安息吧，搜索量

简而言之：传统的关键词搜索量因像ChatGPT这样的人工智能而变得过时。人们使用对话式提示，而不仅仅是关键词，人工智能处理了大部分搜索过程。忘记优化关键词；专注于影响人工智能的理解和推荐。跟踪“基于提示的可见性”——您的产品/服务在相关的AI响应中出现的频率。这需要手动跟踪（目前）以及向针对特定用例和复合用户意图的上下文丰富内容的转变。未来不再是关于关键词数量；而是成为人工智能在正确上下文中记住和推荐的解决方案。

欢迎来到大型语言模型需求和新SEO的时代

我们正经历自互联网诞生以来数字领域最重要的转变之一：大型语言模型（LLMs）如ChatGPT、Perplexity和Claude的崛起。作为技术专家和商业领袖，我们必须关注，因为这些变化正在从根本上改变信息在线被发现和消费的方式。这意味着传统的搜索引擎优化（SEO）规则正在迅速成为历史。

多年来，“搜索量”一直是神圣的指标。每月有多少人搜索“X关键词”？它决定了内容策略、广告支出和市场需求的感知。但我在这里告诉你：我们所知道的搜索量已经死了。仅仅依赖它就像用来自错误世纪的地图导航。

为什么“搜索量”在失败

想想你是如何使用像ChatGPT这样的工具的。你不会仅仅输入“最佳CRM”。你可能会问，“对于需要强大项目管理集成且不花费一大笔钱的小型科技咨询公司，哪个CRM比较好？”看到区别了吗？查询与提示：

传统搜索量跟踪离散的关键词“查询”。大型语言模型基于对话式的“提示”，这些提示是细致的、上下文相关的，且通常是多方面的。

1. 人工智能中介：当有人使用谷歌时，他们会筛选结果。当他们使用大型语言模型时，人工智能“综合”信息，比较选项，并通常提供直接的答案或推荐。它完成了传统“搜索旅程”的90%，而这个旅程在当前的SEO工具如Ahrefs或Semrush中大多是不可见的。为人工智能优化：你不再只是试图为人类搜索者排名。你需要让你的内容和品牌存在被人工智能的推理引擎理解、处理和记住。你的信息需要符合模型的逻辑，并在其生成的响应和比较中自然浮现。引入新的北极星：基于提示的可见性如果搜索量不再重要，那么什么才重要？我们需要开始考虑“基于提示的可见性”。
2. 忘掉对“关键词X每月有3200次搜索”的痴迷。现在关键问题是：我们的产品或服务在什么样的用户“提示”中被提及？哪些具体问题或“用例”导致人工智能推荐我们？我们在哪些“类别”中被持续呈现为可行选项？
3. 哪些特定的人工智能模型（ChatGPT、Perplexity、Claude等）在有机地提及我们的品牌？这才是真正的需求衡量标准，在以AI为首的世界中。它不是关于原始搜索数字；而是关于在人工智能的对话上下文中的相关性和记忆。

跟踪不可跟踪的（目前）

坏消息是？你的标准SEO仪表板还没有为此而构建。它们跟踪关键词，而不是AI响应中的对话上下文。Prompt-Driven Visibility.

Forget obsessing over "Keyword X has 3,200 monthly searches." The crucial questions now are:

• In response to what kinds of user prompts does our product or service get mentioned?
• What specific problems or use cases lead the AI to recommend us?
• In which categories are we consistently surfaced as a viable option?
• Which specific AI models (ChatGPT, Perplexity, Claude, etc.) are organically mentioning our brand?

This is the true measure of demand in an AI-first world. It's not about raw search numbers; it's about relevance and recall within the AI's conversational context.

Tracking the Untrackable (For Now)

The bad news? Your standard SEO dashboards aren't built for this yet. They track keywords, not conversational context within AI responses.

好消息？你可以开始手动跟踪这个。这需要努力，但洞察力是无价的。以下是我们在Mercury开始处理它的方法：创建一个“LLM可见性追踪器”：

1. 一个简单的电子表格（是的，Google Sheets也可以！）是你的起点。记录提示：
2. 每当你在LLM的回复中看到你的产品、服务，甚至竞争对手被提及时，记录下触发它的确切提示。跨模型跟踪：在不同的LLM（ChatGPT-4、Claude 3、Perplexity等）中测试相关提示，因为它们通常具有不同的知识基础和响应模式。
3. 捕捉细节：注意提及的位置/显著性、使用的具体措辞、日期，并抓取屏幕截图以供参考。
4. 这还不是自动化的（还没有！），但这是理解你在越来越重要的地方的实际可见性的基础工作。解构LLM需求：超越关键词

LLM需求并不是孤立的关键词；它是

主题 x 用例 x 上下文

的结合。与其针对关键词“最佳视频托管”，你需要理解这种需求出现的上下文。例如：

一个课程创作者可能会提示：“有什么安全、私密的Vimeo替代品专门用于托管在线课程视频？”

• 一家SaaS公司可能会问：“推荐一个安全的视频流解决方案，能够轻松与教育平台集成。”
• 需求存在于这些特定的上下文场景中。你的内容需要直接解决这些细致的需求。影响AI：三个层次要在这个新环境中有效获胜，你需要在三个关键层次上影响LLM需求：

提示层：

理解潜在客户在向AI寻求帮助时使用的语言。他们试图解决什么问题？他们在询问什么比较？

响应层：

1. 目标是让你的品牌/产品在AI生成的答案、比较和推荐中被明确提及。来源层：
2. 确保AI所依赖的基础信息（文章、论坛、文档、评论）在相关上下文中积极、准确地提及你的品牌。主导意味着在所有三个层面上都有存在感和影响力。
3. LLM SEO时代的策略你如何实际影响这些层面？

种子用例内容：

创建详细的内容（博客文章、案例研究、教程），解决

特定

• 问题和用例，为为什么你的解决方案适合提供强有力的上下文。赢得品牌引用：鼓励在可信的论坛（如Reddit、Stack Overflow）、技术文档、高质量评论网站和行业讨论中提及你的品牌。LLM会索引并从这些来源学习。解决复合意图：
• 开发内容，解决单个作品中的多步骤用户旅程或复杂问题。考虑“如何指南”，结合工具推荐。优先考虑实用性：
• Solve Compound Intent: Develop content that addresses multi-step user journeys or complex questions within a single piece. Think "How-to guides" that incorporate tool recommendations.
• Prioritize Utility:记住，LLM旨在提供帮助。它们通常优先考虑实用、有用的信息，这些信息直接解决用户所陈述的问题，而不仅仅是品牌权威。让你的内容变得极其有用。

寻找黄金：以提示为先的市场研究

想要领先吗？开始积极寻找现实世界的提示：

• 监控社区：浏览相关的子版块、Slack频道、Discord服务器和论坛，在这些地方你的目标受众讨论他们的挑战。注意他们使用的确切语言。
• 测试提示：将这些现实世界的提示输入ChatGPT、Claude等，看看哪些解决方案（你的和竞争对手的）出现。
• 逆向工程：分析为什么某些产品会被推荐。它们发布了什么内容？它们从哪里获得引用？这就是你的路线图。

重大转变：上下文为王

让我们简化过渡：

• 谷歌SEO：需求主要存在于关键词中。
• LLM SEO：需求主要存在于上下文中。

上下文——特定的使用案例、用户的潜在目标、所做的比较——在每月的搜索量报告中并不会整齐地呈现。它被提及、理解和记住由AI处理。

适应这一点需要我们对内容、可见性和成功衡量方式进行根本性的转变。这确实具有挑战性，但也令人无比兴奋。那些拥抱这一变化并学会有效影响LLM需求的企业将成为明天的领导者。

让我们共同迎接搜索的未来。