从搜索引擎到答案引擎:LLM驱动的变革

在过去的几周里,我一直在思考和起草这篇文章,认为谷歌搜索正处于被颠覆的边缘,它实际上可能会影响 SEO 作为业务牵引渠道的可行性。

考虑到谷歌二十多年来的完全统治地位,以及任何竞争对手都完全无力削弱它,坦率地说,这似乎是一个荒谬的说法,我一直很紧张。

但巧合的是,莱比锡大学本周发布并在其他地方报道的一项新研究实际上支持了我论文的至少一半,所以我想我应该完成并发布在这里。

但我们不仅仅关注谷歌搜索的衰落,还应该关注另一股反对力量的崛起——新一代人工智能驱动的“答案引擎”——然后关注这对您通过搜索获取客户的能力意味着什么 。

NSDT工具推荐: Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - Three.js虚拟轴心开发包 

1、搜索和答案的转变范式

四分之一个世纪以来,谷歌搜索作为事实上的互联网门户和所有问题和答案的全球预言机,几乎一直保持着无与伦比的地位。

25 年多过去了,基本范式基本保持不变。 当您输入搜索词时,搜索引擎通常不会直接回答您的查询,它主要组织并呈现可能适合您需求的其他网页。

搜索查询有多种类型,但超过一半的搜索不仅仅是用户通过名称搜索来导航到给定网站,他们还提出问题并寻求答案。

这种约 60% 的“信息、解决问题和决策”搜索不仅为 Google 带来了每年超过 800 亿美元的收入,而且长期以来还为初创公司创造了获取潜在客户的宝贵机会。

搜索“如何……”或“最佳软件……”的用户本质上是在证明自己是对该主题积极感兴趣的领导者,同时也开始考虑一个好的答案。 因此,通过练习问题空间或解决方案空间 SEO,初创公司可以吸引合格的潜在客户,通过回答问题提供价值,然后将访问者的兴趣转向他们的具体解决方案。

20多年来,这一策略与谷歌的统治地位本身一样有效且可靠的飞轮牵引策略。

但如果某种改变游戏规则的力量扰乱用户使用搜索引擎,这不仅会给谷歌带来痛苦,也会给依赖 SEO 寻找合格客户的庞大公司生态系统带来痛苦。

令人惊讶的是,25 年来第一次,这种颠覆看起来确实即将发生。

2、搜索体验已经在下降

他们说,不良的激励措施会产生不良的行为,因此,SEO 带来的负担得起的复合客户增长的诱惑刺激了不正当的 SEO 做法,这一点也就不足为奇了。

你确切地知道我指的是什么——我们都点击过经过明显优化的页面,以将我们对回答问题的兴趣货币化。 上帝禁止你尝试向谷歌询问烹饪问题,例如这个视频:

这种带有大量广告的目标网站尤其糟糕,但您可能也经历过点击一篇标题完美的文章,却发现它显然是为了吸引谷歌的索引机器人而不是人类而写的。

所有这些加在一起导致搜索体验逐渐下降,从而导致用户期望下降。

3、AI驱动的搜索引擎衰落

由于人工智能书写产品的到来,迄今为止逐渐下降的趋势即将断崖式下降。

仅去年一年就推出了数百种用于内容营销的人工智能写作工具,其中大多数主要关注针对 SEO 优化的内容。 基本主张是,他们会比你眨眼的速度更快地吐出完美的 SEO 优化文章。

这对 SEO 经理来说是一个梦想,但对读者来说却是一场噩梦。

我们可以预见,SEO 得分高、读者价值低、甚至准确性低的“AI Dogshit”内容将会出现爆炸式增长。 将 SEO 主导地位的强大激励与 AI SEO 技术的力量相结合,看到这样的行为就不足为奇了:

剧透警告:1k 条回复不太友好。

回到大局,重点是:

人工智能将通过破坏目的地结果的质量来加速现有搜索体验的下降。这也开始为用户打开更好的大门。

4、AI驱动的“答案引擎”

人工智能的出现,特别是去年LLM驱动的体验引入了一种新的体验类别,更好地描述为“答案引擎”。

这些改变了四分之一世纪历史的搜索范式,立即提供答案,而不是呈现搜索者必须筛选才能找到答案的目的地。

通用答案引擎的早期领导者可能是 Perplexity。 看看这个答案体验与我之前分享的约克郡布丁示例有多么不同:

除了Perplexity之外,我们可以看到即时答案的范式,而不是搜索和查找应用在:

  • 特定于领域的用例,例如共识,可为研究查询提供即时答案
  • 一般 LLM 聊天机器人,如 ChatGPT、Claude 或 Bard。
  • OpenAI GPT 存储中的自定义 GPT 经过训练并连接到特定数据以获得更明智的结果
  • The Rabbit ——也许是人工智能世界中未来硬件的领头羊?
  • 人工智能集成到现有产品中,例如 Notion AI,我在撰写本文时正在使用问答和事实检查。

虽然所有这些例子都是截然不同的体验,但它们都能够提供比在谷歌上搜索更有效的答案路径,这意味着它们都将征服谷歌的搜索者。

5、临界点

人工智能将推动答案引擎变得更好,同时也会推动搜索引擎变得更糟。

一旦消费者开始体验到答案引擎体验有多有效,搜索引擎的使用就会下降。 这在技术早期采用者中已经发生了。

对我来说,这种变化甚至比 Jeremiah 的变化还要快:从我开始使用 Perplexity 的第一天起,我的 Google 使用量就减少了一半。 难道以前所向无敌的搜索引擎突然变得不堪一击了?

6、这会如何发展?

如果没有适当尊重我们在这里讨论的谷歌这一事实,就认为答案引擎会消灭搜索引擎是愚蠢的。

二十多年来,谷歌已经消灭了所有竞争对手,在全球搜索中占据超过 90% 的份额,使其成为全球第三大最有价值的公司。

谷歌 58% 的收入(2022 年将达到惊人的 1,624.5 亿美元)来自搜索,这意味着他们不会静静地袖手旁观,让历史上最有价值的摇钱树死去。 事实上,有报道称,在 OpenAI 发布 ChatGPT 后不久,谷歌领导层就向该业务发出了“红色代码”警报。

7、谷歌不是已经成为答案引擎了吗?

我们还应该认识到,随着时间的推移,谷歌搜索中添加的一些增量功能代表了向答案引擎的缓慢过渡,例如:

  • 从 SERP 中的顶级目标中提取文本的精选片段
  • 购物结果在产品层面浮现,而不仅仅是在网站层面
  • “人们也会问”在 SERP 中提供进一步答案的内容

然而,谷歌面临的创新者困境是平衡用户对即时答案的需求和其商业模式每年产生数万亿次点击的需求。

8、Bard

谷歌自己的 LLM Chatbot 是为了与 ChatGPT 竞争而创建的,同样也是一个答案引擎。

虽然Bard目前在大多数人的评估中落后于 ChatGPT,但谷歌有 800 亿美元的激励来追赶并找到将付费搜索结果优雅地融入体验的方法

他们面临的挑战是,虽然 Perplexity 等提供的早期用户体验确实包括目标页面作为源,但它们的重要性仅次于内联答案。 如果用户的问题已经得到解答,有多少人会费心去点击呢?

很难想象一种设计解决方案能够在不减少文章点击率的情况下提供用户答案,但我仍然不认为谷歌会解决这个问题。

9、这对于 SEO 作为牵引渠道意味着什么?

在本文中,我重点关注搜索引擎 > 答案引擎转变对 SEO 的影响,但它当然也与付费搜索和渠道一样相关。

但是,虽然付费搜索广告可以立即提供结果,但人们普遍认为,对有机 SEO 工作的投资可能需要 6-12 个月才能收回。 因此,如果搜索流量有可能在未来 12 个月内大幅下降,那么您现在就需要开始考虑这对您的业务的影响。

现在人们严重担心谷歌很可能在未来五到十年(2024年到2029年或2034年)内被颠覆。 谷歌的搜索质量正在迅速下降,我们有新的理由来理解其中的原因。 谷歌搜索变得越来越糟糕,这实际上是他们最不担心的事情。
                                                                          迈克尔·斯宾塞——人工智能霸权

10、应该投资 SEO 作为牵引渠道吗?

作为一名用户,我欢迎 Perplexity 和 Consensus 等答案引擎的到来,并且只看到我的生活得到积极的改善。 但作为寻求可持续发展的人工智能初创公司的顾问,我非常担心,但并不严重。

对搜索作为牵引渠道保持乐观的理由

  • 谷歌将搜索集成到 Bard 中。既作为“使用谷歌搜索”选项,又添加链接到可点击的图像中,并引出答案——我不认为谷歌会找到一种新的用户体验来实现平衡
  • OpenAI 包括使用 Bing 进行浏览。尽管与 Google 相比,Bing 历史上规模很小,但 ChatGPT 却比 Bard 大得多。 因此,OpenAI 选择通过 Bing 在聊天窗口中提高第三方目的地的显着性程度,按 Bing 可见性加权的点击率可能会开始变得更有意义。
  • 前 3 个结果具有额外的力量。Bard、Perplexity 和其他公司仍然向用户呈现目标页面,但数量要少得多。 Perplexity是3-5个,Bard 取决于查询的性质。 这意味着,处于某个主题的前几名结果中仍将具有强大的影响力,而排名靠后的结果的价值将会减弱
  • 许可规定。尽管 ChatGPT 和 Claude 的第一版有点狂野,但来自媒体网站的大量版权声明迫使 LLM 提供商与目标网站协商条款,其中可能包括要求提供源链接、恢复目标网站以获取答案
  • 赢得搜索引擎可能有助于赢得答案引擎。鉴于大多数答案引擎都是在网络上进行培训的,按照优秀 SEO 专业人士建议的方式提高产品的在线可见性和权威性也可能会增加在答案引擎中被推荐为正确答案的机会。 我的 SEO 专家 Devesh 和 Grow and Convert 的 Benjy 很好地解释了这一点。

11、现在最需要问自己的问题

  • 哪些主题可以真正赢得流量前三名?鉴于答案引擎世界中前 3-5 名结果的力量不成比例,因此比以往任何时候都更重要的是围绕高度相关和利基主题建立可见性和声誉,在这些主题中您有现实的机会成为最佳结果
  • 您可以为您想要捍卫的主题创建图像或视频答案吗? 直接在答案引擎中创建图像或视频以及数据表和图表的能力减少了从某些基于图像的搜索中获得点击的机会。 然而,快速创建您想要的精确结果仍然很棘手。 因此,基于文本的内容搜索可能比图像或视频内容更早受到干扰
  • 您的用户的人口统计和技术特征是什么?虽然像耶利米和我这样的硅谷早期采用者正在迅速改变他们的行为,但我们只是谷歌搜索世界中的一小部分。 因此,如果您的目标受众技术先进,不太可能表现出早期创新行为,那么他们可能在 2024 年结束时从未听说过 Perplexity 或任何其他答案引擎,因此您可能在 SEO 挤压中留下了大量的点击率。
  • SEO 在您的业务中扮演什么角色?您还能如何对冲这种吸引力? 如果您主要使用 SEO 通过问题空间或解决方案空间搜索来获取客户,那么您现在可以开始尝试哪些其他策略,以防以后需要转向它们?

原文链接:答案引擎击败搜索引擎? - BimAnt

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/370817.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

解析 JavaScript 异步编程:从回调地狱到 Promise 和 Async/Await

在现代的JavaScript开发中,处理异步任务变得愈发重要,因为它们允许我们在等待I/O、网络请求或定时器等事件时继续执行其他任务,以提高程序的性能和响应能力。本文将介绍JavaScript中异步编程的演变过程,从最初的回调地狱到后来的P…

【数据结构与算法】(9)基础数据结构 之 阻塞队列的单锁实现、双锁实现详细代码示例讲解

目录 2.8 阻塞队列1) 单锁实现2) 双锁实现 2.8 阻塞队列 之前的队列在很多场景下都不能很好地工作,例如 大部分场景要求分离向队列放入(生产者)、从队列拿出(消费者)两个角色、它们得由不同的线程来担当,…

使用绿联私有云Docker搭建自动化实时网页监控工具,实现降价提醒/RSS监控等

使用绿联私有云Docker搭建自动化实时网页监控工具,实现降价提醒/RSS监控等 哈喽小伙伴们好,我是Stark-C~ 之前老是有小伙伴们在评论区说我分享的Docker容器都是通过Docker run命令部署的,能不能照顾下像绿联私有云这种新势力NAS的新手用户&…

C# CAD界面-自定义工具栏(三)

运行环境 vs2022 c# cad2016 调试成功 一、引用 二、开发代码进行详细的说明 初始化与获取AutoCAD核心对象: Database db HostApplicationServices.WorkingDatabase;:这行代码获取当前工作中的AutoCAD数据库对象。在AutoCAD中,所有图形数…

【Git】01 Git介绍与安装

文章目录 一、版本控制系统二、Git三、Windows安装Git3.1 下载Git3.2 安装3.3 检查 四、Linux安装Git4.1 YUM安装4.2 源码安装 五、配置Git5.1 配置用户名和邮箱5.2 配置级别5.3 查看配置 六、总结 一、版本控制系统 版本控制系统,Version Control System&#xff…

【消息队列】kafka整理

kafka整理 整理kafka基本知识供回顾。

基于NSGA-II的深度迁移学习

深度迁移学习 迁移学习是一种机器学习技术,它允许一个预训练的模型被用作起点,在此基础上进行微调以适应新的任务或数据。其核心思想是利用从一个任务中学到的知识来帮助解决另一个相关的任务,即使这两个任务的数据分布不完全相同。这种方法…

vulnhub靶场之Thales

一.环境搭建 1.靶场描述 Description : Open your eyes and change your perspective includes 2 flags:user.txt and root.txt. Telegram: machineboy141 (for any hint) This works better with VIrtualBox rathe than VMware 2.靶场地址 https://www.vulnhub.com/entry/t…

年假作业3.0

1、选择题 BCDAA 2、填空题 15,27 15 11,10,13,12 3、改错题 1.缺少了要使用的命名空间&#xff0c;应在加上#include <iostream>的下一行添加using namespace std&#xff0c;void main(){}报错&#xff0c;C语言中main函数必须返回int改为&#xff1a;int main(…

海康IPC摄像机接入国标平台,发现一直不在线(离线)的处理方式

目 录 一、问题 二、问题分析 &#xff08;一&#xff09;常见设备离线问题的原因 &#xff08;二&#xff09;原因分析 三、问题查处 &#xff08;一&#xff09;设备端排查故障&#xff08;设备端自查&#xff09; 1、检查GB28181参数配置是否有误 2、…

vulhub中Apache APISIX Dashboard API权限绕过导致RCE(CVE-2021-45232)

Apache APISIX是一个动态、实时、高性能API网关&#xff0c;而Apache APISIX Dashboard是一个配套的前端面板。 Apache APISIX Dashboard 2.10.1版本前存在两个API/apisix/admin/migrate/export和/apisix/admin/migrate/import&#xff0c;他们没有经过droplet框架的权限验证&…

电动汽车充放电V2G模型(matlab代码)

目录 1 主要内容 1.1 模型背景 1.2 目标函数 1.3 约束条件 2 部分代码 3 效果图 4 下载链接 1 主要内容 本程序主要建立电动汽车充放电V2G模型&#xff0c;采用粒子群算法&#xff0c;在保证电动汽车用户出行需求的前提下&#xff0c;为了使工作区域电动汽车尽可能多的消…

PyTorch 2.2 中文官方教程(十四)

参数化教程 原文&#xff1a; 译者&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 作者&#xff1a;Mario Lezcano 注意 点击这里下载完整示例代码 在本教程中&#xff0c;您将学习如何实现并使用此模式来对模型进行约束。这样做就像编写自己的nn.Module一样容易。 对深…

c#矩阵行列式计算//线程同步

using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks;namespace 实现矩阵行列式计算 {internal class Program{static void Main(string[] args){//定义矩阵Console.WriteLine("矩阵是&#xff1a;&quo…

五、MyBatis 高级扩展

本章概要 Mapper 批量映射优化插件和分页插件 PageHelper 插件机制和 PageHelper 插件介绍PageHelper 插件使用 逆向工程和 MybatisX 插件 ORM 思维介绍逆向工程逆向工程插件 MyBatisX 使用 5.1 Mapper 批量映射优化 需求 Mapper 配置文件很多时&#xff0c;在全局配置文件…

【INTEL(ALTERA)】带有浮点单元 (FPU) Nios® V/g 处理器在 英特尔® Cyclone10 GX 设备中执行不正确的浮点运算

说明 由于 英特尔 Quartus Prime Pro Edition 软件版本 23.3 存在一个问题&#xff0c;当使用 Nios V/g 处理器并在 英特尔 Cyclone 10 GX 设备中启用 FPU 时&#xff0c;浮点运算无法按预期进行。 Nios V/g 处理器 – 启用浮点单元 解决方法 请勿在 英特尔 CycloneNios 10 G…

《Python 网络爬虫简易速速上手小册》第1章:Python 网络爬虫基础(2024 最新版)

文章目录 1.1 网络爬虫简介1.1.1 重点基础知识讲解1.1.2 重点案例&#xff1a;社交媒体数据分析1.1.3 拓展案例1&#xff1a;电商网站价格监控1.1.4 拓展案例2&#xff1a;新闻聚合服务 1.2 网络爬虫的工作原理1.2.1 重点基础知识讲解1.2.2 重点案例&#xff1a;股票市场数据采…

fastjson 导致的OOM

fastjson 导致的OOM 示例代码 public static void main(String[] args) throws Exception {try {List<Integer> list JSONObject.parseArray("[2023,2024", Integer.class);}catch (Exception e){System.err.println("error");}System.out.println…

Qos--优先级映射关系

precedence字段 根据RFC791定义,IP报文头 ToS(Type of Service)域由 8个比特组成,其中 3个比特的Precedence字段标识了 IP报文的优先级,Precedence在报文中的位置如图1所示。 比特0~2表示Precedence字段,代表报文传输的 8个优先级,按照优先级从高到低顺序取值为7、6、…

word表格文字上下居中怎么设置?简单教程分享!

“我在使用Word编辑表格时&#xff0c;想让文字上下居中对齐&#xff0c;但是不知道应该怎么操作&#xff0c;请问大家有什么比较简单实用的操作方法吗&#xff1f;” 在使用Word时&#xff0c;为了提高文档的视觉效果和可读性&#xff0c;很多用户会选择将表格文字上下居中&am…