提出后续问题

Google SGE 中的“询问后续”问题是什么？

在谷歌新的人工智能驱动的搜索生成体验（SGE）中，新的问答SERP正在出现； 例如“询问后续情况”。

只需单击“询问跟进”按钮或快照下建议的后续步骤之一即可。 此功能使您能够提出有关您的主题的任何下一个问题。 SGE 已经有了您初始查询的背景参考，因此它将根据上下文进行回答。 （除非您点击“重置”来启动新的查询线程。）

在 Google 上搜索的人并不总能在第一个显示页面上找到他们想要的内容。 SGE 的对话模式旨在回答与初始查询相关的后续问题。 它的“记忆”保留了原始问题的上下文，因为它可以让您通过附加查询来优化搜索。

目录

• Google SGE 中的“询问后续”问题是什么？
• Google 的 SGE 是一种对话式搜索模式
• 多模式问答功能
• Google 的 SGE 交互式问答序列方法
  • 后续问题的含义和使用示例
  • 问答系统的语义匹配应用
  • 谷歌的 SGE 寻求提供高度相关的人工智能答案
• 问答 SERP 的重要性与日俱增
• 谷歌的询问后续功能背后可能有专利
• 巴德和 SGE 让您“构建”后续问题
• 内容营销人员关于“询问后续”包容性的提示
• 摘要：利用“询问后续行动”（问题）

Google 的 SGE 是一种对话式搜索模式

我将在这里展示我的逻辑，解释为什么新的“询问后续行动”具有如此丰富的潜在客户开发机会。

搜索引擎优化是一个复杂的领域，工程、解决技术问题的能力、创造力、内容创建、业务策略和科学需要协同工作。 谷歌长期以来一直是一个“搜索答案引擎”。 是的，我故意把“经营策略”放在这里。 事实上，SEO 是业务开发人员。 事实上，SEO 是让您的业务出现在新买家面前的最佳投资。 由于大多数人的购买都是从某种形式的 QA 研究开始的，因此在早期阶段赢得 SERP 的存在至关重要。

Google 搜索并不总是在第一个查询后结束。 SGE 的对话模式旨在回答后续问题，能够更好地弄清楚您的搜索意图。 您可以通过点击“询问后续行动”或快照下建议的后续步骤之一来进入 SGE 的对话模式。

以下是谷歌对其“询问后续”功能的解释：

“人们可以点击‘要求跟进’或点击快照下建议的后续步骤之一。 这将启动新的对话模式，他们可以自然地向 Google 询问更多有关他们正在探索的主题的信息。

例如，SGE 并不是以第一人称方式做出回应，我们对模型进行了微调，以提供客观、中立的回应，并与网络结果相证实。” – SGE、Google 概述^[1]

我觉得有趣的是，该文件预计其人工智能答案将“提供客观、中立的回应”。 意思是，一种对话语气，也是“与网络结果证实的”。 也许，稍后，这意味着它的人工智能算法将旋转自己的混合搜索响应。 也许觉得没有必要链接到答案的原始来源。 我们拭目以待。

需要直观地了解此按钮的用途吗？ 想想你如何“堆叠”一些东西，比如在亚麻壁橱里的毛巾。 此按钮可让您“堆叠”更多搜索查询并获得更多经过高度过滤的信息。 它会触发 Google 的人工智能功能，智能地结合您的问题，根据上下文给出未来的答案。 其目的是节省搜索者的时间。

多模式问答功能

谷歌在人工智能文本生成方面的进步对问题答案对有了更好的概念化。

到目前为止，在 Google 搜索实验室中，我们看到了它无缝结合文本和视觉效果以回答涉及多种数据类型的问题的能力。 接下来可能会推出的 Gemini 项目可以轻松总结 QA 信息。 它能够结合多种类型的数据来产生它认为是最好的答案。 这也可以为其提供复杂或模糊查询的后续问题选项。

这符合 Google 为搜索者的问题提供最佳答案的承诺。 对于许多利基市场，存在大量“People Also Ask QA”选项。 保险领域的 PAA SERP 非常丰富。 通过 QA SERP 中的大量用户交互，这使得搜索技术减少对关键字的依赖，并更好地理解查询的语义。

搜索引擎提供答案。 他们如何使用人工智能正在迅速改变他们理解和分类查询的能力，以便动态生成准确的答案结果。 要超越竞争性搜索引擎，需要更先进的技术，以提供最佳的问答搜索体验。

什么是 Google 答案快照？

SGE利用人工智能对用户的多角度查询生成独特的响应。 它同时从多个来源获取信息。 谷歌称其为快照。

您可以控制有机会包含在 Google SGE 快照中的网络内容。

“在适当的时候，SGE 将展示人工智能驱动的快照，帮助人们快速了解概况，其中包括需要考虑的因素以及相关见解和信息的有用综合。 这些快照是人们可以探索网络上各种内容和观点的起点。” –生成式 AI 搜索的新方法：SGE 概述

“我们相信每个人都会从充满活力的内容生态系统中受益。 关键是网络出版商可以选择和控制其内容，并有机会从参与网络生态系统中获取价值。 然而，我们认识到现有的网络发布者控件是在新的人工智能和研究用例之前开发的。” –网络内容不断发展的选择和控制的原则性方法，Google 2023 年 6 月^[2]

Google 的 SGE 交互式问答序列方法

长期以来，人们向搜索引擎提出问题已经很自然了。 语音搜索已经形成了对话式查询的新方法，而谷歌搜索正在以类似的方式做出回应。 SGE 的“询问后续”功能让我们可以一睹未来对话式答案。

在预算有限的情况下进行内容营销的最佳方法是有效投资于常青内容。 每月发布一篇出色的内容可能比读者浏览 10 篇内容更有效，而且重复阅读不会带来任何附加价值。 如果您有效地回答了受众的问题，Google 可能会将您的内容（带有源链接）提取到其 SERP 中。 这可能是 Google 的知识图问答功能、答题卡或为搜索者提供的几种答案 SERP 格式之一。

交互式问答 (IQA) 需要智能代理在动态的对话环境中做出响应，以收集回答问题所需的信息。 我们从自然语言处理的 BERT 模型中了解到 Google 搜索的发展方向。

计算语言学协会于 2022 年 7 月发布了一份摘要，我阅读了该摘要，并帮助形成了我对 QA 内容策略的看法。

“BERT 模型在评估过程中获得了比足够信息得分更高的 QA 准确度，这表明跨越多个状态的上下文窗口有利于 QA 准确度。 在训练过程中，BERT 模型在离线轨迹集上的问答方面取得了近乎完美的分数。” – 基于文本的游戏中问答的序列建模方法

Google 需要大量内容来训练其大型语言模型 (LLM)。 它们建立在 Bert 算法之上。 它依靠网络上的特殊内容来“喂养”这些语言模型。 这意味着不仅为搜索引擎创建有价值且引人入胜的内容，而且最重要的是为使用搜索提出问题的人类读者创建内容。

后续问题的含义和使用示例

我喜欢剑桥英语语料库中的这些示例，它们说明了后续问题如何有用以及为什么您的内容应针对这些问题进行优化。 这说明了为什么谷歌可能会在其高级搜索技术中引入此功能。

– 此外，包括后续问题可以提高结果的准确性。

– 因此，通过添加后续问题可以提高效率。

– 此外，包含后续问题可以提高结果的准确性。

– 在每个刺激句子呈现之后，受试者被问到一个后续问题，该问题根据所提供的训练条件而有所不同。

– 我们从一个基本示例和一个后续问题开始，这些问题有助于激发大部分材料的后续内容。 （来源：剑桥英语语料库的 Follow Up Question 文章^[3] ）

阅读或下载 Google 的使用生成式 AI 进行搜索的新方法 PDF 以了解更多信息。 谷歌 Bard AI 似乎正在与其新兴的 SGE 同步发展。 每天都会有新的公告出现。 这使它成为一次快速而令人兴奋的学习冒险。

谷歌的 SGE 寻求提供高度相关的人工智能答案

谷歌正在测试其 SGE 答案，看看用户是否点击访问网站以获取更多信息。 目前，独特的关键字在其提供的人工智能答案中显示不同的格式和详细程度。 在 SGE 全面推出之前，哪些利基市场将受到 SGE 打击最严重的问题仍然存在。 在不利用人工智能的情况下，谷歌面临着如何高效地回答长尾查询的挑战。

法学硕士和生成人工智能已经解决了这个问题的大部分。 他们通过可信的传统网络搜索结果获取 SGE 结果，以提高人工智能答案的相关性、准确性和事实核查。 我们发现这种情况尤其发生在信息查询中。 有效的内容提供了他们想要的以客户为中心的答案。 换句话说，页面搜索引擎优化很大程度上影响搜索者在 SERP 中点击的内容。

除了为您的问题获得量身定制的答案之外，SGE 搜索还将显示它认为与您的查询相关的图像、链接和产品。 您可以简化或细化您的查询，而无需自行考虑如何进行其他搜索。

问答系统的语义匹配应用

语义匹配是计算机科学中识别语义相关信息的技术。 目前，深度学习领域最常见的语义匹配应用是问答系统（QA）、语义相关性和自然语言推理（NLI）。

他们每个人都可能在“询问后续”问题功能背后的技术中发挥作用。 我们知道，SGE 是一个实验性的 Google 搜索引擎测试版项目，它使用人工智能来生成复杂问题的上下文答案。 那么，谷歌告诉我们什么可以让我们一睹其运作原理呢？ 以下是 Google Cloud 首席执行官 Thomas Kurian 的一句话，我觉得很有帮助。

“文本嵌入 API 是一个新的 API 端点，可让开发人员基于文本或图像的语义理解构建推荐引擎、分类器、问答系统、相似性匹配和其他复杂的应用程序”——在 Google I/O 上，生成式 AI 能够工作，2023 年 5 月 10 日

问答 SERP 的重要性与日俱增

追踪谷歌申请并获得的用于处理可能影响其不断发展的问答功能的查询变体的专利是一件很有趣的事情。 由于 SGE 在运行时动态加载内容，因此它依赖于基于原始查询和附加输入实体的标记的经过训练的生成模型。

2023 年 5 月 30 日授予的一项 Google 专利告诉我们一些我认为可能与此相关的事情。 “不是提供答案响应，而是生成多个‘后续’变体变体，以验证对原始查询的响应的准确性。”

其系统能够为新颖、新、首次或尾部查询生成查询变体。 SGE的ask a follow up目前缺乏足够的数据来进行此类查询。 但是，您/任何人发布的所有内容都可能在将来使用。 谷歌希望将之前从未提出过的查询减少 15%。 其新的生成模型旨在通过利用神经网络来预测生成哪些查询变体，即使是不常见的查询。

这是谷歌的另一篇文章，我也从中学到了很多东西——一种使用生成人工智能进行搜索的新方法——在搜索中获取人工智能驱动的概述并询问后续信息。

谷歌的询问后续功能背后可能有专利

专利为谷歌SGE问答系统提供线索

由于 SGE 如此之新，我们可以从专利中找到其 QA 功能如何发挥作用的线索。

SGE 是一个问答系统，它从大量替代答案中选择一个或多个结果以最好地匹配给定的查询。 毕竟，QA 搜索响应是信息检索领域的关键技术之一。 Bard AI 和 SGE 尝试改进考虑上下文语义信息的方法。

谷歌为 BERT 问答系统利用掩蔽技术所使用的预训练语言模型申请了专利。 BigBird 建模的扩展上下文有利于各种 NLP 任务，如问答、摘要、长文档分类等。 ^[5]

同样有趣的是，Google 的Google 专利 US20110125734A1：问答生成在 2011 年 5 月发布后就被放弃了。然而， Google 专利 US9213748B1 为搜索查询生成相关问题在 2015 年 12 月获得授权后仍然有效^{。 [6]}以下是我们的内容从中学习。

描述的用于识别搜索查询的相关问题的方法：

• 从用户设备接收搜索查询。
• 获取搜索引擎提供的搜索查询的多个搜索结果，其中每个搜索结果标识相应的搜索结果资源。
• 确定每个搜索结果资源的一个或多个相应主题集合，其中搜索结果资源的主题集合是从导致用户选择识别搜索结果资源的搜索结果的先前提交的搜索查询中选择的。
• 使用主题集从问题数据库中选择相关问题。
• 将识别相关问题的数据传输到用户设备，作为对搜索查询的响应的一部分。

以下是 2023 年 5 月 30 日授予的最新专利申请的引述。

“生成模型是高效的，因为它可以用于基于将查询标记应用于生成模型，并且可选地基于将附加输入特征应用于生成模型来主动生成查询的变体。 以这种方式，即使生成模型不是基于查询来训练的，也可以利用生成模型来生成任何查询的变体。 因此，生成模型可用于生成新颖查询和所谓的“尾部”查询（即，提交频率和/或提交数量低于阈值的查询）的变体。 因此，可以更有效地处理查询，因为更丰富的查询输入可以更有效地识别相关结果。” – Google 专利 US11663201B2：使用经过训练的生成模型生成查询变体

上述专利表明 Google 打算扩展其问答 SERP 和实体知识图谱。

巴德和 SGE 让您“构建”后续问题

Google 关于 Bard 对话进步的最新文章奠定了背景，“这就是我们创建 Bard 的原因：帮助您探索好奇心，增强您的想象力并最终将您的想法付诸实践 -不仅仅是通过回答您的问题，而是通过帮助您以它们为基础。”

我感兴趣的是，这如何准确地描述了新的“询问后续”问答功能。 您可以在第一个问题的基础上通过第二个问题进行完善，依此类推。

“固定和重命名对话：我们听说您希望能够重新访问提示（查询/问题），因此我们添加了新的方法来固定和重命名您与 Bard 的对话。 现在，当您开始对话时，您将在侧边栏中看到用于固定、重命名和选取最近对话的选项。 例如，如果您要求巴德帮助您比较夏季的户外运动，您可以稍后重新查看这些提示。 该功能现已支持 40 多种语言。” – Bard 的最新更新：更多功能、语言和国家/地区

全面推出后，SGE 可能会为此功能使用另一个按钮名称。 看到这将会很令人兴奋。 但我们从其专利和声明中得知，它正在打造更好的问答能力。 最近，2023 年 7 月 7 日，它发布了一篇通过代码生成进行模块化视觉问答的文章。 ^[7]这与 SGE 的查询答案已有的图像丰富程度相符。

为什么这对您很重要： SGE 是一种完全不同的搜索体验。 这种变化的 SERP 可能会影响您的付费结果和有机结果。 这可能会导致您的排名、网络流量、内容生成和广告成本的波动。

最后，我将分享我使用 SGE 和 Bard AI 的一些个人想法。

内容营销人员关于“询问后续”包容性的提示

1. 建立您的 EEAT 并增加价值。 内容作者和搜索引擎优化主要依赖关键字加载的内容来定位算法而不是搜索者的需求，他们应该重写这些页面。 作者应该依靠他们的个人经验和专业知识。 这是向受众提供新见解并提供回答搜索者问题的全面内容的最佳方式。

2. 使用常见问题解答架构标记来丰富您的问答内容。 如果您不熟悉创建自定义架构代码，请尝试使用 JSON-LD FAQ 代码生成器。 例如，您可以使用 AIPRM，这是一个用于 ChatGPT、Midjourney 等的 AI 提示市场。 ^[4]

3. 提前计划内容创建并解决问答内容差距。 虽然目前谷歌的搜索生成体验或人工智能答案并不适用于跨行业的所有搜索，但未来将是广阔的。 目前提供人工智能生成答案的成本高于显示传统蓝色链接的成本。 正如谷歌已经缩短了显示加载时间一样，它可能会不断发展以优化成本。 它可能会选择缓存人工智能答案来实现这一目标。

4. 定制 QA 对话以符合用户需求。 使用子图对特定受众的问题提供具体的回答。 通过这种方式，您可以根据用户的相关需求定制传统对话和人工智能生成的对话。

5. 进行持续的市场研究，以评估各种 SERP 功能的显示方式。 为“人们也搜索”(PASF) 和 PAA 生成的 AI 查询变体当前显示在 Google 的 SGE 实验室中，但是，“询问后续”功能位于这两个功能之上。 今天为明天准备 SEO 技术非常重要。 我发现它很有趣并且充满机会。

6. 成为人工智能的早期采用者。 谷歌推出 NotebookLM； 它总结文件并回答问题。 它以前被称为 Project Tailwind，并于 5 月份的 I/O 上宣布。 Google 实验室产品经理 Raiza Martin 和 Google 实验室编辑总监 Steven Johnson 表示，其目的是让您更深入地研究并“利用语言模型的力量和承诺与现有内容相结合，更快地获得关键见解。”

它可以帮助您获取文档摘要、提出有关您上传的文档的问题、生成问答内容灵感的想法等等。 2023 年 7 月 12 日发布的 Google 博文只是众多激励和帮助那些渴望前进并最大限度发挥 SGE 潜力的人们的博文之一。 ^[8]

你我能等得起吗？

我将引用今天收到的一封来自搜索引擎杂志付费媒体编辑 Nicola Agius 的电子邮件中的简洁声明。 “对你工作的最大威胁不是人工智能，而是其他营销人员已经找到了如何利用人工智能来发挥自己的优势。”

下面是谷歌的另一句话。

“我们正处于第三次范式转变之中。 第一个转变是互联网的到来，带来了信息和服务的革命。 第二个是智能手机的普及推动了移动计算的爆炸式增长。 如今，人工智能 (AI) 的进步有望为消费者和企业带来更加深远的变革。 –为什么营销人员必须对人工智能大胆、富有创造力和好奇，Kristen O'Hara，2023 年 6 月^[9]

摘要：利用“询问后续行动”（问题）

您可以采取重要措施，使您的网站和数字品牌更加智能、更易于访问。 我们帮助客户将他们的知识图谱转化为交互式对话，从而增强用户体验。 今天，您可以为更有效的 SEO 实施铺平道路，并利用“询问后续”机会。

要充分利用 Google 将生成式人工智能纳入您的营销策略，请联系 Hill Web Marketing。 851-206-2410

我们可以进行您个人的 Google SGE SERP 分析

资源：

[1] static.googleusercontent.com/media/www.google.com/en//search/howsearchworks/google-about-SGE.pdf

[2] blog.google/technology/ai/ai-web-publisher-controls-sign-up/

[3]dictionary.cambridge.org/example/english/follow-up-question

[4]forum.aiprm.com/t/seo-faqpage-schema-markup-json-ld-generator-through-live-crawling/38610

[5]analyticsvidhya.com/blog/2022/11/an-introduction-to-bigbird/和ai.googleblog.com/2021/03/constructing-transformers-for-longer.html

[6] Patents.google.com/patent/US20110125734A1/和patents.google.com/patent/US9213748B1/

[7] ai.googleblog.com/2023/07/modular-visual-question-answering-via.html

[8] blog.google/technology/ai/notebooklm-google-ai/

[9] thinkwithgoogle.com/marketing-strategies/automation/ai-in-marketing/