让我们看一下答案引擎，看看Genai如何选择赢家
在Chatgpt，困惑，双子座或副本中询问一个问题，答案在几秒钟内出现。感觉毫不费力。但是在引擎盖下，没有魔术。发生了一场战斗。
这是您的内容与其他每个候选人进行刀具战斗的一部分。索引中的每个段落都希望成为模型选择的段落。
对于SEO来说，这是一个新的战场。传统SEO是在结果页面上排名。现在，比赛发生在答案选择系统中。而且，如果您需要可见性，则需要了解该系统的工作原理。
图片来源：Duane Forrester答案选择阶段
这不是在矢量数据库中爬行，索引或嵌入。该部分是在查询发生之前完成的。用户提出问题后，答案选择开始。该系统已经具有块，嵌入和存储的内容。它需要做的就是找到候选段落，对它们进行评分，并决定将哪些段落传递到生成模型中。
每个现代的AI搜索管道都使用相同的三个阶段（跨四个步骤）：检索，重新排列和清晰度检查。每个阶段都很重要。每个都有重量。尽管每个平台都有自己的食谱（在每个步骤/阶段分配的权重），但研究使我们能见度足以勾勒出一个现实的起点。基本上建立自己的模型以至少部分复制正在发生的事情。
建筑商的基线
如果您构建了自己的基于LLM的搜索系统，则必须说明每个阶段的数量。这意味着将标准的标准权重分配给一个。
可辩护的，有研究的起始堆栈可能看起来像这样：
- 词汇检索（关键字，BM25）：0.4。
- 语义检索（嵌入，含义）：0.4。
- 重新排列（跨编码器评分）：0.15。
- 清晰度和结构提升：0.05。
每个主要的AI系统都有自己的专有融合，但它们本质上都是从相同的核心成分中酿造的。我在这里向您展示的是企业搜索系统的平均起点，而不是与Chatgpt，困惑，Claude，Copilot或Gemini合作的工作。我们永远不会知道这些权重。
整个行业的混合默认值都对此进行了支持。编织的混合搜索alpha参数默认为0.5，这是关键字匹配和嵌入之间平衡的平衡。 Pinecone在其混合概述中教授相同的默认值。
重新排列为0.15，因为它仅适用于简短列表。然而，它的影响已被证明：当BM25检索中BERT分层时，“与BERT重新排列”显示出了很高的准确性。
清晰度为0.05。它很小，但是真实。带有答案的段落充满了事实，并且可以全部提升，更有可能赢得胜利。这与我有关语义重叠与密度的文章的发现相匹配。
乍一看，这听起来像是“只有数学不同的SEO”。不是。传统的SEO一直是黑匣子内的猜测。我们从来没有真正以接近其生产版本的格式访问算法。使用LLM系统，我们终于有了一些搜索从未真正提供给我们的东西：访问它们构建的所有研究。密集的检索论文，混合融合方法，重新排列的模型，它们都是公开的。这并不意味着我们确切地知道Chatgpt或Gemini如何拨打旋钮或调整其重量，但这确实意味着我们可以勾勒出它们如何更轻松地工作的模型。
从重量到可见性
那么，如果您不构建机器而是在其中竞争，这意味着什么呢？
重叠使您进入房间，密度使您可信，词汇使您无法被过滤，并且清晰度使您成为赢家。
这就是答案选择堆栈的逻辑。
词汇检索 仍然是战斗的40％。如果您的内容不包含人们实际使用的单词，则您甚至都不进入池。
语义检索 是另外40％。这是嵌入捕获含义的地方。将相关概念联系在一起的段落比薄且孤立的概念更好地映射。这就是当用户以您预期的方式询问用户查询时，您的内容会被拾取。
重新排列 是15％。这是清晰度和结构最重要的地方。看起来直接答案的段落上升。掩埋结论下降的段落。
清晰度和结构 是打破的。 5％的听起来可能并不多，但是在近距离战斗中，它决定谁获胜。
两个例子
Zapier的帮助内容
Zapier的文档是著名的清洁和答案。诸如如何将Google表连接到Slack”返回一个changpt答案，该答案以概述的确切步骤开头，因为Zapier的内容提供了所需的确切数据。当您单击ChatGpt Resource链接时，您登录的页面不是博客文章；它甚至不是帮助文章。它可以让您完成所要求的任务。
- 词汇？强的。 “ Google Sheets”和“ Slack”一词就在那里。
- 语义？强的。段落簇相关的术语，例如“集成”，“工作流”和“触发”。
- 重新排列？强的。这些步骤带有答案。
- 明晰？非常强大。可扫描的，答案的格式。
在0.4 / 0.4 / 0.15 / 0.05系统中，Zapier的块在所有表盘上得分。这就是为什么他们的内容经常出现在AI答案中的原因。
营销博客文章
形成鲜明对比的是，与典型的长期营销博客文章有关“团队生产力黑客”。该帖子提到了松弛，Google表格和集成，但仅在700个故事之后。
- 词汇？在场，但被埋葬。
- 语义？体面，但分散。
- 重新排列？虚弱的。 “如何将床单连接到懈怠？”的答案？隐藏在中间的段落中。
- 明晰？虚弱的。没有可提起的答案优先。
即使内容在技术上涵盖了该主题，但它仍在此加权模型中挣扎。 Zapier段落赢得了胜利，因为它与答案选择层的实际工作方式保持一致。
传统搜索仍然指导用户阅读，评估和确定他们是否满足他们的需求的页面。 AI答案不同。他们不要求您解析结果。他们将您的意图直接映射到任务或回答，然后将您直接进入“完成”模式。你问，”如何将Google表连接到Slack，”然后，您最终获得了一系列步骤或指向完成工作完成的页面的链接。您并没有真正收到博客文章，说明某人在午餐时间中如何做到这一点，只需五分钟。
平台之间的波动
与传统SEO还有另一个主要区别。尽管算法发生了变化，但随着时间的推移，搜索引擎仍融合。询问Google和Bing同样的问题，您经常会看到类似的结果。
LLM平台不会融合，或者至少到目前为止还没有。在困惑，双子座和Chatgpt中询问相同的问题，您通常会得到三个不同的答案。波动率反映了每个系统如何加权拨号。双子座可能会强调引用。困惑可能会奖励检索的广度。 Chatgpt可能会积极压缩对话风格。而且我们有数据表明，在传统引擎和LLM驱动的答案平台之间，答案之间存在广泛的海湾。 Brightedge的数据（品牌建议上有62％的分歧）和深刻的数据（…AI模块和答案引擎与搜索引擎截然不同，结果仅重叠8 – 12％）清楚地展示了这一点。
对于SEO，这意味着优化不再是一定程度的。您的内容可能在一个系统中表现良好，而在另一个系统中的表现不佳。这种分裂是新的，您需要找到解决方案的方法，将其作为消费者行为，围绕使用这些平台进行答案转移。
为什么这很重要
在旧模型中，数百个排名因素将共识“最佳努力”混合在一起。在新模型中，就像您要处理四个大盘，每个平台都对它们进行了不同的调整。公平地说，这些表盘背后的复杂性仍然很大。
忽略词汇重叠，而您将失去40％的投票。写下语义上的薄内容，您可能会再失去40个。用绒毛垫，您会错过清晰度的提升。
刀战不再发生在SERP上。它发生在答案选择管道内。这些表盘极不可能是静态的。您可以打赌它们与许多其他因素有关，包括彼此的相对定位。
下一层：验证
今天，答案选择是一代前的最后一扇大门。但是下一个阶段已经在观察到：验证。
研究表明，模型如何批评自己并提高事实。自聚席表现出检索，产生和批评循环。 SelfCheckGpt运行多代的一致性检查。据报道，OpenAI正在为GPT-5构建通用验证器。而且，我在最近的替代文章中写了整个主题。
当验证层成熟时，可检索性只会使您进入房间。验证将决定您是否呆在那里。
关闭
这确实不是伪装的常规SEO。这是一个转变。现在，我们可以更清楚地看到齿轮的转弯，因为更多的研究是公开的。我们也看到波动性，因为每个平台都以不同的方式旋转这些齿轮。
对于SEO，我认为要点很明确。保持词汇重叠。将语义密度构建为簇。带领答案。使通道简洁，可以举起。我确实知道这听起来像传统的SEO指导。我也了解使用信息的平台与常规搜索引擎有很大不同。这些差异很重要。
这就是您在AI内部的刀战中生存的方式。很快，一旦您在那里，您如何通过验证者的测试。
更多资源：
该帖子最初发表在杜安·福雷斯特解码上。
特色图像：tete_escape/shutterstock
