自從開放測試訪問以來，我們花費無數小時對Google的新AI式搜索體驗SGE（生成式搜索體驗）進行了壓力測試。在此過程中，我對如何對AI搜索結果實施逆向工程、針對SGE進行優化以及估算影響，有了11個認識。

雖然SGE仍處于測試版，并且存在許多缺陷，但我在《SEO的未來》一文中寫到的許多假設都是成立的：搜索環境發生重大變化，促使我們面對新問題，學習新技能。

第一個認識是，谷歌并不默認顯示AI結果，至少在SGE測試版中是這樣的。相反，用戶在大多數時候需要點擊“generate”以獲取AI搜索結果（見如下截圖）。

??谷歌并不總是默認顯示AI結果

設置點擊“generate”這個小細節，大有用處。通過默認不顯示AI搜索結果，谷歌可以測試用戶參與度（即用戶是否真的想要AI搜索結果）并節省成本。

雖然我個人堅信，從中長期來看，AI回答是不可避免的，但短期內，用戶是否更喜歡AI回答而非傳統網絡搜索結果，我們并不清楚。生成鍵使得谷歌可以衡量用戶對AI搜索結果的興趣如何，并測試其參與度（我注意到點擊生成鍵會令我接下來的搜索默認擴展AI快照）。

生成式AI搜索結果比傳統網絡搜索結果貴得多。在路透社的一次采訪中，Alphabet董事長John Hennessy預計每次搜索查詢的潛在成本增加可能達到10倍。

例如，分析師預計，如果類似ChatGPT的AI能處理其接收到的一半查詢，并給出50字的答案，那么到了2024年，谷歌可能會面臨60億美元的支出增長。

(https://www.reuters.com/technology/tech-giants-ai-like-bing-bard-poses-billion-dollar-search-problem-2023-02-22/?ref=kevin-indig.com）

然而，我并不認為成本問題像許多人想象的那么嚴重。這是我的第二個認識。

首先，2022年，Alphabet的總成本和支出為2080億美元，利潤為600億美元。額外60億美元只會增加2.8%的支出--對于一家互聯網巨頭來說，這只是小菜一碟！

其次，并非每個問題都需要AI回答。導航性查詢僅僅需要一個鏈接，即使SGE會彈出一些品牌名稱。現如今，簡單搜索就能得到直接的答案，不需要AI。正如你所注意到的那樣，在某些情況下，AI快照提供的內容遠遠超出了用戶所需。

Google Bard給我提供了

作為回答的網頁結果

這是另一種節省成本的方式

第三，谷歌可能會緩存大量的AI回答以節省成本。Arda Capital的一篇文章闡述了谷歌如何緩存30-60%的提問。生成式AI回答可能比網絡搜索結果更難緩存，但即使只是緩存10-20%，也能大大降低成本。

Arda Capital認為，"大多數分析都忽略了緩存的影響。當有人在谷歌搜索 ‘Youtube’（最受歡迎的搜索內容之一）時，谷歌不會重新處理該搜索問題。而是顯示已有的緩存結果，這有助于降低延遲和減少計算成本。谷歌的歷史緩存命中率在30-60%之間，并且，谷歌沒有提供很多有關其搜索查詢的公開數據，但對美國在線（AOL）所做的搜索問題分析發現，緩存搜索頻率排名前100萬次的查詢可以應對約60%的所有查詢。"

（Google I/O, Bard, and Implications for Search (tidalwaveresearch.com)）

第四，計算、可再生能源和AI模型的成本都在下降。事實上，最近泄露的一份文件已經表明開放源代碼模型是如何對Alphabet、微軟和OpenAI構成威脅的。因為這類模型足夠便宜，可以在分布式環境中發展。

SemiAnalysis的首席分析師Dylan Patel和Afzal Ahmad稱：“雖然我們的模型在質量上仍然略占優勢，但差距正在以驚人的速度縮小。開源模型更快、更可定制、更私密，并且性價比更高。他們用100美元和130億參數做到了我們擁有1000萬美元和5400億參數時依舊覺得有挑戰的事情。而且只花費了數周，而不是數月。”

(Google "We Have No Moat, And Neither Does OpenAI" (semianalysis.com)）

我認為生成鍵只是暫時的，當成本充足、AI回答的質量足夠好時，谷歌最終會對有意義的問題默認顯示AI回答。

我的第三個認識是，我們可以逆向設計AI結果。

谷歌在AI回答（標題為AI快照）旁提供帶有網頁的鏈接輪播圖，這樣做可以獲得大部分剩余的自然點擊率，并繼續增加點擊率。我們必須了解如何在輪播圖中提高排名，這點至關重要。

谷歌通過一個叫做檢索增強生成（RAG）的過程，將大語言模型（LLMs）在搜索結果中落地，生成AI回答。谷歌的合作特性讓我們可以分解AI回答，看看哪些網絡結果促成了哪一部分。通俗來講，驗證功能讓我們能夠對谷歌生成AI回答實施逆向工程。

在測試SGE時，我了解到，AI快照輪播圖中顯示的網站與傳統搜索結果中顯示的鏈接不一樣。你可能認為谷歌從最常搜索結果中形成AI回答，但事實并非如此。如果AI快照輪播圖獲得了大多數自然點擊，但谷歌并沒有挑選出排名最好的網站，那么我們就需要重新評估谷歌使用了哪些指標將輪播圖整合在一起。

以下是我的觀點：

以關鍵詞“Corporate credit card“為例，AI快照輪播圖中的第一個結果是ExpenseAnywhere，它在傳統搜索結果中排名第26位。同樣的，在傳統網絡搜索中排名靠前并不代表在AI快照輪播圖中的排名。

ExpenseAnywhere成為第一張輪播圖的原因在于其獨特之處：它是唯一一個強調企業信用卡風險的搜素結果。

并非所有AI快照輪播結果

都在傳統搜索結果中排名第一

SGE圍繞風險和利益（或者說利與弊）構建了AI回答。谷歌驗證功能表明熱點從不同的網站上搜集不同的信息。

驗證功能表明不同網站

是如何為最終的AI回答提供信息的

只有ExpenseAnywhere強調

企業信用卡的風險

我不清楚為什么SGE要強調利益和風險而非其他方面，如選擇企業信用卡時的重要標準。

點擊輪播圖中的一個鏈接時，谷歌利用其與精選摘要（Featured Snippets）相同的功能將用戶引導到一篇特定的文章。我的第四個認識是，通過明確突出AI快照的某個角度，網站可以增加在輪播圖中的排名機會。

谷歌在AI輪播中高亮標出了鏈接通道

就像精選摘要那樣

在AI回答中得到排名需要：a）了解SGE涵蓋的不同角度；b）在內容中明確地回答問題。我們可以看看谷歌在驗證中使用的文章，了解SGE在尋找什么，并相應地調整我們自己的內容。

諷刺的是，當AI快照出現時，精選摘要可能不會再獲得流量。

當用戶得到以上AI回答時

他們為什么還要閱讀精選摘要

如果AI快照問世后谷歌就不再顯示精選摘要，我也不會對此感到驚訝。

我的第五個認識是，電商中的AI回答是最多的。對于像“summer shirts for men”這樣的產品問題（交易意圖），谷歌在電腦端顯示了兩排內容，包含7個產品，在移動端顯示了2個產品。

電商關鍵詞顯示出類似線上商場的結果

我現在還不清楚谷歌如何決定顯示哪些產品。這些產品與頁面上自然搜索結果中的購物輪播圖中的產品也并不重疊。

對于其他問題，如“standing desk”，谷歌則根據“適合家庭辦公”、“適合高個子”或“適合游戲”等屬性來顯示具體的產品推薦。

產品描述或是AI產品輪播點擊率的

一個重要驅動因素

谷歌似乎從網站上的評論中提取這些產品屬性，這點相當令人震驚，因為谷歌將非結構化數據變成了結構化數據。我在BGR和Insider的評論中發現了“最適合高個子”，谷歌在右側邊欄的“常見用途”部分也提到了這一點。我的第六個認識是，產品、地點以及品牌評論對AI搜索結果的重要性正在顯著增加。

點擊產品，打開右側邊欄

可以看到評論、零售商、價格等信息

點擊AI快照輪播圖中的產品時，右側邊欄會彈出。它的特色是同一產品有不同的零售商，這意味著提供較低價格的零售商可以擊敗擁有更好評價或更精美產品圖的零售商。接下來，我希望谷歌能在這個列表中提供贊助時段，并使產品搜索進一步貨幣化。

谷歌通過將零售商商品化來增加產品

基于這些觀察，我們可以優化關于交易意圖提問的以下方面：

• 第三方評論

• 谷歌評論

• 價格

• 縮略圖

• 描述

• 屬性

• 標題

我的第七個認識是，谷歌可能會在搜索結果中加入更多廣告以抵消生成性AI提問的高成本。

一如既往，自然搜索結果受到廣告的巨大影響。AI回答中的產品輪播目前還沒有廣告，可能是因為SGE仍處于測試階段。但谷歌已經介紹過AI回答中的廣告可能會是什么樣子。我希望它們能與自然搜索結果分享寶貴的版面。

(https://blog.google/products/ads-commerce/ai-powered-ads-google-marketing-live/?ref=kevin-indig.com）

除了谷歌的I/O演示，在SGE測試版中，購物廣告出現在AI快照下面，由此可以看出，谷歌正在大力測試廣告位置。