEO需要自己的名称

我们开始讨论名称问题：GEO、AIO、LLM SEO，还是“简称 SEO”。

迈克的观点很务实。企业高管们称之为GEO，这个名称直接来源于最初描述该领域的研究论文。更重要的是，告诉高管们这“只是SEO”会把机会之门堵死。

即使某些策略有所重叠，渠道也截然不同。这些系统对证据的权重不同，以新的方式呈现内容，以不可预测的方式引用来源，并将来自信息流、API、SERP 功能和原始页面的输入混合在一起。

迈克举了一个很贴切的比喻：陌生拜访、公关和链接建设的策略有很多相似之处，但却没有人把它们当作同一项工作来对待。地理信息系统（GEO）应该拥有自己的框架、语言和责任。

为什么地理位置测试和搜索引擎优化测试的结果并不总是一致的

我们讨论了SEO测试和GEO测试是否相同。答案是否定的。

即使页面上的变化完全相同，不同渠道的反应也可能不同。

迈克举了一个例子：

在传统SEO中，移除元描述可以提升点击率，但ChatGPT可能依赖于包含答案“剧透”信息的元描述。在这种情况下，移除元描述会降低您在LLM回复中的曝光率。

我们都预计会看到更多类似的案例：

对蓝链SEO有利对LLM表现有负面影响反之亦然。

未来需要多指标测试，而不是单指标决策。

代理商如何改变搜索方式：从众多客户到单一客户

我们还探讨了将代理商作为搜索的下一层级这一概念。Profound的创始人 James 将代理商描述为一个品牌只面向“一个客户”——代理商——进行营销的世界。

我的看法是，代理程序将像它们所代表的用户一样具有个性化。Mike的看法是，这些代理程序仍然会从同一个互联网检索信息，但过滤会变得更加精准。这种精准性可能会带来以下结果：

超窄内容变体大量近乎重复的材料对清晰数据结构的更迫切需求从前端呈现转向数据层清晰度

信息源、协议和结构化属性的作用将日益凸显。规范化过程可能会演变成一个双轨系统：一个供人类使用，一个供机器使用。

为什么面向模特的内容会改变SEO策略

我们还谈到了代理商业的一个重要影响。一些系统会积极鼓励发布商提供机器格式化的内容版本。这为滥用打开了方便之门，例如发布仅供机器人访问的臃肿内容。

如果没有防护措施，垃圾邮件的风险很高。谷歌长期以来采取的对抗性思维使其在这方面具有优势。其他平台可能需要迅速做出改变。

地理空间工具的未来

Mike 与 Profound 团队及其他 GEO 工具开发人员密切合作。他重点强调了两个主题：

创新速度——GEO 工具的功能更新速度比传统 SEO 平台更快。重新审视过时的假设——地理信息系统 (GEO) 工具从语义理解入手，而不是词汇评分或旧的启发式方法。

这种新的工具领域最终可能会像爬虫、日志分析和排名跟踪器塑造早期时代一样，定义技术标准。

艺术家如何适应人工智能（以及搜索引擎优化可以从中学习到什么）

我们最后聊到了个人话题。迈克既是艺术家又是工程师。他把LLM（线性模型）当作反馈工具，并将其视为创造力的延伸，而非替代品。每个创意领域都会经历这样一个循环：最初的抵制，然后一旦受人尊敬的创作者接受了这种新媒介，它就会被广泛接受。

这个道理也适用于我们这个行业。人工智能不会取代搜索引擎优化（SEO），但它会重塑我们实践SEO的方式。

使用 SearchPilot 将搜索置于控制模式

搜索通常是最大的渠道，但也是最少被理解的渠道。SearchPilot 让 SEO（现在也包括 GEO！）可测试，从而帮助领导者从猜测走向精准定位。

我们对类别页面、产品详情页面、导航和内容进行受控实验，然后提供清晰的提升方案，并给出明确的时间表和可靠的结果。团队从快速验证逐步过渡到稳定的测试节奏，最终实现完全掌控，将搜索转化为您可以规划和投入资金的绩效渠道。

对于专注于产品网格、Merchant Center Feed 和变体处理的电商团队来说，第一步是制定有针对性的测试计划。通过衡量展示次数、点击次数和收入，管理者可以了解实际效果。