谷歌25载经验控AI搜索质量！5大SEO要素揭秘。

近期，谷歌搜索产品副总裁罗比·斯坦接受了外媒采访，针对谷歌AI模式如何控制内容质量、评估实用性，以及如何利用其在搜索领域25年的丰富经验来识别有价值内容等关键议题，进行了深入阐述。斯坦先生在此次交流中，特别提到了包括用户点击量在内的多项衡量指标，并概述了应用于AI模式的五项核心搜索引擎优化（SEO）质量要素。

AI模式如何控制虚假信息

在访谈中，当被问及AI模型可能生成不实信息（即“幻觉”现象）的问题时，斯坦先生指出，AI模式内部的质量体系，是基于谷歌在传统搜索领域长达25年积累的所有质量经验构建的。这意味着，识别链接优劣和内容好坏的系统，都已融入到AI模型之中，并非从零开始。

采访者提出疑问：“这些模型是非确定性的，偶尔会出现信息编造的情况……你们如何防范这一点？如何确保谷歌搜索的核心体验保持一致的高质量？”

罗比·斯坦对此回应道：“是的，好消息是，这并非全新挑战。尽管AI以及生成式AI在某种程度上代表着前沿技术，但我们对于信息质量体系的思考和建设，已经持续了20到25年。因此，所有这些AI系统都是建立在过往经验之上的。”

他进一步解释：“我们采用极其严格的方法来判断，针对特定问题，提供的信息是否准确？这些链接是否合适？这些内容是否对用户有价值？所有可用的信号和信息，都旨在找出最适合向用户展示的内容。这些判断逻辑都内化于模型之中，指导着模型进行推理，并利用谷歌搜索作为工具来为用户查找信息。所以，AI模式是基于这一历史传承而构建的。”

斯坦先生强调：“它并非从头开始。例如，当用户希望规划一次旅行，并查找某个区域内有趣的餐厅时，模型能够利用过去用户在谷歌上多年来依赖的资源，直接提供这些信息。我认为，这在很大程度上有所帮助。当然，随着时间的推移，模型在遵循指令方面的能力也变得越来越强。现在，我们可以明确定义其基本原则和设计指南：什么不能做，什么应该做。尽管模型有时也会犯错，但我认为其质量已经变得非常强大，这些错误的发生概率已大大降低。”

斯坦先生的解释清晰表明，AI模式的构建并非推倒重来，而是将谷歌传统搜索系统积累的所有经验进行编码和整合。这意味着AI模式并非独立运作，而是其核心功能与传统搜索的底层逻辑一脉相承。AI模式通过将AI答案植根于数十年来支撑传统搜索的相关性、信任度和实用性信号之中，有效管理了信息编造的风险。这些信号持续决定了哪些来源是可靠的，哪些信息在历史上被用户认为是有价值的。因此，AI搜索的准确性源于这种延续性，其模型推理过程始终受到长期以来搜索质量信号的引导，而非脱离这些信号独立运行。

AI模式如何评估实用性

关于AI模式内部谷歌所使用的质量信号，罗比·斯坦指出，AI模式评估质量的方式与传统搜索大体相同。

采访者问道：“罗比，随着搜索的演变，结果变得越来越动态化，你们通过哪些信号来判断用户不仅获得了所需信息，而且他们的搜索体验也达到了最佳水平？”

斯坦先生回答说：“我们有一整套评估体系。我们深入研究实用性，以及用户是否认为信息有帮助。这包括通过真实用户对内容进行离线评估。同时，我们也会在线观察实际的响应情况：用户是否给予好评或差评？他们是否认可所获取的信息？然后，我们还会观察他们是否更频繁地使用这项服务？他们是否会再次回来？他们是否用实际行动投票，因为认为其有价值。所以，我认为我们需要综合多方数据进行判断，因为任何单一的指标都可能产生误导。”

他进一步阐述：“有趣的是，在许多产品中，如果产品效果不佳，反而可能导致用户使用频率更高。但在搜索领域，情况则有所不同。我们有一个非常具体的衡量指标，用于监测用户是否为同一个问题反复进行搜索。我们知道这是一种不好的现象，因为它意味着用户未能找到他们想要的信息。所以，我们必须非常谨慎。我认为，这正是我们基于从搜索中获得的经验，能够确保所推出的产品能够真正被用户所认为有用的关键所在。”

斯坦先生的回答表明，即使AI模式的界面变得更加动态化，其衡量成功的核心信号仍与搜索质量评估所使用的标准保持一致。实用性并非通过单一的互动信号来推断，而是通过人类评估、明确的用户反馈以及长期行为模式的结合来综合判断的。

值得注意的是，斯坦先生指出，仅仅因为用户大量使用（例如在单一会话中），并不能将增加的使用量等同于成功。因为如果用户为同一个查询反复尝试，这通常意味着搜索失败而非满意度高。新媒网跨境获悉，这传递出一个重要信息：AI模式的成功评判标准在于用户是否满意，它采用的质量信号旨在发现摩擦和困惑，而非仅仅关注积极的互动。这种评估标准继承了传统搜索的精髓，而非重新定义“实用性”的含义。

AI搜索的五大SEO质量要素

最后，斯坦先生回答了一个关于AI生成内容排名以及SEO最佳实践是否仍对AI排名有帮助的问题。斯坦先生的答案中包含了用于判断网站是否符合其质量和实用性标准的五项要素。

斯坦先生表示：“核心机制是，模型接收用户的问题并对其进行推理，试图理解用户想要获得什么。然后，它会生成几十个潜在的查询，这些查询在后台进行谷歌搜索，从而近似地找到用户认为对这些问题有帮助的信息。这与我们过去25年所做的质量工作有着非常紧密的关联。一段内容是否与特定主题相关？是否对给定的问题被用户认为有帮助？这使得我们能够展示比传统搜索更广泛、更多样化的内容，因为它在后台为你进行研究。”

他简要总结道：“总而言之，同样的原则依然适用。你的内容是否直接回答了用户的问题？它是否高质量？加载速度是否快？内容是否原创？是否引用了来源？如果人们点击它，认为它有价值，并且会再次访问，那么这样的内容将在特定问题上获得排名，在AI世界中也同样如此。”

斯坦先生指出的这五项关键要素，实际上是谷歌长期以来衡量网页质量和实用性的核心准则，它们同样适用于AI搜索环境。

首先，内容是否直接回答了用户的问题至关重要。这意味着内容必须具备高度的相关性和明确的指向性，能够精准满足用户的搜索意图。在AI模式下，模型会生成多维度的查询来理解用户需求，因此，能够直接命中这些潜在子查询的内容，更有可能被AI模式识别并采纳。

其次，内容是否高质量是衡量其价值的基石。高质量通常体现在深度、广度、准确性和权威性方面。这要求内容不仅仅是信息的堆砌，更是经过专业梳理、核实，并能提供独特见解的。AI模型在进行内容抓取和理解时，会倾向于那些被历史数据验证为“高价值”的来源。

第三，加载速度是否快关乎用户体验。即便内容再好，如果用户需要长时间等待才能访问，也会影响其满意度。在移动优先和即时信息获取的时代，快速响应的网站已成为基本要求。AI模式在评估内容的整体实用性时，也会将网站的技术表现纳入考量。

第四，内容是否原创是确保信息独特价值的关键。谷歌一直强调原创内容的重要性，以打击复制粘贴和低质量内容的泛滥。原创性不仅体现在文本，也包括观点、研究和数据呈现方式。对于AI模式而言，原创内容意味着能为用户带来新的视角和未被重复的信息，从而提升其在知识库中的权重。

第五，内容是否引用了来源则关系到信息的权威性和可信度。尤其是在AI模式下，由于信息可能经过多重整合和生成，明确的引用来源能大大增加内容的透明度和可靠性。这有助于用户进行事实核查，也让AI模型更能信任其所提取信息的准确性。

此外，斯坦先生还提及了一个行为层面的重要信号：如果人们点击它，认为它有价值，并且会再次访问。这实际上是用户满意度的直接反馈。高点击率、长停留时间、低跳出率以及重复访问等用户行为数据，都将作为衡量内容实用性的重要依据。这些行为数据反映了内容的真正价值，并为AI模式提供了学习和优化的宝贵素材。

综上所述，谷歌AI模式在评估内容质量和实用性方面，延续了其在传统搜索领域积累的深厚经验。通过将核心的质量评估体系融入AI模型，并结合对内容相关性、质量、技术表现、原创性、可信度以及用户行为的综合考量，谷歌致力于在AI时代持续为用户提供最优质的搜索体验。

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/google-ai-25-yrs-quality-5-seo-factors.html