TopsTip“`html
当你向ChatGPT或Claude询问某个市场的产品推荐时，如果你的品牌没有出现在列表中，这就意味着一个简单的关键词优化无法解决的问题。大多数SEO专业人士会立刻想到增加内容页面、关键词和优化页面信号，但品牌未被AI推荐的原因可能与页面或关键词无关，而是与“关系知识”有关。这个概念来源于2019年的一篇研究论文，大多数营销人员对此并不了解。
营销人员忽视的重要研究
2019年9月，Facebook AI研究院和伦敦大学学院的Fabio Petroni等人发表了一篇名为《Language Models as Knowledge Bases?》的论文。这篇论文在自然语言处理领域的顶级会议EMNLP上发表，探讨了一个简单的问题：像BERT这样的预训练语言模型是否真的在其权重中存储了事实知识？他们不是在寻找语言模式或语法规则，而是世界的事实，例如“但丁出生在佛罗伦萨”或“iPod Touch由苹果生产”。
什么是“关系知识”
为了验证这一点，他们创建了一个名为LAMA（语言模型分析）的探针。他们从Wikidata、ConceptNet和SQuAD中提取了数千条已知事实，并将每一条转换为填空题形式，比如“但丁出生在___。”然后，他们要求BERT预测空缺的单词。结果显示，BERT在未经过任何微调的情况下，回忆事实知识的水平与一个专门构建的知识库相当。
一对一关系：一个主体，一个客体
对于品牌可见性和AIO（人工智能优化），有趣的是，Petroni的团队发现模型回忆事实的能力在很大程度上取决于关系的结构类型。他们识别了三种类型，不同类型之间的准确性差异很大。对于明确的事实，比如“日本的首都是___。”答案只有一个：东京。模型在训练数据中多次遇到日本和首都时，总是出现相同的客体。通过多次曝光，建立了清晰的关联。
多对一关系：多个主体，一个客体
在这种情况下，许多不同的主体共享同一个客体。比如“毛里求斯的官方语言是___。”答案是英语，但英语也是几十个其他国家的答案。模型多次看到这种模式（国家→官方语言→英语），所以它非常了解答案的形式。然而，它有时会默认选择最常见的客体，而不是特定主体的正确答案。
通过了解这些关系知识，我们可以更好地理解AI在推荐品牌时的运作方式，并据此调整我们的SEO策略。
“`
