簡短回答。 不是單獨成立的。谷歌發佈的指導原則指出，當自動化（包括生成式AI）的主要目的是操縱排名時，就會被視為垃圾內容——並非因為是自動化。2024年3月的變化是明確引入了一項大規模內容濫用政策，該政策與核心更新同時推出，將有助於內容的系統整合進核心排名機制，而執行措施則在2024年5月宣佈。這項政策是刻意設計為方法無關的，因此無論是"我們使用了AI"還是"一個人進行了編輯"，都不能單獨作為辯護理由。風險在於模式，而非工具：大量但無目的的內容。
兩件事同時成立。真正有用、原創，並經過可問責人員審核的AI輔助內容，會以與任何其他內容相同的標準進行評估。而以如此之快的頻率發佈內容，以至於沒有人能為其背書，正是谷歌當前垃圾內容政策所明確指出的模式。本文基於谷歌自身的文檔而非第三方評論：政策的具體內容、2024年3月的變化、維持高頻率內容計劃可辯護性的生產控制措施，以及搜索排名與答案引擎在方向上的不同之處。
披露。 由Lifewood Data Technology發佈，該公司以大規模生產AI生成內容為業務，因此有利益驅動讀者認為其內容是可發佈的。關於高頻率AI內容何時會成為風險的條件，明確陳述在下文，包括我們所運行的類似項目。
谷歌實際上說了什麼？
谷歌維護了一個專門的文檔頁面，關於生成式AI內容，其立場足夠穩定，可以作為標準引用，而非一個不斷變化的目標。核心觀點是，其長期存在的垃圾內容政策認為，當使用自動化（包括生成式AI）的主要目的是操縱搜索結果排名時，這種行為即被視為垃圾內容。自動化本身不是觸發因素；真正的問題在於通過低價值輸出表達的操縱意圖。
由此衍生出兩個團隊常常忽視的含義。
無論是否由AI生成，薄內容都受到覆蓋。 一篇僅為了佔據某個查詢而撰寫的頁面，其處理方式與批量生成的頁面相同。方法本身從來不是評判標準。
‘不增加價值’是關鍵短語。 谷歌的指導原則指出，使用生成工具批量生產頁面而未為用戶提供實際價值，可能違反了大規模內容濫用政策。工作的評判標準是‘價值’這一條款，而非‘生成式’這一字眼。
與此同時，還存在質量框架：有助於用戶、原創、體現經驗、專業性、權威性和可信度的內容可以被有效呈現，而對AI輔助內容並無額外的、更嚴厲的標準。關鍵點在於，不存在捷徑——E-E-A-T信號關注的是誰真正背書內容以及他們實際掌握的知識，這些無法被生成。
2024年3月發生了什麼變化，為什麼仍然重要？
2024年3月是政策不再依賴解釋的節點。谷歌在宣佈核心更新的同時，推出了新的垃圾內容政策，將有助於內容的系統整合進核心排名機制，而非獨立運行，並明確引入了大規模內容濫用政策——包括網站聲譽濫用在內的執行措施，已於2024年5月開始實施。
措辭才是關鍵部分。谷歌將政策表述為：當內容以大規模生產方式用於操縱搜索排名時，無論涉及自動化還是人類，這種行為都屬於濫用。這一表述同時關閉了兩個漏洞：它消除了‘但有人參與人工環節’作為辯護的理由，也消除了‘但我們沒有使用AI’作為辯護的理由。
將政策與實際生產模式對照閱讀，比抽象地閱讀政策更有用。
| 模式 | 政策暴露 | 原因 |
|---|---|---|
| 十份經過深入研究的指南，AI輔助草擬，專家審核 | 低 | 每一頁都有存在的理由和背後的專業知識；方法不是評判標準 |
| 五千個幾乎完全相同位置的頁面，僅地名互換 | 高 | 經典規模內容濫用——頁面存在是為了佔據查詢，而不是回答查詢 |
| 從結構化目錄生成的產品頁面，每個頁面均包含真實規格 | 低到中等 | 真正有用的數據在大規模下是可接受的；但當每頁的獨特內容減少時，風險上升 |
| 實質性內容的翻譯版本，並在目標市場進行審核 | 低 | 為真實受眾提供其語言內容具有價值；未經審核的機器翻譯大規模發佈則無價值 |
| 每日由AI撰寫的新聞摘要，且無原創報道 | 高 | 大量內容但無附加價值，且無經驗或專業知識的體現 |
| 一個大型FAQ集合，回答客戶實際提出的客服問題 | 低 | 需求真實，答案源自真實的信息來源 |
在低風險行中，每頁都具有特定且不可替代的內容——原創研究、真實數據、真正專業能力或目標市場的語言工作。在高風險行中，頁面可以被替換為該主題下的任意其他頁面而無損失
哪些生產控制措施能確保高流量項目的合理性？
這些是生產控制措施，而非SEO策略。每項對應發佈政策中的具體要素，因此比針對排名因素優化的策略更具說服力
- 每個頁面必須有存在的理由，在生成前就明確寫出：它回答了什麼問題、面向誰、以及提供了哪些現有排名頁面中沒有的內容。無法通過該測試的頁面不應被生成——這比生成後希望其有效要便宜得多
- 每頁都必須包含不可替代的內容。 原始數據、一手經驗、特定方法、某位專家的判斷，或真實市場語言工作。這正是‘添加價值’的實際含義，也是E-E-A-T信號的來源
- 歸因於可問責的人類。 擁有真實、可驗證的資質的命名作者或審核人員，以及一份已發佈的編輯政策，說明內容是如何被製作和審核的。匿名大規模發佈的內容，即使具備專業知識，也無法證明其專業性
- 在發佈前，依據標準進行審核。 對聲明的驗證、合規性檢查和編輯判斷是三個獨立的工作；僅能發現拼寫錯誤的審核不會提升頁面價值，也不會改變其評估方式。參見 人工參與閉環AIGC 瞭解該層如何具體定義
- 以能添加價值的能力為上限，而非以工具能力為上限來控制內容數量。 正確的發佈速率是每頁真正值得閱讀的速率。生成工具使第二項數值遠超第一項，兩者之間的差距正是規模化內容濫用存在的地方
- 有計劃地修剪。 合併近似內容，更新過時內容，移除本不應發佈的內容。一個只不斷增長的庫，恰恰會積累該政策所針對的模式。
實際操作中會出什麼問題？
失敗通常不是劇烈的處罰。它們更安靜，且診斷起來更耗時
- 漸進式稀釋。 一個增長速度超過質量標準的圖書館，會拖低其自身平均質量。單個頁面不會被懲罰；但整個網站的整體評估會下降
- cannibalisation 。六頁內容針對同一個查詢的六個變體生成，彼此競爭。這是一種以數量為導向的策略失敗，表面上表現為排名問題。
- 信任損害超出修復範圍 。一個被偽造的統計數據一旦發佈，其造成的損害遠超整個流程所獲得的任何效率提升。
- 未糾正的過時問題。 人工智能輔助出版使內容創作變得廉價，卻無法解決內容維護問題。一個默默過時的大量頁面庫，比一個小型但當前的內容庫更糟糕。
這些都不是使用AI導致的。它們是由於組織發佈的內容超過了其能夠背書的範圍，而這種現象在生成式工具出現之前是可能的，現在則變得簡單得多。
排名搜索和答案引擎想要的是同樣的東西嗎？
存在重疊，但並不完全相同——一個純粹為經典排名設計的程序在第二個表面表現可能嚴重不足。被引用最多的實證研究是Aggarwal及其同事的GEO論文，ACM SIGKDD 2024，該研究在數千個查詢的基準測試中測量了內容修改情況，發現添加統計數據、引文和引用能提升生成式響應中的可見性，而關鍵詞堆砌的表現則比什麼都不做更差。我們已在什麼樣的內容能被AI答案引擎引用中詳細闡述了這些發現，而此處不再重複。
這意味著在Google質量標準之外，還需要滿足四項要求。
- 答案結構 。在頁面頂部明確陳述問題並直接回答。可提取的內容是答案引擎引用的單元；在八百字鋪墊之後得出的結論，無法被提取。
- 可追溯的具體信息 。統計數據、具體名稱、日期。包含可驗證具體信息的內容比包含斷言的內容更易被引用。
- 實體清晰性 。引擎必須先確定你的品牌名稱、法律名稱和域名是同一個實體，才能將你命名。這需要一致的命名、與頁面匹配的結構化數據以及第三方佐證——而不是一種內容策略。
- 本地語言覆蓋 。一個用日語回答的助手會依賴日語來源。一個僅包含英文內容的庫，在該語言表面是不可見的，無論其質量如何。
這些內容並不與Google的質量指導相沖突——一個包含真實數據、明確引用和直接回答的頁面，是兩個表面都獎勵的內容。衝突出現在那些以數量為導向、既不滿足排名要求也不滿足引用要求的策略中。
Lifewood的應對方式
Lifewood以大規模生產AIGC，因此這一政策對Lifewood而言是交付限制，而非抽象問題。運營原則如上所述：發佈量由審核能力而非生成能力所限制，每個資產都包含不可替代的部分——通常為真實市場語言工作，難以偽造且難以複製——且審核被明確劃分為三個獨立任務，而非僅作為一次校對。
坦率地說，沒有任何生產流程能保證排名或引用，任何聲稱能保證結果的供應商，實際上是在描述他們無法控制的結果。一個流程所能控制的是內容的準確性、審核、引用和可讀性。在50+語言和30+國家中的40+交付中心範圍內，交付內容的準確率需達到95%+，其中市場層面的內容是難以替代的最困難部分。
參見AIGC服務，類型D AIGC，QA流程和AIGC治理、披露與來源追溯。
資料與進一步閱讀
- Google搜索中心，Google搜索關於AI生成內容的指導。
- Google搜索中心博客，網頁創作者應瞭解的2024年3月核心更新及新垃圾內容政策，2024年3月。
- Aggarwal等，GEO：生成式引擎優化，ACM SIGKDD 2024。