来源:HubSpot Marketing
RAG 对 AI 答案和营销可见度意味着什么
检索增强生成利用外部信息为 AI 答案提供依据,因此来源可见度成为营销人员关注的问题。
随着越来越多人借助 AI 获取答案,营销人员面临的问题不再只是内容是否出现在搜索结果列表中,还包括内容是否被用于生成回答。 HubSpot 关于检索增强生成(RAG)的指南介绍了 AI 系统从外部信息中获取内容的一种方式,以及这一过程为何会影响品牌可见度。
RAG 是一种方法:AI 系统会先从外部知识库中检索相关材料,再生成答案。 检索到的材料会加入模型的提示词,为模型撰写回复提供可参考的来源信息。 这些额外的上下文有助于让答案以系统找到的材料为依据。
两者的区别在于:一种是根据模型训练期间吸收的信息作答,另一种是在回答前查阅来源。 对营销人员而言,关键在于 AI 系统检索到的内容可能会影响它对某个品类或品牌的描述。 接收答案的人可能无法明显看出答案依据了哪些来源。
随着 AI 生成的摘要逐渐成为搜索体验的一部分,这一点愈发重要。 皮尤研究中心对 900 名美国成年人的浏览数据进行 2025 分析后发现,当 Google 显示 AI 摘要时,用户在 8% 的访问中点击了传统搜索结果。 没有摘要时,这一比例为 15%。
这些发现表明,当更少的用户点击链接时,搜索结果页上显示的答案可能会发挥更大的作用。 但这些发现并不能证明某个特定页面会被 AI 系统选中。 HubSpot 指出,让机器更容易访问内容会有所帮助,但无法保证内容会被检索或引用。
这对营销人员意味着什么
评估内容时,既要考虑 AI 检索,也要考虑传统搜索曝光度。 优质页面依然有价值,但营销人员也需要了解系统如何查找和选择来源材料。 将机器可访问性视为对这一流程的支持,而不是品牌一定会出现在 AI 生成的答案中或获得引用的保证。