Answer Engine

从搜索引擎到 answer engine 的关键转变，在于由谁来完成综合。搜索引擎对文档进行排名，把阅读和整合留给用户；而 answer engine 会横跨多个来源进行阅读，并自行返回整合后的答案，通常只点名或链接其中的少数几个。从十条链接压缩到一个答案，正是这种压缩让可见性变得稀缺。

大多数 answer engine 遵循先检索后生成的模式：它们从网页索引或知识源中提取相关段落，然后由语言模型基于这些段落组织出答案，通常附带引用。这就是为什么经典的搜索信号依然重要，因为如果你的页面不在被检索的集合中，它就无法成为答案的一部分。

answer engine 在检索方式上各不相同。有的依赖特定的搜索索引（Copilot 和 ChatGPT 在 Bing 上搜索；Gemini 和 AI Overviews 在 Google 上搜索），有的运行自己的爬虫和索引（Perplexity），而所有 answer engine 都会融入模型知识。为它们做优化，也就是 GEO，意味着既能被这些系统检索到，又足够值得引用，从而被引用。

对一家店铺来说，answer engine 正在成为买家调研和决策的主要途径，它交给购物者的是一份候选清单，而不是一个供其浏览的页面。如果你的品牌不在综合出的答案里，那么在买家还没到达你的网站之前，你就已经被排除在候选清单之外了。

由于每个引擎的检索方式各不相同，要想有存在感，就意味着要覆盖所有引擎都看重的基本功，即可爬取的页面、一致的事实、直接且有来源的答案，然后再逐个引擎地追踪存在感，因为在一个引擎上取胜并不能保证在其他引擎上也如此。

示例场景：当被问到“哪款可重复使用的水壶最适合徒步”时，answer engine 会返回一个段落，点名两三款水壶并附上来源。买家的候选清单就由这一个答案决定，因此成为被引用的品牌之一，比在链接列表中排到第四更重要。