准备好拥抱新的搜索世界了吗？  SGE（搜索生成引擎）旨在理解您的意图并提供清晰、简洁且接近人类的答案。尽管如此，在其有限访问测试阶段，  很好地表明了我们的未来。因此，做好准备并了解这场即将到来的革命的来龙去脉非常重要。 Google SGE 让我们从搜索引擎的发展简史开始，然后介绍 Google SGE Beta 搜索结果的外观和感觉以及对 SGE 内部运作的基本了解。 搜索引擎简史 ：目录时代（20 世纪 90 年代初） 想象一个巨大的互联网电话目录，由人类编辑组织到最后一个 T。这基本上就是早期搜索引擎（如 Yahoo!）的内容。和 AltaVista 是。尽管在当时是革命性的，但手动组织信息的模型只有在网络最终达到爆炸性增长点时才可扩展。 从混乱到秩序 ：索引时代（1990 年代末至 2000 年代） 随着 Google 和 AltaVista 等搜索引擎的出现，被称为“爬虫”的机器人接管了，自动搜索网络并根据关键字对网站建立索引。这标志着一个重大飞跃，提供了更加动态和全面的搜索结果。 进入爬虫 ：语义学的兴起（2000 年代至 2010 年代） 随着关键字限制变得明显，搜索引擎开始结合自然语言处理 (NLP) 来理解关键字背后的含义，为更直观和相关的结果铺平道路。想想“我附近最好的披萨”而不仅仅是“披萨”。 超越关键字  （2010 年代至今）Siri 和 Alexa 等个性化搜索和语音搜索助手的推出标志着向理解用户意图和上下文的转变。搜索引擎开始提供根据个人偏好和语音查询定制的结果，模仿自然对话。 个性化和语音搜索时代： ：进入 SGE（2020 年代至今） 最后，我们迎来了搜索生成引擎的黎明。在其前身的进步基础上，SGE 利用先进的人工智能和机器学习不仅可以索引和理解，还可以生成适合个人需求的响应。如下例所示，它不仅仅是提供链接；它综合信息，提取关键见解，并将其组织起来以最适合用户的需求。至少，根据谷歌存储的数据来分析用户。 范式转变  Google SGE 搜索结果是什么样的 Google SGE 仍处于 Beta 模式，因此很容易揭开面纱并深入了解搜索引擎未来的内部运作方式。 有了SGE，用关键字和严格算法编写文档的时代已经一去不复返了。简而言之，传统搜索更多的是基于关键字而不是概念性的，而 SGE 集成了 NLP、AI 和 ML 来理解搜索者查询背后的含义和上下文。 例如，问“对于作家来说最好的笔记本电脑是什么？”返回一个综合答案，其中包含要考虑的特征的描述。 下面推荐的笔记本电脑列表就是基于这些特征，并在推荐产品旁边显示每台笔记本电脑。这加快了选择时间，因为它节省了点击每个站点所需的时间，并且可以一目了然地进行快速比较评估。  推荐产品列表旁边是建议的“最佳”网站，这些网站可能会提供 Google SGE 提供的替代视角。 推荐产品列表相当长，这意味着用户必须滚动一段时间才能看到常规的 Google 搜索结果。即便如此，在查看列表之前，您必须先浏览常见问题解答部分。 从我写这篇文章到我将其上传到 Hackernoon（36 小时后），界面发生了细微的变化。因此，当我想要获得更好的屏幕截图时，它返回了下面的结果，其中包括新 SGE 引擎上方的赞助结果。 有趣的事实： 这凸显了 Google SGE Beta 正在尝试的不同选项，因此很难预测 Google SGE 向所有用户发布时将采用的格式。  对于非商业搜索，结果有很大不同。这是有道理的，因为常识虽然有价值，但几乎没有市场价值。那么，让我们随机问一个不太可能产生商业影响的问题。例如，“穴居人是如何生活的？”  正如您所看到的，通往“人们也询问”部分的道路比商业产品要短得多。有趣的是，点击开头部分的“阅读更多”箭头，GSE 默认返回类似 Bard 的界面的组合 - 带有建议的后续问题和创建后续问题的邀请 - 以及访问其片段定义旁边的其他信息源。  因此，对于最近的 BARD 等两种格式，“人们也问”和索引部分仍然可用，它们现在按时间顺序倒序堆叠。 鉴于之前两种搜索结果格式之间以一天为间隔的惊人差异，我尝试使用相同的搜索查询进行新的搜索。尽管结果的格式与之前的结果相同，但其内容已发生变化。必须对 SGE 的具体方面进行进一步的思考。  在现阶段，我们今天所使用的搜索引擎的确切未来是任何人的猜测。甚至 也在重新审视这个版本的 SGE，并利用 Beta 用户的反馈、滚动和点击模式，并将它们与之前的版本进行比较，以微调他们的 SGE 模型。 谷歌 目前，我们能做的最好的猜测就是尝试看看流程背后的引擎。 窥探 Google SGE 的内部运作 SGE 包含三个底层组件，每个组件都建立在前一个功能的基础上。 这使 SGE 能够理解查询的自然语言，包括单词的细微差别、语法和情感。这样做时，它会像任何人一样“解读”您的问题，提取您搜索背后的真正含义和意图。 自然语言处理 (NLP)：  SGE 通过对大量文本和数据的分析不断学习和适应，以提取模式和关系。即使查询未正确提出，这也使模型能够预测您想要查找的信息。 机器学习： 人工智能汲取 NLP 和 ML 的见解，不仅能提供中肯的答案，还能为您提供信息丰富且量身定制的答案。 SGE 旨在成为您的个人研究助理，拥有最新的技术和不断增长的知识库。它的作用远不止检索信息。它了解您的需求，提供解答您问题的见解，并帮助您进一步探索、学习并做出明智的决策。 人工智能： 超越文本：多模式体验 正如我们在上面的示例中看到的，SGE 并不限于文本格式。他们可以生成各种响应格式，SGE 可能会呈现突出显示推荐目的地的交互式地图，或者根据您的兴趣策划个性化的视频行程。有未经证实的传言称，即将发布的语音旁白可能会引导您游览必看的地点。   SGE 未来将如何影响 SEO？  SGE 承诺预示着一场用户体验革命。如上所述，这场革命的主要特点是： 提高准确性和相关性 类固醇的个性化 对话能力 但尽管 SGE 具有不可否认的优势，但仍需要对其进行严格审查： 我们如何确保 SGE 没有偏见并向所有用户提供公平和包容的结果？ 偏见和公平： ：用户如何了解 SGE 如何得出答案并确保他们收到的信息准确可靠？ 透明度和可解释性 ：我们如何保护用户隐私并确保 SGE 收集的大量数据得到负责任且合乎道德的使用，并且不依赖受版权保护的来源？ 隐私和数据保护 话虽这么说，SEO 必然是第一个必须快速适应新搜索环境的领域。 优化 SGE 的 SEO 如今，优化 SEO 以提高可发现性是企业成功或任何依赖网站流量的项目的基本要求。 SEO 专业人士已经熟悉从关键字转向长尾关键字、最大化其标题的吸引力以刺激点击（同时避免低参与率的标题诱饵标题）、使用 H 标题构建内容等、获取反向链接以及优化网站的快速加载、响应能力等。 所有这一切都是为了将他们的内容放在令人垂涎的搜索结果的首页上。适应 SGE 的新时代需要快速适应。我之前关于 SGE 的文章专门讨论了  。在撰写该文章时，Google SGE Beta 尚未推出，但主要原则仍然存在。 法学硕士支持的搜索引擎时代的 SEO 本文更详细地介绍了如何通过从关键字转向上下文来快速适应。 我的下一篇文章应该重点讨论如何利用 SGE 获得战略业务优势。 请在 Hackernoon（上面我的个人资料下方的“订阅”按钮）和 上关注我，确保不错过任何文章。 LinkedIn

This story contains new, firsthand information uncovered by the writer.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

适应 Google 的搜索生成引擎 (SGE) - 第 1 部分

About Author

註釋

標籤

这篇文章刊登在

Related Stories

数字游民请注意：您需要了解泰国新推出的 DTV 签证

使用这 18 种开发工具来提高你的工作效率 🚀🔥

扬帆起航：利用数据湖开发生产级 RAG 应用程序

Claude Sonnet 3.5 系统提示泄漏：法医分析

数字游民请注意：您需要了解泰国新推出的 DTV 签证

使用这 18 种开发工具来提高你的工作效率 🚀🔥

扬帆起航：利用数据湖开发生产级 RAG 应用程序

Claude Sonnet 3.5 系统提示泄漏：法医分析

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps