谷歌 SGE 和生成式 AI 在搜索中:2024 年会发生什么

2024 年,Google 的搜索生成体验将如何影响营销?探索 AI 驱动的搜索趋势、SERP 中的 SGE、自然流量影响等。

最初,Labs 中的 Google 搜索生成体验 (SGE) 实验预计将于 2023 年 12 月“结束”。但随着谷歌实验室网站的最新重新设计,许多人注意到SGE的结束日期已经消失了。

这对 Google SGE 和搜索中生成式 AI 的未来意味着什么?以下是我们对 Google SGE 的了解,以及我们在 2024 年搜索中对生成式 AI 的期望。

消费者需要人工智能驱动的搜索

根据一项针对美国 2,205 名成年人的调查,人们最感兴趣的人工智能产品是搜索。

人工智能产品列表中还包括人工智能驱动的智能助手、购物推荐和广告。(2023年2月)

超过 25% 的用户信任 AI 驱动的搜索结果、品牌推荐和广告

同一项调查揭示了美国成年人对人工智能搜索的信任程度,包括公正的搜索结果、推荐的品牌和广告相关性。

同样值得注意的是,近三分之一的人工智能搜索用户认为结果是事实。

29% 的成年人会转向 AI 驱动的搜索

关于采用人工智能驱动的搜索,40%的千禧一代愿意转向像Google SGE这样的体验。

谷歌的首要任务:人工智能搜索的演变

在 7 月份的第二季度财报电话会议上,谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai) 将生成式 AI 搜索的发展描述为谷歌的首要任务之一。

本季度,随着搜索生成体验(SGE)的推出,我们迎来了下一个重大发展,它利用生成式AI的强大功能使搜索更加自然和直观。到目前为止,用户反馈非常积极。

SGE 回答问题并为搜索用户提供新的路径。

它可以更好地回答人们今天向我们提出的问题,同时还可以解锁搜索可以回答的全新类型的问题。

例如,我们发现生成式人工智能可以在人们探索主题或项目时将这些点连接起来,帮助他们在购买或预订旅行之前权衡多种因素和个人偏好。

我们将这种新体验视为探索网络的另一个起点,使用户能够更深入地了解某个主题。我为我们进步背后的卓越工程感到自豪。

谷歌的目标是继续提高搜索中人工智能响应的速度。

自 5 月发布以来,我们提高了服务效率,将生成 AI 快照所需的时间缩短了一半。随着时间的推移,我们将提供更快的响应。

我们正在与更广泛的生态系统合作,并将继续优先考虑能够发送宝贵流量并支持健康、开放网络的方法。

不出所料,谷歌正在测试新的广告展示位置。

广告将继续在这种新的搜索体验中发挥重要作用。其中许多新查询本质上是商业性的。我们在提供与用户商业查询相关的广告方面拥有 20 多年的经验,而 SGE 增强了我们在这方面做得更好的能力。

我们正在测试和改进版位和格式,并为广告商提供利用生成式 AI 的工具。

在10月份的最近一次财报电话会议上,皮查伊向SGE提供了更多更新。

我们从尝试它的人那里学到了很多东西,并且我们添加了新功能,例如将视频和图像合并到响应中并生成图像。我们还使理解和调试生成的代码变得更加容易。

用户的直接反馈是积极的,采用率增长强劲。

8 月,我们向印度和日本开放了可用性,并将推出更多国家/地区和语言。

谷歌正在优先考虑那些继续为网站带来自然搜索流量的方法。

随着我们增加功能并扩展到新市场,我们正在与更广泛的生态系统合作,并将继续优先考虑为我们的用户增加价值、为发布商带来宝贵流量并支持健康、开放的互联网的方法。

通过将生成式 AI 应用于搜索,我们可以满足更广泛的信息需求并回答新类型的问题,包括那些从多个角度受益的问题。

我们正在与SGE建立更多链接,并在结果页面上链接到更广泛的来源,从而为发现内容创造新的机会。

正如之前的调查所证实的那样,人工智能驱动的搜索中对广告的反应是积极的。

当然,广告将继续在这种新的搜索体验中发挥重要作用。人们发现广告在这里很有帮助,因为它们提供了采取行动和与商家建立联系的有用选项。

广告主可以期望原生广告格式能够适应 SGE 的响应。

我们将尝试使用 SGE 原生的新格式,这些格式使用生成式 AI 创建相关的高质量广告,并针对搜索旅程的每一步进行定制。

Google 认为 Bard 是 SGE 用户的免费产品,可以提高工作效率并将用户连接到他们的 Google Docs 和 Gmail。

我们关注的第二个领域是提高创造力和生产力。吟游诗人在这里特别有用;它是对话式 LLM 的直接界面,我们认为它是 Google 搜索的早期实验和补充体验。

超过 20% 的人经常使用生成式 AI

麦肯锡公司(McKinsey & Company)8月份的《人工智能状况报告》(State of AI)根据一项对1,684名参与者的全球调查,按行业对生成式人工智能在工作和工作之外的使用进行了细分。

谷歌将通过海量数据集保持搜索领先地位

去年10月,Baron Insights分享了一份关于生成式人工智能应用的分析报告,指出谷歌将凭借其竞争对手中“最大的消费者数据集”保持其在搜索领域的领先地位。

然而,我们相信 Alphabet 将保持其领导地位,因为它的数据集优势来自于拥有超过 90% 的广泛搜索查询、与全球约 40 亿消费者的互动,以及提供类似搜索结果的规模化和高度具体的基础设施。

Alphabet 的数据集优势还远远超出了地图、图像、视频、音频、家用设备、手机、旅游和零售等领域的搜索范围。

Google Search Generative Experience 是 GenAI 测试版的代理,它已经展示了 Alphabet 如何通过 GenAI 大幅改善搜索结果。与此同时,竞争对手仍在努力追赶谷歌的传统搜索能力。

Gemini 实验提高 SGE 性能

当 Google 推出 Gemini 时,这是一个新的大型语言模型 (LLM) 系列,它揭示了 Gemini 在 Google 产品中的使用方式。

这包括对 Gemini for SGE 的实验,以提高其响应速度,以及将 Gemini Pro 包含在 SGE 的伴侣 Bard 中。

超过三分之一的 SGE 结果包括本地包装

BrightEdge 对 Google SGE 的分析揭示了 SGE 对本地 SEO 的影响。

它还总结了SGE回复中呈现的主要内容格式。

对于AI购物帮助,SGE为服装和一般产品提供产品查看器。

Gemini 将帮助 Google AI 与 GPT-4 竞争

嘉信理财(Schwab)最近的一份股票评级报告提供了有关Google AI如何与竞争对手相媲美的见解。

尽管 Gemini 的第一次迭代在推理能力方面有了显着的进步,但我们认为它仍然不如 OpenAI 的 GPT-4,我们认为 GPT-4 是业内最高的标准。Gemini 将帮助支持 Bard 和 Search Generative Experience(尚未广泛使用)以及 Google Ads、客户云模型/API、其他应用和 Chrome 浏览器。我们注意到 Gemini 在内部设计的 TPU 上运行,但我们看到未来的升级/迭代也利用了最先进的 GPU。尽管我们认为 GOOGL 可能仍然落后于 MSFT/OpenAI,但 AI 的进步速度非常快,我们认为未来的 Gemini 升级将使 GOOGL 能够跟上竞争并成为主要的 AI 受益者。

SGE 被列为 Google DeepMind 的顶级 AI 进步之一

在回顾 2023 年突破性的 AI 进展时,Google DeepMind 强调了 LLM 在提升搜索方面的作用。

LLM不仅被用于更有效地组织信息,而且还为与搜索引擎交互的用户提供更具对话性和交互性的模型。这种转变提升了搜索引擎的作用,而不仅仅是检索信息。高级功能现在包括合成数据、生成创意内容以及基于以前的搜索进行构建。尽管有这些进步,但将用户与他们正在寻找的 Web 内容联系起来的主要目的仍然是核心功能。

DeepMind 还包括 SGE 的同伴 Bard 及其最新更新,以及 2024 年即将推出的 Google Bard Advanced。

在八项基准测试中的六项中,Gemini Pro 的表现优于 GPT-3.5,包括测量大型 AI 模型的关键标准之一 MMLU 和测量小学数学推理的 GSM8K。Gemini Ultra 将于明年初通过 Bard Advanced 引入 Bard,这是一种全新的尖端 AI 体验。

对版权的担忧,自然搜索流量的损失上升

正如《大西洋月刊》(通过《华尔街日报》)、新闻/媒体联盟、Tom’s Hardware和其他出版界所分析的那样,人们对Google SGE侵犯版权的方式越来越感到担忧。

两者都提供了利用来自发布者的内容在 SGE 中生成不需要进一步研究的响应的实例。

此外,SGE对网站所依赖的自然搜索流量的潜在影响导致了12月中旬对谷歌提起的集体诉讼。

结论:谷歌SGE将继续存在

归根结底,对生成式 AI 工具和 AI 驱动的搜索的需求不断增长,再加上通过 Google Ads 实现的明显变现潜力,超过了对版权和流量的抱怨。

因此,可以肯定的是,SGE 将成为 Google 搜索结果的一部分,就像精选片段和其他 SERP 功能一样,它们继续将自然列表推到页面下方。这使得自然搜索中排名第一的位置成为一项至关重要的资产。

Google SGE 和生成式 AI 搜索的营销策略

营销人员如何适应 Google SGE 以及来自 Bing 和其他搜索引擎的生成式 AI 搜索体验?

  • 预计会转向更多的长尾和对话式关键词。
  • 向 Perplexity 等 AI 搜索助手学习:提出问题并观察问题如何转化为搜索查询。
  • 监控关键字的意图变化,并在策略中考虑基于问题的短语和对话短语。
  • 以多样化的内容类型为目标,以提高可见性。
  • 创建满足 E-E-A-T 的“有用内容”。
  • 对文本、图像和视频内容使用适当的标记架构,以确保它出现在相关的 AI 响应中。
  • 始终包括原始来源的引文/链接。
  • 通过零点击答案使您的流量多样化,为自然搜索流量的潜在损失做好准备。
  • 监控你的分析和SERP的演变,以寻找你网站的热门搜索词。

最重要的是,在搜索中尝试使用 Google SGE 和 AI。

使用您的品牌名称、产品和客户的首要问题测试 AI 驱动的搜索引擎和助手。看看它会把你带到哪里,并相应地优化你的在线形象。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/579907.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

nodejs+vue+微信小程序+python+PHP的勤工俭学系统-计算机毕业设计推荐

微信小程序端 (1)首页。顶部展示公告,下方展示兼职信息详情,按时间倒序,求职者可以根据兼职内容信息和行业进行模糊筛选用人单位的招聘信息,点击某条信息可查看其信息内容和用人单位的信息(包括…

用C语言找最大值最小值极值问题---------(C每日一编程)

一&#xff0c;输入十个数&#xff0c;输出其中的最大值 采用打擂台的方法 void main() {int i, max, a[10];for (i 0; i < 10; i)scanf("%d", &a[i]);max a[0];for (i 1; i < 10; i)if (a[i] > max)max a[i];printf("%d\n", max); } 二…

蓝牙物联网在汽车领域的应用

I、蓝牙的技术特点 ​ 1998 年 5 月&#xff0c;瑞典爱立信、芬兰诺基亚、日本东芝、美国IBM 和英特尔公司五家著名厂商&#xff0c;在联合拓展短离线通信技术的标准化活动时提出了蓝牙技术的概念。蓝牙工作在无需许可的 2.4GHz 工业频段 (SIM)之上(我国的频段范围为2400.0~248…

Text-to-SQL小白入门(十)RLHF在Text2SQL领域的探索实践

本文内容主要基于以下开源项目探索实践&#xff0c; Awesome-Text2SQL:GitHub - eosphoros-ai/Awesome-Text2SQL: Curated tutorials and resources for Large Language Models, Text2SQL, Text2DSL、Text2API、Text2Vis and more.DB-GPT-Hub&#xff1a;GitHub - eosphoros-ai…

关于“Python”的核心知识点整理大全41

目录 scoreboard.py game_functions.py game_functions.py 14.3.8 显示等级 game_stats.py scoreboard.py scoreboard.py scoreboard.py game_functions.py game_functions.py alien_invasion.py 14.3.9 显示余下的飞船数 ship.py scoreboard.py 我们将最高得分圆整…

PyTorch深度学习实战(28)——对抗攻击(Adversarial Attack)

PyTorch深度学习实战&#xff08;28&#xff09;——对抗攻击 0. 前言1. 对抗攻击2. 对抗攻击模型分析3. 使用 PyTorch 实现对抗攻击小结系列链接 0. 前言 近年来&#xff0c;深度学习在图像分类、目标检测、图像分割等诸多领域取得了突破性进展&#xff0c;深度学习模型已经能…

常见的一些库函数

什么是库函数&#xff1a; 库函数是一组预先定义好的函数&#xff0c;可以通过包含相应的头文件来使用。它们提供了各种常用的功能和算法&#xff0c;使得编程更加方便和高效。 库函数的作用如下&#xff1a; 提供常用功能&#xff1a;库函数提供了各种常用的功能&#xff0c;…

记一次应急响应练习(Linux)

记一次应急响应练习(Linux) Linux&#xff1a; 请提交攻击者的IP地址 答&#xff1a; 192.168.31.132 思路&#xff1a; 通过查看历史命令和开放的8080端口看到这台主机上运行的是Tomcat服务。并且在历史命令中看到了Tomcat的安装路径。那么就算是找到了日志的查看点了&#x…

设计模式-依赖注入模式

设计模式专栏 模式介绍模式特点应用场景依赖注入和控制反转的区别代码示例Java实现依赖注入模式Python实现依赖注入模式 依赖注入模式在spring中的应用 模式介绍 依赖注入&#xff08;Dependency Injection&#xff0c;简称DI&#xff09;是一种面向对象编程中的设计模式&…

STM32F407-14.3.10-表73具有有断路功能的互补通道OCx和OCxN的输出控制位-1x001

如上表所示&#xff0c;MOE1&#xff0c;OSSR0&#xff0c;CCxE0&#xff0c;CCxNE1时&#xff0c;OCx输出状态取决于GPIO端口上下拉状态&#xff0c;OCxN输出状态取决于OCx_REF与极性选择&#xff08;CCxNP&#xff09;。 -------------------------------------------------…

【头歌实训】Spark 完全分布式的安装和部署(新)

文章目录 第1关&#xff1a; Standalone 分布式集群搭建任务描述相关知识课程视频Spark分布式安装模式主机映射免密登录准备Spark安装包配置环境变量修改 spark-env.sh 配置文件修改 slaves 文件分发安装包启动spark验证安装 编程要求测试说明答案代码 第1关&#xff1a; Stand…

C++ Qt开发:QSqlDatabase数据库组件

Qt 是一个跨平台C图形界面开发库&#xff0c;利用Qt可以快速开发跨平台窗体应用程序&#xff0c;在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置&#xff0c;实现图形化开发极大的方便了开发效率&#xff0c;本章将重点介绍QSqlDatabase数据库模块的常用方法及灵活运用…

Cloudstack多个管理服务器节点

https://docs.cloudstack.apache.org/en/4.18.0.0/adminguide/reliability.html 参考翻译&#xff1a; 代理上支持多个管理服务器 在具有多个管理服务器的Cloudstack环境中&#xff0c;可以根据算法配置代理&#xff0c;将其连接到哪个管理服务器。这对于内部负载均衡器或高可…

【机器学习】人工智能概述

人工智能&#xff08;Artificial Intelligence&#xff0c;简称AI&#xff09;是一门研究如何使机器能够像人一样思考、学习和执行任务的学科。它是计算机科学的一个重要分支&#xff0c;涉及机器学习、自然语言处理、计算机视觉等多个领域。 人工智能的概念最早可以追溯到20世…

3.docker 安装失败

1、错误描述 2、报错前操作 ① 安装yum工具 yum install -y yum-utils \device-mapper-persistent-data \lvm2 --skip-broken ② 更新本地镜像源 # 设置docker镜像源 yum-config-manager \--add-repo \https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo…

扫描全能王启动鸿蒙原生应用开发,系HarmonyOS NEXT智能扫描领域首批

近期&#xff0c;“鸿蒙合作签约暨扫描全能王鸿蒙原生应用开发启动仪式”&#xff08;简称“签约仪式”&#xff09;正式举行。合合信息与华为达成鸿蒙合作&#xff0c;旗下扫描全能王将基于HarmonyOS NEXT正式启动鸿蒙原生应用开发。据悉&#xff0c;扫描全能王是鸿蒙在智能扫…

DM、HIVE和Kingbase8(人大金仓数据库)给列增加备注

DM数据库给列增加备注 1、创建表 CREATE TABLE test222 ( id int NOT NULL PRIMARY KEY, name varchar(1000) DEFAULT NULL, email varchar(1000) DEFAULT NULL, phone varchar(1000) DEFAULT NULL ) 2、给列添加注释 comment on column TEST222.NAME is 这是一个列注释; 例如…

说说 Spring Boot 实现接口幂等性有哪几种方案?

一、什么是幂等性 幂等是一个数学与计算机学概念&#xff0c;在数学中某一元运算为幂等时&#xff0c;其作用在任一元素两次后会和其作用一次的结果相同。 在计算机中编程中&#xff0c;一个幂等操作的特点是其任意多次执行所产生的影响均与一次执行的影响相同。幂等函数或幂等…

关联规则+聚类分析+分类算法(数据挖掘)

3.关联规则 经典案例 : 尿布与啤酒的故事&#xff1b; 基本概念 : 设I {i1,i2,....im}是项(Item)的集合。 D 是 事务(transaction)的集合(事务数据库)。 事务T是项的集合&#xff0c;且对每个事务具有唯一的标识: 事务号&#xff0c;记作TID; 设A是I中的一个项集&#xf…

Redis分布式缓存之主从哨兵分片集群

Redis主从 数据同步原理 Redis哨兵 Redis分片集群 集群伸缩&#xff1a;在集群中插入或删除某个节点 集群故障转移