老板沉迷DeepSeek的背后，藏着一个真需求
老板沉迷DeepSeek的背后，藏着一个真需求
大年初二，一位化名为边锋的公司员工看到老板在微信群里发了一条消息：“为什么没有我们？”原来，老板使用DeepSeek和豆包等AI大模型产品查询了与公司所在行业相关的问题，但大模型推荐的行业内知名公司中没有他们公司的信息。这个看似离谱的行为背后，实际上反映了AI搜索引擎优化（AI SEO）这一真实需求。
AI搜索的逻辑变化
由于越来越多的大模型产品加入了联网搜索功能，因此有联网搜索功能的大模型产品（如ChatGPT、DeepSeek、Kimi、豆包等）和专门的AI搜索产品（Perplexity、夸克、秘塔AI搜索、纳米AI搜索等）都属于AI搜索的范畴。
AI搜索主要有检索（Retrieval）和生成（Generation）两个步骤。在检索方面，AI搜索会接入传统搜索引擎API，采用自建索引库，或使用新一代AI搜索引擎架构。在生成方面，AI搜索就是根据用户需求，基于检索出来的内容，通过不同的模型生成回答。
AI搜索流程图
AI搜索逻辑变了，就会导致即使是同一个用户用同样的问题，问不同AI搜索产品，也会得出不一样的结果。更不用说不同用户去问了。这就可以解释前文那位老板的困惑。
GEO：生成引擎优化
2024年6月，来自印度理工学院德里分校、普林斯顿大学的学者和一些独立研究者在arXiv上发表了论文《GEO: Generative Engine Optimization（生成引擎优化）》，提出了GEO（生成引擎优化）概念、 框架及相关的实验设计。
这篇论文介绍，大模型的出现带来了搜索引擎的新范式，这些搜索引擎利用生成式模型收集和总结信息以回答用户的查询。这一新兴技术，论文作者在统一的框架下称之为生成引擎（Generative Engines）。
论文中提出了9种方法：
- 权威性（Authoritative）：将源内容的文本风格修改为更具说服力和权威性。
- 增加统计数据（Statistics Addition）：在可能的情况下，用定量统计数据替代定性讨论。
- 关键词堆砌（Keyword Stuffing）：在内容中加入更多来自查询的关键词，这也是经典的SEO优化方法。
- 引用来源（Cite Sources）：标注相关内容的来源。
- 添加引语（Quotation Addition）：从可信来源添加相关的引用语。
- 易于理解（Easy-to-Understand）：简化网站的语言表达。
- 优化流畅度(Fluency Optimization)：改善网站文本的流畅度。
- 独特词汇（Unique Words）：在可能的地方加入独特的词汇。
- 技术术语（Technical Terms）：在内容中加入更多的技术术语。
不同GEO方式效果对比
测试发现，关键词堆砌和独特词汇的方法没有效果，其他方式都有效果，其中添加引语和增加统计数据的方式效果最好。
AI搜推引擎：拉近人与信息的距离
2024年12月，在火山引擎冬季Force原动力大会上，火山引擎推出全域AI搜索，通过场景化搜索推荐一体化服务、企业私域信息整合服务、联网问答服务，将企业的信息、业务和用户需求紧密结合，帮助企业实现“发现更多，推荐更准，搜索无限可能”。
AI搜推引擎的应用场景中，最典型的是电商零售场景。用户可以在大模型产品聊天对话框上传一张场景照片，让AI推荐一些“在这拍照能出片的服装搭配”。
AI搜推引擎可以广泛覆盖多种应用场景，在电商零售场景之外，还有企业信息检索、媒体内容推送、本地生活服务、游戏、教育等。
火山引擎智能算法负责人吴迪表示，搜索和推荐此前在产品层面是比较割裂的，通过传统搜索引擎搜索东西，推荐的可能并不太符合用户需要。而推荐又主要根据用户的兴趣、行为，用户的主动表达没有很好兼顾，“从现在开始，AI搜索推荐将会真正被紧密地融合在一起。”
“团队也在技术和算法上面投入了很大的力量，让推荐模型能够对context（上下文）的理解更加深入。” 吴迪说， “强大的AI搜索加强大的AI推荐，可以形成1+1＞2的效果。”
从表面上来看，AI搜推引擎可以帮助企业应对信息获取和搜索推荐的挑战，但在更深维度，它其实是在拉近人与信息之间的距离。AI搜索的逻辑变了，但没有变的是大家对有价值、更精准信息的需求，这种需求在DeepSeek出圈后更加旺盛了，标准也更高了，无论是从技术角度还是从营销角度，AI搜索及相关的SEO、GEO都值得重新思考和创新。