您的五星評價為何對 AI 而言是不可見的

兩年前，25% 的消費者使用 AI 工具而不是搜索引擎來尋找產品和服務。今天， 這個數字已經增加到 58%。

儘管有這樣的增長，但大多數企業仍然使用傳統的方式優化其內容策略。因此，曾經在 Google 首頁佔據重要位置的公司，有時甚至完全不會出現在 AI 的回答中。

在 Alps2Alps，我花了數個月的時間進行測試，以了解發生了什麼。與團隊一起，我們重建了我們的策略，並且我們系統性的 GEO 工作使我們在 AI 搜索模型中（基於 Basebright 服務）超越了競爭對手。

簡單來說，AI 不會排名網站。它從互聯網上的各種來源編譯響應，證據的標準與 SEO 標準根本不同。

從搜索排名到 AI 引用

普林斯頓和佐治亞理工學院的研究人員在 2024 年的一項研究中創造了「生成引擎優化」（GEO）的術語 發表在 KDD，這是一個頂級的數據科學會議。他們測試了不同的內容策略如何影響 AI 生成的響應中的可見性，並發現正確的優化可以將引用率提高多達 40%。他們還發現，傳統的 SEO 技術，如關鍵詞堆砌，實際上會損害生成搜索中的性能。

商業案例很簡單。Gartner 預測，傳統搜索量將在 2026 年前 下降 25%，因為用戶遷移到 AI 助手。Capgemini 2025 年的 消費者研究，涵蓋了三個大陸的 12,000 人，發現 58% 的人已經用生成 AI 取代搜索引擎進行產品發現。根據 Statista 的數據，約有40% 的旅行者 現在使用 AI 工具來計劃旅行。

這些並不是關於遙遠未來的預測。這已經是越來越多的客戶找到您或沒有找到您的方式。經過一年多的測試和重建，我們已經找到了模式。經過無數次測試和重建內容策略以適應新的現實，以下是什麼有效，什麼無效。

完美評價是新的紅旗

普林斯頓研究發現了一些違反直覺的東西。添加引語和具體統計數據到內容中遠遠超過了語言的抛光或關鍵詞堆砌來提高 AI 的可見性。這對於依靠客戶評價的企業來說具有重要的含義。這並不是說星級評分不重要，因為 AI 讀取了 Trustpilot 和 Google Maps 等可信平臺上的評分分佈，一個強大的聚合信號很重要。但是，它只會帶您走到這一步。當模型合成一個關於哪個轉移服務要預訂的答案時，它需要一些東西來提取。 “偉大的服務！”並不是那樣的。這有道理，如果您思考一下這些系統的工作原理。當 ChatGPT 回答一個關於旅行者的轉移問題時，它不僅僅是計算星級。它從評價平臺、論壇、社交媒體和編輯內容中合成信息。詳細的描述為模型提供了具體的東西來工作。

令人不舒服的部分是，您的評價簡介中的一些衝突實際上是有幫助的。例如，旅行涉及天氣干擾或航班延遲。當這些問題出現在公共評價中，公司以具體的細節而不是模板“我们重視您的反饋”來響應，這傳遞了真實性。一個只有讚美的評價簡介看起來對消費者和 AI 系統來說都是人為製造的。

實際的結論很簡單，但很難實踐。停止篩選誰可以留下評價。請每位客戶留下評價，包括那些經歷了艱難的經驗的人。公開以具體的細節回應批評，描述發生了什麼以及什麼發生了變化。凌亂是重點，因為它是賺取的聲譽和合成的區別。

為提取而寫，而不是給人留下印象

大多數營銷複製是為了說服瀏覽網站的人類而寫的。GEO 需要為提取而寫。您的內容需要結構化，以便 AI 可以提取具體的事實並在合並的答案中引用。

語言模型在生成答案時會從多個來源提取，並且偏愛獨立的平臺。一個 TripAdvisor 上的提及，一個真實用戶描述了他們的經驗的 Reddit 線程，一個真正使用了服務的影響者 YouTube 視頻比相同的信息在您的企業博客上更有引用重量。第三方平臺上的用戶生成內容在生成搜索中索引良好，因為它是詳細的、對話式的，並且來自獨立的來源。

同樣的邏輯也適用於贏得的媒體。如果行業出版物在一篇關於您行業的文章中引用您，那麼這個引用就成為了 AI 可以使用的材料。它位於一個權威的域名上，它被歸屬於一個具名的專家，並且它解決了一個具體的話題。一個好的引用可以出現在數十個 AI 生成的答案中。

在您自己的網站上，變化更為技術，但同樣重要。結構化數據標記幫助 AI 解析器了解您的企業是做什麼的、在哪裡運營以及提供什麼服務。FAQ 部分具有直接、具體的答案表現良好，因為它們與語言模型工作的問答格式相匹配。語言本身很重要： “我們是領先的服務”是噪音。 “我們在 5 個國家運營 12 個服務，平均響應時間為 6 分鐘”是 AI 會使用的數據。

語言覆蓋是經常被忽略的重要因素。AI 以查詢的語言響應。如果您的網站只存在於英語中，但您的客戶有一半是在法語、德語或意大利語中搜索，您對於這些查詢是不可見的。對於任何跨多個市場運營的企業，多語言內容是 GEO 的要求。

您的支持票是內容的黃金礦

大多數使用 AI 的公司都有一個團隊成員打開了 ChatGPT 標籤頁以進行基本任務。那是一個起點，而不是策略。GEO 的真正競爭優勢在於使用您自己的運營數據來指導您創建和優化的內容。

B2C 服務可以每月處理數千個客戶查詢。例如，在轉移服務中，約有 45% 的查詢是重複的。當我們開始將它們路由到 AI 助手時，立即的明顯好處是更快的響應時間和釋放支持人員以處理更困難的案例。但是，另一個重要的好處是數據。現在，我們有一個明確的地圖，顯示客戶在旅程的每個階段實際上會問什麼，以及他們使用的語言。

這些問題也是人們會問 ChatGPT 的問題。如果您有一個詳細、具體的頁面正確回答了這個問題，您就會成為 AI 引用的來源。如果您沒有，別人的 Reddit 評論就會成為答案。

同樣的原則也適用於競爭對手監控。哪些來源被引用？哪裡有空白？當一個新的競爭對手開始出現在 AI 的答案中時，他們創建了什麼內容來贏得引用？這應該是每周的實踐對於企業來說。

GEO 是一個連續的過程，而不是一個具有啟動日期的項目。生成模型不斷更新。它們優先考慮的來源可能會改變。三個月前可能為您贏得引用的事情可能今天不會有效。那些建立反饋迴圈的公司將隨著時間的推移而累積優勢。其他人將繼續想知道為什麼他們的 Google 排名不能轉化為 AI 的可見性。

一年前，我不太關心 ChatGPT 如何描述我們的行業。現在它是我每周檢查的第一件事，答案會改變。新的來源出現，舊的來源消失。它是一個活的系統，唯一保持在其中可見的方法是繼續提供一些真實的東西。