AEO 终极指南：如何让 ChatGPT 推荐你的产品｜Ethan Smith（Graphite）
The ultimate guide to AEO: How to get ChatGPT to recommend your product | Ethan Smith (Graphite)
Guests: Ethan Smith
Full transcript · Read the full conversation in order, with its original context.
Contents1 chapter
§01原文文稿 · 00:00–1:11:29§01原文文稿 · 00:00–1:11:29
大家最近都在听到一个词：AEO。
答案引擎优化，说的就是如何让自己以答案的形式出现在大语言模型中。
感觉在 AEO 上胜出是一件非常重要的事。
比如要赢得‘哪个网站构建器最好’这个问题，在 Google 上，只要蓝色链接排在第一就算赢了。但在大语言模型里不是这样，因为大语言模型会总结许多引用来源，所以你需要尽可能多地被提及。
ChatGPT 给我的 Newsletter 带来的流量已经超过 Twitter。
你可能明天就被某个引用来源提到，然后立刻开始出现在答案中。你可以有一个 Reddit 话题，也可以有一个 YouTube 视频；你还可以在博客中被提及。因此，早期公司也能赢，而且可以很快赢。
这些答案引擎给公司带来的线索真的有价值吗？
价值高得多。我们看到 Webflow 的大语言模型流量与 Google 搜索流量之间存在六倍的转化率差异。
很多人把这看成一切都变了，以前做过的事情都不再有效，我们必须重新思考一切。
关于 AEO 存在大量错误信息。新闻文章总在说 Google 搜索因为出现了新东西就要消亡。其实 Google 在整个市场中的份额没有变，只是整个市场变大了。
今天的嘉宾是 Ethan Smith。Ethan 是 Graphite 的首席执行官，也是我在所有 SEO 问题上的首选专家。SEO 现在正经历重大转型。过去，无论是有问题、寻找产品还是做研究，大家都习惯去 Google。如今，越来越多人转向 ChatGPT、Claude、Gemini 和 Perplexity 获取答案，而且这一趋势只会继续加速。Google 也在以相当激进的方式改变搜索体验，把 AI Overviews 放在顶部，还推出了 AI Mode，基本上就是 Google 自己版本的 ChatGPT。这意味着 SEO 世界正在发生巨大变化，其中包括 AEO 的兴起，也就是答案引擎优化。简单说，就是 ChatGPT 版 SEO，让你的产品出现在人们得到的答案里。Ethan 一直站在这项新技能和新渠道的前沿。在这次对话中，他分享了如何让你的产品更频繁出现在答案中的全部经验。这些建议非常具体，价值很高，请充分吸收并用在自己的产品上。如果你喜欢这档播客，别忘了在喜欢的播客应用或 YouTube 上订阅和关注，这会带来很大帮助。如果你订阅我的 Newsletter 年度会员，还能免费获得 15 个很棒的产品一整年，包括 Lovable、Replit、Bolt、n8n、Linear、Superhuman、Descript、Wispr Flow、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD 和 Mobbin。前往 lennysnewsletter.com，点击 Product Pass。下面请 Ethan Smith 来到节目。本集由 Orkes 赞助。Orkes 是开源 Conductor 背后的公司，它的编排平台为现代企业应用和智能体工作流提供支持。传统自动化工具已经跟不上节奏：孤立的低代码平台、过时的流程管理和彼此割裂的 API 工具，无法满足如今事件驱动、AI 驱动的智能体环境。Orkes 正在改变这一点。使用 Orkes Conductor，你可以获得一个智能体编排层，在企业规模下实时连接人类、AI 智能体、API、微服务和数据管道。可视化与代码优先开发、内置合规、可观测性和极高可靠性，确保工作流能随需求动态演进。它不只是自动化任务，而是在复杂工作流中编排自主智能体，以更快交付更聪明的结果。无论是现代化改造旧系统，还是扩展下一代 AI 应用，Orkes 都能加速从想法走向生产。前往 Orkes.io/Lenny 了解更多并开始构建，拼写是 O-R-K-E-S 点 I-O 斜杠 Lenny。我和播客嘉宾都喜欢谈工艺、品味、主动性和产品市场契合。你知道我们不喜欢谈什么吗？SOC 2。这就是 Vanta 的用武之地。Vanta 帮助各种规模的公司快速完成合规并持续保持合规，提供行业领先的 AI、自动化和持续监控。无论是初创公司第一次处理 SOC 2 或 ISO 27001，还是大型企业管理供应商风险，Vanta 的信任管理平台都让流程更快、更容易扩展。Vanta 还能让你完成安全问卷的速度提高五倍，从而更快赢得更大的交易。结果呢？根据最近的一项 IDC 研究，Vanta 客户每年节省超过 50 万美元，生产力提高三倍。建立信任不是可选项，Vanta 让它自动化。前往 Vanta.com/Lenny，立减 1000 美元。Ethan，谢谢你来到节目，也欢迎你再次回来。
很高兴再次回来。
两年半多以前，我们录过一期播客。我把它看作如何赢得 SEO 的权威指南，此后人们一直引用它。我为当时的成果感到骄傲，但事情已经变了。SEO 世界正在变化，所以我很高兴再次和你聊聊：在 AI 改变 SEO 运作方式、AEO 和 GEO 兴起的这个新世界里，怎样才能取得成功？先问一个问题：你做 SEO 到现在多久了？有没有什么变化像这次一样，足以改变 SEO 这门技能？
我 2007 年开始做 SEO，到现在 18 年了。其实，我刚开始做 SEO 时经历的最大变化，是程序化 SEO 和电商 SEO 的兴起，比如 NexTag、Shopping.com 和 PriceGrabber。当时可以批量生成自动化落地页。这可能是最大的一次转变：Google 推出 Panda 等一系列算法，防止大家制作垃圾信息。也就是说，SEO 从垃圾信息变成了不再依赖垃圾信息。这大概是当时最大的变化，而现在可能是第二大的变化。我认为关键在于，它仍然与搜索有关，但它是在总结搜索结果，同时加入了新的输入。
这很有意思，因为很多人觉得现在一切都不同了，以前做过的事情都不会再有效，我们必须重新思考一切。你的意思是，这其实是第二大的变化，而 Google 当年的更新甚至更重要？
对。
很好。我们先给大家交代一点背景，定义几个术语。现在有个词大家都在听，实际上有两个：AEO 和 GEO。它们分别是什么意思？两者不同吗？具体指什么？
我认为它们是同一件事。归根结底，一个词的定义就是一群人共同认可的定义，所以最终要看大家怎么决定。我先提出自己的定义：AEO 和 GEO 本质上都在描述同一件事，也就是如何让自己以答案的形式出现在大语言模型中。我个人更喜欢 Answer Engine Optimization，而不是 Generative Engine Optimization，因为‘生成’可以指生成图像、视频以及答案以外的东西；‘答案’的范围更窄，所以我更喜欢用它来描述对大语言模型的优化。答案的定义确实比生成更窄，但最后名称和定义还是由大家共同决定。
好。如果必须选一个，Answer Engine Optimization 对我来说更清晰，所以知道它们指的是同一件事很好。有人不知为何更喜欢后一个词。最近我在看引荐流量，发现 ChatGPT 给我的 Newsletter 带来的流量已经超过 Twitter，这完全出乎我的意料。所以这件事不知不觉已经发生了，我很想学习如何顺势而为，进一步优化它。
你是什么时候看到增长的？有没有看到它开始大幅增长的时间点？
可惜我的仪表盘没有很好地提供引荐流量优化方面的数据。你觉得我大概什么时候看到它的？
我们合作的公司从一月份开始看到这种变化。一方面是因为采用率提高，另一方面是因为答案变得更容易点击。现在有地图、购物轮播和可点击卡片。所以我认为答案的可点击性提高了，同时用户采用率也提高了，时间大约就在一月。
好，我想回到一个问题：ChatGPT 吸收我所有内容，给人们答案，然后把其中一部分流量送给我，这到底是好事吗？不过先不谈这个。我想先聊聊，你能在多大程度上影响自己的内容出现在 ChatGPT 中。最近我请 ChatGPT 负责人 Nick Turley 上了节目，问他怎么看 AEO、GEO。他说：‘别担心这些，写出很棒的高质量内容，系统会自己判断，会找到最好的内容。’我想你肯定不完全同意。我猜你已经看到主动把内容放进答案引擎会产生实际影响。能不能谈谈你看到的影响，以及你的反应？
我既同意也不同意，但我的想法是任何东西都可以优化。你只需要理解底层系统和游戏规则，做到这一点就能优化任何东西。算法可以优化，人也可以优化，任何东西都能优化。我认为他说的可能有两层意思：第一，‘请不要给我的产品发垃圾信息。’第二，‘如果你这样做，我会看到，并阻止你。’因此，制造垃圾信息不是长期可靠的策略，就像在 Google 上制造垃圾信息也不是长期可靠的策略。Google 最终会说：‘大型购物比价网站制作了一亿个自动生成的搜索页面，我不喜欢这样，我要清除整个类别。’ChatGPT 也一样。任何东西都可以优化，但如果你用垃圾信息操纵它，它们会看到。然后会有团队研究这种行为，并修改算法阻止你继续这么做。
你实际看到过什么影响？你和很多公司合作过，我们可以通过几个例子来了解。能不能分享一个例子，让我们知道怎样影响这件事，比如让自己更频繁地出现在 ChatGPT 中？
影响可以很大。以 Webflow 为例，我们在帮助他们做 SEO 和内容，同时在 AEO 方面看到了很多成果。具体做法之一就是传统 SEO：针对高搜索量关键词制作落地页，比如‘最好的无代码网站设计器’。这样一来，你会自然获得 AEO 效果。这就是传统 SEO，但它对 AEO 非常有效。
我正想说，这听起来和普通 SEO 完全一样。
对。SEO 中有效的一切，在 AEO 中也有效，但 AEO 还有超出 SEO 的额外做法。我对比 AEO 和 SEO 时，会说头部和长尾不同。头部的不同在于，假如问题是‘哪个网站构建器最好’，即使 Webflow 的 URL 在引用中排第一，也不一定赢得答案；在 Google 上，如果蓝色链接排第一，它就会赢，但大语言模型不是这样，因为它会总结多个引用，所以你需要尽可能多地被提及。通常，当你问‘X 最好的工具是什么’时，第一名会是在引用中出现次数最多的那个，这与 Google 很不一样。我们为 Webflow 做过 YouTube 视频、Vimeo 视频，让它在 Reddit、其他博客和联盟网站中被提及。尝试了很多做法后，最有效的尤其是普通 SEO，其次是 YouTube 视频，第三是 Reddit 优化。
好，所以你的意思是：如果你问 ChatGPT‘哪个网站构建器最好’，Webflow 排在最前面，但这并不会像在总结里被提到最多那样，带来同等流量？
对。有趣的一点是，初创公司来找我寻求 SEO 帮助时，我的第一反应通常是：‘完全别做 SEO，把时间花在别的事情上，因为你在搜索领域还无法发展 SEO。’这是因为你的域名权威还不够，而建立域名权威需要时间；只有具备域名权威后才能获得排名。所以对 Google 来说，SEO 通常是 A 轮、B 轮或更晚才做的事，不能刚开始就做，因为早期赢不了。答案引擎优化则不同：你明天就可以被某个引用提及，并立刻开始出现。你可以有一个 Reddit 话题、一段 YouTube 视频，或者像一家新成立的 YC 公司那样，在博客上被大家讨论，第二天就可能出现在答案里。所以早期公司可以赢，而且可以很快赢。任何人都可以通过尽可能多地获得引用提及而快速赢得头部问题。长尾也不同：聊天中的长尾比搜索更大。我记得 Perplexity 曾对别人说过，问题平均约 25 个词，而 Google 查询大约 6 个词。因此聊天长尾大得多，人们会提出大量后续问题。
你说的长尾，基本就是提示词，也就是用户提出的问题？
对。也就是说，如果把人们提出的所有问题画出来，就像 SEO 中的长尾关键词；做长尾问题时，长尾的规模更大，具体问题的数量、占比和总量都更多。其中可能有一些过去从未被问过、也从未被搜索过的问题，因为传统搜索无法承载大量极其具体的问题；而聊天本来就是用来提出很多后续问题、展开对话的。因此，现在出现了许多过去从未被问过或搜索过的问题，而你可以赢得这些问题。我刚开始做 SEO 时，长尾 SEO 的做法是每个关键词做一页，这种方式现在已经不再奏效，但聊天让长尾回来了。如果你知道人们提出的那些非常具体的问题，也可以赢得它们，而且可能很早就赢。我见过一些早期公司，刚推出非常具体的 AI 支付处理 API，就能出现在答案中，因为它们回答了以前从未有人回答的问题。
答案引擎给公司带来的线索真的有价值吗？尤其对 B2B SaaS 来说，这是高质量线索吗？
价值高得多。以 Webflow 为例，我们看到大语言模型流量与 Google 搜索流量之间的转化率相差六倍。
六倍？
六倍，所以线索的质量明显更高。我想可能有几个原因：用户经过多轮追问，已经被充分引导，意图也被建立起来了。他们大概已经非常明确自己想要什么，所以访问某个网站时，往往已经是高度合格的线索。我们看到的确实是更高的转化率。
这很有意思，而且确实说得通。人们相信 ChatGPT 会告诉他们答案，如果你的产品就是那个答案，你就有很大优势。用户想知道的就是这个，然后会说：‘好，谢谢，我去看看。’回到你分享的三个杠杆：落地页、YouTube 视频和 Reddit，是你看到能让自己更多出现在答案引擎中的做法，对吗？
这些是其中一些。
好。
其他做法可以分成站内和站外。站内是传统 SEO，差异在于长尾；还要回答大量后续问题，比如你的产品能不能完成某件事，有哪些使用场景、功能、集成和语言支持，也就是在网站上提供关于产品的具体细节。第二类是站外，也就是出现在各种引用中。引用来源包括视频、Reddit 和 Quora 等用户生成内容、联盟网站；Dotdash Meredith、Glamour、Good Housekeeping 以及博客等也可能提到你。基本就是这两组。
这听起来很像 SEO，也就是出现在别人的页面上。比如 Reddit 上的链接总是很有用。有意思的是，Reddit 为什么会这么重要？你觉得发生了什么？
Reddit 是最有意思的平台之一，它在大语言模型中被大量引用。客户最常问我的问题，大概就是‘我们怎样优化 Reddit？’这又回到 ChatGPT 负责人说的‘请不要给我的产品发垃圾信息’。Reddit 是一个由真实用户表达真实、可信意见的社区，而且由社区进行强力管理，社区很擅长这件事。增长人员最直接的想法可能是：‘我们做一堆自动化垃圾信息，把产品发遍 Reddit，让它到处出现。’这是增长和冲刺式思维，听起来也符合增长逻辑。于是有人会创建数百个虚假 Reddit 账号，假装成另一个人；一个人开 100 个账号，自动发布评论，再给自己的评论点赞，积累信任分，然后到处喊自己的产品最好。幸运的是，这种做法效果很差；我们看到有人尝试，也看到这些账号被封、评论被删除。另一种做法才是 Reddit 的本意：由真实的人发布有用、高质量、真诚的评论。Webflow 有几个人会在评论中说明：‘这是我的名字，这是我工作的地方，这是一些有用的信息。’策略是找到一个你希望出现在其中的引用所对应的话题，说明你是谁、在哪里工作，然后提供有用的信息，这样效果很好。如果没有‘我要把它规模化成数百条评论’的增长心态，这其实很简单。你不需要一万条评论，甚至五条有价值的评论都可能足够，而且这样也容易维持。Reddit 的策略其实很直接：成为真正的 Reddit 用户，注册账号，说明你是谁、在哪里工作，并给出有用答案。
前段时间我们请过 Deel 的早期增长负责人。他们最初就是这样增长的，甚至在 AI 出现之前，也是在 Reddit 上积极回答人们的问题：‘碰巧我来自 Deel，可以帮你解决这个问题吗？’有意思的是，Reddit 似乎正是防止 ChatGPT 被垃圾信息淹没的原因。不是 ChatGPT 在阻止垃圾信息，而是 Reddit 很擅长过滤它。
我认为从某种意义上说，ChatGPT 也在进行筛选，因为它会搜索并寻找引用，有一个搜索算法在努力选择有用的引用。ChatGPT 内部有人会调优搜索算法，选择它们信任的来源。我相信会有搜索评估团队问：‘我喜欢这些引用吗？是还是不是？Reddit 出现了吗？我希望它出现。’所以 ChatGPT 中确实有人有意配置算法使用 Reddit，因为 Reddit 值得信任；如果不值得信任，他们就不会使用。Google 也一样，它专门配置搜索算法，让 Reddit、Twitter 和 Quora 排名靠前，因为它想要用户生成内容。如果这些内容质量不好，Google 就会修改算法，不再给它们排名。所以从某种意义上说，平台确实在进行筛选。
明白了。这些都是模型训练之后、面向搜索的功能，而不是模型训练所使用的数据，对吗？
我会把它分成核心模型和 RAG。核心模型会查看数十亿网页组成的 Common Crawl，然后重新训练模型。如果你问‘加州的首府是什么’，它会预测下一个词 Sacramento，这基于下一个词预测的核心算法。然后是 RAG，也就是搜索和检索增强生成：我先搜索，再总结搜索结果。这是两件不同的事。我描述的大部分内容都属于 RAG，而不是核心模型。影响核心模型非常难，可能要一年后才看到效果，而且可能需要做没人想做的事情，比如制作一百万个页面说‘X 的最佳产品是某某品牌’。大多数人不想花时间做这种事，所以我主要关注 RAG，因为这是最可控的部分。我还认为，如果你的产品在 RAG 中从未出现，大语言模型很可能不会主动说起它。因此，从优化角度看，最有意思的事情主要都在 RAG。
我之前完全没想到这一点，但这很重要：它和训练数据无关。这是模型上线之后的后训练阶段，它通过 RAG、网络搜索等方式寻找最新信息。在进入实际操作、讨论如何一步步赢得 AEO 之前，你认为人们要想在这个领域取得成功，最需要理解的两三件事是什么？
第一，要认识到它与搜索有关，通常就是大语言模型加 RAG，总结一组搜索结果。第二是主题。在搜索中，一个落地页会针对数百个关键词；我 2007 年时可能只针对一个关键词，而现在一个页面要针对一千个关键词，这一组关键词就是一个主题。AEO 也一样，每个页面可能针对数百、数千，甚至数万个问题。我想把这些问题归成组，这就进入内容问题：怎样排名，怎样让 URL 排名，或者其他 URL 为什么会排名？然后把所有问题都回答出来。你回答的问题越多越好。在 Google 搜索里，如果一个落地页讲网站构建器，它回答的子主题和后续问题越多，就越可能出现；聊天也一样。如果你没有回答某个问题，可能就不会出现；如果你回答了别人没有回答的后续问题和子主题，出现的可能性就更大。第三是问题研究：怎样知道人们在问什么？这其实很难，因为 Google 会通过广告 API 告诉你关键词搜索量，但 ChatGPT 至少目前还没有提供这样的真值集合。以后它做广告时也许会开放更多搜索量数据，但现在没有可靠基准。一个办法是把已有搜索词改成问题，比如‘网站构建器’可以转成‘哪个网站构建器最好’，这个问题的出现频率可能与关键词搜索量成比例。但长尾更大，其中一些部分根本不存在于传统搜索中。怎样知道长尾是什么？可以收集销售电话、客服和 Reddit 上人们提出的问题，挖掘那些已经在别处出现的问题；这些问题可能也会在聊天中被问到。最后是引用优化，也就是站外优化。大语言模型在总结 RAG，所以怎样让自己出现在尽可能多的引用中？可以把引用分成自有网站、视频、YouTube、Vimeo、用户生成内容、Quora、Reddit、一级联盟网站、二级联盟网站和博客，然后为每个群组制定具体策略。
Dotdash 到底是什么？
Dotdash Meredith 是一家大型媒体集团，旗下有 Good Housekeeping、Allrecipes 和 Investopedia。它可能是有史以来最成功的 SEO 公司，也可能是大语言模型中被引用最多的媒体集团。
哇，我还真不知道。听你说这些，我想到如果现在去 Google，别介意啊，SEO 先生，结果就像一堆没用的东西，全是过度 SEO 化的内容。你觉得 ChatGPT 能避开这种命运吗？它会不会也变成一堆过度 SEO 化、却不是我们真正想要的内容？
可能可以。你说 SEO 时，指的是每个人都在重写别人的内容，非专业人士互相重写。比如我使用内容评分工具，它查看 Google 中的所有结果，然后告诉我：‘其他文章都说了这些内容，而你还没说这些，所以这里有一些建议，教你怎样变得更典型。’于是大家继续互相重写文章。还有一点很有意思：大多数落地页其实没有产生影响。我们做过分析，20 个落地页中只有 1 个带来了大约 85% 的全部流量，剩下 19 个带来的流量很少，甚至没有流量。这意味着，如果想获得投资回报，就会用少量资金做大量页面。于是你会找非专业人士说：‘把这篇别人的文章重写一下。’因为这比请《纽约时报》的人来写一篇‘最好的薪资管理软件是什么’更便宜。但如果你知道真正有效的少数做法和少数页面，就可以把所有资金集中在一个页面上，并把它写得非常好，这正是我们努力做的事情。现在人们仍然在互相重写，所以 Google 还没有解决这个问题。这大概是一个很难解决的问题。他们以后会解决吗？可能会。ChatGPT 会解决吗？可能也会。我会考虑一个叫信息增益的概念：你有没有说出别人没说过的话？第二，你有多典型？你是否典型到让我觉得你只是别人内容的改写版本？Google 可能有 EEAT，也就是经验、专业性、权威性和可信度，但遗憾的是，我目前没有看到它产生实际效果，虽然它本来可以发挥作用。比如可以说：‘这个人是专家，那个人是持证财务顾问，应该给他们更高排名。’我现在没有看到这种效果，但平台可以提高这类信号的权重。所有这些都是潜在解决方案；之所以迟迟没解决，可能是因为建立一个解决问题的算法很难，但以后可能会解决。
你刚才分享的这个算法或启发式很有意思，因为它不仅能帮助判断什么是好内容，也能用于 Newsletter 或播客。信息增益、是否典型、是否在对话中加入了新东西、是否独特，我觉得这对于制作优秀 Newsletter、播客和所有内容都是很好的策略。
对。理想情况下，你有没有做原创研究？有没有领域专业知识？你是否在内容中提到了这些？
这对所有内容来说都是很好的启发式，也正是你希望算法寻找的东西，所以两者是吻合的。本集由 Great Question 赞助。它是一款一体化用户体验研究平台，Brex、Canva、Intuit 等团队都喜欢使用。和 PM 与创始人交流时，我最常听到的一句话是：‘我知道自己应该更多和客户交流，但就是没有时间或工具。’Great Question 正好填补了这个空缺。它让团队中的任何人，而不只是研究人员，都能招募参与者、进行访谈、发送调查、测试原型，并用强大的视频片段分享整个过程。它提供了让客户参与产品决策所需的一切。你只需提出‘用户为什么选择我们而不是竞争对手？’这样的提示，它不仅能揭示客户已经分享过的内容，还能让你很容易地即时向正确的用户群体询问新的见解。想象一下：产品路线图清晰了，团队达成一致，可以有信心地交付，并且正在构建客户真正需要的东西。前往 greatquestion.com/Lenny 开始使用。下面我们给大家一套真正可执行的计划，帮助你开始行动并在 AEO 上取胜。如果用我的 Newsletter 作例子，怎样才能更频繁地出现在 ChatGPT、Gemini 或其他平台中？或者如果是 B2B SaaS 公司，我们就用最容易的例子，聊聊怎样真正做到这一点。
第一步，我会找出自己想要排名的问题。怎样找？我会查看搜索数据，也许是付费搜索数据，比如‘我的高价值关键词是什么？竞争对手的高价值关键词是什么？’假设我是 Rippling，我会看 deal.com 把付费搜索预算投在哪些词上。然后把这些关键词改成问题。你甚至可以直接把关键词交给 ChatGPT，说‘把这些改成用户会提出的问题’，它做得相当不错。所以，把竞争对手、自己的或公司的付费搜索数据放进 ChatGPT，得到问题，这是第一步。第二步是追踪这些问题，把它们放进 AEO 追踪器或答案追踪器。第三步是看哪些来源作为引用出现，然后针对不同引用群组制定策略。接下来是制作自己的落地页：当前出现的是什么类型的页面？清单页、分类页、文章还是工具页？找出最常出现的页面类型，再制作自己的页面。怎样让页面排名？回答所有后续问题，找出用户可能提出的全部问题。可以回到搜索数据中寻找关键词群组和主题，AEO 也是如此。站外则要针对不同群组采用不同策略。根据公司情况，如果有钱，付费让联盟网站提及你很容易。想成为最佳信用卡，就付费让 Forbes 说你是最佳信用卡，这种策略昂贵、容易控制。YouTube 和 Vimeo 也相对容易，因为没有社区会说‘我不喜欢你的视频’。你可以制作视频，至于有没有人观看是另一回事，但确实可以制作。尤其对 B2B 来说，YouTube、Vimeo 等视频网站上的内容大多是食物、旅行、娱乐和美妆，很少有人制作关于 AI 支付处理 API 的视频。尽管它听起来不够有趣，却可能是高价值关键词。因此，如果你围绕非常具体、生命周期价值高、可能不那么光鲜的关键词、问题和主题制作视频，这其实是一个很大机会。Reddit 则是我们在 Webflow 做的：注册账号，说明你是谁、在哪里工作，并给出有用答案。它更难，因为社区可能说‘我不喜欢你的回答’，所以无法保证评论保留，但做起来不难，我会把它列为一个群组。最后是实验设计，看看什么有效。SEO 和 AEO 都很有意思，因为大多数信息和最佳实践其实并不正确。原因是人们不做分析：有人说了一件事，其他人不断重复，最后成了最佳实践，却没人真正分析过。你可以做刚才说的所有事情，然后做实验，看它们是否有效。也许我说的一半有效，一半无效，所以要做自己的实验。要怎样设计？找出问题，打开追踪，运行几周，做出改变，设置测试组和控制组，对测试组进行干预，看图表是否上升、控制组是否没有上升，这样才知道具体策略有效。你还需要一个团队：可能是 SEO 团队、SEO 机构或顾问，希望他们能做这些事。但站外工作很难招聘，大多数 SEO 人员不一定擅长制作 YouTube 视频或制定 Reddit 策略，所以可能需要社区通才型营销人员。基本上就是让 SEO 团队开始做答案引擎优化，让市场和社区团队帮助你出现在更多引用中。
好，这非常有价值，谢谢你分享。我想其中一部分确实是在免费分享大量惊人的建议。首先，我想一定存在一个你无法独自继续推进的阶段，最终会说：‘好，我们真的需要帮助。’这就是你们这样的团队发挥作用的地方。先问一个追问：你提到的追踪器，能追踪你出现的频率吗？比如 Lenny’s Newsletter 是否出现在我所关注的问题的答案中？
有答案追踪，类似关键词追踪。关键词追踪就是把‘最好的增长播客’放进关键词工具，看自己是否排名，最好能排第一。答案追踪与此相关，但明显不同。如果你反复问同一个问题，每次可能得到不同答案；ChatGPT 实际上是在计算它可能给出的所有答案的分布。根据提问时间，它像一个加权随机样本，所以每次会得到不同答案。问题也有不同变体，换一种问法，可能出现你，也可能不出现。此外还有不同平台：Perplexity、Gemini、ChatGPT、Meta AI 都可能给出不同答案。因此，你需要在所有这些平台上建立自己的声音份额，把它当作一个分布来衡量：我出现的频率是多少？平均排名是多少？这就是答案追踪。答案追踪本质上是关键词追踪的演进。我们有一个页面列出 60 个答案追踪工具；我们也在开发自己的答案追踪，但另外 59 个选项可能都不错，也可能非常相似，选一个就行。我的一般建议是，选择能满足需求的最便宜工具。关键词追踪没有什么高级版本，你要么排第三，要么不排，所以答案追踪也一样，选择最便宜且能完成任务的工具。做实验时，把问题放进去追踪，观察一段时间的图表和平均排名。你出现的频率是多少，平均排名是多少？然后做出改变，希望排名上升。
太棒了，我喜欢‘声音份额’这个词。以前没听过，但确实很合理，就像你在大语言模型中出现的时间百分比。这里说的一个大语言模型，是不是就只指 ChatGPT？Google 现在相当于 ChatGPT 吗？你建议人们怎样看待 Gemini、Claude、Perplexity 和其他平台？
有意思的是，所有这些平台都有相似的基础算法：都使用搜索，也都使用大语言模型，所以底层算法大致相同，但结果其实很不一样。我们正在做研究，发现 Google 和 Bing 并不是非常相似的搜索引擎；ChatGPT 的引用和 Google 搜索结果也不太相似。Perplexity 有意思的地方是，它与 Google 比 ChatGPT 更相似。我们研究了数千个问题，发现 ChatGPT 与 Google 搜索结果的引用重叠率大约是 35%，并不高；Perplexity 大约是 70%。总的来说，它们使用相似的算法，却产生非常不同的引用和结果。因此，你要先看哪些平台带来的流量最多，再追踪它们。可能不需要追踪全部平台，但要横向查看这些平台。你还需要关注自己的声音份额，也就是在所有平台中出现的时间百分比。必须多次提问，也要使用问题的不同变体，才能真正知道自己出现得有多频繁。
考虑到 ChatGPT 在不久的将来每周活跃用户可能会达到十亿左右，我们需要担心 Claude、Gemini 和 Perplexity 吗？这些平台的流量有实际价值吗？我知道它们的用户很多，但我们应该多重视其他大语言模型？
我的回答方式是：我记得 AOL 早期曾是最大的搜索引擎之一，而那时 Google 还不是。所以如果回到 1999 年左右，我们问：‘是不是只要专注于 AOL 搜索和 Yahoo 搜索？真的需要担心 Google 吗？’答案是，我们其实不知道。现在还很早，我们不知道最后谁会胜出。我确实认为 ChatGPT 肯定会成为大型平台。Perplexity、Claude 或其他平台会不会与它竞争？很可能会。就像搜索一样，我认为最后可能会有多个赢家，你大概需要针对几个平台做优化。我不认为需要优化十个平台，但最后可能会有大约三个赢家，值得你重点优化。
顺便说清楚，我很喜欢 Claude。我使用 Claude 和 ChatGPT 的频率大致相同。我不想让人听起来像是只有 ChatGPT 这一个产品。好，那如果是 B2B SaaS 公司或消费品公司，AEO 策略会不会有明显不同？你刚才说的七个步骤会改变吗？
以 B2B 为例，首先，答案中出现的引用来源会很不一样。所以引用优化会有相当大的差异。
具体解释一下：你说引用策略不同，是什么意思？
意思是，B2B 和电商平台出现的引用类型不同。比如我提问时，TechRadar 经常出现于 B2B 相关答案中。我从没读过 TechRadar，但不知为什么它总是出现。做电商时，出现的可能是 Glamour 和 Cosmopolitan；做平台型业务时，可能是 Eater、Yelp、TripAdvisor 之类的网站，所以会出现的引用来源不同。我前面讲的大部分内容都针对 B2B，而电商会有不同之处。对于大多数 B2B 问题，答案中的引用并不能点击。因此，如果你想衡量影响，就不能只看最后一次触点带来的引荐流量，而要通过追踪确认自己是否出现在答案中；转化后还要问用户：‘你是怎么知道我们的？’这样才能真正了解影响。B2B 更难追踪。此外，B2B 客户可能要经过 50 次触点才决定使用哪款薪资管理软件。对品牌消费品来说，不会有人只搜索一次就突然花 10 万美元购买薪资管理软件。这就是 B2B。电商不同，因为现在电商答案里有更多可点击卡片，类似 Google 的结果。比如你问‘公寓适合用什么电视？’，答案会出现真正可购物的卡片，其中列出多个卖家。这些卖家有丰富摘要，结构化数据很重要，评论数量也很重要，所以差别很大。电商可以看最后一次触点带来的引荐流量，大致判断转化数量。餐厅、酒店和本地平台也类似。早期公司也不同。我之前说过，早期公司的建议是完全不要做 SEO；但一定要做 AEO，而且只做引用优化和长尾问题。不要做中等难度的 SEO，只要获得引用，并回答非常具体的问题。
有意思的是，其中很多内容只是以答案里的小标签或胶囊形式出现。现在回头想想，这很明显：用户从大语言模型进入你网站的唯一方式，就是点击那个标签，说‘好，我去读读这篇文章’。
是的。但用户也可能打开新标签页，输入品牌名，然后去 Google 搜索。接着他们点击你的域名，而你会以为这是一次品牌词 Google 搜索，其实不是。或者他们打开新标签页，直接输入你的域名进入网站，你又会错误地把它归为直接流量。
回到你开头提到的问题：我的 Newsletter 的内容被这些平台吸收了多少，我并不知道；它们又把一部分流量送给我。你觉得这到底是好事吗？如果你在运营我的 Newsletter，会鼓励这些平台吸收我的内容，然后告诉读者‘如果愿意，可以去 Lenny’s Newsletter 看看’吗？
会。我会给出和 Brian Balfour 在你上一期节目中相同的回答：你无法选择要不要参与这场游戏。无论你愿不愿意，你都已经在参与，所以不如努力让自己出现。如果你说‘不要查看我的任何数据’，那你就无法出现，而你的竞争对手会出现。你可以说：‘我不希望你们用我的数据训练模型，但可以抓取并索引我的网站。’它们对此有不同的用户代理和不同的机器人；我们正在构建一个 Webflow 应用，可以阻止训练、但不阻止索引。你也可以在 robots.txt 里写：‘不允许训练机器人，允许索引机器人。’如果你担心训练问题，我建议这样做，我认为很多人都会这么做。但完全禁止索引我的网站，在我看来没有道理。
说得太有道理了。因为我不知道在这个具体领域有没有竞争对手，但如果他们代替我出现，我就会失去那些流量。
没错。
说得太有道理了。好，我再回到你刚才分享的步骤，看看有没有必要深入聊聊。要想更成功地出现在大语言模型的回答中，第一步是确定你想为哪些问题排名。你可以查看竞争对手投放的广告和付费广告词，再把这些词交给 ChatGPT 或 Claude，说：‘把它们改写成用户会提出的问题。’然后设置追踪器，了解自己现在的表现：你出现的频率是多少？你刚才说有很多追踪器，还提供了一个链接。接着查看现在是谁出现、用户被引向哪里，用这些信息来指导你创建落地页，更好地回答这些问题。你还特别强调，不要只回答主问题，还要回答后续问题。然后是站外工作：联盟网站、YouTube、Reddit、Quora 似乎是重点，接着做实验。下一步是组建团队。不过先回到实验这一步：怎样设计实验，而不是只做前后对比？如何设置控制组？
我会选 100 个不同的问题，其中一半进行干预，另一半不动。或者选 200 个问题：100 个什么都不做，作为控制组。我们发现，即使什么都不做，答案也会有相当大的波动，所以一定要有控制组。而且人们越来越多地使用大语言模型，来自大语言模型的流量也在增长。因此，尤其在 AEO 中，你确实需要控制组。控制组就是‘完全不动，保持现状’。测试组则可以是‘现在去 Reddit 话题中发表评论，测试这个做法’。也可以制作 YouTube 或 Vimeo 视频，或者付费请 Forbes Advisor 说你是最好的信用卡。你还可以把这些做法拆成几个不同的组，分别追踪。比较干预前几周和干预后几周的结果，并与控制组对照。测试组上升而控制组没有上升的做法就是有效的；没有上升的做法就是无效的，然后把有效做法重复验证。可重复性非常重要。我有学术研究背景，研究无法重复是常见问题。一个研究要真正被学术界接受，必须能够重复，也就是多人反复进行同一研究，并得到同样的结果。尤其在 SEO 中，事情经常变化；你以为是某个因素带来了结果，实际上可能不是，但你会永远以为它有效。因此，可重复性非常重要。多做几次实验，也参考其他人的研究；如果某个做法十次都有效，它大概确实有效。这又回到了浪费问题：SEO 中大多数工作是浪费的，AEO 中大多数工作也会浪费。怎样知道什么不是浪费？做实验，不要假设网上读到的内容都是真的。自己做实验，重复验证，持续做有效的事，不做无效的事。
AEO 的胜负感觉非常重要。再回到这个想法：人们来到 ChatGPT、Claude、Gemini 寻找答案。如果你的产品就是那个答案，我感觉这可能决定一家公司的成败。感觉它甚至比 SEO 更重要，必须把它做好。
我会这样说：如果目标是尽可能获得更多转化，首先要看这个渠道有多大。它没有搜索那么大，搜索显然更大，但现在它已经是一个可观的渠道。Webflow 的注册用户中有 8% 来自大语言模型。它已经是你的主要渠道之一，规模不小。它不是最大的渠道，也不是第一大渠道，付费渠道可能是第一大渠道，但它绝对足够大，值得优化。
而且正如你所说，这个渠道可能会随着时间增长。
是的。
好，我们稍微拉远一点。关于 AI、SEO 和 AEO，还有哪些最令人意外或讨论不足的话题，是我们还没有谈到的？
第一件事是，关于 AI 和 AEO，存在大量错误信息，而且程度相当严重。错误信息与正确信息的比例异常高。比如，每隔两年就会有新闻说 Google 搜索要消亡或正在消亡，因为出现了某个新东西。现在关于 AI Overviews 和 AEO 的说法也是这样，说 Google 要走下坡路，但这不是真的。此前大家说的是 TikTok 搜索：所有人都在用 TikTok，Z 世代会用 TikTok，再也不会用 SEO，SEO 要完了，所以你必须关注 TikTok 搜索。这种说法不能说完全错，但 TikTok 并没有从 Google 手里抢走份额，它只是新增了一个入口。再往前是 Instagram，再往前是 Facebook 和 YouTube。人们确实会在 Instagram、TikTok、YouTube 上搜索和发现内容，但这并没有取代 Google 搜索，而是在原有基础上叠加了新的渠道。因此，Google 在整个市场中的那一块没有变，只是整个市场变大了。关于 Google 下滑的说法就是错误信息。Google 最近发布过一份材料，他们的搜索副总裁明确说：‘我查看了我们给出版商带来的流量，它没有下降，反而略有上升。’所以 Google 搜索正在下滑并不属实。大多数新闻却都在这样报道，这是第一个令人意外的地方。第二个令人意外的是工具。我从没见过哪个渠道会让人花巨资购买本质上只是做标准化工作的工具。假设我说：‘关键词追踪要收你五万美元。’你会觉得荒谬，因为关键词追踪我一天就能写出来，没人会付这个价。但对于答案引擎，情况很神秘，人们并不真正知道它是怎么运作的；而且增长曲线又非常陡峭，所以我看到有人为本质上属于关键词追踪的标准化功能花很多钱。这是第二点。第三点是这个渠道的增长曲线。我们一年前做过一次 Reforge AEO 网络研讨会，当时大家很兴奋，后来兴趣消退了。那是在六月，之后大家并不太在意。大家只是对它有智识上的兴趣，却没有看到实际影响，所以七月到一月之间几乎没有兴趣。然后一月突然开始暴涨。ChatGPT 上线时大家非常感兴趣，随后对增长团队来说又没那么有吸引力；六月出现一个小高峰，接着曲线变成这样。这通常不是新渠道会呈现的样子。曲线的斜率异常陡峭，形状也非常特别。最后，很多人认为 SEO 和 AEO 不同，但其实并不是。我想，部分原因是说‘这里有一个全新的渠道，完全不同’听起来很吸引人。这样一来，你可以说自己是专家，有工具卖给大家，而且这些其他工具都不相关。实际上，两者有相当多重叠。引用优化不同，头部和长尾不同，但核心技术非常相似。这些大概就是最令人意外的地方。
你提到一月是转折点，说那时引用开始更突出地出现。这是最大的变化吗？
我认为主要是人们对大语言模型的采用增加了，所以整个渠道确实在增长；另一个因素是答案变得更容易点击。我现在看到、你也看到，实际点击量大幅增加。以前即使出现在答案里，可能也没有点击；现在答案的可点击性提高了。尤其是电商、本地服务和酒店，因为它们有丰富的模块，用户可以点击其中的内容并跳转到别处，而以前并不是这样。我认为人们也只是越来越多地使用大语言模型。
Ethan，我想说，这次对话让我学到了很多，太有意思了。我能明显看出来你有多喜欢这些内容，也能看出你钻研得有多深。和一个在这些问题上如此深入、如此有知识的人交谈很有趣，谢谢你把这些分享给我们。我要换个方向。现在有一整套 AI 内容：人们用 AI 生成内容、生成落地页，就像在说‘天啊，SEO 不会再靠手工生成这些东西了，AI 会让这一切更容易。’你们对这种做法做过一项很大型的研究，研究用 AI 生成内容到底是不是好主意。能不能谈谈你们学到了什么，以及人们应该怎样看待用 AI 生成内容？
我记得 ChatGPT 刚上线时，Brian Balfour 在 LinkedIn 上发帖问：‘你们觉得 ChatGPT 和 AI 会带来什么结果？’我的第一反应是垃圾信息，会出现大量垃圾信息，尤其是 SEO 垃圾信息。后来围绕 AI 生成内容形成了一个完整行业，但我立刻就知道它不会奏效。这里说的 AI 生成内容，是指没有人在环节中参与的自动化内容。我认为内容的未来显然是 AI 辅助。你我肯定都会使用 AI 来帮助写作，所以不是完全不用 AI，但也不是百分之百由 AI 生成。我一开始就知道后者不会奏效，因为我 2007 年制造过垃圾信息，知道 Google 当时如何应对，也知道这次会发生同样的事。2007 年，我和其他购物比价网站抓取彼此的内容，把评论拆散重组，抓取内容，生成一亿个搜索页面和摘要，这一套当时非常有效。后来它停止奏效，那些公司也都消失了。我知道 AI 生成内容也会完全重演这件事。所以从一开始我就没有把重点放在 AI 生成内容上。很多人确实在做，但我也不能完全确定，也许它真的有效。关于它有效的案例研究很多，那就做研究、做分析。我们同时研究了 Google 和 ChatGPT：收集数千条搜索和数千个问题，分别放进 Google 搜索和 ChatGPT，然后查看引用和 Google 搜索结果。接着我们用 AI 检测器分析这些内容。我们使用了 Surfer SEO 的 AI 检测器。有人听到这里会说：‘你不能检测出 AI。’于是我们评估了这个检测器的效果和准确度：先生成数千篇 AI 文章，结果它的判断力很强；然后研究真实文章，采用了两种方式。一种是我们自己写真实文章，另一种是从过去五年的 Common Crawl 中随机抽取十万个 URL。我们分析 ChatGPT 上线前的内容，那些内容必然不是由 ChatGPT 生成的。误报率大约是 8%，所以这个 AI 检测器相当准确。接着我们用它检测内容。结果发现，Google 搜索以及 ChatGPT 中的内容，大约有 10% 到 12% 是 AI 生成的，90% 不是。我们还做了相关性分析，结论完全一致。因此，我们做了一项相当严谨的研究，表明 AI 内容不起作用。经过人工编辑的 AI 辅助内容很好。我们有时会这样做，其他人也会这样做，这显然是内容的未来。这种方式有效，也应该有效，而且是好事；但纯粹百分之百由 AI 生成的内容不起作用。我们还发现了第二件意料之外的事：互联网上 AI 生成内容比人工内容更多。回到 Common Crawl 的研究，我们查看了过去五年里十万个 URL，可以看到一条曲线：如今 AI 生成内容已经超过人工创作内容。互联网上 AI 生成内容比人工生成内容还多，这很令人不安。假设 AI 生成内容真的有效，那所有人都会做，就像 2007 年的购物比价网站一样：既然我能抓取内容，为什么要花钱请人写？我直接从你那里抓取，再把内容拆开重组就行了。于是所有人都会这么做，内容就会从‘大多数由 AI 生成’变成‘几乎全部由 AI 生成’。如果这种做法真的有效，Google 就会变成 ChatGPT 回答的搜索引擎。那 Google 既然只是 ChatGPT 回答的搜索引擎，就没有存在的理由了，用户直接去 ChatGPT 就行。这和 2007 年发生的事情完全一样：Google 看到购物比价搜索引擎出现在自己的结果里，于是想，‘我实际上成了搜索引擎的搜索引擎。我应该直接在结果里展示电视，而不是展示其他垂直搜索引擎，所以我要把它们清除，直接跳到产品。’ChatGPT 也会遇到同样的问题。假设 ChatGPT 在引用中给自己的衍生内容排名，那就会形成衍生内容的无限循环：我去 ChatGPT，让它生成十篇文章，把这些文章放进引用里，再让它总结这些衍生引用，然后不断生成衍生内容的衍生内容，最后 AI 总结的全是自己。关于这个问题，有一篇论文叫《Model Collapse》。这里仍然要区分核心算法和 RAG 部分。核心算法方面，有一个研究团队研究了模型崩溃：如果把 AI 衍生内容输入模型，再用这些衍生内容训练核心模型，会发生什么？结果会出现幻觉等问题，系统很快就会崩坏。于是我们又研究了：如果把衍生内容输入 RAG 部分会怎样？生成十篇衍生文章，放进 RAG，让系统总结；再生成十篇，继续总结之前的总结，形成衍生内容的无限循环。结果会出现‘群体智慧’的问题。大语言模型是在总结许多人的观点。比如问‘冰淇淋什么口味最好？’，不会只有一个答案，而是有成千上万种看法。大语言模型总结的是这些大量观点形成的群体智慧。群体智慧的含义是：取一大群人的平均回答，通常会比其中最优秀的单个人的回答更好。因此，拥有更多元的观点更好，这就是群体智慧。但衍生内容的无限循环会怎样？你最终会收敛到一个观点。如果问‘冰淇淋什么口味最好？’，最后它会说：‘是香草，而且只有香草，没有其他口味。’这是一个简单例子，但如果把衍生内容的衍生内容不断输入模型，你实际上会压缩群体智慧。最后，所有事情都只剩下一个观点，这非常糟糕。这就是百分之百未经辅助的 AI 内容真的有效时会发生的情况。
我担心这样一个世界：所有内容都基于 AI 训练，AI 又基于 AI 训练并生成更多 AI，最后什么都不值得信任。我也很喜欢观察其中激励机制如何推动这一切。如果 ChatGPT 发现这种做法有价值，人们就会这样做，最后事情会失控。所以，肯定有一个团队在阻止这种情况发生。你觉得未来会怎样发展？如果你是他们，接下来几年会做什么来保持内容质量，避免这些扭曲的激励机制？
所以，我会先找出可能产生扭曲激励的地方，AI 生成内容就是其中之一。第二，我认为大语言模型和搜索会逐渐融合。Google 搜索已经出现这种趋势，它加入了大语言模型和 AI Overviews；大语言模型也在加入地图和购物轮播，逐步向搜索靠拢。我认为最后会融合成一种统一的体验，这是第一点。要想避免垃圾信息，就想想 2007 年的我会怎么做，然后确保自己不要做那些事，比如制作 AI 生成内容，或者只做所谓的‘优秀内容’。这是第二点。第三，大语言模型还有许多有趣的功能和使用场景。它非常适合记住你问过的一切，也可以专门为 Lenny 做个性化处理。我认为最终会出现一个很有意思的场景：我说‘帮我规划一次旧金山之旅’，系统就能替我做决定，不需要我介入。我有一位很棒的执行助理 Jen。我对她说：‘Jen，我要去迈阿密，请把所有事情都替我安排好。’她就会全部处理，因为她了解我和我的偏好，知道我想要海景，也知道我想去有音乐的餐厅。她会把这些都安排好，我不需要介入。未来 AI 基本上也能做到这一点，因为它会深度理解你，记住关于你的一切，拥有上下文和推理能力，然后在不需要你介入的情况下替你做出这些决定，这就是自主智能体。所以我认为，这也是像我这样的人可以考虑优化的另一个非常有趣的方向。
我正想说，想象一下，你甚至不会被告知自己正在做这个选择。比如系统说：‘顺便去看看最好的 Newsletter，订阅一下。’如果你做好了准备，好事自然会发生。天啊，这会是一个多么疯狂的世界。还有没有什么我们没谈到、但你觉得对想在这方面做得更好、想迈出 AEO 第一步的人有帮助的内容？
有。最令人兴奋的话题是帮助中心优化和客服支持。
好。
我刚才提到，用户在聊天中会不断追问。他们在找工具，会问：‘你们有这个功能吗？能支持这个使用场景吗？能和这个系统集成吗？’这些问题经常可以由帮助中心回答。通常你不会找 SEO 团队说：‘我们真的希望你们重点优化帮助中心。’但在聊天场景里，既然用户会问能不能完成某件事、能不能满足我的使用场景，帮助中心其实是很好的承载位置。那怎样优化帮助中心？第一，它通常放在子域名上。出于某些原因，子域名的效果不如子目录，所以第一步是把它移到子目录。第二，确保内部交叉链接做得好。通常帮助中心的内部链接没有优化，所以要让帮助中心页面彼此链接，建立大量交叉链接。第三，你的帮助中心可能已经覆盖了头部问题，但长尾问题通常没有内容。举个例子，我想追踪销售电话，看看会议里有哪些人、情绪如何，然后把这些数据放进 Looker，于是我问：‘哪个会议转录工具能与 Looker 集成？’答案是没有一个工具直接支持，但你可以用 Otter，因为 Otter 有 Zapier 集成。你可以把会议内容通过 Zapier 发出去，放进 BigQuery，再在上面使用 Looker。但帮助中心没有关于这个场景的文章，因为它非常小众；然而它并不是一个不存在的需求。长尾里会有大量这样的问题，你可能还没有对应的帮助中心文章。所以，还是要整理销售电话中的问题，以及客服中出现的问题，并为它们建立页面。我甚至可能向社区开放，让任何人都能提问，因为社区会填补长尾，再为这些问题提供答案。很多时候，可能根本没有人在谈论某个问题。这样你就可能成为唯一的引用来源，从而赢得这部分长尾问题。
有没有什么帮助台或系统软件已经能让这件事更容易？或者这是 Zendesk、Intercom 之类公司的机会？
我认为它们大概都能很好地完成这件事。你真正需要做的只是交叉链接，以及用子目录而不是子域名，这些功能大多数产品可能都有。所以我认为，它们都可以免费用于这件事。最主要的还是向社区开放，并确保补齐长尾问题。不过，这些工具大概都适合做这个。
说到这里，我们进入非常精彩的快问快答环节。我有五个问题要问你，Ethan，准备好了吗？
准备好了。
你最常推荐给别人的两三本书是什么？
第一本是《情商》。人们经常谈论情商这个概念，但它背后确实有研究和心理学基础。我记得这本书大概出版于 20 世纪 80 年代，它很好地总结了情商方面的基础研究。理解他人的情绪，对建立关系和与人沟通非常有用。这是第一本。增长的工作本质上是让人们使用你的产品，所以如果你有一些框架，可以帮助你理解人们会怎样使用产品，你就能成为更有效的增长从业者。这就引出了我的第二本书，罗伯特·西奥迪尼关于说服的书。西奥迪尼写过好几本关于说服的书，其中也有如何说服别人注册或购买的框架。这些内容同样建立在心理学之上。尤其是做增长时，各种心理学和行为经济学研究都能帮助你设计实验。如果你读了《思考，快与慢》《影响力》和《情商》，基本上就能把这些框架应用到增长工作的各个方面。最后一本是《衡量一切》。这本书讲的是如何衡量那些乍看之下不容易衡量的事。书里举了一个例子：他们想衡量一位管弦乐指挥有多好，可以做问卷，也可以统计每位指挥获得的起立鼓掌次数。起立鼓掌越多，可能就说明这位指挥越好，也就不一定需要再做问卷。增长和商业中有很多事情也不容易直接衡量，但任何事情都可以被衡量，所以这是我推荐的第三本。
最近有没有特别喜欢的电影或电视剧？
我不太看电视剧，但会看两类东西。一类是非常激烈的体育内容。我很喜欢迈克尔·乔丹的纪录片《最后之舞》，也喜欢兰斯·阿姆斯特朗的纪录片，看看他有多么强势、好斗；我还很喜欢看 UFC。我喜欢极度的攻击性和强烈的氛围。另一类是攀岩纪录片。Alex Honnold、Jimmy Chin 拍的内容我都会看，这和激烈的体育完全相反：它强调禅意、专注当下，以及慢而稳定的技艺。但我对待工作也是这样，一边是极端的强度和攻击性，另一边是禅意般的技艺和专注当下。
我喜欢这个解释：你为什么会让别人愿意和你合作，也解释了你为什么擅长这件事。一方面是竞争性，另一方面是极度钻研，努力真正弄懂这些东西是怎样运作的。我之前没想到其中还有禅意这一面，也就是始终保持冷静。
心流，心流状态。
心流。真有意思，这几乎概括了你为什么如此擅长这件事。
谢谢。
好，我继续。最近有没有发现什么特别喜欢的产品？
就是这台相机和这支麦克风。我买了一台索尼无反单反，具体型号忘了。抱歉，但用配广角镜头的无反单反来进行视频通话，确实会带来巨大的变化。然后是这支舒尔麦克风，我记得大约 180 美元。它极大提升了视频通话的质量。我喜欢设计东西，也可以设计你的视频通话画面，把它做得很棒。比如在背景里摆些花，这里就有几朵向日葵。
很漂亮。
所以我最喜欢的产品，就是视频通话时使用的单反相机和麦克风。
你的背景确实很精致，我刚才没提到这一点，但看起来很漂亮。好，还剩两个问题。你有没有在工作或生活中觉得特别有用的人生格言？
《异类》里讲过一万小时。那里的核心观点是：第一，你不必是最聪明的人，只要足够聪明。第二，要进行专注的练习，不是单纯努力，而是以有意识、集中的方式练习。第三，要投入大量练习。没有人只是因为天才就能掌握某件事，他们之所以掌握，是因为投入了大量时间，并且以有意识的方式练习。所以我的格言基本上是把这些结合起来：我不一定会因为自己的大脑最大，或者因为我最努力，就赢得比赛。我会赢，是因为我会最有意识地练习，而且会以尽可能高的强度进行练习。
好，最后一个问题。有没有哪个 SEO，甚至 AEO 的成果是你最自豪的？你总会想起它，觉得‘天啊，我竟然做到了，竟然产生了这么大的影响’？
我一直很喜欢 MasterClass 做黄油生菜的例子。我刚开始和 MasterClass 合作时，他们的权威性远不如 Allrecipes 和 Martha Stewart。我当时甚至不知道该不该接这个项目，因为觉得它可能太难了。但我还是做了，确实很难，可我们最终取得了非常有竞争力的排名，结果远远好于我的预期。我觉得这可能归功于许多具体、细小的执行细节。不过黄油生菜是我最喜欢的案例，而且我也喜欢黄油生菜，所以我可以搜索黄油生菜，然后看到 MasterClass 上的一份食谱。
太棒了。我不知道这档播客之前有没有提到过黄油生菜。Ethan，这次对话太精彩了，完全达到了我的期待。我感觉我们让大家更清楚地理解了 SEO 和 AEO 到底发生了什么。忘掉 GEO 吧。最后还有两个问题：如果大家想和你们合作，可以在哪里找到你？听众怎样才能帮到你？
第一，可以在 LinkedIn 找到我。我经常使用 LinkedIn，也会发布原创内容。我们做原创研究，有一整个研究团队提出假设并评估假设。我提到的所有研究都会发布在我们的网站上，我也会发布到 LinkedIn。请在 LinkedIn 关注我、添加我，或者给我发消息，这是第一。第二，我们有一个博客，叫 The 5%，也就是 /5%，代表 5% 的工作、5% 的落地页会带来几乎全部的影响，这是它的主题。博客只发布有用的内容，你可以订阅我们的邮件和研究。至于怎样帮到我，我认真想过，有两种方式。第一，关于 AEO 什么有效，现有研究还不多；我很想知道大家在测试什么、结果如何、什么真的有效。所以，如果有人做了研究并发表出来，再发给我，我希望能看到尽可能多的分析和研究。第二，可以在 LinkedIn 上评论我的帖子和评论。你最近发布了 Brian Balfour 那一期节目，我写了一条很长、很认真思考的评论，后来获得了大约 25 个赞，也有人回复。我一直在评论别人的 LinkedIn 帖子，也会写这种较长的 LinkedIn 帖子。当别人评论时，LinkedIn 内的互动就会上升，我也会获得更大范围的分发。所以，评论越多越好，最好是有思考的评论，而不是一句‘太棒了’，而是能推动对话的长评论。如果大家评论我的帖子，我就能在 LinkedIn 上爆红，说不定有一天能像你一样有影响力。
我喜欢这个请求有多具体。我注意到，长寿领域的人 Bryan Johnson 在 Twitter 上也很擅长这一点。他会用非常有趣的方式回复推文，这似乎是他的一个重要增长渠道。所以我很喜欢你和 Bryan Johnson 有这个共同点。
是的。
顺便告诉大家，你们的域名是 graphite.io，对吗？
对。
太棒了。Ethan，谢谢你和我们分享这么多，也谢谢你来到这里。
当然。很高兴来到这里。
大家再见，感谢你收听本期节目。如果你觉得节目有价值，欢迎在 Apple Podcasts、Spotify 或你喜欢的播客应用中订阅。也请考虑给我们评分或留下评论，这会真正帮助其他听众找到这档播客。你可以在 lennyspodcast.com 找到往期节目，或进一步了解这档播客。我们下一期再见。