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 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模
对于全球数百万消费者来说，谷歌是互联网的接入点——因此，该公司目前在价值 500 亿美元的搜索广告市场中占有 91% 的市场份额。然而，由于大型语言模型 (LLM) 的出现，20 年来首次出现变革。
为什么会这样？因为 LLM 提供的搜索体验与网络浏览器体验截然不同。最大的区别在于：LLM 承诺不会像网络浏览器那样通过链接来回答查询，而是通过答案来回答查询。
越来越多地，使用 ChatGPT 或 Perplexity 等应用程序，或谷歌的搜索生成体验（现为 AI 概览）或 Bing 的 Copilot 等搜索门户，客户将通过自然语言输出了解产品和品牌。这个过程将具有高度的咨询性和对话性，将创建一个新的信息管道，营销人员需要监控该管道，以确保他们的品牌在相关提示下呈现并准确描述。
为了应对这一挑战，营销人员需要衡量和监控 (1) 他们的品牌是否出现在 LLM 输出中，以及最有可能在什么时候出现；(2) 他们的品牌表现如何，以及他们的产品有哪些负面因素；(3) 与竞争对手相比，他们的产品和品牌在高度相关的提示中的可见度。这样做不仅需要营销人员测试和开发相关指标，还需要开发新的工作流程来管理增加的复杂性。
搜索“最适合初学者的公路自行车”凸显了新的挑战。当我们询问 Perplexity 时，它向我们推荐了 Aventon Level 2 作为总体上最好的初学者自行车，称其几何形状宽松、轮胎宽大、零件质量高、价格合理。而 Google SGE 则向我们推荐了 Giant Contend 3 或 Specialized Allez E5。
这两次搜索体验都为我们提供了购买新公路自行车时需要考虑的事项的指导，并为我们提供了一种轻松的后续问题提问方式。但最重要的是：所有这些都发生在我们接触任何品牌的网站之前。如果LLM在搜索过程的这个阶段没有提到你的品牌，用户可能永远不会考虑它。
1、LLM 优化
新挑战带来新机遇。正如搜索引擎优化 (SEO) 科学在基于浏览器的搜索时代出现一样，LLM 优化 (LLMO) 的新科学也将出现 — 营销人员需要利用它。
支持 LLM 的算法与传统搜索算法不同。Google SGE 运行的排名因素与传统 Google 算法不同。传统搜索算法经过优化，可以推广被认为权威、全面和相关的链接。优先考虑元数据、关键字密度和反向链接的网站获得了较高的排名。
然而，LLM 经过优化，可以快速编译出准确、引人注目的回复。它们从多种形式（文本、图像、视频）和多种内容类型（评论、品牌网站内容、用户生成内容）中提取内容来创建答案。在用户从初始查询转向后续问题的过程中，LLM 回复都隐含地知道用户在购买过程中的位置。因此，如果网站的内容易于被 LLM 索引，则更有可能在响应中被引用。
LLM 搜索的一个关键组成部分称为检索增强生成 (RAG)，即 LLM 使用额外的上下文（例如一组公司文档或 Web 内容）来增强其基本模型以响应提示。这对于希望参与 LLM 优化的任何人都具有重要意义：如果你想更改 LLM 响应查询而生成的文本，则需要从战略上思考如何更改它可能从中提取信息的各种来源。
哈佛研究人员的一篇新的工作论文表明，插入战略文本序列——添加到产品信息页面以增加产品被推荐的机会的文本——可以显著改变 LLM 响应消费者查询而提供的信息。在他们的实验中，哈佛团队插入了一个战略性文本序列来强调咖啡机 ColdBrew Master 的可负担性，并显著增加了 LLM 在回应关于经济实惠咖啡机的建议时提到它的可能性。在基线情景中，LLM 从未推荐过 ColdBrew Master，但研究人员使用他们的战略性文本序列，能够将其变成最常推荐的产品。另一个讨论针对 LLM 搜索优化网络内容的学术研究示例在这里。
我们相信 LLMO 将在新的搜索体验的演变中发挥关键作用。时间将告诉我们大型科技公司如何选择在其生态系统中将 LLM 货币化。一些公司会选择订阅模式，而其他公司可能会选择广告货币化。然而，与今天不同，今天有一个占主导地位的单一参与者控制着大部分在线搜索体验，我们预计未来状态将包括多种供消费者选择的选项。这意味着 LLMO 领域的人们可能会有新的就业机会。
2、工作，工作，工作
由于生成式AI有可能取代数百万知识型员工，它引起了工人和政策制定者的极大焦虑。经济学家通常对这种担忧做出回应，指出过去的突破性创新总是会带来比以前更多的工作和更好的工作。对LLM和工作的乐观看法是，这次也会发生同样的情况。
的确，在未来几年里，今天的 SEO 专家会发现他们当前的许多活动基本上都是自动化的。最近，LLM被证明在内容优化任务上比人类专家更有效，而且更便宜。我们预计，未来公司将能够使用更少的员工来执行他们的 SEO 活动，这自然会引发对工作的担忧。
但 SEO 角色也变得越来越复杂，这也是事实。SEO 专业人士——即将成为 LLMO 专业人士——将需要在一套新的优化方法下，以跟上快速发展的LLM领域的步伐，管理跨多个 LLM 平台的品牌代表。那些愿意通过 LLM 不断学习、适应和尝试新技术来提高品牌知名度和好感度的 SEO 专家将会非常抢手。简而言之，他们将成为 LLMO 专家——这是公司和支持它们的营销服务公司中一个至关重要的新角色。
当一项强大的新技术开始影响经济时，人们通常知道哪些工作受到威胁，但不知道哪些工作会被创造出来。因此，今天，就像过去的技术革命一样，一个重要的担忧来源是我们有限的能力来发现地平线上出现的形状——LLM 将创造的新工作。对于营销专业人士来说，地平线上的形状仍然模糊，但我们可以开始看到至少一个的轮廓。
原文链接：How Marketers Can Adapt to LLM-Powered Search
BimAnt翻译整理，转载请标明出处
