Jesse Lau 遁一子

今天本来设置播客节目关于shopping心理 早上看到一个关于AI mode的长帖挺好，做成了播客 插队推送😄 时间轴: 00:00:11 节目开始：洞见无界 00:00:17 Google I/O 2025 专家资料分享：最新AI模式及其运作 00:00:35 AI模式对SEO的潜在巨大变革 00:00:51 SEO社群对AI变革的看法与资料作者的担忧 00:01:15 本集任务：拆解Google AI模式、与传统搜寻差异、及「后SEO时代」的准备 00:01:37 传统资讯检索 (IR) vs. 生成式IR：内容呈现的根本差异 00:02:31 为何认为AI模式「只是SEO」是短视且危险的？ 00:03:02 SEO业界尚未普遍实践的AI优化技术 (如段落嵌入、语意相似度计算) 00:03:50 SEO的演变：从关键字到「反应性支架」及其裂痕 00:04:56 AI模式的五大关键断裂点：推理模型、查询扇出、段落级检索、深度个人化、零点击增加 00:06:38 Google目标转变：从导入流量到直接满足使用者需求 00:07:16 AI如何「替你Googling」降低使用者「德尔菲成本」 00:08:18 基础SEO仍是入场券，但AI模式加入更多不可控因素 (推理、记忆、个人背景) 00:09:33 多模态(Multimodal)搜寻的影响：竞争对手不再局限于文本 00:10:40 SEO过时？「代理人体验 (Agent Experience, AX)」时代来临 00:11:41 深入剖析AI模式运作核心流程 (参考Google专利) 00:12:09 核心概念一：状态聊天搜寻 (Search with Stateful Chat) - 持续性使用者脉络 00:13:13 核心概念二：查询扇出 (Query Fan-out) - 合成查询与自订语料库 00:14:26 核心概念三：多阶段LLM处理与合成 - 特制化模型各司其职 00:15:57 核心概念四：密集检索与段落级语意 - 向量嵌入与语意相似度 00:16:57 核心概念五：成对排序提示 (Pairwise Ranking Prompting) - LLM辅助排序 00:17:54 核心概念六：环境记忆与自适性介面 - 长期记忆与动态UI 00:18:39 核心概念七：使用者嵌入个人化 - 模组化深度个人化的核心 00:20:08 详解「查询扇出」：如何透过提示词生成多样化合成查询 00:21:06 合成查询的类型与过滤机制 (包含思维链提示) 00:22:54 AI的「推理能力」：中间推理步骤与推理链 (Reasoning Chain) 00:25:05 应对之道：「关联性工程 (Relevance Engineering, r17g)」概念 00:26:06 r17g策略：影响使用者嵌入、段落级语意优化、预测合成查询、三重清晰度 00:27:05 内容建构的四大策略支柱详解 00:27:21 支柱一：符合推理目标 (独立完整语意、明确论点) 00:28:05 支柱二：兼容查询扇出 (明确命名实体、反映使用者意图) 00:29:01 支柱三：值得引用 (事实性、可验证、量化数据、注明来源) 00:29:40 支柱四：易于组合 (列表、项目符号、答案优先、FAQ、语意化HTML) 00:30:54 Qforia工具介绍：模拟查询扇出与潜在合成查询 00:32:00 现有SEO工具的不足与未来软体的「十大新需求」 00:32:46 需求1-2：GSC AI介面指标、基于人设的排名追踪 00:33:30 需求3-5：网路向量嵌入数据、矩阵式语意编辑器、查询旅程分析 00:34:39 需求6-8：个人化检索模拟、精准查询分类、查询扩展模拟 00:35:35 需求9-11：整合点击流数据、推理链模拟、基于关联性的连结图谱 00:37:07 对企业整体搜寻策略的意义：结构性转变 00:37:32 策略转变一：重新分类搜寻频道，KPI转向AI介面声量与影响力 00:38:18 策略转变二：关联性建设视为组织能力，打造跨部门r17g团队 00:38:46 策略转变三：「后点击时代」将情报运营化，投资新基础设施 00:39:54 结论：催生全新企业功能「关联性策略」 00:40:00 AI模式深度重塑搜寻样貌，对数位行销的根本性挑战 00:40:30 产业人员的转型：从战术性优化到战略性协调，「关联性工程师」的崛起 00:41:00 给听众的思考题：你和你的组织准备好迎接变革了吗？ 00:41:27 结语与感谢收听

预览