鹿泽笔记视觉搜索和生成式引擎优化（GEO）的兴起需要新的SEO策略来跟上。以下是改写seo智能伪原创脱颖而出的方法。
ChatGPT和Google Lens等AI驱动的工具正在改变用户在线搜索的方式，减少传统网站流量并推动营销人员适应。视觉和生成式搜索需要新的搜索引擎优化策略，专注于图像数据、内容结构和实验优化。
用户在线搜索信息的方式已经发生了巨大变化。凭借Google Lens等尖端技术和主流大型语言模型（LLM）提供的搜索功能，过去20年统治互联网的传统搜索模型正处于被颠覆的边缘。这种转变的一个明显结果是，营销人员和搜索引擎优化（SEO）专家迫切需要重新思考他们的策略，以跟上更复杂的数字算法和快速发展的AI驱动的在线环境。
GEO和Visual Search成功的3种策略
- 创建具有不同属性的视觉资产的多个版本，以测试它们在视觉搜索结果中的排名。
- 测试不同的内容结构和引用模式，看看是什么让它们更有可能被生成式搜索引擎用作来源。
- 监控用户对搜索结果的行为如何变化，因为他们越来越熟悉视觉和生成式搜索功能。
Search2.0的兴起及其影响
传统上，SEO围绕关键字、反向链接和内容相关性展开。然而，随着搜索引擎变化的展开，仅靠这些元素已经无法解决问题了。新兴的生成式搜索引擎和工具（如OpenAI的ChatGPT）提供了一个类似聊天机器人的界面，可以创建对话体验，而不仅仅是提供带有元描述的网站列表。与此同时，真正为网站带来流量的搜索越来越少，大约60%的搜索是零点击，这可以归因于Google的AI Overviews等进步。
同时，视觉搜索使用户能够使用图像和视频查找信息，摆脱传统的基于文本的方法。主流采用需要时间。尽管如此，据谷歌称，谷歌智能镜头每月已经拥有近200亿次视觉搜索，在线购物者使用它来查找在线上和线下引起他们注意的商品的优惠活动。
这种转变意味着整合视觉元素对于品牌知名度变得至关重要，而采用生成式搜索引擎优化（GEO）带来了一套有时偏离传统SEO实践的新规则。
GEO的新数据要求
虽然数据收集和分析在不久的将来仍将是有效在线营销的基石，但这些数据的性质和数量将截然不同。为了跟上视觉搜索趋势，SEO工具提供商和营销团队必须更有效地提取和处理图像元数据、视觉上下文、替代文本，甚至图像构图。
此外，早期研究表明，生成式搜索引擎与传统搜索引擎不同，尤其是在它们喜欢的内容类型方面。似乎拥有权威的声音、可靠的参考资料和全面的来源确实可以提高内容被包含在AI生成的回复中的机会。这种转变意味着我们如何组织、获取和呈现信息——本质上是内容的结构元素——正变得比传统的SEO策略（如关键词密度和位置）更加重要。
不断增长的数据需求
图像数据比文本数据大得多。首先，文本本质上是一维的——一系列字符。图像是二维数组，每个像素包含多个值，对大小产生乘法效果。
此外，文本是高度压缩的信息。像“mountain”这样的单个词只需要几个字节，但传达了一个丰富的概念。山的图像需要存储数千或数百万像素的颜色和强度值。鉴于这一现实，SEO工具开发人员将需要更先进的数据收集机制和额外的存储空间。
对数据的需求也在增长，因为AI驱动的搜索本身的改进取决于数据。为了训练和优化这些引擎，开发人员需要向它们提供用户认为相关且引人入胜的搜索结果数据。这创建了一个反馈循环，更好的数据会产生更好的搜索引擎，进而产生更复杂的用户行为以供研究。
SEO和GEO工具的演变
搜索引擎的转型需要新的分析工具，这些工具与人们在线搜索信息的现代方式保持一致。以前的SEO工具旨在识别在传统搜索结果中排名靠前的网页。然而，在互联网搜索的新时代，事情变得更加复杂。新的搜索引擎不仅仅是对链接进行排名和列出——它们会自己生成详细的答案，有时会在回复中或下方引用来源。
因此，让网站现在排名更高需要不同的优化方法。工具开发人员需要了解AI驱动的搜索引擎所依赖的来源来为用户查询生成答案。这涉及利用实时数据收集方法来跟踪生成搜索引擎的选择和来源的排名。
此外，新的SEO和GEO工具应该能够分析图像和视频，并提供有关如何制作引人注目的视觉内容的实用见解。以下是它们需要具备的一些功能：
- 分析图像构图和质量：确定哪些视觉元素（光照、构图、主题焦点）在搜索结果中表现更好。
- 全面评估图像元数据：除了基本的alt标签外，它还必须包括详细的描述、上下文信息和语义相关性。
- 评估视频内容的可搜索性：确定视频中的哪些片段、主题或视觉元素最有可能出现在搜索结果中。
- 比较不同平台的视觉内容性能：确定同一张图片在Google Lens中的效果与基于社交媒体的视觉搜索中的效果有何不同。
- 提供可行的建议：它不应该仅仅分析哪些方法有效，而应该提供有关如何改进视觉内容的具体指导（例如，在图片元数据中添加商品尺寸可以提高与成效衡量相关的搜索的可见性）。
- 跟踪视觉搜索趋势：识别用户如何使用图像进行搜索的新模式以及搜索引擎如何响应这些查询。
GEO和视觉搜索的实验和调整
视觉搜索和生成式搜索的新颖性意味着最佳实践尚未建立。出于这个原因，营销人员需要采用实验性的思维方式，系统地测试不同的策略并衡量其有效性。这可能包括：
- 创建具有不同属性的视觉资产的多个版本，以测试它们在视觉搜索结果中的排名。
- 测试不同的内容结构和引用模式，看看是什么让它们更有可能被生成式搜索引擎用作来源。
- 监控用户对搜索结果的行为如何变化，因为他们越来越熟悉视觉和生成式搜索功能。
在这段过渡期内，成功建立稳健的测试和数据收集流程的组织将发现自己处于优势地位。
GEO和视觉搜索的未来影响
搜索引擎变革为在线环境中的营销人员带来了挑战和机遇。尽管这场变革的完整情况尚未展开，但可以肯定的是，基于数据的决策的基本概念仍然适用。然而，区别在于收集数据的内容、处理方式以及如何将见解付诸行动。
在如今的数字营销中，整合来自多个来源的数据至关重要。在不久的将来，情况只会更加如此。成功的活动将利用来自多个来源的数据：传统的SERP、视觉搜索结果和生成式搜索引用。
愿意并能够投资于了解新搜索环境、培养必要的分析技能并创建针对视觉和生成搜索优化的内容的公司将为在数字市场中取得成功做好准备。方法可能会改变，但最终目标保持不变：将用户与满足他们真正需求和目标的相关、有用的内容保持一致。