AI 助手如何选择要推荐的品牌

搜一阵子“how to rank in ChatGPT”,你会看到信誓旦旦的“7 个排名因素”清单,或具体的百分比,比如域名权威占 40%、内容质量占 35% 之类。对任何这么具体的数字都要保持怀疑。OpenAI、Anthropic 或 Google 之外,没有人能知道这些系统内部真实的权重,这些公司自己也没有公布过。下面划清了一条线:哪些是真正有记录的,哪些是从外部真正无法得知的。

有记录的:两种不同的模式,两种不同的机制

一个有用且真实的区分是:模型完全依据训练期间学到的内容作答,还是在作答之前主动搜索实时网络。

依据训练作答(不浏览)。在这种模式下,模型并不查任何东西,它是依据在大量文本语料上训练时固化进权重的统计模式来生成回复。一个品牌会出现在答案里,是因为它在训练数据中与该品类关联出现的次数足够多、足够清晰,模型学到了这种关联。这就是为什么那些知名的、资料充分、公开历史很长的品牌,往往比默默无闻的品牌更常被提到,不是因为什么 SEO 技巧,而是因为从一开始,模型就有更多关于它们的文本可供学习。

通过浏览/检索作答。当助手在回复之前主动搜索网络时(ChatGPT、Perplexity 等都支持这种模式),它会检索当前的页面,并可以直接引用它们。在这种模式下,你的页面能否被找到、被读取(可被抓取、已被索引、没有被屏蔽),成为一个真实的、机械性的前提条件,与模型是否“喜欢”你无关。

这是两个真正不同的过程,含义也不同,把它们混为一谈是 AI 可见度建议里最常见的错误之一。一个品牌可能一直靠训练数据中的记忆被推荐,却从来没有被附上真实链接引用过,反过来也一样。

有记录的:模型倾向于知名且资料充分的对象

这直接来自训练的工作方式,而不是猜测:如果一个品牌被许多独立来源在网上清晰、一致地讨论,它在模型训练数据中的呈现就更可能比一个几乎没人写过的品牌更强。这是一种真实的、机械性的倾向,但它不是清单。“成为知名品牌”是对的,但单独来看也不是可执行的建议。

从外部真正无法得知的是什么

这里,诚实比自信更重要。按构建它们的公司自己的说法,大语言模型即使对其创造者来说也仍然在很大程度上不透明。Anthropic 自己的可解释性研究人员直言过:这些模型如此庞大复杂,即使设计它们的人,对它们每时每刻究竟如何“思考”也知之甚少。Anthropic 的机制可解释性工作在绘制哪些内部神经元活动模式对应哪些概念方面取得了真正的进展,但这项研究是关于在实验室环境中理解模型内部的表征,而不是给外部营销人员一个能拉动的杠杆,让他们的品牌被更多提及。

具体来说,模型提供方之外,没有人能精确地告诉你:

• 模型在组织某个具体答案时,给不同信号的确切权重。
• 为什么在某一次具体运行中,模型提到了品牌 A 而不是品牌 B,而两者都资料充分、条件相当。
• 某一条内容会不会进入未来的某次训练,或者如果进入了,它能起多大作用。
• 为什么同一个模型的不同次运行,对相同的问题会给出不同的品牌列表,其中一部分是模型生成文本时刻意加入的随机性,而随机性的确切程度并没有为每个模型公布。

任何对这四个问题给出具体、自信答案的文章,都是在猜。对那些向你兜售精确机制的人要保持警惕,因为模型提供方自己都没有公布过这些机制。

那么你实际上能做什么

基于有记录的,而不是基于推测来行动:确保你的品牌在网络上被你自己之外的来源真正、清楚地描述(真实的报道、真实的评价、真实的列表),这样模型就有更多准确的材料可供学习或检索。让你自己的网站对检索模式来说可被抓取且清晰明确。不要去追逐某个实验室之外没人能验证的具体“排名因素”。除此之外,对于“模型为什么那样说”,诚实的回答往往是:我们并不完全清楚,从每时每刻的意义上说,构建它的公司也不清楚。

从哪里开始

鉴于其中有这么多是真正无法得知的,你能做的最有价值的事不是对一个黑箱做逆向工程,而是衡量你当前的实际基线,这样你才知道到底有没有值得处理的问题。

免费检查一次   查看方法 →