在AI直接回答信息型查询的时代，我们该如何应对信息类搜索意图？

这是目前内容团队的核心战略问题。

换个角度：

过去的问题：“我们如何在信息型查询中获得排名？” 现在的问题：“我们如何在信息类话题中建立权威并被AI引用？”

信息类内容依然重要的原因：

1. 权威建设——话题覆盖传递专业信号
2. AI训练——你的内容影响AI如何理解话题
3. 引用来源——当AI回答，谁被引用？
4. 旅程支持——AI总结后用户仍需深度内容
5. 品牌认知——即使没有点击，品牌在AI响应中可见

变化在于：

以前： 流量 → 线索 → 收入 现在： 权威 → AI可见度 → 品牌认知 → 线索 → 收入

漏斗更长、衡量更难，但信息类内容依然注入其中。

战略转变：

不要以流量衡量信息类内容。衡量：

• 被AI引用的频率
• 品牌在AI回答中的提及
• 品牌搜索量（认知指标）
• 话题权威度（我们是否作为专家被引用？）

继续创作信息类内容，但要为引用而优化，而不是点击。

搜索意图的投资组合方法。

我们的资源分配：

信息型（占比30%，原为50%）：

• 聚焦我们希望建立权威的话题
• 优化为被引用，而不是追求流量
• 制作AI系统愿意引用的内容
• 接受直接流量ROI降低

导航型（占比20%，稳定）：

• 保护品牌词
• 优化知识面板
• 提升品牌搜索体验

交易/商业型（占比50%，原为30%）：

• 这些仍然带来流量和转化
• AI辅助但无法取代购买决策
• 直接ROI更高，优先投入

再平衡：

我们没有放弃信息型内容，只是根据实际结果调整投入比例。

我们停止了：

• 追逐每一个“什么是”关键词
• 给教育内容定流量目标
• 用转化衡量信息类内容

我们开始了：

• 监测信息话题被AI引用的情况
• 以权威为目标创作，而非流量
• 将信息类内容与交易类路径关联

品牌视角下的信息类内容。

认知价值：

当ChatGPT解释一个概念并引用你的品牌时，就是一次品牌曝光。即使用户没有点击：

• 他们看到了你的品牌名
• 把你和这个话题联系在一起
• 之后购买时，你的品牌已被熟悉

衡量挑战：

这就是典型的漏斗顶端认知。难以归因，但有价值。

我们的追踪方式：

1. 品牌搜索量——长期趋势
2. AI内品牌提及情感——我们被如何描述？
3. 调研数据——“你最早从哪里听说我们的？”
4. 归因窗口——延长归因周期，捕捉延迟转化

实话实说：

部分信息类内容的价值靠信念支撑。我们相信认知带来最终转化，即使无法总是证明。

但另一种选择——让所有认知被竞争对手占据——更糟。

用数据方法评估信息类内容ROI。

我们的分析：

追踪最早接触信息类内容的用户（在AI影响前的历史数据）直至转化。

发现：

• 34%的最终买家最早接触的是信息类内容
• 平均转化前接触4.2次
• 信息类内容多为第1-2次接触
• 移除信息内容后，预计转化下降18%

启示：

即使信息内容流量减少，用户仍可能通过以下方式接触：

• AI引用（品牌被提及）
• 站内导航
• 社交分享
• 之后直接搜索

当前衡量方式：

我们现在追踪：

• AI提及 → 品牌搜索 → 转化路径
• 首次AI曝光到转化的时间
• 信息内容作为任意节点的辅助转化

ROI转变：

信息类内容的ROI不是直接流量→转化，而是认知→品牌识别→最终转化。路径更长、更难衡量，但确实存在。

竞争视角下的信息类内容。

如果你放弃信息类内容会发生什么：

• 竞争对手成为被引用的权威
• AI学会将话题与你的竞争对手品牌绑定
• 用户购买时，竞争对手品牌更熟悉
• 你失去品类关联

我们的监测内容：

在AI回答行业核心话题时的品牌占有率。

如：“什么是[你的品类]？”

如果竞争对手首先被引用，你没被提及，他们在AI认知中就拥有了这个品类。

防御价值：

部分信息类内容具有防御意义。创作它不是为了流量，而是为了维护品类存在感。

投资提问方式：

不要问：“这篇信息类内容的ROI是多少？”

要问：“让竞争对手在AI回答中占据这个话题的代价是什么？”

将其视为品牌防御，而非流量获取。

初创公司视角——我们曾全面转向交易型内容。

我们的实验：

6个月前，停止制作信息类内容，只专注漏斗底部的交易型内容。

结果：

好处：

• 内容团队更聚焦
• 现有内容转化效率更高
• 短期效率提升

问题：

• 品牌搜索量下滑
• AI可见度分数暴跌
• 行业内教育话语权被竞争对手占据
• 销售团队反馈潜在客户知识储备下降

我的结论：

只做交易型内容是短视的。信息类内容建立认知，为交易型内容铺路。

我们现在重新投入信息类内容，但以AI优先——为引用而优化，不再只追求流量。

如何为AI时代优化信息类内容。

目标转变：

过去：写信息类内容→排名→获取流量→转化 现在：写权威内容→被引用→建立认知→最终转化

引用优化方法：

结构：

• 明确的问题-答案格式
• 便于提取的关键信息
• 全面的话题覆盖
• 明显的专家资质

内容：

• AI可以引用的原创见解
• 具体数据点
• 清晰定义
• 独特视角

权威：

• 有作者简介的专家
• 来源引用
• 行业认可
• 话题持续覆盖

衡量方式：

用Am I Cited监测：

• 该话题下被引用频率
• 被引用的上下文
• 被引用的内容（语句、数据）
• 与竞争对手对比

思维方式：

你的写作对象不仅是人类，也是AI。优秀内容可兼顾两者，但优化时要考虑AI引用潜力。

信息类内容的运营方法。

我们如何重组：

信息内容分类：

A类：权威核心

• 定义我们专业领域的核心话题
• 打造全面、权威的内容
• 高投入，用AI可见度衡量

B类：辅助内容

• 支撑A类核心话题的相关内容
• 投入适中
• 链接并支撑主权威内容

C类：弃用内容

• 我们没有独特价值的话题
• 同质化信息内容
• 不再投入

分类法则：

不是所有信息内容都值得等量投入。聚焦于：

• 你有真正专业能力的话题
• 权威对业务有实际意义
• 你能创作出AI愿意引用的独特价值

放弃那些只是在众多声音中随波逐流的同质化内容。

这串讨论让我重新认识了信息类内容的价值。

要点总结：

1. 信息类内容依然重要——用于权威建设、AI训练和品牌认知
2. 衡量指标必须改变——关注引用和可见度，而非流量
3. ROI是间接的——认知→品牌识别→最终转化
4. 组合策略——合理配置投入，不要全盘放弃
5. 为AI优化——内容结构以引用为目标，而不止是排名

我们的新做法：

• 信息类内容总量减少30%
• 提高内容质量和权威度
• 用AI可见度指标衡量（正在部署Am I Cited）
• 严防品类核心话题
• 接受流量下滑，聚焦引用成效

与领导层的沟通：

“无论我们怎么做，信息类流量都会下滑。我们的选择是被引用、保持品牌存在，还是消失在AI叙事中，让竞争对手占据主导。”

感谢大家的观点分享！