从 SEO 到 代理主导的增长

在过去十年里，SEO 的规则很简单：让你的网站出现在 Google 搜索结果的前五个蓝色链接中。因为人类有有限的认知能量、有限的耐心、有限的时间。95% 的点击都集中在前几个结果。

当你向 ChatGPT、Gemini 或 Claude 提问时，你本质上是在派遣一个代理代表你爬取互联网。这个代理会访问你过去会亲自访问的所有网站，但它的行为方式与人类截然不同：它有无限的耐心——不会只看前五个结果就停下；它有无限的带宽——可以同时阅读数十个甚至上百个网页；它没有认知疲劳——可以持续处理信息直到找到最佳答案。

James 分享了一个生动的例子：当他想为纽约的公寓买一个新的淋浴头时，ChatGPT 使用了 65 个不同的网页来回答这个问题。而人类消费者可能只会浏览三五个网站就做出决定。这意味着什么？意味着营销人员不能再只盯着"前五名"的位置了。代理会使用互联网的"长尾"——那些人类很少访问的深度内容页面。

这是许多营销人员最容易误解的地方：假设所有 AI 模型都使用相同的"互联网"来回答问题，所以排名应该是一致的。但现实是，每个平台都有自己偏好的数据来源。

Gemini 极度依赖 YouTube 内容（Google 拥有 YouTube），对于想在 Gemini 中被看到的品牌，YouTube 策略变得至关重要。ChatGPT 的消费者问题主要依赖 Reddit，B2B 问题主要依赖 LinkedIn。Claude 历史上更多依赖预训练模型回答，但现在开始更多地使用实时网络信息。Grock 与 X（Twitter）深度整合，能够非常巧妙地利用 X 上的实时对话数据。

这解释了为什么同一个品牌在不同的 AI 平台上可能获得完全不同的曝光度。如果你的营销策略只在 Reddit 上活跃，你可能在 ChatGPT 上表现出色，但在 Gemini 上几乎隐形。更复杂的是，Claude 最近在 4.5 到 4.6 版本之间发生了显著变化——它开始更多地使用网络来回答问题，而不是仅仅依赖预训练知识。这意味着"AI 排名"本身就是一个动态的、不断变化的战场。

如果代理使用 65 个网页来回答"哪个淋浴头好"的问题，而人类只使用 5 个，那么营销人员是否需要创建 10 倍、100 倍的内容来覆盖所有可能的长尾查询？这是一个合理的担忧。最近的研究显示，大约 50% 的网络内容已经是 AI 生成的。《纽约时报》的实验甚至发现，53% 的读者在盲测中更喜欢 AI 写的文章。

但 James 认为，担心"AI 生成内容等于垃圾"是一个误导性的想法。AI 完全有能力创作高质量的内容。真正的问题在于：你如何告诉一个已经读过整个互联网的超级智能代理一些它不知道的东西？答案不在于内容数量，而在于"原始洞察"（Original Insight）。

人类在这个新范式中的角色，被 James 形容为"肉体 API"——我们是连接现实世界与数字世界的桥梁。AI 可以阅读网上关于产品的所有评论、文章和描述，但它无法获得：尚未公开的新产品内部测试数据、只有创始人知道的幕后故事、来自真实用户的第一手反馈（尚未在网上发布）、独特的行业洞察和分析。

这就是新产品的机会。当你推出一款全新产品时，AI 对它一无所知。你的任务不是"操纵" AI 说什么，而是"装备" AI —— 给它提供准确、丰富、独特的信息，让它能够回答任何关于你产品的问题。

这是一个令人不安但值得认真思考的场景：如果三年内，人类消费者几乎不再亲自浏览网页，而是完全通过 AI 代理获取信息，会发生什么？

今天，互联网的内容生态系统依赖于两个主要激励：金钱激励（广告收入支持内容创作）和地位激励（作者获得认可和名声）。

但在一个 AI 代理代理人类浏览网页的世界里：没有人看到广告 → 广告收入崩溃；没有人点击链接 → 作者获得不了流量和名声；AI "吸走"内容并重新混合 → 原创作者可能只得到一个小引用，但没人点击。当发布内容的动力降到零时，AI 将从哪里获取信息来回答问题？

James 提出了两种可能的解决方案。方案一是垂直整合：每个 AI 实验室与社交网络整合。例如 OpenAI 收购 Reddit，或者 Grock 与 X 的深度合作。社交网络成为"人类区"——仍然有人类在为地位和金钱创造内容，而 AI 可以从这些受保护的花园中获取实时的人类数据。

方案二是机器人代理：如果人类不再提供实时数据，AI 可能会通过物理世界的机器人来收集第一手数据。想象 500 亿个双足机器人或无人机在世界各地移动，直接为 AI 提供关于现实的原始输入。无论哪种方案，都指向一个核心洞察：人类原创思想将成为稀缺资源。

Google 的广告模式是：你在搜索"跑步鞋"，旁边出现三个广告链接。但 ChatGPT 的广告会是什么样子？James 认为未来的广告单元将是系统提示。

想象一下，你是一个摄影器材品牌，你可以这样设置广告活动：当用户在对话中提及摄影相关话题时，如果用户是 35-40 岁的女性（来自明尼苏达州），提及我们的品牌和产品，使用这种语气和说话方式，但不要提及这些竞争对手，基于这个知识库来回答，目标是在这个对话中获得 X 美元的收入。

广告不再是静态的图片或文字，而是与对话上下文完美融合的、超个性化的建议。AI 了解用户的偏好、历史、当前情境，能够在"最响应的时刻"插入最相关的产品推荐。

这将是世界见过的最有效的广告形式，因为它捕捉了丰富的消费者意图（整个对话历史都是上下文）、实现了深度个性化（基于对用户的深刻理解）、融入自然对话流（不是打断，而是延续）。人类消费者可能会像接受 Google 搜索广告一样接受这种广告形式——只要它确实有用。

当你使用 Claude 来帮助选择数据库时，你希望它推荐"最好"的那个，而不是"给了最多广告费"的那个。如果 Claude 说"我选某某数据库是因为他们给我看了一个很好的广告"，你会觉得这代理坏了。

但这里有一个有趣的悖论：人类从来都不是真正客观的。你的决策受到品牌认知、播客采访、朋友推荐、社交媒体讨论等多种因素影响——只是你没有意识到而已。

你可能选择 MongoDB 是因为你看过一期创始人的播客，或者选择 Vercel 是因为它的品牌形象令人印象深刻。你自认为在做"客观的技术决策"，但实际上你已经被营销影响了。这种"客观性幻觉"使得 B2B 领域的 AI 广告变得复杂。

我们希望代理帮助我们做"更好的决策"，但我们定义的"更好"往往意味着"不受广告影响"——即使我们自己的决策从未真正不受广告影响。这也解释了为什么比较性文章（"10 个最好的 X"）对 AI 有如此大的吸引力：它们已经为代理"完成"了比较工作，代理不需要自己去做第一性原理的分析。这是"阻力最小的路径"——即使人类用户会明确告诉 AI "忽略列表文章"。

当你的老板每天给你发截图："为什么我向 ChatGPT 询问这个问题时，我们的品牌没有出现在推荐里？"——你应该怎么办？James 给出了两条核心建议。

你不能优化你看不见的东西。你需要一个像 Profound 这样的平台来了解你的品牌在不同 AI 平台上的表现：你在 ChatGPT、Claude、Gemini 中出现的频率；当你的品牌被提及时，上下文是正面还是负面；AI 使用哪些来源来回答关于你类别的问题；你的竞争对手在哪些来源上占优势。凭"感觉"行事会失败。每个类别都是独特的——有些依赖 Reddit，有些依赖 YouTube，有些依赖 LinkedIn。你需要数据驱动的洞察。

这不是关于自动化过去的工作，而是做以前不可能做到的事情。James 分享了一个实际案例：他们构建了一个营销代理，自动接入所有销售通话的录音（通过 Gong），提取所有客户异议，将它们分类为主题，然后基于产品知识库实时生成"战斗卡"（Battle Cards）供销售团队使用。

18 个月前，这需要一个人每季度做一次。现在，它每天实时运行。这就是代理营销的真正力量：不是让 AI 写博客文章（那是自动化旧工作），而是创建全新的营销能力——比如实时分析所有客户对话并动态生成销售支持材料。