跨境电商新机遇！AI驱动搜索，SEO如何兼顾新旧平台？

大型语言模型（LLMs）与传统搜索机制的协同，正重塑全球用户获取信息的方式，也深刻影响着数字营销领域，尤其是搜索引擎优化（SEO）的策略部署。随着生成式人工智能和AI搜索技术的崛起，LLMs已然在全球搜索生态系统中掀起波澜。尽管二者在功能定位上有所区别——前者旨在生成答案，后者侧重信息检索——但当前的市场态势表明，它们正逐步融合，而非相互取代。

LLMs能够将复杂信息提炼并综合为易于理解的内容，而传统搜索引擎则负责抓取、索引并呈现最具价值的内容。通过谷歌AI概览（AI Overview）等集成LLMs的搜索功能，这两个系统正在走向融合。这意味着，跨境行业的SEO策略必须随之调整，以适应这一全新的信息获取范式。

新媒网跨境获悉，HawkSEM的SEO经理萨曼莎·里奇韦（Samantha Ridgway）针对LLMs与传统搜索结果的关键差异，以及内容如何同时兼顾两者的可见性提供了深入见解。

传统搜索结果以可点击的蓝色链接列表形式呈现，是搜索引擎对用户查询的反馈。（图片来源：Adobe）

大型语言模型（LLMs）的界定

大型语言模型（LLMs）是一种基于海量训练数据生成自然语言答案的人工智能系统。这些模型，例如OpenAI的ChatGPT、谷歌的Gemini以及Perplexity等工具，具备强大的信息综合能力，能够准确解读用户意图，并提供具备上下文感知能力的答案。与传统搜索引擎不同的是，LLMs支持用户进行后续提问，实现交互式的对话体验，从而允许用户不断细化、质疑并深入探索特定话题。

传统搜索结果的特性

传统搜索结果是指谷歌（Google）、必应（Bing）等搜索引擎响应用户查询时所展示的一系列可点击的蓝色链接。这些结果依据相关性、质量和可信度进行排名，旨在帮助用户找到最优质的答案。过往，谷歌及其他搜索平台的爬虫主要依赖基于关键词的算法来判断哪些结果与用户查询最相关；然而，当前搜索结果的匹配逻辑已转向更深层次的用户意图理解。

LLMs与传统搜索结果的核心差异

LLMs的核心功能在于“生成”信息，而传统搜索引擎的职责则是“检索”信息。里奇韦指出：“传统搜索引擎呈现链接，指引用户到何处寻找信息。而LLMs则直接综合信息并给出答案。传统搜索依赖于对数十亿网页的抓取和索引，而LLMs则基于其训练知识、上下文语境和支持信息来生成回应。”

LLMs的优势与局限性分析

里奇韦表示：“LLMs最显著的优势之一在于能够精准满足用户查询的特定需求。它们可以将复杂主题转化为清晰、高度定制化的答案，且响应速度极快。”

然而，LLMs也存在其固有的局限性。里奇韦补充道：“它们可能缺乏实时准确性，难以处理本地化或超小众数据，并且并非总能清晰标明信息来源。因此，在对精确性要求较高的情况下，人工验证仍然至关重要。”

虽然LLMs生成答案的能力受限于其训练数据，但检索增强生成（RAG）技术正在弥补这一不足。（图片来源：Adobe）

她进一步阐释：“此外，LLMs的答案范围更为广泛，这取决于模型的训练方式、其可访问的支持信息以及上下文推理能力。”

尽管LLMs仅能基于其训练数据生成答案，但“检索增强生成”（RAG）技术正有效弥补这一不足。RAG通过将LLMs与实时检索系统相结合，使其在生成答案前能够获取最新的、权威的信息来源，从而提升了答案的准确性和可靠性。

LLMs的关键优势包括：

• 支持持续性对话，有助于用户获得更深入的理解。
• 能清晰地综合信息，提供类人且易懂的回应。
• 理解搜索背后的深层含义、自然语言及复杂查询。
• 能根据上下文进行个性化回答。

LLMs的局限性则体现在：

• 可能出现“幻觉”，生成不准确的信息。
• 信息来源透明度较低。
• 可能基于过时的数据集进行训练。
• 对复杂主题的回答可能过于简化。
• 其能力受限于模型训练所用的数据源。

传统搜索结果的优势与不足

传统搜索结果是快速检索高质量信息的可靠工具，赋予用户浏览多个信息源的自主权。然而，要快速获得一个明确答案（或理解其真实意图）可能较为困难，并且这些系统在个性化程度上不及LLMs。

里奇韦表示：“谷歌等传统搜索引擎确实会提供个性化结果，例如根据用户地理位置、浏览历史或过往互动展示不同的赞助或有机购物结果。但这种个性化通常不如LLMs所能实现的那么具体和深入。”

传统搜索引擎的关键优势在于：

• 信息来源和链接透明清晰。
• 定期更新的索引提供实时、多样化的信息源。
• 对于时效性、新闻性或事实敏感型查询具有高度准确性。
• 在“Your Money, Your Life”（YMYL，即涉及财务和健康的领域）等关键领域更值得信赖。
• 用户可以探索信息来源，进行更可靠的研究，而非仅仅接受一个综合性答案。

其主要不足则包括：

• 耗时较长，需要筛选多个信息源。
• 搜索结果可能被广告和过度SEO优化的内容淹没。
• 个性化程度相对较低。
• 对语言背后意图的理解不如LLMs。

搜索的未来：LLMs与传统搜索的协同发展

LLMs正在改变用户的搜索习惯。随着用户行为的转变，多数搜索场景将同时涉及这两个系统，各自服务于不同的需求。

里奇韦认为：“随着谷歌将AI概览（AI Overviews）、AI模式以及其他生成式体验直接整合到搜索结果中，二者之间的界限正日益模糊。”

LLMs擅长处理以下任务：

• 头脑风暴和创意生成。
• 信息综合与提炼。
• 澄清复杂概念。
• 辅助任务（如起草文案、编程、制定计划）。

传统搜索则在以下方面表现卓越：

• 实时和突发新闻信息。
• 产品评估和评论。
• 本地化查询。
• 需要高度信任和可验证的研究。

这种趋势促成了用户“分段式”的搜索旅程：用户在早期阶段和决策支持（如想法探索和决策辅助）时转向AI驱动的搜索，而在“主要环节”（如深入研究、产品比较和新闻获取）则依赖于传统搜索引擎。

里奇韦解释道：“LLMs正在缩短和改变用户旅程。人们仍然会通过传统搜索来复核AI生成的内容，原因在于他们尚未完全信任AI的回答，或某些领域（如本地SEO）的AI发展尚不成熟。”

对各行业的影响

各行各业的用户旅程都将迎来重塑。里奇韦表示：“以电商行业为例，目前网站的角色如同商品目录，用户在此浏览。未来，LLMs将能够跨目录提取数据，并直接在聊天平台内推荐最匹配的产品。” 她补充说，ChatGPT的产品反馈（Product Feeds）和即时结账功能已初现这些趋势。

LLMs将如何影响SEO的未来

展望未来，里奇韦预测，搜索可见性将更多地取决于语义相关性、查询扇出（query fan-out）、结构化数据以及权威性，而非仅仅是关键词密度。

里奇韦指出：“在很多方面，SEO正在演变为一个要求品牌创建足够值得LLMs引用信任的内容的领域。LLMs正在重新定义SEO，它不再仅仅是页面排名的问题，而是成为答案本身的一部分。”

以下是LLMs将影响SEO的一些关键示例：

1. 从关键词排名转向主题权威性
   虽然主题权威性对有机搜索至关重要，但LLMs更优先考虑专业知识和信息清晰度，而非严格匹配关键词。这意味着内容需要展现出在该领域的深度专业性。

2. AI友好型内容的兴起
   那些结构良好、事实准确、内容最新、原创且简洁明了的内容，更有可能被AI平台所采用和引用。内容质量将成为被LLMs采纳的关键。

3. 传统排名仍是重点
   AI驱动的搜索结果依然依赖于表现优异的内容，因此强大的传统SEO优化将直接转化为LLMs中的更高可见性。新媒网跨境了解到，二者相辅相成。

4. 新的绩效衡量指标
   预计未来将出现新的关键绩效指标（KPIs），例如AI引用份额（AI citation share）、零点击可见性（zero-click visibility）和答案存在率（answer-presence rates），这些都将纳入标准的SEO报告中。

如何为LLMs和传统搜索结果优化内容

里奇韦建议：“为了在传统搜索和LLM驱动的体验中都表现出色，内容优化应着重于清晰度、结构化以及直接、对话式的回答。清晰的标题、基于证据的洞察和Schema标记有助于人类和模型理解你的内容，而简洁的总结则能增加被引用的机会。”

以下是为LLMs和传统搜索结果优化内容的完整方法列表：

1. 采用直接答案
   内容应以清晰的定义或简短的解释开头。LLMs和搜索引擎都会寻找对搜索查询的简洁答案，以便快速呈现。

2. 关注格式与结构
   合理使用H1、H2、H3标题、项目符号、表格和短段落来组织文本。良好的结构使模型更容易解析内容，同时提升用户体验。

3. 利用对话式语言
   LLMs能够有效解释用户意图。模仿用户自然提问的方式有助于你的内容匹配这些模型所呈现的长尾、语义化查询。

   里奇韦指出：“目前，传统搜索和LLMs之间的查询措辞存在显著差异，这改变了用户收到的响应类型。”

4. 考量超具体问题
   LLMs擅长处理非常具体的查询，而搜索结果则更为宽泛。

   里奇韦解释道：“这正是SEO专业人士需要日益匹配的方面，超越泛泛的排名，转向解决细致入微的特定查询。例如，‘价格在125美元以下（含税费和运费）且适合长时间站立的时尚中性运动鞋’。这种程度的细节是LLMs的优势所在，也是传统SEO可能滞后的地方。”

5. 围绕“信息增益”构建内容
   “信息增益”指的是提供独特且有价值的见解、数据和引用，这些内容在搜索引擎结果页面（SERP）的其他地方无法找到。这种价值是AI工具无法独立提供的，从而为你提供了成为被引用源的机会。专有信息正成为真正的差异化因素。

   里奇韦表示：“随着LLMs通过未经验证的回答自行处理通用的‘是什么’或‘如何做’查询，品牌必须创造独特的洞察、第一方数据和原创观点。这些正是模型无法推断并将持续在答案中引用的内容类型。”

6. 使用Schema标记
   Schema标记，即结构化数据，是你可以在网站上使用的一段代码，旨在帮助搜索引擎更好地理解你的内容。这能增加内容出现在特色摘要、AI概览及其他富媒体结果中的几率。

   扩展阅读：Schema Markup: What it is, How to Audit + Why it Matters

7. 扩大品牌认知度的关注点
   正如里奇韦所强调：“对于代表一个品牌的SEO专业人士而言，优化范围已不再局限于网站本身。”

   因此，让公司理解品牌与实体（brand-to-entity）之间的关联至关重要，因为LLM的可见性将日益受到整体品牌认知度的影响。她补充说：“你可能曾忽视的页面，如‘关于我们’（About Us）页面，现在可能具有显著权重；而那些不受你直接控制的营销活动，如公关投放、聚合器引用以及在受信任网站上的提及，都变得至关重要。”

   目标是确保你的品牌在受众互动和搜索的各个空间中都被引用和信任。SEO不再仅仅是为谷歌优化，而是要让你的品牌在更广泛的数字生态系统中具备识别度、权威性和被引用性。

8. 定期更新内容
   频繁的内容更新能确保你的内容保持准确性、及时性和竞争力，并增加其被AI系统信任和引用的可能性。

9. 考虑AI聊天机器人功能
   使用经过品牌信息训练的聊天机器人可以增强用户体验，并提供进一步的数据，以了解客户需求。

总结

传统搜索结果与LLMs不应是竞争对手，相反，搜索行为和搜索格局本身正在发生变化。这两个系统将日益协同工作，以提供最高效、最全面的搜索体验。这意味着SEO策略需要随之调整。当前，内容必须同时针对SEO和LLMs进行优化，才能在两大生态系统中保持可见性。

“随着谷歌将AI概览、AI模式以及其他生成式体验直接整合到谷歌搜索结果中，两者之间的界限正日益模糊。”

“随着时间的推移，用户不再仅仅输入关键词，他们开始提出更具对话性、更细致入微的问题，这些问题可能通过一次回应就能得到答案，而无需点击多个网页。”

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/cross-border-seo-ai-search-balance-new-old.html