解读 alt text:从无障碍标签到广告与 AI 搜索的必争之地
alt text 是 HTML img 标签中替代图片的简短文字描述,供屏幕阅读器、搜索引擎、广告服务器和 AI 智能体解析。Google 自 2026 年 10 月 1 日起要求对机器生成的图片描述进行人工审核,其 2026 年 5 月生成式 AI 指南也要求为每张图片添加描述性 alt text。2025 年美国联邦法院受理 3,117 起网站无障碍诉讼,同比增加 27%。
alt text 是 HTML img 标签中替代图片的简短文字描述,供屏幕阅读器、搜索引擎、广告服务器和 AI 智能体解析。Google 自 2026 年 10 月 1 日起要求对机器生成的图片描述进行人工审核,其 2026 年 5 月生成式 AI 指南也要求为每张图片添加描述性 alt text。2025 年美国联邦法院受理 3,117 起网站无障碍诉讼,同比增加 27%。
Google 的《搜索质量评分员指南》是发给外部承包商的人工评判手册,用于给搜索结果打分,现行版本日期为 2025 年 9 月 11 日、共 182 页。评分员约 1.6 万人,全部由外部供应商雇佣,单项评分不直接改变页面排名,但汇总后形成 0-100 分的信息满意度(IS)指标。
Forrester 提出 ADVICE 框架,为数字领导者构建自有搜索的对话式体验给出六项要求:持续评估、可引导可控、跨职能通用、个性化、跨页面连贯但保留语境、嵌入体验本身。
一位代理商作者公开其团队为客户执行的六步 SEO 内容路线图,从业务目标出发,经关键词宇宙与内容缺口分析、SERP 与 AI 概览核查、主题聚类、优先级排序,最后落到内容简报与写作。
推荐理由:作者公开其代理商内部使用的六步 SEO 内容路线图,含 Ahrefs 具体操作与 AI 概览下的取舍逻辑,可迁移到品牌自有内容流程。
BetterHelp 首席增长官 Sara Brooks 设立 AI Excellence 职能,并让一名团队成员腾出 50% 工作时间搭建 AI 原生营销技术栈、推动内部采用。
Gartner 2026 CMO Spend Survey 显示,70% 的 CMO 认为成为 AI 领导者至关重要,但同样有 70% 表示其营销流程尚不成熟、无法有效规模化 AI,仅 30% 认为真正准备好了。Adam Cleaver 认为,全面放缓 AI 采用并非答案,若系统建立在糟糕的输入之上,放慢只会让它错得更慢;品牌应区分哪些环节可以快、哪些需要先打好基础。
Sephora、Ulta Beauty 与 Liberty London 的高管指出,品牌进入线下零售不仅需要差异化定位和创始人故事,更需具备合规、供应链、库存与团队等运营能力。
生成式 AI 本质是概率引擎,倾向于停留在单一领域内给出答案,难以产生真正原创的想法。营销人应主动向 AI 提供跨领域数据,例如为旅游客户引入 TSA 每日客运量或 Census Bureau ACS 数据,这类统计与经济数据集是常规营销者不会想到的信息源。你独有的专业知识——哪怕与工作无关——都能为 AI 提供它自己不会组合的创意线索。
在线珠宝零售商 Angara 联合创始人兼 CEO Ankur Daga 表示,公司正通过提升灵活性和实时响应需求来备战 Cyber 5(感恩节至 Cyber Monday 五天)。Angara 采用即时生产模式,可根据消费者对宝石种类、形状、金属和价位的偏好快速调整产能。Daga 称,其前三大 AI 引荐来源带来的流量同比增长 500%。
Stripe 旗下 Metronome 团队曾尝试取消 token 计费,最终选择保留其作为后端用量追踪与利润调控基础设施,但认为它不适合直接面向客户定价。文章提出统一积分模型作为过渡方案,让客户账单按产品实际产出(如生成图片、发送邮件)而非所用模型与 token 成本计费,并指出基于结果的定价仅适用于极少数具备垄断力或高客单价的企业。
Forrester 发布《The Forrester Wave™: Conversational AI Platforms For Customer Service, Q2 2026》,基于与 27 位从业者的访谈总结客服自助服务落地经验。
Merj 团队发布研究,梳理 AI 智能体与网站交互的方式、失败环节及修复方向。该研究由 Giacomo Zecchini 参与,被评价为全面且必读。
Salesforce 客户 AT&T、Southwest、Canada Goose 等分享智能体部署经验:Canada Goose 用 Agentforce 自主解决 89% 常规消息咨询和 15% 来电,将呼叫中心转型为创收数百万美元的体验中心。Sammons Financial Group 上线前完成 200 多项护栏与测试,并设置监听通话的监督智能体与终止开关。
Ahrefs 博客梳理了静态网站容易踩的 8 个 SEO 坑,包括尾斜杠与 canonical 冲突、sitemap 收录 noindex 页面、robots.txt 缺失或配置错误、图片未优化、模板导致 meta 与 schema 批量出错、HTTP 状态码错误、内链不一致以及 sitemap 逻辑脆弱。
Kellogg 商学院营销学临床助理教授 Gina Fong 指出,AI 合成人设(synth personas)适合在正式调研前做准备和探索,但无法替代真实消费者。部分开发商宣称其模拟人类回答准确率约 85%,但 Fong 认为这类工具难以捕捉真实人群的细微差别、情感与不可预测性。她建议用合成人设熟悉陌生品类、打磨访谈问题,再通过入户访谈等真人研究获取环境与个体细节。
AI 在媒体投放中已从尝鲜进入标配,广告主不再问代理商是否测试 AI,而是追问它带来了什么效果。增量效果成为最受关注的指标之一,但行业缺乏统一标准与审计框架,各品牌、代理商和平台各建一套衡量口径。Affinity 指出,围墙花园之外的 OEM、CTV 和智能设备等广告库存因购买门槛高而被低估,CPM 只反映曝光成本而非价值。
结构化数据长期被视为技术 SEO 的核心支柱,但在 AI 搜索时代,常见错误会削弱其对 LLM 可见性的帮助。把结构化标记当作清单而非实体策略、仅靠结构化数据澄清实体、不使用一致的实体标识符,以及使用无法准确反映可见内容的有效 schema,都会影响 AI 搜索表现。
企业员工使用 AI 智能体产生的账单常高于生产力收益,可通过验证 AI 输出、设置使用护栏、选择低成本平台优化提示词来控制成本。使用 COAST、CO-STAR、FOCUS、MARK 等提示词框架并建立提示词库,可减少浪费并复用有效模板。还可向供应商索取 AI 赋能资源,并持续培训员工 AI 技能。
数字广告前端投放已高度自动化,但代理商后台的财务对账仍靠导出表格、人工核对发票与合同,碎片化系统间的差异持续侵蚀利润并造成现金流压力。大型代理商关系中付款账期可长达 120 或 150 天,压力沿媒体供应链传导至发布商。领先代理商正构建 AI 编排层,打通规划、激活、衡量与结算数据,Basis 与 Mediaocean Prisma 的集成即为一例。
CTM 将于 10 月 13 日举办线上活动,讲解如何用第一方客户数据获取 AI 搜索引用。Lisa Salvatore 将演示如何把客户真实用语转化为 FAQ 内容和 AEO 洞察,Brian Barranger 则讲解 AI 搜索中合格转化的识别方式,以优化定向与线索评分。
ChatGPT、Google AI Mode、Perplexity、Microsoft Copilot 等 AI 助手在只有品牌官网单一信源时会加限定语,Kalicube 的 Brand Factor 指南指出,需 2-3 个独立高置信度信源确认同一事实才能形成 AI 信任。
研究提出"对话式捕获"现象:在多轮人机交互中,早期被引用的来源会显著更易被再次引用,其机制包括机器侧的历史条件检索与人类侧的追问行为。作者将交互形式化为两层闭环系统,推导出累积对话可见性、捕获系数、复利比率等轨迹级指标,并证明单轮评估下反馈项为零、GEO 累积收益随对话长度超线性增长。
CMI Media Group 与 Compas 于今年 6 月推出 Ad Astra,面向广告主、媒体发布方和媒体代理商,首个解决方案 Orchestrator 以叙事序列投放付费媒体,串联自有与赢得媒体体验。该技术已在其生命科学客户群中观察到互动与销售结果的统计显著提升。
Ahrefs 博客整理了 Claude Code 在 SEO 工作中的 35 个用法,覆盖内容创作与优化、用 Search Console 和网站分析数据诊断表现、关键词与竞品内容缺口研究、发布前内容检查、页面与技术问题排查、以及长期监控搜索表现六类工作。
推荐理由:文章按内容创作、数据分析、技术排查等场景拆出 35 个可直接照做的 Claude Code 用法,适合想先跑通单个 SEO 任务的团队参考。
Ahrefs 的 Mateusz Makosiewicz 发布一套诊断 AI 可见性问题的操作流程,主张先判断品牌属于哪类可见性问题,再决定修复动作。流程包括用 Brand Radar 追踪品牌与竞品、按业务问题给提示词打标签、分标签查看提及率与推荐位次,并优先处理被 AI 反复引用的第三方页面。
推荐理由:原文给出从建库、打标签到诊断与行动的完整 AI 可见性排查流程,可对照自查品牌在 AI 回答中的缺口。
效果营销代理商 OuterBox 推出定制 AI 开发服务 OBxFrontier,先梳理企业最耗时的流程,再围绕其现有系统与数据构建并集成 AI 智能体。该服务不绑定模型,可跨 Anthropic、OpenAI、Copilot 和 Gemini 使用,目前已面向客户上线,包括一家钢铁制造商和一家环境咨询公司。
Winston Francois 的 Jason Shafton 提出用五个指标追踪 AI 搜索是否触达买家:在四个 AI 助手上跑五个买家提示词、统计品牌出现率与引用链接。
推荐理由:作者给出五套可照做的 AI 搜索衡量指标与时间预期,读者可据此搭建自己的追踪表格。
DHR Global 企业事务与传播高管猎头业务管理合伙人 Jessica Bayer 指出,CEO 对首席传播官(CCO)的期待已从"把事说好听"转向参与战略制定与决策。她观察到四大趋势:衡量标准不再看打开率和点击率,而是用 pulse survey 验证员工是否真正理解;CEO 希望 CCO 有勇气提出质疑;AI 抬高了 CCO 的门槛;CCO 必须懂公司如何赚钱。
STAT 的 Tom Capper 将于 2026 年 10 月 14 日 2 p.m. ET 举办网络研讨会,讲解企业 SEO 如何衡量 AI Overviews、AI Mode 和 LLM 可见性并纳入报告。
广告中介平台通过一个SDK代表开发者调用多个广告网络、交易所和竞价方,比较出价后将曝光交给最高价者。AdMob的mediation groups按平台、广告形式和国家级定向,组内瀑布流按历史eCPM排序,每天可按国家重排两次;应用内竞价则同时向所有来源询价。
广告中介瀑布流是按历史 eCPM 从高到低依次调用广告网络、直到有网络愿意填充广告位的排序机制。AdMob 的瀑布流来源使用手动 eCPM,开启优化后则按国家重新排序;发布商常将同一网络以不同底价重复放置,导致出价更高的网络可能从未被询问。2023 年 10 月 31 日起 Google Ads 不再响应中介中的多次调用,DV360 于 2024 年 10 月 23 日跟进。
在 AdExchanger 的 Programmatic IO 大会上,The Brandtech Group 总法律顾问 Betty Louie 指出,保险承保方正成为 AI 讨论中的新参与者,并开始将 AI 纳入保单覆盖范围。
Kantar 在 Marketplace 平台上线 ExperienceEvaluator,用于对标品牌体验与竞品的"有意义的差异化",而非只追踪满意度。Kantar 研究显示,体验贡献 75% 的品牌认知,付费媒体仅占 25%;"未来潜力"高的品牌价值份额增长概率是其他品牌的 4 倍,有意义的差异化提升后市场份额显著增长的几率提高 2.5 倍。该工具最快 4 天出结果,可自助使用。
Kantar 推出 Kantar Converser,将 AI 主持的一对一访谈与 Kantar 定性研究专长结合,通过语音优先的异步对话获取带情绪细节的真实叙事,AI 负责提炼模式与主题,Kantar 专家负责解读。早期试点在十个市场完成数百场一对一对话,覆盖创新、品牌战略、客户体验和早期创意测试,支持多语言并可触达多元受众。
针对 AI 模型可能继承并放大 CRM 中历史销售数据偏见的问题,本期内容讲解了清洗历史销售数据的具体方法。通过两个可操作的数据质量手段,帮助构建基于公平、有代表性样本的预测模型,而非被扭曲的数据样本。
在 9 月 24 日的 webinar 上,Google 的 Caroline Dissaux、Adecco 的 Bonnie White 与 Uberall 的 Krystal Taing 讨论了 AI 搜索下本地商家需要提供什么信息,以及多门店团队如何保持信息准确。
AnswerShare 的赞助研究显示,为品牌补充完整背景信息后,AI 对某客户的推荐率在 14 天内从 23.8%(10/42)升至 100%(40/40),警告性回答从 64.3% 降至 0%。做法是发布 llms-full.txt 品牌故事,并把内容放在 CDN 边缘的 worker 上供 AI 爬虫抓取,两个月内 worker 被抓取 744,566 次,而 llms 文件仅 154 次。
OpenRTB 是 IAB Tech Lab 维护的开放技术标准,规定广告位卖方与买方在自动化竞价中如何通信,核心是 bid request 与 bid response 两类消息,让 DSP 无需为每个 SSP 和交易平台单独对接。
在医疗健康等受监管行业,FTC 要求健康类广告真实、不误导且有充分依据,且需为消费者可能合理推断出的隐含声明负责。因此 CRO 团队不能只看单个元素,而要评估页面的整体净印象,转化率最高的版本未必是最佳版本。用"没有产品对所有人都有效"配合退款保证,可在管理预期与降低购买风险之间建立可信度。
Dr. Squatch 自 2024 年初引入 AfterShip 后,其 WISMO("我的订单在哪")咨询率从约 4% 的订单降至 3%,降幅 25%。AfterShip 将多家承运商的物流信息整合到品牌自有页面,主动推送延误通知;其案例还显示 Mous 和 Moda Operandi 分别将 WISMO 咨询量降低 54% 和 65%。