以下是如何針對 LLM、知識圖譜和現代搜尋引擎進行最佳化並建立數位足跡推薦引擎信任的方法。

SEO就是針對搜尋進行優化。

2018年，我對SEO的定義是：

• “說服 Google、Bing 和 Yahoo 等搜尋引擎將您的內容推薦給他們的用戶作為解決他們問題的最佳解決方案的藝術和科學。”

在 2025 年（及以後），我們可以將搜尋、答案和輔助引擎優化定義為：

• “說服 Google、Bing、Yahoo、ChatGPT、Perplexity、Siri、Alexa 和 Copilot 等推薦引擎將您的解決方案推薦給他們的用戶，使其成為市場上最好的解決方案，這是一門藝術和科學。”

目標是相同的－實現轉換。

區別？

• 我們有更多的引擎。
• 建議通常會進一步深入漏斗的下方。
• 我們還有另外兩項基礎技術需要最佳化。 

支援推薦引擎的三種技術

未來線上搜尋和研究的核心是三項基礎技術： 

• 大型語言模型聊天機器人。
• 搜尋引擎.
• 知識圖譜。 

每個搜尋、答案和輔助引擎都使用這三種技術的獨特組合，每種技術都以不同的方式融合它們以提供自己的「風格」的推薦。

大型語言模型聊天機器人

LLM 聊天機器人帶來的關鍵功能是它們能夠與人交談。 

這意味著他們可以直接回答問題、提出建議並積極引導用戶找到問題的「最佳」解決方案。

就其本身而言，他們的弱點在於：

• 他們產生幻覺（虛構事實）。 
• 它們根據有限量的數據進行預訓練。 
• 資訊從未更新（想想：足球比分和航班更新）。 

接下來的兩種技術就是為了解決這些問題而設計的。

深入挖掘：解碼法學碩士 (LLM)——如何在生成式人工智慧搜尋結果中脫穎而出

知識圖譜

知識圖譜是龐大的機器可讀百科全書，充滿了有關實體（人物、公司、電影、主題、概念等）的事實。 

例如，Google的知識圖譜目前至少比維基百科大 10,000 倍。 

知識圖譜非常適合建構資訊和事實查核。

當您為聊天機器人添加知識圖譜和搜尋引擎時，您就解決了第一個問題：幻覺。 

深入挖掘：何時以及如何使用知識圖譜和實體進行 SEO

搜尋引擎

當您新增聊天機器人可以總結的搜尋引擎時，您可以將其資訊來源擴展到訓練資料之外，並確保最新的回應。

Perplexity 在這方面做得很好。

而且，由於 LLM 聊天機器人可以為用戶總結搜尋結果，因此排名第一不再是成功的關鍵。 

相關性變得更加重要，因為引擎將在其摘要中提供的每個資訊中引用最相關的參考。 

重要提示：與傳統搜索相比，排名在這裡適用於所有類型的結果 – 不僅僅是藍色鏈接，還包括新聞、視頻、地圖、書籍、購物、圖像等等。

對於混合搜尋/知識/ LLM 聊天機器人結果，關鍵是達到以下一個或多個 KPI：

• 進入前 10-20 名結果。
• 在知識圖譜中佔有一席之地。
• 與使用者的意圖最相關。

三種技術優勢互補

LLM 聊天機器人提供與使用者交談的能力。

知識圖譜提供事實查核和主題背景。

搜尋增加了對話訊息的廣度和新鮮度。 

從歷史上看，搜尋引擎是第一位的，而Google仍然佔據主導地位，因此目前，大多數人使用的「風格」仍然是搜尋優先。 

然而，從使用者體驗的角度來看，LLM 聊天機器人似乎是更自然的起點。 

人們逐漸朝著這個方向發展，幾年後，對話研究幾乎肯定會取代搜尋。 

要記住的關鍵點是，所有這些 AI 搜尋、回答、輔助和推薦引擎的功能基本上都相同，因此相同的策略適用於它們。

深入探討：6 種簡單方法調整 SEO 策略，提升 AI 可見度

不同的推薦引擎如何使用這三種技術？

注意：下面我提供的百分比是我對截至三月每個因素影響的經驗估計。 

不要從字面上理解這些數字；它們只是根據我的經驗和對我們收集的數據的鳥瞰評估來進行說明。

Google 搜尋

使用 Google 搜索，首先要進行搜索，其知識圖譜中的內容形式如下：

• 知識面板。
• 實體列表。
• 外用過濾。
• 其他知識 SERP 功能。
• 另外，還有一些針對某些查詢的 LLM 摘要（AI 概述）。

近似混合： 

• 15% 法學碩士。
• 25% 知識圖譜。
• 60% 搜尋。

必應搜尋

這也主要是使用其知識圖譜中的內容進行搜索，形式如下： 

• 知識面板。
• 外用過濾。
• 與 Google 相比，LLM 的整合度更高，產生的 AI 內容直接整合到 SERP 中。
• 此外，還可以直接選擇使用他們的 LLM 聊天機器人 Copilot。

近似混合：

• 30% 法學碩士。
• 15% 知識圖譜。
• 55% 搜尋。

ChatGPT

ChatGPT 是 一個由 LLM 驅動的聊天機器人，輔以搜尋結果，並且有限地使用知識圖譜（如果有的話）。

近似混合：

• 65% 法學碩士。
• 0% 知識圖譜。
• 35% 搜尋。

Perplexity

Perplexity 本質上是一個提供 LLM 驅動的搜尋結果摘要的 引擎

近似混合： 

• 50% 法學碩士。 
• 0% 知識圖譜。
• 50% 搜尋。

谷歌“了解”

這項實驗性功能清楚地顯示了推薦引擎的發展方向。 

它是最接近我所想像的三種技術的「理想組合」的引擎，它提供：

• LLM 驅動的搜尋結果摘要。 
• 使用他們的知識圖進行一些事實查核。
• 直接嵌入的搜尋結果。
• LLM 和搜尋驅動的後續問題。 
• 左側的上下文主題過濾藥（使用 LLM 和知識圖）。

它被設計成一個多模式、情境智慧的學習環境，引導使用者找到最佳解決方案（從行銷角度來看，沿著漏斗走向完美的點擊）。

近似混合： 

• 40% 法學碩士。 
• 20% 知識圖譜。 
• 40% 搜尋。

LLM 聊天機器人、搜尋引擎和知識圖譜共享相同資料來源

針對所有三種技術進行最佳化乍看之下似乎是不可能的。 

然而，LLM 聊天機器人、搜尋引擎和知識圖譜的大部分資訊都來自一個來源：網路。 

LLM 聊天機器人根據從網路收集的資料進行預先訓練。 

搜尋結果是透過從網路收集的資訊即時產生的。

知識圖譜中充滿了從網路中提取的事實。 

• LLM 在產生準確且資訊豐富的回應方面的有效性。
• 搜尋引擎結果的相關性。
• 知識圖譜的全面性。

這三者都與網路資訊的品質和結構有著內在的關聯。

這意味著優化您的數位足跡是優化所有搜尋、答案、輔助和推薦引擎的關鍵，無論現在和將來這三種基礎技術的融合如何。 

您必須專注於在整個數位生態系統中提供高品質、準確且結構良好的內容。

超級優化網路上的一個小角落。

透過這樣做，您將提高以下可能性： 

• 參與 LLM 對話。
• 透過知識圖譜準確而自信地理解。
• 在搜尋中排名。

如何針對每種推薦引擎進行最佳化

由於他們都使用網路作為資料來源，因此您影響他們的能力源於管理您在網路上的數位足跡。

SEO 傳統上主要關注網站在搜尋結果中的排名。

對網站進行排名仍然很有價值，但其主要目的是提供有關實體（公司、個人、書籍、電影等）的清晰詳細資訊的中心，三種技術都可以將其用作參考。

優化您的整個網路數位足跡並使用您的網站「連結點」是成功的現代 SEO 策略。 

高級 SEO 的實用策略

實體優化（可理解性）

這裡的目標是確保 LLM、搜尋和知識圖背後的演算法能夠代表你是誰以及你做什麼。

為此，您需要在整個數位足跡中創建一套清晰、一致且完美連接的事實。 

您必須實施「輪轂、輻條和車輪」模型。 

• 網站上的「關於」頁面是實體主頁中心，您可以在其中陳述事實（您是誰、您提供什麼以及您為誰服務）。 
• 外部數位足跡就是輪子（需要一致地確認您在實體主頁上所說的內容）。 
• 您需要盡可能從中心連結到不同的佐證資源，並從佐證資源連結回實體主頁。這些是輻條。

有了它，機器人追蹤連結將從實體主頁到每個佐證來源並返回，始終看到相同的訊息，並且透過純粹的重複就會理解。

EEAT / NEEATT（可信度）

您需要先在實體主頁（您的數位存在的中心）和整個數位足跡上清楚地表達您的可信度（透過知名度、專業知識、經驗、權威性、可信度和透明度）。 

花點時間來改進您呈現現有可信度訊號的方式，例如：

• 獎項。
• 出版品.
• 認證。
• 評論。
• 資格。
• 與市場領導者的關係。 

然後，確保機器人可以找到這些資訊。其中包括： 

• 您的網站。
• 第二方（受控和半受控）站點，例如：
  • 社群媒體帳號。 
  • Crunchbase。
  • ETC。 

透過在新聞媒體或產業協會等相關第三方網站上提及這些訊號來進一步放大這些訊號。

現在，您可以開始建立額外的可信度訊號：

• 獲得更多客戶的評論。
• 寫一本書，發表學術論文。
• 取得認證。
• 加入行業組織。
• 與市場領導者建立關係。 

在第一方、第二方和第三方網站上傳達這些訊息，就像您對現有的可信度訊號所做的那樣。

內容（可交付性）

可交付性完全取決於您的內容策略。 

光靠文字頁面就夠用的時代早已一去不復返了。 

今天，您需要多媒體——圖像、聲音、視訊和文字。 

確保透過為機器人添加文字線索來幫助機器人（進行最佳化），例如：

• Alt 標籤。
• 成績單。
• 為您的圖像、視訊和音訊添加字幕。

傳統的 SEO 專注於在品牌網站上發佈內容。 

此方法仍然有效，但需要擴展到第二方和第三方網站。 

站外內容具有令人難以置信的強大力量，但卻常常被忽略。 

不要忽視用戶生成的內容：

• 客戶評論。
• 有關您的公司或產品的影片。
• 文章。
• 社群媒體貼文。 

積極主動地鼓勵您的客戶積極談論您的品牌並創建有關它的內容。

為未來制定 SEO / AEO 策略

「秘訣」很簡單：無論推薦引擎表面上看起來有多麼不同——無論是 Google、ChatGPT、Perplexity 還是 Bing Copilot——它們都依賴相同的核心要素。 

他們將網路作為大型語言模型、搜尋引擎和知識圖譜的主要資訊來源，並融合這些技術來提供解決方案和答案。

透過控制您的數位足跡，您可以塑造這些系統使用的確切資訊。 

你不只是希望被發現；您要確保他們找到的內容全面、相關、準確、一致且與您的品牌相符。 

這就是您保護 SEO 和 AEO 策略的方式，成為搜尋和 AI 中的首選推薦。