搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

大模型颠覆传统搜索的风,已经吹到了商业化策略的层面。

量子位智库最新报告发现:

AI智能助手替代搜索的过程中,传统SEO也正在被重构

搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

SEO(Search Engine Optimization),即搜索引擎优化,是指通过优化网站和内容,来提高其在搜索引擎中自然排名,从而吸引更多流量的方法和策略。

可以说,在互联网时代,SEO是搜索商业化环节中最基础、最重要的组成部分之一,也是提升互联网内容质量和体验的重要一环。

而当「有问题问搜索引擎」的模式,在大模型风暴中逐渐转变为「有问题问AI助手」,用户所需要的答案更多被大模型的「判断」所掌握,SEO也到了需要面向AIGC优化的时刻。

量子位智库《AI智能助手的SEO策略变革研究报告》通过实验分析,提出了以下观点:

  • 80%消费者至少在40%搜索中依赖AI摘要,用户对信息获取的期待从“自主筛选”转向“获得回答”,在此过程中,传统网站的点击量最多下降了25%。
  • 搜索不再是信息门户的“天下”,有接近一半的AI回答引源自内容社区,尤其在专业话题中,内容社区的被引权重更高,超过60%。
  • 知乎在中文内容社区中被引频率最高,达到29.9%。
  • AI时代,专业的内容社区价值会更大。
  • 面向AI助手的SEO策略应向SPO——面向专业社区优化转变。

更多报告详情,下文我们逐一解读。

专业领域更需要专业内容

报告主要采用模拟用户使用场景的方式,来抽样测评AI助手的信息引源,以分析AI搜索模式下不同内容权重的变化和倾向。

搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

量子位智库共设计30个问题,以社会热点和专业知识为2大方向组成问题集用于实验。测试的智能助手包括:DeepSeek、豆包、Kimi、腾讯元宝、文心一言、通义千问和秘塔AI搜索。

其中社会热点话题如:《黑神话·悟空》为什么火?

专业知识话题如:热水和冷水同时放进冰箱,哪一个先结冰?

为保证结果的可靠性和统计意义,实验采用如下测试机制:

  • 多次取样提问:每个问题对每个AI助手进行3次独立重复提问,获取3个回答记录;
  • 初始化:每次提问前确保清空上下文或开启新会话,避免上下文影响数据采集。同一问题的3次提问在不同会话下进行。

实验共获取有效数据630条。

内容社区被引率逼近信息门户

实验结果首先显示,搜索已不再是信息门户的「天下」,实验中,有接近一半的AI回答引源自内容社区

搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

通过兴趣标签和智能推荐等精准分发手段,内容社区的信息密度已经超越传统百科或新闻平台,所累积的海量多维度信息覆盖了从生活经验到专业知识的广泛领域,这种多样性在非结构化问题中带来了显着优势。

专业话题中,内容社区的被引权重更高

值得关注的是,在「专业知识」问题集中,内容社区的被引概率接近「社会热点」问题集的2倍

搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

在「社会热点」问题集中,AI助手的267次有效问答中有95次回答引源内容社区,占到总数的35.6%。

而在「专业知识」问题集中,AI助手引用内容社区的比例达到了62.4%

量子位智库分析认为,这首先与信息类型和需求差异有关

专业知识问题需要深度、结构化的信息,内容社区的优势恰恰在于积累了大量专业讨论。相较之下,社会热点议题的信息来源依然更依赖于时效性强的新闻或门户网站。

即便如此,在社会热点问题中,依然有超过30%的回答引源自社区平台,反映了内容社区对热点事件的实时讨论能力。

知乎在内容社区中被引频率最高

实验数据还显示,在全部问题中,AI智能助手引用知乎的频率达到了29.9%,在内容社区中拔得头筹,远超第二名B站的7.6%。

搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

另外,在医学健康相关问题中,医疗健康内容社区的被引率会明显上升。

量子位智库分析,内容社区存在大量用户生成内容,AI智能助手在搜索时仍需辨别引用内容质量,因此内容知识社区的专业度显然对被引权重有所影响。

在需要引用内容社区信源的时候,AI智能助手也会有意对不同社区的权威性和专业度做不同权重的分配。

智库进一步分析发现,具体到社会热点话题下,AI智能助手引用知乎的频率是24.7%,而在专业知识问题集中,频率提升到了35.3%增加10.6%

搜索SEO被AI重塑,专业内容社区价值凸显 | 量子位智库报告

专业知识问题回答中,知乎被引频次≥3的频率,同样接近社会热点问题回答的2倍。

由此可见,AI时代的搜索不仅需要内容社区,而且知识内容社区会在更专业的话题中表现更好。

AI助手替代传统搜索,专业内容社区价值凸显

在技术范式快速迭代的市场环境下,为抓住生成式AI这一颠覆性技术带来的战略机遇,持续构建竞争优势,量子位智库认为,面向AI智能助手的SEO策略应向SPO(面向专业社区优化)转变

背后原因可以分为两个层面来分析。

用户层面,AI时代全新的用户需求,已经使得用户体验成为核心的搜索排名因素。

而提升用户体验,在大模型技术层面上,正体现为推理路线下模型更为深度的思考。

可以看到的趋势是,“深度思考”、“长思考”等模式需要向用户呈现结构化的回答。

首先要准确分析用户意图,这就极大冲击了过去SEO的关键词策略。

其次,要为思考后的每一项意图提供可靠的信息支撑,并引用正确,这强调了信息的多样性。

最后,要将信息整合为结构化的回答,每个要点要详细展开,保持内容连贯,并提供具体的策略和方法,这对信息的质量提出了更高的要求。

基于此,对于面向搜索优化的网站而言,都需要对内容做重新思考——AI智能助手的新生态竞争,需要内容价值的持续创造,想要更加精准地增强影响力,专业知识社区的价值比以往更加重要

低质信息门户的比重将会越来越低,而更专业内容社区的比重将会更高。这也意味着垂直领域专业内容社区凭借内容质量可以更轻易地获得更多流量,通过关键词堆砌等取巧方法博取流量的时代已经结束。

另一方面,值得关注的是,像知乎这样的专业内容社区,能在专业知识话题的问答引源中占比达到35.3%,其背后的专家经验、真人交流,价值比以往更加凸显。

对于模型厂商而言,如何在这类专业社区中,挖掘出高质量内容的更大潜力,也是模型能力进化技术路线上需要思考的关键问题。

如果你对这份《AI智能助手的SEO策略变革研究报告》感兴趣,完整内容可以在下载链接中获取。

报告下载地址:
https://jkhbjkhb.feishu.cn/wiki/W5D7wuDcbiPXDLkaRLQcAJpOn8f

— 完 —

主题测试文章,只做测试使用。发布者:人脑网,转转请注明出处:https://www.rennao.com.cn/15325.html

(0)
人脑网的头像人脑网
上一篇 2025年5月21日 下午3:21
下一篇 2025年5月21日 下午3:22

相关推荐

  • 首次系统评估Qwen3在量化下的鲁棒性:8bit下仍保持近乎无损性能

    Qwen3强势刷新开源模型SOTA,但如何让其在资源受限场景中,既能实现低比特量化,又能保证模型“智商”不掉线? 来自北京航空航天大学、西安电子科技大学和苏黎世联邦理工学院的联合研究团队找到了破局关键。 团队对Qwen3的5种后训练量化技术进行了首次系统性评估,涵盖从1比特到8比特的位宽和多个数据集,此外还与LLaMA3进行了量化比较。 研究发现,Qwen3…

    2025年5月10日
    1000
  • 大模型竞技场再被锤!Llama4私下测试27个版本,只取最佳成绩

    大模型竞技场的可信度,再次被锤。 最近一篇名为《排行榜幻觉》(The Leaderboard Illusion)的论文在学术圈引发关注。 它指出,如今被视为LLM领域首选排行榜的Chatbot Arena,存在诸多系统问题。比如: 少数大厂可以私下测试多个模型版本,Llama4在发布前甚至测了27个版本,然后只公开最佳表现。 数据访问不平等,专有模型获得的用…

    2025年5月2日
    1100
  • 中国初创芯片登Nature:比英伟达A10快500倍!自研光电混合技术

    来自国内的光电混合芯片技术,登上最新顶刊Nature! 这次的成果主要聚焦在了自主研发的光子计算处理器——PACE(Photonic Arithmetic Computing Engine)。 简单来说,PACE是一种基于光电混合的架构,它通过光执行矩阵向量乘法,可以实现超低延迟和高能效的计算。 根据论文中公开的数据显示,PACE在解决组合优化问题(如伊辛问…

    2025年4月14日
    2200
  • 生数科技廖谦:多模态技术定将催生全新内容平台,实现完全个性化

    多模态生成技术持续突破内容创作的边界。 生数作为多模态领域的明星玩家,所提供的技术正推动AI视频创作进入系统性可用新阶段。 在本次第三届AIGC产业峰会上,生数科技产品副总裁、Vidu产品负责人廖谦分享了这样的观点: 为了完整体现廖谦的思考,在不改变原意的基础上,量子位对演讲内容进行了编辑整理,希望能给你带来更多启发。 中国AIGC产业峰会是由量子位主办的A…

    2025年4月18日
    2200
  • 清华&通院推出"绝对零"训练法,零外部数据大模型自我博弈解锁推理

    不用引入外部数据,通过自我博弈(Self-play)就能让预训练大模型学会推理? 来自清华、北京通用人工智能研究院和宾夕法尼亚州立大学的研究人员,提出了一种名为“绝对零”(Absolute Zero)的训练方式。 这种方法通过让大模型根据推理目标,自己生成并解决任务,便可以获得推理能力。 测试中,用“绝对零”训练出的模型,表现已经超过了用专家标注样本训练的模…

    2025年5月13日
    1300

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们

400-800-8888

在线咨询: QQ交谈

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信