AX 是新的 AEO

2023 年，人工智能模型根据训练数据进行回答，并在训练数据耗尽时产生幻觉，企业被告知要播种这些知识。此后，模型的训练知识已被实时网络搜索所取代，建议也随之而来：答案引擎优化（AEO）现在告诉企业将面包屑分散在论坛主题、列表和场外引用中，因此人工智能引擎更有可能出现并推荐它们。但仅仅出现已经不够了：Agent在做出决定之前打开结果并阅读它们，一个买家问题将其发送到几轮搜索和获取。决定此深入步骤结果的是Agent是否可以获取并读取企业自己的站点：Agent体验 (AX)。我们认为 AX 是新的 AEO。我们运行了 37,927 次Agent旅程，每次都是买家对某项业务提出的问题，涉及超过 1,056 家真实企业的四个独立Harness，根据名气、先验模型知识和两个AEO代理指标进行匹配，然后根据其 AX 级别进行划分。无论网站是否可读，最终答案中只有 7-10% 来自模型的训练知识。Agent就绪的企业在 78% 的时间里从自己的页面构建答案，而这一比例为 56%，并且明显推荐的频率高出 1.9 倍，而关于未Agent就绪的企业的每个grounding答案都会使Agent的成本增加64%。固定企业、Harness及问题，从网站构建的答案准确率提高了 41%。主要的失败不是捏造而是遗漏：网络构建的答案不包含买家要求的任何事实的可能性高出 3.7 倍。四种Harness的基线差异很大，不同堆栈的明确推荐率相差七倍，但这种效果在每种Harness中都存在。在 agentic 网络时代，可读性胜过谈论性，提高网站的 AX 是企业拥有的最强杠杆。