摘要

可投资的变化不止于 AI 搜索：Robert McCloy 认为，“AI 正在取代网页浏览”。 消费者越来越倾向于使用 ChatGPT、Claude、Perplexity 和各类 agents，而不是自己浏览网站；新的控制点因此是完整的“代理体验”，而不只是链接排序。真正持久的赢家，将是那些能让产品在这些界面内易于理解和使用、同时保有直接用户关系的公司。
AI 搜索目前仍主要建立在传统搜索基础设施之上，但由 LLM 驱动的重新排序层改变了什么内容能够获得曝光。 系统会生成一个或多个查询，使用 BM25、TF-IDF 或 PageRank 等机制检索，重新排序结果，读取选定页面并综合生成答案。因此，传统 SEO 仍然重要，但标题党式元数据可能被舍弃，取而代之的是那些能清楚解释自身相关性的页面。
ChatGPT 流量可能具有异常高的商业意图，因为用户是在解决问题时到达，而不只是做调研。 Robert 表示，Clerk 在完成定向内容工作后，ChatGPT 流量增长约 6x，转化增长约 9x；积极改善网站的公司通常能在 1-2个月内实现两位数的流量提升，但 Robert 也提醒，开发者工具尤其适合这一模式。在 B2B 领域，用户已经开始把 3家供应商的采购“比选”交给 ChatGPT 和 deep research。
近期大多数优化属于正和的内容工程，而不是对抗式排名博弈。 Robert 表示，prompt injection“目前往往有效”，但预计随着系统从可能只有最终复杂度“1/100”的阶段逐渐成熟，黑帽技巧会受到惩罚。清晰的文字、结构化事实、FAQ、服务端渲染 HTML，以及明确说明产品服务对象，仍是更大的机会。
几种流行的 GEO 技巧目前对可发现性的贡献很小。 llms.txt 默认不会被用于发现内容；embeddings 也不是理解当前平台如何消费页面的关键，而且大多数检索器不会执行 JavaScript。最简单粗暴的诊断方法是：“关掉 JavaScript，检查你的页面”；如果重要内容消失，AI 搜索大概率就无法使用它。
出版商与平台之间的交易仍未解决，因为限制 AI 访问也可能切断分发。 Robert 理解 Cloudflare 试图补偿出版商的做法，但表示“这座桥两边还没有接上”；Dia、Comet 以及讨论中的 OpenAI 浏览器等 AI 浏览器，让全局排除模型变得更加困难。缺乏强大直接用户群的出版商，仍然依赖 Google，并且越来越依赖 ChatGPT 带来流量。
ChatGPT 拥有最强的持久消费者关系，但有价值的细分市场意味着，整体市场份额并不是完整的判断依据。 Perplexity 是 Robert 眼中第二大的 AI 原生搜索平台，用户黏性异常强；Claude 规模更小，但用户可能更有价值、也更投入；Meta AI 则是一个“沉默的巨兽”，据报拥有 7亿活跃用户。个人记忆和偏好最终可能催生“没有唯一的 ChatGPT”，让 persona 级监测成为必要基础设施，也成为测量难题。

精读

1. Scrunch 起步于对网站聊天机器人未来的否定

Alessio 透露，Decibel 投资了与本期节目一同公布的 Scrunch 融资轮。McCloy 和联合创始人 Chris 曾分别担任 Hearsay 的 CTO 和首席产品官，离开公司时已经认定，如果从一开始就不是 LLM 原生，创业项目会“已经落后”。
他们的企业客户最初想要的是带品牌的 ChatGPT 小组件。Robert 的反应很直接：“没人想在你的网站上使用聊天机器人”；弹窗会让他“产生生理性的愤怒”。Swyx 质疑技术从业者是否具有代表性，并以 Intercom 为例，但 Robert 区分了 Fin 这类支持工具——它是在既有客户关系中使用的——与主动迎接陌生访客的聊天机器人小组件。
Robert 在普通消费者对 ChatGPT 的依赖中看到了更强的证据：相比“Google 的10条蓝色链接”、糟糕的网站设计，或每家公司各自的搜索框，他们更愿意留在熟悉且高效的环境里。“他们想用自己喜欢的工具。”
客户真正需要的是发现，而不是一个小组件。当 Scrunch 向 CMO 展示 ChatGPT 如何呈现他们的内容、描述他们的品牌时，得到的反应是：“这真的很吓人。”Scrunch 因此围绕衡量消费者互联网体验多年来的第一次重大变化而成立。

2. 商业查询越来越多地调用实时搜索

Scrunch 会在客户受众实际使用的平台上模拟消费者提示词，包括 ChatGPT、AI Overviews、AI Mode、Gemini、Perplexity、Claude 和 Meta AI。Claude 的重要性不在于流量规模，而在于其用户可能具有不成比例的价值；Meta 的分发能力则让它成为一个“沉默的巨兽”。
相比有搜索支持的答案，模型训练阶段获得的知识更难直接转化为行动，但 Robert 对品牌的安慰是：出于时效性和控制幻觉的需要，越来越多具有商业意义的查询会使用实时搜索。因此，Scrunch 强调开启搜索功能的 ChatGPT，以及同类检索产品。
预训练阶段的曝光仍值得制定明确策略。GPTBot、CCBot 以及其他可识别的采集器会抓取商业网站，因此出版商应考虑信息的半衰期：把季节性电商促销放进长期模型知识可能适得其反；但让爬虫获取持久的产品信息，或许仍有价值。

3. AI 浏览器削弱了把 OpenAI 视为唯一守门人的理由

Robert 认同 Cloudflare 机器人付费墙计划背后的情绪：出版越来越难，可能确实需要某种补偿内容生产者的“宏大交易”。但技术市场仍不成熟——“这座桥两边还没有接上”——早期机制也没有成为互联网基础设施的核心组成部分。
更棘手的问题是权力。出版商关心内容如何被使用，但仍需要 Google、以及越来越多来自 ChatGPT 的流量；除非它们已经拥有一批“认识你、喜欢你”的用户，否则激进限制可能抹掉获取新用户所需的分发能力。
Swyx 提出了相反的创作者策略：由于复制成本趋近于零，干脆全部免费，邀请模型“在我身上训练”，再通过引用建立权威。他提到，在所引用的时期，ChatGPT 给 Lenny 的 newsletter 带来的流量超过了 Twitter，尽管 Lenny 在 Twitter 上有 25万粉丝，却只有约 9000次浏览。
Dia、Comet 以及讨论中的 OpenAI 浏览器，让竞争扩展到中心化搜索框之外。一旦模型进入浏览器，或通过本地工具运行，屏蔽一个爬虫也无法阻止用户对可访问页面使用 LLM。Robert 的“中等辛辣观点”是：取代搜索并不是更有意思的故事；“AI 正在取代网页浏览”。

4. 重新排序奖励描述性页面，而非标题党

Robert 的技术模型始于 LLM 生成一个或多个查询，有时还会借助推理模型按顺序生成。BM25、TF-IDF、PageRank 或类似的传统索引搜索机制先检索候选结果；随后更智能的相关性步骤对结果重新排序，系统再读取选定页面、进行总结并生成答案。
这一步中间环节解释了为什么排名靠前的页面仍可能消失。为刺激人的紧迫感或点击率而优化的元数据，可能几乎没有说明实际内容，因此 ChatGPT 会拒绝它，转而选择传统排名更低、但标题明确传递出“这个页面确实有与你的问题相关内容”的结果。
在电商领域，Robert 的默认建议是“披露更多”。一个视觉化的 leggings 页面仍应说明谁会购买这件产品、用于什么场景；这些事实有助于模型匹配“给洛杉矶的朋友找一份徒步礼物”之类的提示词，再把买家送到结账页面——随着原生 agentic shopping 发展，这一流程会越来越常见。
网站目前无法收到用户发出的 ChatGPT 原始提示词，Robert 预计隐私因素会让这种能力始终受限：用户会在对话中输入健康信息和亲密细节，这些信息不能泄露给被检索的网站。不过，公司仍可以从用户最终到达的页面推断需求，再围绕吸引 ChatGPT 引荐的问题发布更多内容。

5. 新的优化目标是 agent 的完整客户旅程

Robert 接受“GEO”这个说法，因为“你只能同时应对这么多场战役”，但在他看来，SEO、AEO 和 GEO 都只是入口的名称。助手越来越多地负责发现、理解、比较企业，甚至完成交易，而无需用户浏览企业网站。
他更喜欢用“agent experience”来描述这一框架，类比于客户体验：企业应衡量 AI 系统如何与自身内容和基础设施交互，因为这些系统越来越多地在服务最终客户。仅有曝光并不够，如果最终答案错误描述了产品，或无法完成用户任务，曝光就没有价值。
个性化让问题更复杂。ChatGPT 的记忆、明确偏好和指令会改变查询、偏好的来源和呈现方式；Robert 的高级工程师配置，会产生不同于消费者无痕会话的搜索结果。“也许最终会变成没有唯一的 ChatGPT”——这对习惯于面对单一排名的营销人员来说是一场噩梦。
因此，Scrunch 按客户 persona 对监测提示词进行分组，而不是把每个答案都视为普遍适用。真正的问题变成：一名高级工程师、产品经理或其他理想客户，会如何经历完整互动；他们可能的目标和偏好需要被明确建模。

6. 问题解决型流量距离转化更近

只要把 ChatGPT 活动归类为生成而不是搜索，研究就可能让 Google 看起来仍然安全。Robert 的反驳是，用户往往跳过“我应该如何思考这个问题”，直接要求模型解决问题——写提案、搭建财务模型或生成可运行代码。“你得到一个解决方案。你可以运行这个解决方案。问题解决了。”
这种行为代表异常高的意图：用户已经在执行，而不是浏览各种可能的方法。一个突出的 B2B 场景是软件采购，员工会要求 ChatGPT 或 deep research 生成所需的 3家供应商比选和对比表，其中的勾选项反映买方标准，而不是供应商自己的营销话术。
Robert 对证据范围作了限定。公开使用研究通常依赖选择加入的点击流样本，这些样本可能无法代表 Stripe 的资深工程师等高价值用户。Scrunch 则通过观察、访谈和后续追问补充这些样本，询问那些表示通过 ChatGPT 找到产品的人，当时究竟在做什么。

7. 清晰的服务端渲染内容胜过 GEO 技巧

Robert 承认，在功能页面中嵌入 prompt injection“目前往往有效”，但他的判断是：“它会一直有效，直到不再有效。”当前 AI 搜索的连接层还没有 Google 25年以上的滥用防御经验；随着系统最终变得更复杂，黑帽技巧应会被排除并受到惩罚，尽管禁用措施目前还不常见。
更大的机会仍然是正和的。许多公司并不是过度吹捧自己，而是根本没有说清楚自己做什么。更好的事实、示例、FAQ 和结构，会同时改善模型的比较、用户的决策和平台的答案。那些拥有精美视差首页、却从不解释产品的初创公司，是反复出现的失败案例。
llms.txt 适合把以文字为主的文档加载进上下文窗口，但目前并不是默认的内容发现机制；过大的 llms-full.txt 文件甚至可能超出常见上下文窗口。围绕 embedding 相似度做优化同样处于边缘位置，甚至可能适得其反。为人类组织的普通干净 HTML，仍然是更强的基础。
大多数 AI 检索器不会执行 JavaScript。一个破坏服务端渲染的客户端小效果，就可能让整个 Next.js 页面无法使用，因此静态输出或服务端渲染通常不可或缺。当程序化 SEO 暴露出专有洞察时，它具有持久价值——Robert 最好的例子是基于客服工单总结的操作指南；但如果只是“为了让 LLM 读取而使用 LLM”不断改写公开文本，就没有这种价值。

8. Deep research 同时放大有用事实与过时矛盾

Robert 区分了 3种模式：普通搜索只检索并总结一次搜索；多重搜索如今越来越多地出现在普通 ChatGPT 4、AI Mode 和更新的 o3 集成中，会运行多次搜索；deep research 则由推理模型按顺序追问——“这些来源没有回答问题。让我再试试别的。”
内容摄取的基本原理仍然相似。更大的信息摄入量可能带来更差的答案，因为额外页面会增加噪声；旧的价格页面尤其危险，互相冲突的数字会提高 ChatGPT 报出错误价格的概率。
Swyx 提议用相关链接引导下一次搜索；Robert 回答：“为什么不一开始就把内容放进去？”他承认搜索分支和上下文窗口存在限制，但更倾向于为特定 persona 准备能够完整回答查询的聚焦页面，而不是做成一场庞大的“选择你自己的冒险”。

9. 转化数据验证了判断，平台忠诚度决定优先级

Clerk 提供了最清晰的运营层面证据。其强大的开发者文档为公司提供了良好起点，但定向实验最终带来约 6x 的 ChatGPT 流量增长和 9x 的转化增长。“如何在我的应用中实现企业级 SSO？”这类查询，来自一个有即时问题、并且已经准备实施的用户。
Robert 谨慎界定了 Scrunch 的功劳：Clerk 了解自己的开发者并负责生产内容；Scrunch 提供监测、反馈和实验。下一步路线是让并行测试和交付“更多地进入轨道”，同时在更广泛的 agent experience 框架下研究 MCP 和 NLWeb 等机制。
不同行业的结果会有差异，Robert 不会承诺 Clerk 的提升幅度能够普遍复制。不过，积极更新网站并发布内容的公司，通常能在 1-2个月内看到两位数的流量增长；处于观望状态的企业不应期待同样的结果。
平台优先级“远远领先”的是 ChatGPT，其后是 AI Overviews、AI Mode 和 Meta AI 所带来的巨大分发触达。Perplexity 是第二大的 AI 原生搜索平台，用户黏性异常强；Claude 用户更少，但投入度高、价值也高。Gemini、DeepSeek 和 Grok 的表现更有高峰和低谷，而 ChatGPT 的关系更持久——尽管“并非无限持久”。

Demis Hassabis：AI 的未来、模拟现实、物理学与电子游戏｜Lex Fridman Podcast #475 随想杂谈：2025年7月