谷歌AI冲击！零点击时代来袭，跨境SEO如何逆转求生？

当下，人工智能（AI）浪潮席卷全球，其热度甚至让互联网上每一句话似乎都离不开“AI”二字。对于跨境行业的营销人而言，每天都在被各类关于AI的“奇思妙想”、零散的提示词技巧，以及诸如ChatGPT能让生产力“十倍速增长”或“彻底取代你的工作”等论调所轰炸。

身处这场变革的中心，数字营销从业者们不禁思考：这究竟是又一个昙花一现的流行词，还是内容创作、搜索引擎优化（SEO）、付费广告（PPC）、数据报告乃至整个营销运作模式即将被彻底重塑的开端？

新媒网跨境了解到，为了拨开AI迷雾，我们将从基础概念入手，为那些厌倦了晦涩专业术语，希望清晰理解AI对营销影响的专业人士提供一份指南。

厘清AI与大型语言模型（LLMs）的界限及其重要性

在探讨AI对营销的具体影响前，我们首先需要对AI建立一个共同的理解。你会发现，许多相关术语常被混淆使用，甚至存在不当之处。清晰地辨别它们，不仅有助于提升你的专业形象，更能帮助你在制定营销策略时做出更明智的决策。

人工智能（AI）的核心，是指机器执行通常需要人类智能才能完成的任务的能力，这包括理解语言、识别模式、做出决策，当然，也包括生成内容。

当前引发广泛关注的AI类型，主要是生成式AI。这类模型能够根据从海量数据集中学习到的模式，生成文本、图像、代码等全新内容。值得注意的是，ChatGPT、Gemini和Claude等工具并非像人类一样“思考”，它们仅仅是基于所训练的数据，预测下一个最有可能出现的词或短语。

与一些人期待的不同，AI并非能让人一夜暴富的“万能药”，也不会在一夜之间实现所有自动化，或立即大幅削减人员成本以美化财务报表。

它本质上是一种规模化的数据聚合技术。大型语言模型（LLMs）并非生产全新的数据，它们只是处理网络上的现有数据，并基于这些数据的普遍共识来提供解决方案。

生成式AI和LLMs的兴起，预示着内容创作者和营销人员面临着一场巨大的变革。过去，我们可能仅仅是为搜索引擎的点击率而优化；而现在，目标则转向如何创建能够被机器有效解读和总结的内容。

这一转变的核心影响是“零点击搜索结果”的崛起：AI系统可以直接向用户总结、引用并呈现你的内容，往往在用户无需访问你的网站的情况下，就能回答他们的查询（例如，Google的AI概览和ChatGPT的答案）。

这从根本上将SEO的重心从“流量游戏”转向了“权威性和数据摄取游戏”。因此，在决定如何将AI融入整体营销战略之前，理解AI的工作原理及其局限性至关重要。

AI行业术语解析

在深入探讨之前，有必要指出，许多人将“AI”（人工智能）、“机器学习”、“大型语言模型”和“生成式AI”等术语混为一谈。尽管它们相互关联，但并非同义词。理解它们之间的区别，不仅能让你在专业场合更显洞察力，也能帮助你更明智地利用这些技术制定营销策略。

下图清晰地展示了这些术语之间的关系与定义：
Ai Glossary

人工智能（AI）

首先是总括性术语。人工智能指的是机器能够执行通常需要人类智能才能完成的任务的广泛概念。这包括解决问题、学习、语音识别和决策制定等能力。

它已成为一个被搜索行业和各类新闻标题广泛使用的流行词，但在实际应用中，营销人员所接触的大部分内容都属于其更具体的子集。例如，Siri或谷歌助手等工具就利用AI来理解语音指令并进行上下文响应。
Google Assistant Scaled

智能音箱是AI技术的早期应用典范。

机器学习（ML）

机器学习是人工智能的一个子集，它是一个通过向机器输入数据，并让机器从中学习的过程。与通过明确指令进行编程不同，机器利用算法从数据中发现模式并做出预测（抱歉，它暂时还不能预测未来！）。

在营销领域，机器学习为许多功能提供支持，例如广告精准投放、客户细分和预测性分析。例如，Netflix利用机器学习根据用户的观看历史来推荐节目。
Netflix Homepage

Netflix利用机器学习为用户提供个性化推荐。

自然语言处理（NLP）

自然语言处理弥合了原始文本与机器可理解意图之间的鸿沟。

NLP使机器能够理解、解释和生成人类语言。这是ChatGPT等工具能够进行对话，以及谷歌能够识别“便宜的跑鞋”与“经济型运动鞋”具有相同含义的原因。例如，谷歌翻译（Google Translate）就利用NLP来实时理解和转换语言。
Stages Of Communication Scaled

NLP处理过程示意图（来源：Grammerly）。

生成式AI

当人们提及“AI”时，通常指的便是生成式AI。它是人工智能的一个分支，旨在创建全新的内容，而非仅仅分析现有数据。

其核心是一种计算机模型（由算法和代码构建），通过对海量数据集（包括书籍、网站、代码，甚至外媒论坛上的内容）进行训练，从而学习语言、视觉或声音模式。随后，它利用这些模式生成新的内容，如文本、图像、代码乃至视频。例如，谷歌与外媒内容平台的合作，便是利用其海量数据以提升生成式AI的能力。

然而，重要的是要记住，它并不像人类一样“思考”。相反，它根据概率，一步步预测最有可能出现的下一个词、像素或代码行。这也是它偶尔会“脱轨”的原因。这些“脱轨”现象被称为“幻觉”（hallucinations），即AI自信地编造出一些事实不存在的内容。这些“幻觉”已变得广为人知，例如有聊天机器人曾建议人们每天吃至少一块小石头，或者用胶水把奶酪固定在披萨上。

生成式AI的应用包括：

ChatGPT用于撰写文章和电子邮件。
Midjourney和DALL·E用于创建图像。
Claude可为WordPress插件编写代码（外媒记者曾利用Claude编写并构建了SEOjbs.com上的整个SEO面试模拟器）。
还有Sora，它能够根据文本描述生成逼真视频。

大型语言模型（LLMs）

大型语言模型是一种特殊的生成式AI，它通过对海量数据集（如书籍、网站、代码，甚至外媒上的内容）进行训练，以理解和生成类人响应。模型训练的数据越多、质量越高，其输出结果就越有用。你可以将LLMs视为你常用聊天机器人背后的“引擎”，它是响应你输入内容的核心部分。

在早期使用ChatGPT时，外媒记者曾上传多年的个人创作内容，包括博客文章、通讯稿和行业出版物（如“Search Engine Land”外媒平台）上的文章。这些上下文帮助模型学习并以其个人风格进行回应，使其语气和措辞更自然。这意味着，在内容创作中，模型可以通过提供建议、重新措辞或根据给定示例润色草稿来辅助人工创作。

简而言之，LLMs不会自行行动，它们根据你的输入做出反应。这也是它们与AI代理（AI Agents）的区别，后者能够代表你实际采取行动。

大型语言模型的例子包括：

GPT-4 (OpenAI，用于ChatGPT)
Claude (Anthropic)
LLaMA (Meta)

AI代理（AI Agents）

与仅响应提示的LLMs不同，AI代理能够执行复杂的任务——它们可以浏览网站、填写表格、调用API并完成多步骤任务，而无需人工持续干预。它们底层仍由LLMs驱动，但现在它们拥有目标、工具和自主性。

换言之，AI代理不仅能“对话”，还能“工作”。它们正是许多人担心会取代其工作岗位的技术。

AI代理的例子包括：

ChatGPT（网页搜索和代码分析）
Google Gemini、Google Workspace（Gmail邮件回复建议和邮件线程摘要）
Copilot、Microsoft 365（微软版本的Gemini+Workspace）

Gmail中使用的AI代理可提供邮件摘要。

AI如何影响当今营销格局

新媒网跨境获悉，既然我们已经对AI术语有了共同理解，接下来便探讨这些工具正如何共同颠覆营销和企业运营方式。过去十多年来，关于SEO“消亡”的论调层出不穷，但这一次，这种焦虑感显得更为具体。而称SEO仅仅是“正在改变”，则显得过于轻描淡写。

然而，我们并非面临“消亡”，而是正处于一场大规模、全行业转型之中，AI无疑是这场转型的核心。让我们看看几个关键方面。

自然流量正在被蚕食

AI概览（AI Overviews）是谷歌在搜索结果顶部显示的自动摘要，通常从多个来源提取信息。

可以将它们视为升级版的“精选摘要”（Featured Snippets）——不同之处在于，它们不再仅仅引用一个网站并提供链接。AI概览会整合多个来源，以谷歌自身的语言重写内容，并且往往将归属信息隐藏在首屏之下。

这意味着，对于广泛的信息查询，用户首先看到的是谷歌的答案，而非你的蓝色链接。这导致点击率（CTR）大幅降低，进而减少了网站的点击量。在AI概览出现之前，这些查询曾是品牌早期接触用户、建立认知的好机会，但现在，答案和信任直接流向了谷歌。

一种观点认为： AI概览只针对不重要的信息查询出现，因此我的流量是安全的。
实际情况是： 谷歌已在测试针对YMYL（Your Money Your Life，关乎用户金钱或生活的关键领域）、产品和B2B查询的AI概览。它的覆盖范围正在扩大，而非缩小。
Google Serp Jordan 1 Shoes Review Scaled

谷歌对中漏斗购物查询展示AI概览。

下一步行动建议：

停止盲目追求每一次点击。 专注于成为当用户准备采取行动时，他们会记住并信任的权威信息来源。
衡量成功的标准应包括可见性、影响力与转化率，而非仅仅原始流量。
加倍投入领域权威性建设，确保您的品牌成为AI答案中被引用的来源。

内容创作呈爆炸式增长（随之而来的是信息噪音）

生成式AI消除了内容营销中最大的瓶颈之一：时间。过去需要一个写作团队耗费一个月才能完成的工作，现在一位营销人员可能一周内就能完成。

这本身并非坏事，但当每个人都能用“足够好”的内容充斥互联网时，信噪比就会急剧下降。

一种观点认为： 更多内容等于更多流量。
实际情况是： 即使在AI出现之前，这一论断就已站不住脚。现在，搜索引擎算法正在积极抑制那些快速生成、低价值的内容。

谷歌的“有用内容更新”（Helpful Content update）、必应的“SpamBrain”改进，甚至外媒职业社交平台的近期信息流调整，其目标都是为了降低通用、低质量内容的可见性。

下一步行动建议：

聚焦权威驱动型内容： 案例研究、数据分析和独家洞察。
减少发布频率，增加推广力度： 分发现在比以往任何时候都更加重要。
将AI用于研究、内容大纲撰写和内容更新，而非仅仅用于生产更多内容。

搜索结果日趋深度个性化

传统SEO多年来一直与个性化打交道（例如，本地搜索、登录历史），但由LLM驱动的平台如ChatGPT、Perplexity和Gemini正将其推向一个全新的高度。

同一个问题，根据用户的不同、他们的历史记录、他们的提示，甚至模型训练方式的不同，都可能返回截然不同的答案。这意味着“所有用户的通用排名”这一概念正在迅速消失，我们也越来越难以逆向工程破解它。

个性化案例：
以下是LLM如何响应两位不同用户查询“特斯拉前景如何？”的示例：

金融分析师： LLM可能会根据用户研究金融的历史，提供详细的股票表现总结和最新的SEC（美国证券交易委员会）文件。
新车司机： LLM可能会侧重于新车型、电池寿命和充电基础设施，推断出用户对购买车辆的兴趣。

一种观点认为： 我们会像优化谷歌搜索排名第一一样，优化ChatGPT中的最佳答案。
实际情况是： 通用排名已经失效。认为存在一个可供优化的“最佳”答案的假设是错误的，因为个性化打破了“最佳”答案的概念。

在传统SEO中，排名第一是一个固定且可衡量的目标，基于通用算法（即使本地用户因素会略微调整结果）。优化策略完全建立在这种通用排名模型之上。

下一步行动建议：

跟踪可见性，而不仅仅是排名： 衡量您的品牌在不同LLM和搜索引擎中被提及、引用或链接的频率。
构建可识别、可信的品牌实体： 确保AI模型能够自信地引用您的品牌。
投资内容多样性： 提供文章、播客、视频、数据集等多种形式的内容，以便模型能够以多种方式获取您的信息，并深入理解您的主题。这包括使用结构化数据，并创建明确、可引用的答案，以便LLM轻松摄取。

Semrush Enterprise AI将品牌提及显示为可追踪的趋势图表。

归因模型面临挑战

当谷歌、必应或Perplexity直接回答用户的问题时——可能通过产品比较、总结或“最佳”列表——由于AI概览的存在，这些用户很可能根本不会访问你的网站。

即使他们最终访问了，他们的用户旅程也可能始于AI平台，跳转到另一次搜索，然后才进入你的网站。
这种路径打破了营销人员传统上依赖的“渠道 → 点击 → 转化”的清晰路径，促使企业重新思考如何追踪归因。

一种观点认为： 我们将直接在分析工具中衡量来自LLM的流量和用户。
实际情况是： 这种说法做出了一个巨大的假设，即用户会点击进入你的网站——但他们不会！

下一步行动建议：

从“最终点击归因”转向“辅助转化思维”： 最终点击归因将100%的功劳归于转化前的最后一个渠道。应开始关注辅助转化和多触点模型，以便识别哪些渠道在用户旅程早期经常出现。
衡量用户与您的品牌整体的互动方式： 与其痴迷于某个渠道的投资回报率，不如开始追踪整体品牌需求的指标。一些具体的信号包括：
- 直接流量趋势
- 品牌搜索量
- 潜在客户/购买表格中的“您如何得知我们？”字段
为难以完美追踪的站外影响力进行预算： 例如播客赞助、公关活动以及在新闻中获得报道的思想领导力内容。