一、传统关键词研究的局限
传统SEO关键词研究的核心是「词」:搜索量、竞争度、长尾变体。这种以词为中心的研究方法在AI时代面临挑战:用户提问越来越长、越来越自然语言化,而AI搜索系统对「词」的依赖程度在下降。
调查显示,2026年自然语言提问占AI搜索总提问量的75%以上,远超2023年的约45%。这意味着仅关注关键词的研究方法已经不够。
二、实体(Entities)成为新的研究核心
实体(Entity)是知识图谱中的基本单位,可以是人、地点、组织、事件、概念等。AI搜索系统通过实体理解用户问题——它识别问题中提到的实体,并根据实体关系推理答案。
这意味着GEO优化应以「实体」为基本单元,而非「关键词」。品牌应当关注:哪些实体与我相关(目标实体)、这些实体有哪些常见属性(实体属性)、与其他实体的关系如何(实体关系)。
三、用户意图分类的进化
传统SEO将用户意图分为信息型、导航型、交易型三类。这一分类在AI时代需要扩展。新增的意图类型包括:研究型(需要深度信息的研究性问题)、比较型(需要在多个选项之间做比较)、本地型(需要本地信息的问题)、多媒体型(需要图表、图片、视频回答的问题)。
针对不同意图的内容应有不同的结构。研究型:长篇深度内容;比较型:表格化对比内容;本地型:包含具体地点信息的内容;多媒体型:包含丰富媒体元素的内容。
四、实操的关键词研究方法
在AI时代,关键词研究应结合多种方法:使用关键词工具获取基础数据;直接向AI平台提问看AI给出的相关问题;分析竞品在AI答案中被引用时的语境;研究Reddit、Quora等社区的真实用户问题;监控行业报告和用户调研中的问题趋势。
综合这些来源,可以形成既有数据基础又符合AI理解习惯的关键词矩阵,支撑AI时代的内容策略。
