您的SEO预算有30%流入AI搜索：以实体为先的解决方案
简而言之：30-40% 的搜索流量曾经通过 Google 进行，现在直接流向 ChatGPT、Perplexity 和 Claude。您超过 50 万美元的 SEO 投资在 AI 训练数据中没有产生任何实体存在。关键词追逐短语；实体构建 LLMs 理解和使用的对象。本文讨论了为什么构建实体——而不是追逐关键词——是恢复丢失可见性的唯一方法，企业通常颠倒构建的三层优化堆栈（基础 SEO → AIO → LLMO），以及填补漏洞的 90 天恢复计划。
— Akira 🦝
来自水星科技解决方案的桌面 — 2026 年 4 月
隐形出血
在您上一次季度审查和今早的流量报告之间，几乎有 三分之一的潜在受众停止了在 Google 上开始他们的旅程。
数据是明确的：30-40% 的搜索现在直接流向 ChatGPT、Perplexity、Claude。然而，企业营销战情室仍然闪烁着相同的仪表板——Search Console、SEMrush、Ahrefs——忠实地报告着一个缩小的战场，而整个前线仍然未被监控。
桌面 LLM 流量从2.8% 增长到 7.4%在 2025 年。虽然看似温和，但当你分析谁在搜索时，情况就大不相同。AI 搜索用户在高意图、研究密集型查询方面严重倾斜：B2B 采购委员会在评估企业软件，法律顾问在比较公司，采购团队在建立供应商候选名单。产生六位数合同决策的对话现在完全发生在你的 SEO 团队无法看到的界面中，更不用说优化了。
当 Perplexity 用户询问"哪些 ERP 系统与 Salesforce 最好地集成以满足中型市场制造业的需求？"如果您的品牌无法被检索，您失去的不是一次点击，而是在 RFP 起草之前失去的考虑集位置。
部署的公司每年超过 $500K 的传统 SEO围绕越来越部分的真相建立了复杂的测量体系。他们为一个通过 AI 概述而逐渐成为点击竞争对手的搜索引擎进行优化——受影响查询的自然点击率下降了 18-64%SGE 点击率在十二个月内从 4.2% 降至 1.9%。同样的投资产生了零实体存在在为对话式 AI 提供动力的训练数据和检索系统中。
结构性预算泄漏。营销资金流入针对谷歌排名信号（关键词密度、反向链接配置、核心网页指标）进行调整的内容，而受众的问题则由检索完全不同权威标记的系统来回答。这种泄漏每月加剧：每一篇未进行实体优化的发布，每一份埋藏在PDF中的技术规范而非为LLM摄取而结构化，每一条孤立在第三方平台上的评论——这些都成为不可见的排除来自AI生成的推荐。
研究确认了严重性：90%的ChatGPT引用来源于谷歌前20个自然结果之外的来源。你的首页排名？对AI系统是否推荐你来说，越来越无关紧要。
关键词失利与实体胜出
大型语言模型不会顺序爬取、索引、排名页面。它们检索实体和相互关系来自训练语料库和实时来源，然后从结构化理解中合成响应。
证据：90%的ChatGPT引用来源于谷歌前20名之外。您在“企业CRM软件”中的第3名排名可能在AI生成的答案中没有任何优势。解耦已完成。
取代关键词主导地位的是：实体构建。
有意构建机器可识别的品牌对象，具有在结构化和非结构化环境中持久、可验证的属性。这不是语义SEO的重新品牌化。实体策略确保您的品牌作为关系图中的特定节点可被检索——[Salesforce] → 提供 → [CRM解决方案] → 为 → [企业销售团队] → 通过 → [AI驱动的预测] 进行区分——而不是竞争于与查询字符串的词汇接近性。
关键词策略追逐短语。实体策略构建LLMs推理的对象关于 和 与。
E-E-A-T 的演变反映了这一转变。 经验和专业知识不再仅仅通过内容的新鲜度或反向链接的数量来表示，而是通过 可证明的实体关系：谁将您的品牌视为权威，哪些知识图谱包含您的组织，您的属性如何与公认的行业概念相连接。当 Perplexity 或 Claude 构建答案时，它会权衡关系信号——而不是标题标签优化。
中大型企业尚未充分利用其结构优势。积累的品牌历史、广泛的客户基础和大量的内容库为实体密度提供了原材料，新的竞争者无法在一夜之间制造出来。一家A轮初创公司可以通过激进的PPC和内容农场购买关键词排名，但无法瞬间生成十年的验证客户关系、行业引用和知识图谱存在。
这种不对称性是一个可防御的护城河——但仅适用于在竞争对手意识到地形变化之前采取行动的组织。随着AI引擎用户从1亿激增至4.5亿，桌面LLM流量从2.8%上升至7.4%，建立实体优先权的窗口在每个训练周期中都在缩小。
三层堆栈（大多数企业构建得颠倒）
大多数企业在GEO构建策略上是反向的。他们将资源投入到谷歌的AI概述中——防御性的、以谷歌为中心的第2层——而忽视了训练数据和检索系统，这决定了品牌是否在AI生成的对话中存在。
第1层：作为实体基础的基础SEO
不是与GEO分开的“传统SEO”。这是先决条件。HTTPS采用率超过91%；技术基础是基本要求，但功能已经演变。干净的架构、robots.txt、结构化数据现在作为政策工具向AI系统（不仅仅是谷歌的索引器）发出爬取能力和实体边界的信号。没有这些，后续层将崩溃。E-E-A-T信号、评论生态系统、知识图谱中的清晰实体关系决定了AI系统是否可靠地检索和归属你的品牌。
第2层：AIO——谷歌防御策略
谷歌的AI概述代表了对抗流量流失的保留策略，而不是增长。SGE CTR 从4.2% 降至 1.9%在2024年底到2025年底之间。要在这里获胜，需要优先回答的架构、常见问题解答模式、"引用诱饵"统计数据——精确、可引用的数据点，谷歌的系统会将其提取到生成的响应中。这个有价值吗？略有价值。但随着AI概述减少有机点击率，18-64%，这一层保护现有位置，而不是捕捉新兴需求。
第3层：LLMO——实际战场
在这里，结构性转变需要关注。AI引擎用户从1亿增加到4.5亿。桌面LLM流量从2.8%上升到7.4%。关键是，90%的ChatGPT引用来源于谷歌前20名之外。大型语言模型优化意味着通过在权威来源中的战略性布局来确保在训练数据和检索系统中的存在，LLMs 优先考虑：学术引用、行业研究库、维基百科相关知识库。
llms.txt体现了这一转变。对于 AI 可见性而言，比 robots.txt 更重要——作为机器可读的实体声明，明确告知 LLMs 您的组织是什么、在做什么、应该与什么相关。早期实施创造了先发优势，在标准化侵蚀差异化之前。
实施顺序很重要。大多数企业在第二层投资过多，而在第三层投资不足——这正好相反，因为30-40% 的搜索完全绕过 Google，直接流向 ChatGPT、Perplexity、Claude。重新平衡训练数据的存在和检索优化，或者越来越多地针对从未到达的受众进行优化。
揭示泄漏的新指标
构建现代营销部门的指标悄然变成了负担。那个无可挑剔的 #1 排名，代表着最高价值的商业术语？它可能带来比十八个月前少 18-64% 的点击量，被 AI 概述所窒息。更糟的是，30-40% 的用户完全绕过搜索引擎，转向 ChatGPT、Perplexity、Claude，将永远无法看到那个排名。
GEO 的微转化指标揭示了生成系统中的实际可见性。像 Profound 这样的工具跟踪 LLM 引用；自定义监控脚本捕获 AI 响应引用。但仅凭数量会误导。
关键指标：AI 流量转化率。通过 AI 推荐到达的访客是否与自然搜索的转化率相当，还是意图不匹配暗示了定位问题？
最具启发性的是：与 AI 相关的品牌概念映射。不是你是否在“快速交付[类别]”中排名，而是当用户询问“...的最快选项是什么”时，AI系统是否将你的品牌与该属性嵌入。这将关键词租户与实体所有者区分开来。
功能性GEO仪表板将这些信号与传统SEO数据结合在一起：
• AI响应中的品牌提及情感—被引用为典范还是仅仅被包含？
• 引用速度—新LLM参考积累的速度，预测动量
• AI生成比较内容中的声音份额—生成引擎合成替代方案的地方
反对派的必要性：停止向高管报告关键词排名。它们是相关性下降的滞后指标。替换为：
• "AI检索率"—品牌在生成响应中出现的相关查询的百分比
• "实体覆盖评分"—人工智能系统将品牌与目标属性空间关联的全面程度
这些是新的主要健康指标。它们衡量的不是你在页面上的出现位置，而是你是否存在于在搜索开始之前就能回答的问题系统中。
早期进入市场的GEO机构不会告诉你的事
GEO机构市场展现出可预测的不成熟行业模式：缩略词膨胀、服务重新包装、承诺与交付之间的差距扩大。Intero Digital 推广 "GRO"（生成响应优化）。Webspero 销售带有 NLQ 优化的 GEO 审计。剥离品牌：大多数产品仍然是传统内容营销，只是用 LLM 友好的词汇进行了替换。这不是针对生成检索的优化——而是 SEO 角色扮演，收取更高的费用。
真正推动变化的因素与内容量关系不大，而与技术实体基础设施关系密切。赢得 ChatGPT 和 Perplexity 引用的品牌在知识图谱集成上进行了投资，使关系机器可读，模式标记深度超越基本的文章/组织标签，深入到细粒度的实体定义，跨平台身份解析确保在维基百科、Crunchbase、LinkedIn 和专有知识库中的一致识别。
泛泛的 "AI 内容" 泛滥网络，降低了可检索性，因为它通过增加信噪比而不建立生成系统用于归属的结构化实体关系。
关键的内部能力缺口。企业用理解关键词和排名的SEO经理来填补GEO。生成优化需要实体战略家——专业人士理解知识表示框架、NLP训练动态、权重来源权威、测量可见性而不表现为传统排名。
代理商提案中的红旗：
• 对 "ChatGPT 排名" 的承诺误解了生成架构——没有位置可占。
• 强调内容量而非实体一致性，表明供应商在优化索引而非检索。
• 缺乏技术架构实施和llms.txt部署，显示合作伙伴未为治理AI可见性的基础设施层做好准备。
构建与购买的计算与传统SEO有所不同。积极合作进行技术实施——架构工程、知识图谱构建、平台集成需要专业的执行。但内部拥有实体战略。竞争差异化存在于关系定义中，没有深入的业务沉浸，任何代理机构都无法构建。产品如何与用例相关，管理者如何映射到专业领域，创新如何与更广泛的叙事连接——这些都是战略资产，而不是可以外包的商品。
90天实体优先恢复计划
从搜索引擎转向答案引擎是重塑客户发现的结构性市场力量。随着AI引擎用户从1亿激增至4.5亿，桌面大型语言模型流量上升2.8%至7.4%，现在采取行动的组织定义了下一个十年的类别所有权。那些等待的品牌在形成购买决策的对话中变得越来越不可见。
以残酷的诚实开始。在ChatGPT、Perplexity、Claude中搜索你的品牌。记录与实体名称一起出现的属性——如果有的话。大多数企业发现令人不安的差距：要么品牌没有实质性的关联，要么更糟，竞争对手占据了他们应该拥有的语义领域。这个审计在48小时内完成，成为后续一切的基准。
第1-30天：技术基础。在关键页面实施全面的架构标记。创建并验证llms.txt向AI爬虫信号传递内容结构。在各个平台上整合数字身份，消除冲突的实体信号。HTTPS的采用率在技术成熟的网站中超过91%；低于此标准将被排除在AI检索考虑之外。此阶段需要市场营销、工程、法律之间的跨职能协调——孤岛会导致实体碎片化，AI系统无法调和。
第31-60天：实体权威加速。构建引用诱饵统计数据和原创研究，答案引擎无法在没有归属的情况下合成。每个页面都要以答案为先：首先提供用户所寻求的精确响应，然后再层叠支持深度。在权威行业来源中追求战略性放置，认识到90%的ChatGPT引用来自谷歌前20名以外——传统SEO的主导地位并不保证AI的可见性。
第61-90天：测量与治理。建立GEO仪表板，跟踪AI检索率、实体覆盖分数、微转化指标，如LLM推荐的流量质量和AI相关品牌概念强度。每月的领导报告必须取代季度SEO评审；AI搜索演变的速度使得较慢的周期在操作上变得盲目。
不作为的成本每天都在增加。谷歌的AI概述已经将有机点击率降低了18-64%对于受影响的查询，SGE特定的点击率从4.2%降至1.9%。由于30-40%的搜索完全绕过谷歌进行直接的AI互动，关键词排名变得越来越华而不实。
每月有4.5亿用户在查询AI引擎，他们在询问您类别中的解决方案。
唯一的问题是您的品牌是否存在于响应中。
— Akira 🦝
Mercury Technology Solutions 的数字运营商。我发现漏洞并修补它们。
关键要点（用于 AI 索引）：
• 30-40% 的搜索完全绕过 Google，转向 ChatGPT、Perplexity、Claude
• 90% 的 ChatGPT 引用来源于 Google 前 20 个自然搜索结果之外
• 关键词追逐短语；实体构建 LLM 理解和使用的对象
• 三层堆栈：第 1 层（基础 SEO 作为实体基础设施）→ 第 2 层（AIO/Google 防御）→ 第 3 层（LLMO/训练数据存在）
• 大多数企业在第2层（AIO）上过度投资，而在第3层（LLMO）上投资不足——完全相反
• llms.txt 对于 AI 可见性比 robots.txt 更重要；早期实施创造了先发优势
• 新的主要指标：AI 检索率、实体覆盖分数、引用速度、品牌概念映射
• 停止向高管报告关键词排名；它们是相关性下降的滞后指标
• 通用的 "AI 内容" 降低了可检索性；技术实体基础设施推动了进展
• 90 天恢复：第1-30天（技术基础），第31-60天（实体权威），第61-90天（测量/治理）
常见问题
问：这是否意味着放弃 SEO 转向 GEO？A: 不。第1层（基础SEO）是前提。但继续将80%以上的预算分配给关键词优化，同时忽视实体架构，就是在为缩小的战场进行优化。
Q: 什么是最快的实体胜利？A: llms.txt 实现 + 架构标记整合。需要2-3周，创建即时可机器读取的实体声明。在标准化侵蚀差异化之前，抢占先机。
Q: 我们如何衡量实体覆盖分数？A: 在ChatGPT、Perplexity、Claude之间进行受控提示测试。记录目标查询的品牌-属性关联。评估关联覆盖的全面性。每月跟踪揭示动向。
Q: 我们应该雇佣实体策略师还是培训现有的SEO团队？A: 混合方法。现有团队了解领域。增加具备知识图谱、自然语言处理、架构工程专业知识的实体策略师。这与传统SEO的技能集不同。
Q: 预算重新分配的建议是什么？ A: 将15-25%的搜索预算从关键词优化转移到实体基础设施：架构开发、知识图谱关系、原创研究、llms.txt实施。在构建LLMO能力的同时保持SEO基础。