AI 搜索的实际排名因素是什么？不是 Google——而是 ChatGPT、Perplexity 等

我已经研究了 18 个月。以下是我们已知的：

主要 AI 引用因素：

比 Google SEO 更不重要的：

• 外链数量（但质量仍有意义）
• 关键词密度/优化
• 页面速度（仍重要，但权重较低）
• 内链结构

比 Google SEO 更重要的：

• 品牌/实体识别
• 作者专业信号
• 内容可提取性
• 跨平台一致性

关键差异： Google 排名页面，AI 引用片段。你需要有值得被引用的内容片段。

我来拆解一下 AI 如何评估权威性：

作者级信号：

• 有署名作者和简介
• 与主题相关的资质
• 作品记录（其他已发表内容）
• 社交背书（粉丝、认可）

品牌级信号：

• 品牌认知度（Wikidata/知识图谱）
• 跨平台一致的 NAP 信息
• 媒体报道和提及
• 社交活跃度和互动

内容级信号：

• 引用权威来源
• 原创研究/数据
• 专家引用或参与
• 全面、准确的信息

跨网站信号：

• 被其他权威网站提及
• 在论坛被引用（尤其是 Reddit）
• 新闻/出版物中被引用
• 各来源信息一致

实际操作建议：

这就是为什么 Reddit 虽然“传统”权威低，但因其强大的跨网提及和真实用户信号被频繁引用。

每个平台的 AI 权重都不一样。我的观察如下：

ChatGPT：

• 训练数据权重大（历史权威）
• 品牌认知非常重要
• 偏好全面、成熟的来源
• 实时搜索跟随 Bing 信号

Perplexity：

• 实时相关性最重要
• 时效性权重高
• 来源多样性（同时引用多个来源）
• Reddit/论坛权重高

Google AI Overview：

• Google 排名是主要信号
• E-E-A-T 信号来自 Google 评估
• 结构化数据有帮助
• 最符合传统 SEO 模式

Claude：

• 仅靠训练数据（还没有实时搜索）
• 权威来自训练语料库
• 很难直接优化

结论： 无法通用性地为“AI”优化。每个平台不同。

统一因素： 内容质量、清晰度和专业性对所有平台都有帮助。先从这里入手。

专说结构化数据：

Schema 标记对 AI 可见性有帮助吗？

我们的测试（200 页）：

为何结构化数据有帮助：

1. 帮助 AI 解析内容结构
2. 明确实体关系
3. 标明内容类型和目的
4. 提高信息提取可靠性

最有影响的 schema： FAQPage 和 HowTo——这两类直接对应 AI 偏好的问答格式。

实施优先级：

1. FAQ 内容用 FAQPage（提升最大）
2. 教程内容用 HowTo
3. 文章类加作者信息 Article schema
4. 电商用 Product schema

注意： Schema 是信号，不是保证。好内容无 schema 也能胜过有 schema 的差内容。

关于时效性问题：

新鲜度对 AI 有多重要？

高度依赖查询类型：

平台差异：

• Perplexity：实时，极度看重时效性
• ChatGPT Search：启用搜索时为最新
• ChatGPT 基础版：训练截止限制新鲜度
• Google AI Overview：通过索引保持当前

我们的做法：

• 关键内容每月更新数据
• 明显标注“最近更新时间”
• 季节性内容提前更新
• 常青内容保持持续新鲜

平衡： 常青话题权威性高于时效性。 时事话题时效性可超过权威性。

要清楚你的内容属于哪类。

你提到 Reddit 尽管“传统权威”低却被高频引用。原因如下：

Reddit 被频繁引用的原因：

1. 真实用户信号

   • 点赞数 = 社区认可
   • 评论量 = 参与深度
   • 问答结构契合 AI 查询

2. 训练数据覆盖

   • ChatGPT 训练集比重大
   • 大多数 LLM 训练都用到

3. 真实经验

   • 用户分享实际体验
   • 少商业修饰，更真实
   • E-E-A-T 的“经验”信号

4. 问答格式

   • 天然为问答结构
   • AI 易于提取
   • 符合用户提问模式

这说明 AI 对“权威”的理解：

AI 系统重视与 Google 不同的权威信号：

• 真诚大于修饰
• 经验有时超越资质
• 社区认可优先于编辑审查
• 自然语言比 SEO 语言更受用

启示： 传统权威指标（DA、外链）不是全部，AI 有自己的权威评估逻辑。

有个被低估的因素：实体识别。

AI 的实体识别是什么？ AI 需要明白你是谁——品牌、组织还是作者。

AI 如何识别实体：

• Wikipedia/Wikidata 资料
• Google 知识面板
• 全网一致的提及
• LinkedIn、Crunchbase 资料
• 一致信息的媒体报道

为何实体识别重要： AI“知道”你是谁就更信任你。

测试方法： 问 ChatGPT：“[你的品牌] 是什么？”

如回答准确：你有实体识别。 如答错或不认识：说明有问题。

如何建立实体识别：

1. 创建/认领 Wikidata 条目（若足够知名）
2. 保证全网 NAP 一致
3. 在 AI 能获取的信息源被提及
4. 通过公关/Wikipedia 建立知识面板

投资回报率： 实体识别强的品牌被引用频率是无名品牌的 2-3 倍，即使内容质量相近。

关于这些“因素”有个重要警告：

我们大都是观察到相关性，并非确证因果。

实际已知：

• 某些内容特性与高引用率相关
• 看不到 AI 真正的算法
• 相关 ≠ 因果
• AI 系统变化极快

意味着什么： 这些“排名因素”都是基于观察的合理猜测。

强相关性（值得重点优化）：

• 内容质量与清晰度
• 查询相关性
• 来源权威
• 结构化格式

不确定区：

• 因素具体权重
• 各平台算法差异
• 因素间如何互动
• 算法随时间的变化

实际做法： 优化基本面（质量、清晰、权威），跟踪结果，基于观察不断调整。

不要为那些不确定是否存在的“AI 排名因素”过度优化。专注于创造真正有价值的内容。

非常全面。我的总结：

我将采用的框架：

高置信度优化项：

1. 内容清晰和可提取性
2. 与查询的直接相关性
3. 作者/品牌权威信号
4. 全面覆盖主题
5. 结构化数据（FAQPage、HowTo）

中置信度项：

1. 时效性（视话题而定）
2. 跨网站提及
3. 实体识别
4. schema 标记

低置信度/间接项：

1. 外链（通过 Google 排名间接作用）
2. 传统 DA 指标
3. 技术 SEO（依然重要，但权重降低）

与 Google SEO 的主要差异：

• 链接比重降低
• 实体/品牌认知更重要
• 内容可提取性更重要
• 需针对不同平台优化

我的新策略：

1. 增加作者简介和资质
2. 全面实施 FAQPage schema
3. 建立实体识别（Wikidata、提及）
4. 用 Am I Cited 跟踪实际效果

核心体会： AI“排名因素”在不断演变。要持续跟踪、测试、迭代。不要认为今天的因素会一直有效。

感谢各位！