(ChinaZ.com) 12 月 19 日消息:由普林斯頓大學(xué)、佐治亞理工學(xué)院、艾倫人工智能研究所和 IIT 德里的研究人員團(tuán)隊進(jìn)行的最新研究發(fā)現(xiàn)了多種提高網(wǎng)站在人工智能（AI）搜索引擎中可見性的方法。研究顯示，這些優(yōu)化方法成功使較小、排名較低的網(wǎng)站的可見性提高了 115%，使它們能夠超越通常在搜索結(jié)果頂部占據(jù)主導(dǎo)地位的大型企業(yè)網(wǎng)站。
研究團(tuán)隊觀察到，他們的生成引擎優(yōu)化（GEO）技術(shù)能夠普遍提高網(wǎng)站的可見性，最多可達(dá) 40%。
他們在多個知識領(lǐng)域（如法律、歷史、科學(xué)等）測試了九種優(yōu)化技術(shù)，并發(fā)現(xiàn)了哪些方法有效，哪些方法無效，以及哪些方法實際上會使排名變差。
特別值得注意的是，某些技術(shù)在特定知識領(lǐng)域特別有效，而有三種技術(shù)在所有類型的網(wǎng)站上表現(xiàn)尤為突出。
研究人員強調(diào)了 GEO 作為民主化搜索結(jié)果頂部工具的能力，他們寫道：「這一發(fā)現(xiàn)強調(diào)了 GEO 作為數(shù)字空間民主化工具的潛力。重要的是，許多排名較低的網(wǎng)站通常是由小型內(nèi)容創(chuàng)建者或獨立企業(yè)創(chuàng)建的，他們傳統(tǒng)上很難與在搜索引擎結(jié)果中占據(jù)最高排名的大公司競爭?！?/p>
在 Perplexity.AI 上進(jìn)行測試
研究人員在 Perplexity.ai 搜索引擎和以 Bing Chat 的 AI 搜索引擎上進(jìn)行了測試，發(fā)現(xiàn)結(jié)果與以 Bing Chat 為模型的引擎相似。
研究論文第 6 節(jié)中指出：「我們發(fā)現(xiàn)，與我們的生成引擎類似，引用增加在位置調(diào)整字?jǐn)?shù)方面表現(xiàn)最佳，相對于基線有 22% 的改善。此外，在我們的生成引擎中表現(xiàn)良好的方法，如引用來源、統(tǒng)計數(shù)據(jù)增加，在兩個指標(biāo)上顯示出高達(dá) 9% 和 37% 的提高?！?/p>
在以 Bing Chat 為模型的 AI 搜索上進(jìn)行測試
研究人員在他們創(chuàng)建的生成搜索引擎上測試了他們的方法，該搜索引擎以 Bing Chat 工作流程為模型，并且還在人工智能搜索引擎 Perplexity.AI 上進(jìn)行了測試。
他們寫道：「我們描述了一個生成引擎，其中包括幾個后端生成模型和一個用于源檢索的搜索引擎。
生成引擎 (GE) 將用戶查詢 qu 作為輸入并返回自然語言響應(yīng) r，其中 PU 表示個性化用戶信息，例如偏好和歷史記錄。
生成引擎由兩個關(guān)鍵組件組成：
a.) 一組生成模型 G = {G1， G2…Gn}，每個模型都有特定的用途，例如查詢重構(gòu)或總結(jié)，以及
b.) 給定查詢 q 的搜索引擎 SE 返回一組源 S = {s1， s2…sm}。
我們提出了一個具有代表性的工作流程......，在撰寫本文時，它與 BingChat 的設(shè)計非常相似。該工作流程將輸入查詢分解為一組更簡單的查詢，這些查詢更容易被搜索引擎使用?！?span style="text-indent: 2em;">」
用于測試的搜索查詢
研究人員為測試創(chuàng)建了一個基準(zhǔn)，包含來自 9 個不同來源的 10，000 個搜索查詢，涵蓋多個知識領(lǐng)域和不同復(fù)雜度水平。例如，有些查詢需要推理才能解決答案。
研究論文解釋道：「...... 我們策劃了 GEO-BENCH，這是一個由多個來源的 10K 查詢組成的基準(zhǔn)，為生成引擎重新定位，并附有合成生成的查詢?！?/p>
以下是 9 個搜索查詢來源的列表：
1. MS Macro
2. ORCAS-1
3. Natural Questions
4. AllSouls
5. LIMA
6. Davinci-Debtate
7. Perplexity.ai Discover
8. ELI-5
9. GPT-4 生成的查詢
測試的九種排名策略
研究人員測試了九種不同的網(wǎng)站優(yōu)化方法，跟蹤了不同類型搜索（如法律與政府、商業(yè)、科學(xué)、人與社會、健康、歷史等主題）中不同方法的效果。
他們發(fā)現(xiàn)，每種類型的知識主題都對不同的優(yōu)化策略有良好反應(yīng)。
這九種測試策略包括：
權(quán)威性：改變寫作風(fēng)格，使權(quán)威性聲明更具說服力
關(guān)鍵字優(yōu)化：添加更多來自搜索查詢的關(guān)鍵字
統(tǒng)計數(shù)據(jù)添加：將現(xiàn)有內(nèi)容更改為包含統(tǒng)計數(shù)據(jù)而非解釋性信息。
引用來源（引用可靠來源）
引用添加：添加高質(zhì)量來源的引用和引文
易于理解：使內(nèi)容更容易理解
流暢性優(yōu)化：使內(nèi)容更加清晰
獨特詞匯：添加使用較少的、罕見和獨特的詞匯，但不改變內(nèi)容的含義
技術(shù)術(shù)語：在有意義的地方添加獨特和技術(shù)術(shù)語，而不改變內(nèi)容的含義
引用來源
引用添加
統(tǒng)計數(shù)據(jù)添加
哪些方法效果最佳？
前三種優(yōu)化策略是：
引用來源
引用添加
統(tǒng)計數(shù)據(jù)添加
這三種策略相對于基準(zhǔn)取得了 30-40% 的相對改進(jìn)。
研究人員寫道：「這些方法，包括添加相關(guān)統(tǒng)計數(shù)據(jù)（統(tǒng)計數(shù)據(jù)添加）、引入可信引用（引用添加）和包括可靠來源的引文（引用來源）在網(wǎng)站內(nèi)容中，只需對實際內(nèi)容本身進(jìn)行最小改變。然而，它們顯著提高了網(wǎng)站在生成引擎響應(yīng)中的可見性，從而提高了內(nèi)容的可信度和豐富性?！?/p>
流暢性優(yōu)化和易于理解方法也有助于提高 15-30% 的可見性。
這些結(jié)果被研究人員解釋為表明 AI 搜索引擎重視內(nèi)容及其呈現(xiàn)方式。
哪些優(yōu)化策略不起作用
研究人員驚訝地發(fā)現(xiàn)，在內(nèi)容中使用說服性和權(quán)威性語氣通常不會提高 AI 搜索引擎中的排名，至少不如其他方法有效。
同樣，將更多來自搜索查詢的關(guān)鍵字添加到內(nèi)容中的方法也沒有起作用。事實上，關(guān)鍵字優(yōu)化的表現(xiàn)比基線還差 10%。
針對不同知識領(lǐng)域的優(yōu)化效果不同
報告中的一個有趣發(fā)現(xiàn)是，哪種優(yōu)化效果最佳取決于知識領(lǐng)域（法律、政府、科學(xué)、歷史等）。
他們發(fā)現(xiàn)，與歷史領(lǐng)域相關(guān)的內(nèi)容在應(yīng)用「權(quán)威性」優(yōu)化時排名更好，使用更具說服力的語言。
用權(quán)威來源引用改進(jìn)內(nèi)容的引用優(yōu)化，對事實搜索查詢效果最好。
統(tǒng)計數(shù)據(jù)對法律和政府相關(guān)問題效果良好。統(tǒng)計數(shù)據(jù)對「觀點」問題也很有效，即搜索者詢問 AI 對某事的看法。
研究人員觀察到：「這表明，在特定背景下，納入數(shù)據(jù)驅(qū)動的證據(jù)可以提高網(wǎng)站在特定環(huán)境下的可見性?！?/p>
添加引用對人與社會、解釋和歷史知識領(lǐng)域效果良好。研究人員將這些結(jié)果解釋為，AI 搜索引擎可能更喜歡這些問題的「真實性」和「深度」。
研究人員得出結(jié)論，進(jìn)行特定領(lǐng)域的優(yōu)化是最佳方法。
低排名網(wǎng)站通過 GEO 提高排名
這項研究的好消息是，通常排名較低的網(wǎng)站將從這些策略中受益，以優(yōu)化 AI 搜索引擎。
他們總結(jié)道：「有趣的是，排名較低的網(wǎng)站，在 SERP 中通常難以獲得可見性，它們從 GEO 中獲得的好處遠(yuǎn)遠(yuǎn)超過排名較高的網(wǎng)站?！?/p>
SEO 的游戲規(guī)則改變者
這項研究顯示了 SEO 在面對基于 AI 的搜索引擎時的新路徑。那些聲稱 AI 搜索將擊敗 SEO 的人說得太早了。這項研究似乎表明，SEO 最終將演變?yōu)?GEO，以在下一代 AI 搜索引擎中競爭。
閱讀完整研究論文：
https://arxiv.org/abs/2311.09735
