聽節目（在新分頁開啟原站）連到 Practical AI
摘要
這期節目探討了 AI 搜尋如何改變資訊發現方式，並介紹了 Discovered Labs 的創辦人 Liam Dunne 和 Ben Moore 關於從傳統 SEO 轉向 AI 搜尋的觀點。他們指出，隨著大語言模型（LLM）生成答案，搜尋最佳化不再僅依賴關鍵字排名，而是涉及內容品質、技術可達性以及模型權重中的信任機制。節目特別強調了「雷達策略」（Reddit Strategy）的重要性，因為這些非官方來源的資訊常被模型視為可信證據，是提升品牌在 AI 搜尋中可見性的關鍵因素。
This episode explores how AI search is reshaping information discovery, featuring Liam Dunne and Ben Moore of Discovered Labs on the shift from traditional SEO to AI search. They discuss how LLM-generated answers change visibility, emphasizing content quality, technical accessibility, and the role '
重點
- AI 搜尋正從傳統 SEO 轉向以 LLM 生成答案為核心的新正規化。
- 品牌需關注內容品質與技術可達性，而非僅依賴關鍵字排名。
- 雷達策略（Reddit Strategy）常被模型視為可信證據，是提升 AI 可見性的關鍵。
章節
依話題轉折切分，標題由 AI 產生
- 00:01AI 搜尋如何幫助企業在 Google 上獲得排名
- 03:07SEO 與 AI 搜尋的未來互動關係
- 05:48AI 搜尋對行銷人員的挑戰與影響
- 08:56網站版本與 AI 代理的差異及其影響
- 14:24如何識別統計上不具意義的關鍵字
- 17:43AI 搜尋中的隨機性與模型不確定性
- 21:21AI 搜尋如何改變人類行為與交易模式
- 27:18Reddit 在 AI 搜尋中的角色與引用機制
- 30:13AI 搜尋中的引用時間最佳化策略
- 33:05從傳統 SEO 到 AI 搜尋的轉變
- 43:28AI 搜尋如何影響品牌在 LLM 中的印象
- 46:44AI 搜尋如何最佳化網站對代理的存取性
- 50:32Google 搜尋最佳化計畫對 AI 搜尋的衝擊
- 53:50AI 搜尋中權重與訓練資料的重要性
提到的工具與公司
- Retrieval
- Citations
- Model Weights
適合誰看
行銷經理、數位策略師、AI 技術研究者或對搜尋最佳化與 AI 趨勢感興趣的讀者。
摘要依據
- 講者
- Daniel Whitenack、Chris Benson
- 依據
- 節目逐字稿
為什麼排在這裡
- 人氣
- 0.50
- 新鮮
- 0.94
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Retrieval Augmented Generation (RAG), Search, and Vector Databases影片 ・ Luis Serrano Academy ・ 19 分鐘（在新分頁開啟原站）
- AI Engineer 2025 - Improving RecSys & Search with LLM techniques文章 ・ Eugene Yan（部落格）
- Improving Recommendation Systems & Search in the Age of LLMs文章 ・ Eugene Yan（部落格）
- Cheating at Query Understanding with LLMs with Doug Turnbull影片 ・ Jason Liu ・ 57 分鐘（在新分頁開啟原站）
- E407: AI 搜尋把答案都講完了，企業還能怎麼被找到？｜SEO 行銷顧問 Frank 邱韜誠【塞掐 Side Chat】E407Podcast ・ 塞掐 Side Chat ・ 55 分鐘（在新分頁開啟原站）
- Vector Search with LLMs - Computerphile影片 ・ Computerphile ・ 20 分鐘（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）