前沿GEO一周情报速递｜谷歌PAA“全面”AI化；DeepMind研发新一代搜索底层模型

过去两年，行业都在探讨 AI 将如何颠覆搜索；如今，这种颠覆已具象为冷冰冰的数据与图表。曾经带来源源不断长尾流量的黄金位置正被 AI 全面接管，搜索引擎核心的底层排序逻辑也面临大语言模型的彻底重构。

"People Also Ask"正被 AI 接管：AIO 占比已达 97%

谷歌搜索中的"People Also Ask"（PAA，大家还在搜）板块，目前几乎完全由 AI Overviews（AIO）主导。两项独立数据源交叉印证了这一趋势：

• AlsoAsked 采样了 1920 万条英文查询数据显示：9 月第一周 PAA 答案中 97% 来自 AI Overviews（8 月该比例为 86%）。
• Allintitle 数据甚至显示这一比例已达到 100%。

值得注意的是，14 个月前这一数字仅为 12%。PAA 曾是站点获取长尾词流量的稳定入口，用户点击后可查看一系列自然搜索结果；如今，该入口基本已被 AI 回答垄断。

应对策略参考：若长尾流量部分源自 PAA 点击，需在 GSC 中重点核查相关关键词的曝光与点击率是否萎缩，或结合行业工具排查 AI Overviews 对自然排名的挤压。与其争夺传统 PAA 自然位，不如主动优化内容以适配 AI Overviews：将高频疑问转化为结构化、可直接引用的答案块（核心问题配清晰直接的回答）。

AI 可见度追踪：摒弃“一刀切平均”

Siege Media CEO Ross Hudgens 近期指出，Perplexity 市场份额正在缩水，建议将其从 LLM 追踪器中移除。他认为，将 Perplexity 与 ChatGPT、Gemini 等同计算平均值，会扭曲对品牌真实可见度的判断。

数据支持“缩水”论断：StatCounter 显示，Perplexity 的 AI 推荐份额从 6 月的 7.91% 跌至 8 月的 4.31%，同期 Gemini 从 7.94% 涨至 10.9%。Similarweb 5 月数据显示，Perplexity 的 Web 访问量仅占 1.3%，而 ChatGPT 高达 53.9%、Gemini 为 27.9%、Claude 为 9.2%。

然而，“直接删除”略显矫枉过正。核心问题在于不应赋予所有 AI 平台同等权重，也不应简单求平均。平均值往往掩盖真实的商业信号。例如，若品牌在 ChatGPT、Gemini、Claude、Perplexity 的引用率分别为 40%、35%、30%、90%，简单平均值为 48.75%，但该数字缺乏实际意义。关键应追问：“对我业务有价值的用户，究竟在哪里接触到我的品牌？”

应对策略参考：需将 AI 可见度监测指标重构为精细化分级体系。坚决抛弃模糊的"LLM 平均分”，同时不能将谷歌 AI Overviews 或 AI Mode 简单视为普通大模型。它们是嵌入超级搜索入口的独立生态，必须单独列为一类进行监测。

DeepMind 新排名模型：搜索底层架构重构前夜

谷歌 DeepMind 联合马萨诸塞大学和阿克萨斯大学发表论文，提出用“自回归排序”（Autoregressive Ranking，简称 ARR）取代当前搜索引擎普遍采用的两阶段排名架构。

现行常规做法是“两步走”：先利用轻量级 Dual Encoder 快速召回海量候选文档，再使用成本更高的 Cross Encoder 进行精准排序。而 ARR 旨在直接用一个大语言模型输出排序好的文档列表。

该论文指出了当前搜索引擎的痛点：网页数量越多，系统为确保排序准确性所需的计算复杂度呈倍数增长，导致难以兼顾“覆盖面”与“精准度”。ARR 模型有望打破这一僵局，无论面对多少网页，均能以固定计算资源直接给出精准排名。实测显示，这种一步到位的大模型表现已逼近过去昂贵的复杂精排系统，并远超传统初筛算法。

目前该技术仍处于论文阶段，尚未全面上线。谷歌搜索大盘依然沿用传统的“召回 + 精排”架构，但其释放的信号清晰表明：搜索排名的底层逻辑距离被 LLM 彻底重构的日子又近了一步。

应对策略参考：虽无需立即调整网站，但需警惕未来搜索排名若从“检索 + 精排”转向"LLM 直接生成排序”，传统 SEO 中“关键词精确匹配”的权重将进一步削弱，转而让位于大模型更看重的“语义逻辑与上下文相关性”。持续夯实内容质量、理清逻辑结构，是穿越任何底层架构演变的唯一对策。

本周关注清单

建议重点关注以下三个动作：

1. 核对长尾盘面：检查 PAA 及 AI Overviews 强占位对现有长尾词流量的挤压影响。
2. 重构追踪体系：抛弃“一刀切平均”，将 AI 可见度追踪改为三层体系（ChatGPT/Gemini/Claude 分开统计；谷歌 AI 搜索单独列项；Perplexity 等长尾降权但不删除）。
3. 建立趋势预期：将 DeepMind 的 ARR 模型论文作为团队认知储备，未来内容策略持续向“高语义相关性”倾斜。