理解大型语言模型（LLM）的训练机制和响应用户查询的方式，可以帮助我们有效地针对这些新平台进行优化。
LLM如何处理信息并生成响应，这分为两种情况：
1. 基于静态语料库的响应：LLM直接从其训练数据中提取信息来回答查询，这意味着模型已经“知道”这些信息，无需进行新的搜索。
2. 基于检索增强生成（RAG）的响应：对于训练截止日期之后的信息或模型不确定的查询，LLM会进行实时搜索，以增强其响应的准确性和可靠性。
无论是哪种情况，传统SEO原则对于在LLM中获得可见性都至关重要。
LLM不使用PageRank，而是依赖域名白名单：与Google的PageRank不同，LLM不使用链接投票来评估页面质量。相反，它们通过检查开源的顶级网站列表（如“Majestic Million”或Amazon的百万域名列表）来确定哪些域名应被列入“白名单”并纳入其训练数据。如果你的网站不在这些顶级列表中，很可能不会在训练集中被优先考虑。
“合成查询”优化：LLM会根据用户的初始查询生成一系列新的、更具体的“合成查询”（Query Fan-out）来进行内部搜索。这些查询通常是长尾且非常具体的，在传统关键词研究工具中可能显示没有搜索量。然而，针对这些由AI生成的查询进行优化至关重要，因为它们是LLM实际用来检索信息的。
付费推荐与自然推荐在训练中无区别：LLM在训练过程中不会区分内容是付费赞助的还是自然推荐的。这意味着，如果你能够让有影响力的网站或个人（尤其是在那些被LLM频繁引用的平台，如YouTube）提及你的品牌，即使是付费合作，也能积极影响LLM的训练集。
企业博客更受青睐：在LLM引用中，来自销售产品或服务的实际业务的博客（如代理机构博客和SaaS博客）似乎比主要通过广告或联盟链接盈利的出版商博客更容易被引用。
超越网站的“无处不在的搜索优化”：为了在LLM中获得最大影响力，仅仅关注你的网站是不够的。你需要在多种第三方平台（如YouTube、Reddit）上分发内容，因为这些平台的内容也经常被LLM引用。视频还提到ChatGPT正在集成Shopify，未来用户可能直接在ChatGPT内购物，进一步强调了多平台存在的重要性。
