Google称霸二十年的搜索格局正在被AI颠覆！据HubSpot高管预测，到2028年，大部分答案引擎流量将来自ChatGPT而非Google，传统SEO的关键词优化、反向链接逻辑正全面失效。昔日SEO霸主HubSpot早已率先转型，通过AEO（答案引擎优化）策略成为AI答案中可见度最高的CRM品牌，实现需求增长近2000%、引用量提升433%。

你有没有想过，Google 称霸二十年的时代可能真的要结束了？当我看到 HubSpot 全球增长与付费广告高级总监 Aja Frost 在 GROW EUROPE 2025 大会上分享的数据时，我被深深震撼了。她直接抛出了一个惊人的预测：到 2028 年，大部分 answer engine（答案引擎）流量将来自 ChatGPT，而不是 Google。这不是什么小调整，而是一场彻底的范式转变。想想看，那些我们一直习以为常的核心概念——SEO 关键词优化、backlinks（反向链接）、Google 排名，甚至整个搜索引擎营销的逻辑——都在因为 AI agent 驱动的答案引擎而被重新定义。

这让我开始重新思考一个根本问题：当用户不再通过搜索引擎点击进入你的网站，而是直接在 ChatGPT、Claude 或 Google 的 AI Overview 中获得答案时，品牌应该如何获取流量？更关键的是，如何让 AI 在回答问题时主动推荐你的产品？HubSpot 作为全球领先的 CRM 平台，已经在这个新战场上取得了显著成果。他们现在是 answer engines 中可见度最高的 CRM 品牌，超越了所有竞争对手。而他们的策略，正是我想在这篇文章中深入探讨的核心内容。

流量来源的根本性转变

Aja Frost 在演讲中分享了一组让我印象深刻的数据变化。三年前，HubSpot 的顶部漏斗需求主要来自教育性内容，比如他们著名的博客文章。当时这些内容驱动了大部分流量，剩余部分则来自付费渠道和以人为中心的内容，比如 HubSpot Academy 的课程。但到了 2025 年，情况发生了翻天覆地的变化。现在，以人为中心的内容占据了需求的主要部分，HubSpot 每个月在其媒体网络上获得 3500 万到 4000 万次互动。而教育性内容仅占需求的 28%。

这种转变背后的原因很清晰：Google 的 AI 生成摘要正在大量截取教育性流量。现在，AI Overview 出现在近 60% 的搜索结果中，而当它们出现时，点击率会直接减半。Google 不再把用户送到其他网站，而是把他们留在 Google 上。这对于依赖 SEO 流量的品牌来说是一个巨大的冲击。更重要的是，买家行为本身也发生了根本性改变。

我认为这个变化比表面上看起来更深刻。过去，用户会在 Google 上搜索问题，点击多个链接，阅读不同的文章，然后形成自己的判断。现在呢？超过 50% 的买家表示他们正在使用 AI 来做购买决策。他们会先用 ChatGPT 或其他 AI 工具获得一份候选清单，然后转向其他人——观看 YouTube 视频、阅读 G2 或 Capterra 上的评论、浏览社交媒体上的评论。等到他们真正访问供应商网站时，他们已经非常了解情况了，对自己的选择也有了很强的信心。

Aja 分享的数据验证了这一点：这些通过 AI 了解品牌的访客，转化率是传统访客的三倍多，决策时间更短，产生的收入也更高。这是一个三赢的局面。这意味着我们能从 answer engines 获得的流量，不仅会成为最主要的需求来源之一，而且价值极高。这彻底改变了我对流量质量的认知。以前我们总是追求流量数量，现在看来，从 AI 渠道来的流量虽然可能数量少一些，但质量和转化率却高得多。

什么是 AEO 以及为什么它如此重要

这就引出了一个新概念：AEO，即 Answer Engine Optimization（答案引擎优化）。Aja 将其定义为”你可以用来最大化品牌在 answer engines 中可见度的内容、技术和站外策略”。AEO 属于 HubSpot 的 Loop Marketing Framework（循环营销框架）中的 amplify（放大）阶段。

在深入了解 HubSpot 的具体策略之前，我觉得有必要理解 answer engines 是如何生成答案的。Aja 介绍了两个关键概念。第一个叫做 query fan out（查询扇出）。当有人在 ChatGPT 上问一个问题时，AI 不会只回答那一个问题。它会把这个问题拆分成一堆子问题，然后去找到所有这些具体问题的答案，最后合成一个综合回复。

举个例子，如果有人问”Grow 大会后去哪里好”，AI 会把它拆分成：Westminster 地区不收 22 英镑一杯马提尼的酒吧、如何不尴尬地偶遇 Grow 演讲嘉宾、Westminster 最佳深夜美食、不会让你第二天难受的醉酒后食物等等子问题。然后它会分别找到这些问题的答案，整合成一个完整的回复。这个概念对于内容创作者来说非常重要，因为这意味着你需要回答的不只是表面问题，还要覆盖所有相关的子问题。

第二个概念是 memory（记忆）。每次你问问题时，AI 都会考虑大量关于你的额外信息，比如你之前问过的所有问题、你点击过的内容、你的邮件、你的 Google Drive 文件、你连接到 Claude 或 ChatGPT 的任何工具，比如 Asana 或 HubSpot。这意味着 AI 生成的每个回复都是高度个性化的。这也是为什么传统的 SEO 思维在这里不再适用。过去我们优化内容是为了让所有人看到同样的搜索结果，但现在每个人得到的 AI 回复都可能完全不同。

我认为这两个概念揭示了一个更深层的真相：在 AI 时代，内容策略需要从”覆盖关键词”转向”回答具体问题”。而且这些问题需要非常具体，针对特定的用户角色和场景。这种转变对内容团队的要求完全不同了。

HubSpot 的内容策略：从宽泛指南到精准答案

Aja 给出了一个非常简单但有力的策略建议：停止发布”终极指南”类型的内容，开始发布针对买家具体问题的精确答案。在 AI 时代，broad educational content（宽泛的教育性内容）已经完全商品化了。对于你过去发布的每一篇 101 指南，你现在需要创建 10 篇高度聚焦的内容，每篇回答一个针对特定角色的具体问题。

但从哪里开始呢？HubSpot 开发了一个非常直接的流程来确定应该为谁创作内容、围绕什么主题创作。这个流程从一个 3×4 的表格开始。你需要为每个产品创建一个 3×4 表格。顶部列出你的买家角色，越具体越好。不要用”营销经理 Margaret”这样的泛泛称呼，而要用”200 人物流公司的营销经理 Margaret”。因为 AI 的回复是高度情境化的，你思考可见度和内容的方式也需要高度情境化。

然后在表格左侧列出买家旅程的各个阶段，在每个单元格中填入该角色在该阶段关于该产品会问的高意向问题。在 HubSpot，他们一开始为 Sales Hub、Marketing Hub、Service Hub 分别创建了表格，现在他们已经创建了足够多的内容，甚至深入到了功能层面的表格。

这个方法让我想到，过去我们做内容规划时往往是从产品功能出发，想着如何介绍这个功能、那个特性。但 HubSpot 的方法完全反过来了，是从用户问题出发。这种思维转变看似简单，实际上需要团队在认知上做一个彻底的调整。你不再是在”推销”功能，而是在”回答”问题。而当你真正回答了用户的问题时，产品推荐自然就水到渠成了。

但如何填充这些表格呢？如何知道人们实际在 AI 中问什么问题？Aja 介绍了三种方法，而且你需要同时使用所有这些方法。第一种是从 Ahrefs、Semrush、Search Console 等工具中提取关键词数据。你可能会想，为什么在讲 AEO 时还要谈论关键词研究工具？这是因为我们目前还没有来自 answer engines 的提示数据和搜索量，在获得这些数据之前，关键词研究是了解受众关心什么的最佳替代方案。

第二种方法是使用 Meltwater 或 Common Room 这样的社交聆听工具，从 Quora、Reddit、YouTube、Instagram 等平台提取问题。你的买家已经在这些地方以问题的格式提问了，所以这些是了解人们在 AI 中会问什么问题的最佳线索。第三种方法是挖掘聊天记录和销售电话。从 CRM 中提取这些信息，如果没有这些记录，就直接和销售及客户成功团队交流，问他们客户在问什么问题。这些是你的最高意向问题，因此最重要。

我特别认同这第三种方法。很多时候，营销团队和销售团队之间存在信息孤岛。销售团队每天都在和客户对话，他们最清楚客户真正关心什么、担心什么、疑惑什么。如果能把这些一线的真实问题整理出来，那将是最有价值的内容素材来源。我觉得这不仅是一个内容策略，更是一个组织协作的问题。

收集完所有这些数据后，你需要给这些问题打标签，按照漏斗阶段进行分类和格式化。Aja 强烈建议创建一个 ChatGPT 或 Claude 项目来完成这项工作，使用一个非常直接的框架：awareness（认知）阶段的问题看起来像”如何做 X”、”做 Y 的最佳方式是什么”这样的非品牌问题；consideration（考虑）阶段的问题是”ABC 的最佳工具”、”XYZ 的顶级解决方案”；evaluation（评估）阶段的问题会直接对比多个选项；decision（决策）阶段的问题则会问某个特定产品或服务能否完成某个特定任务。

如何优化内容以提高在 AI 中的可见度

确定了要创作的问题后，下一步是弄清楚你的品牌在这些回复中的表现如何，更重要的是，在哪些地方没有出现。2024 年 3 月，Aja 和她的团队推出了 HubSpot 的 AEO Grader，帮助品牌了解这一点。这个工具完全免费，最近还新增了五种语言支持。但要更深入地了解，可以使用 Xfunnel 这样的工具。HubSpot 上周刚宣布收购了 Xfunnel，这个工具非常强大，因为它能显示你在所有主要 answer engines 中针对每个问题的可见度。

一旦识别出你品牌的可见度缺口，就可以开始创建实际内容了。这就是 AEO 真正开始与传统 SEO 分道扬镳的地方。Aja 举了一个假设的例子：HubSpot 在认知阶段存在一个缺口，”作为销售代表，我完全不知道哪些线索值得跟进。我有什么选择？”在过去，我们会创建一个线索评分指南，为 Google 优化它，放上一个电子书 CTA，然后就算完事了。

但如果你记得几分钟前提到的 query fan out 概念，要在 answer engines 中作为推荐出现，我们需要创建超具体的内容来回答每个子问题。HubSpot 的团队构建了一个内部工具来提取 answer engines 将查询拆分成的确切子问题。你也可以使用 Mike King 的 Cuporia 或 Dian 的 fanout tool，这些都是免费工具，工作原理相同。它们会接受一个查询，然后给你一个结构化的相关子问题分解。这些正是 AI 在综合回复时寻找答案的问题。

关于如何有效优先处理销售线索的问题会分解成一系列子问题，我们需要确保页面能够回答所有这些问题。这就引出了下一步：创建为 answer engines 结构化的内容。Aja 分享了 HubSpot 学到并实施的最佳实践，她把这些都归类为 technical tactics（技术策略），因为它们都关于页面的结构。

第一条最佳实践：把答案放在最前面。第一句话应该完整回答主要问题，因为 answer engines 正在寻找快速验证它们找对了地方。例如：”优先处理销售线索的最有效方法是使用一个基于契合度和参与度对联系人进行排名的线索评分系统。”答案没有被埋藏，直接明了。

第二条：页面应该深入一层。这意味着用两到三个短段落展开你的答案，提供背景、定义、方法论。这会向 answer engines 表明你的答案是可信且完整的。我认为这一点特别重要，因为很多内容创作者习惯了写长篇大论，但在 AI 时代，简洁和结构化比长度更重要。

第三条：全文引用原始数据。Answer engines 正在寻找可引用的全新信息，你可以通过统计数据、原始数据和案例研究来提供。这不需要来自昂贵的调查。Aja 说，每次她谈到原始研究时，人们都会露出奇怪的表情，担心预算不够。但其实你可以使用你的 CRM，和客户成功及销售团队交流以获得原始见解。HubSpot 的 CMO Kip Bodner 就是通过与营销和销售团队交流，了解到他们如何改进自己的线索评分系统的。这是一个成本很低的原始见解。

第四条：包含 FAQ。在每个页面底部，你要回答至少三个子问题，每个都有自己的迷你直接答案和简短解释。用 H3 或 H4 标题格式化每个问题，目标是让 AI 能够轻松找到并提取它。这些 FAQ 也是优化扇出查询的好方法，你基本上可以一次性解决三到四个子问题。

第五条：大量添加结构。Answer engines 是懒惰的读者。这有点像我说我读了一篇文章，但实际上我只是看了一个 TikTok 视频。所以你要让内容尽可能容易理解，使用项目符号、超明确的标题、表格、结构化列表，任何东西都行，就是不要有大段文字墙。

第六条：确保每个部分都能独立存在。Answer engines 实际上不是在读页面，而是在读 passages（段落）。这叫做 chunking（分块），这确实是技术术语。这意味着每个部分都需要有意义，即使 AI 没有读过前后的部分。这又回到了懒惰读者的概念。Aja 给了一个反例，来自纽约时报。文章中有一句话：”只要你中间有那个脆脆的东西，知道怎么折叠它，你可以往里面放任何东西。”如果人类都很难理解 Mr. Strawmire 在没有上下文的情况下在说什么，answer engine 肯定更无法理解。所以当你创建或审查内容时，要进行”Taco Bell 测试”，确保每个部分都能独立存在。

最后一条，也是最重要的一条：把每个要点都与产品联系起来。你需要向 answer engine 强化为什么你的产品与主题相关，这样它才知道应该推荐你。如果你只是给 answer engines 提供教育性和原始见解，而不把这些见解与你的产品联系起来，你只是让它们变得更聪明，而没有强化为什么那个概念与你的品牌相关，因此为什么应该推荐你。

这一点让我深有感触。很多内容营销人员害怕在内容中提及产品，担心显得太过推销。但在 AI 时代，这种担心是完全错位的。如果你不告诉 AI 你的产品如何解决这个问题，AI 怎么可能推荐你呢？这是一个一二组合拳：这是一些好内容来吸引你的注意，这是为什么这个主题与我的产品能做的事情深度相关。你应该在每个段落或每隔一个段落就有一个产品引用，就是这么多。

建立 AI 时代的品牌权威

最后但同样重要的是，让我们谈谈如何在线建立权威，这是你的站外策略。当这还是 Google 的游戏时，backlinks（反向链接）是增长网站权威的最重要方式。但 answer engines 并不太在乎反向链接，它们在乎的是 mentions（提及）。你的品牌是否在 Reddit、LinkedIn、评论网站上获得正面提及？

HubSpot 自从开始这个策略以来，已经产生了成千上万的提及。他们从 answer engines 在回答优先问题时已经链接到的网站开始，特别是那些 HubSpot 应该可见但实际上不可见的网站。你可以使用 Xfunnel 来做这件事。在一个例子中，我们可以看到 HubSpot 在一篇被引用 14 次的 Tavo Q 文章中被提及。很好。但在另一篇同样有 14 次引用的有用 AI 文章中却没有被提及。这就成为了他们外联团队的优先事项。

在被引用的来源中获得正面品牌提及看起来很像经典的 link building（链接建设）：发布客座文章、被纳入综述文章、询问网站是否愿意更新现有文章以包含你。但与过去不同的是，我们不在乎那个提及是否有超链接。我们非常在乎 HubSpot 产品是如何被描述的。提及需要整合我们的信息传递，这样 answer engines 才能学习我们的定位。

第三步是利用 social proof（社会证明）。这意味着像 G2、Capterra、TrustRadius 这样的评论平台。它们在 answer engine 回复中非常有粘性。Answer engines 喜欢 UGC（用户生成内容）。增加你在这些平台上的存在感，特别是具体的功能赞扬，可以真正塑造 AI 如何描述你的产品。

最后但同样重要的是，通过与 YouTubers、newsletter 作者、LinkedIn 思想领袖合作来播种以人为中心的渠道，这样他们的内容就会在上下文中包含你的产品。这真是一举两得。你可以在买家所在的地方和 AI 正在查看和训练的地方遇到他们。目标是当 AI 模型四处查看决定推荐什么时，它们不断碰到你的品牌出现在权威的、高上下文的提及中。

我必须承认，Aja 把这些都放在一张幻灯片上让它看起来快速简单，但不要误解，这是大量的工作。正如她提到的，HubSpot 有一个全职团队专门致力于这项工作，而大多数公司没有。所以如果你只能选择一个地方开始，识别你可以影响的 AI 引用对大多数公司来说是最容易摘到的果实。

如何衡量 AEO 的成功

在传统 SEO 中，你会跟踪排名、自然访问量、点击率。我们仍在跟踪所有这些东西,但我们有一个全新的 AI 时代搜索记分卡。在这个世界里，我们还在跟踪 AI visibility（AI 可见度），即对于我们关心的每个查询，在我们关心的引擎上，我们是否被推荐。我们在看 AI share of voice（AI 话语权份额），在所有提到解决方案的 AI 回复中，HubSpot 被提名的频率与竞争对手相比如何。

这真的很重要。这告诉我们随着时间推移，我们是在获得还是失去推荐份额。Aja 提到，在 9 月和 10 月，ChatGPT 调低了品牌可见度的拨盘，这意味着各个品牌普遍被推荐的次数减少了。如果你只看可见度，你会很惊慌，会说”哇，我们刚才做了什么？出了什么问题？”但如果你把可见度和话语权份额一起看，你就知道，好的，我们的话语权份额保持不变，可见度下降了，这是平台做的事情。

第三个指标是 AI citations（AI 引用）。AI 使用你的网站内容回答问题的频率有多高？可见度是北极星指标，因为可见度最终会影响转化，无论有人是立即访问你的网站，还是 5 天后或 15 天后访问。但 AI 引用也很重要，因为 HubSpot 看到的是，当 answer engine 引用他们的内容而不是别人的内容时,他们被更积极地推荐，并且在引用中排名更靠前，这很有道理。我们总是会说自己最好的话。但如果你在乎拥有来源，而你确实在乎，那你就在乎引用。

最后但同样重要的是，我们有 AI referral demand（AI 推荐需求）。你是否看到来自首先在 AI 回复中遇到你的人的访问、转化和销售？Aja 坦诚地说，这很难跟踪，因为大多数人不会直接从 LLM 跳转到你的网站，这就是为什么她建议实施类似购买后结账调查这样的东西。一个非常简单的回归基础：”你是如何听说我们的？”Answer engines 从上季度开始也成为了 HubSpot 中的一个推荐来源。

Aja 分享的最后数据让我印象深刻：自从在 HubSpot 推出 AEO 策略以来，他们在其领域获得了最高的话语权份额，引用提高了 433%，需求增长了近 2000%。她坚信其他公司也能获得这样的结果。到 2028 年 1 月时，你的品牌将在 answer engines 中占据主导地位，因为它们将成为主要的需求来源。

我对 AEO 未来的深度思考

在研究 HubSpot 的 AEO 策略后，我产生了一些更深层次的思考。首先是关于内容所有权的问题。在传统 SEO 时代，用户点击搜索结果会来到你的网站，你拥有完整的用户体验控制权。但在 AEO 时代，AI 直接给出答案，用户可能永远不会访问你的网站。这意味着什么？意味着品牌需要重新思考内容的价值定位。

我认为，未来的内容会分为两类：一类是”种子内容”，专门用来被 AI 引用和推荐，目的是建立品牌认知和权威性；另一类是”转化内容”，当用户因为 AI 推荐而产生兴趣后，用来完成转化的深度内容。这两类内容的创作逻辑完全不同。种子内容需要高度结构化、易于被 AI 理解和提取，而转化内容需要情感化、个性化，能够建立深度连接。

其次是关于数据归因的挑战。Aja Frost 在演讲中坦诚地说，追踪 AI 推荐带来的转化非常困难，因为用户不会直接从 LLM（大语言模型）跳转到你的网站。大多数时候，用户可能在 ChatGPT 上了解你的品牌，几天后在 Google 上搜索你，或者直接在社交媒体上关注你，最后才访问你的网站。这种非线性的用户旅程让传统的归因模型完全失效。

HubSpot 的解决方案是实施购买后调查，直接问用户”你是怎么知道我们的”。这是一个非常聪明但也很无奈的办法。我觉得这反映了一个更大的趋势：在 AI 时代，营销衡量会从精确的数据追踪回归到更模糊但更真实的用户反馈。我们可能需要接受这样一个事实：并非所有营销效果都能被精确量化，有时候你只能通过品牌提及量、市场份额变化、用户调研等间接指标来判断策略是否有效。

第三个思考是关于 AI 平台的话语权。当 ChatGPT、Claude、Perplexity 这些 answer engines 成为流量入口时，它们会拥有巨大的权力来决定哪些品牌被推荐、如何被描述。这有点像当年 Google 算法更新能决定一个网站的生死，但更加黑箱化。Google 至少还会公布一些排名因素指南，但 AI 推荐的逻辑目前几乎完全不透明。

从技术投入的角度看，AEO 需要持续的资源投入。HubSpot 有一个全职团队专门负责这项工作，还开发了内部工具来提取子问题、跟踪可见度。对于大多数中小企业来说，可能无法投入同等规模的资源。但我认为这恰恰是机会所在。现在进入 AEO 领域的企业还不多，竞争远没有 SEO 那么激烈。如果你能在 2025 年就开始布局，即使资源有限，也能抢占先机。Aja Frost 在演讲中也提到，如果只能选择一个切入点，那就从识别 AI 引用的内容开始，这是大多数公司最容易摘到的低垂果实。

对于小企业和初创公司来说，AEO 其实是一个很好的机会，因为竞争还没有那么激烈。我的建议是，把 AEO 思维融入到日常内容创作中。每次写博客文章时，都问自己：这篇文章回答了一个具体的问题吗？答案是否清晰明确？是否包含了原创数据或独特见解？是否与我们的产品紧密相关？养成这样的习惯后，你的内容自然就会对 AI 友好。

同时，小企业应该充分利用创始人和团队成员的个人品牌。在社交媒体上分享你的产品见解、参与行业讨论、在相关社区提供有价值的建议，这些都会成为正面提及。这种方法成本低，但需要长期坚持。记住，AI 正在互联网的各个角落学习，你在任何地方留下的有价值的内容，都可能成为它推荐你的理由。

无论企业规模如何，有几个通用的建议。第一，建立用户反馈循环。定期调查用户是如何找到你的，他们在做购买决策时使用了哪些 AI 工具，他们在 AI 中看到了关于你的什么信息。这些第一手反馈比任何分析工具都宝贵。第二，关注长期价值而非短期排名。AEO 不像 SEO 那样有明确的排名指标可以追求，它更像是建立品牌声誉的过程，需要耐心和持续投入。第三，保持灵活性。AI 技术和 answer engines 的生态还在快速演变中，今天有效的策略明天可能就过时了。要建立快速学习和快速迭代的能力，定期审视策略效果，及时调整方向。最后，记住人的重要性。虽然我们在讨论如何优化给 AI 看的内容，但最终决定购买的还是人。不要为了迎合 AI 而牺牲内容对人的价值，那样就本末倒置了。

我还想特别强调一点，就是 AEO 对内容质量的要求其实更高了。在 SEO 时代，你可以通过大量生产中等质量的内容来获得流量，靠数量取胜。但在 AEO 时代，AI 会从成千上万的内容源中挑选最准确、最相关、最有价值的信息。这意味着你的内容必须真正出色，必须提供独特价值，才能被 AI 选中并推荐。从这个角度看，AEO 其实是在倒逼企业提升内容质量，回归内容营销的本质：为用户创造真正的价值。

最后，我想谈谈 AEO 对整个营销生态的影响。如果 answer engines 真的成为主流流量来源，那么整个数字营销的格局都会改变。广告模式会变化，因为用户不再频繁访问搜索结果页面。内容分发逻辑会变化，因为 AI 会根据个性化需求推送内容，而不是简单的关键词匹配。品牌建设策略也会变化，因为你需要在各种渠道留下正面提及，而不仅仅是建立官网和社交媒体账号。‍