ReaderMX.
JOKER摆运营笼门阵

关于GEO-OPENCLAW-HCU的一些杂谈

JJOKERMAYCRY约 9 分钟
哈喽，大家好我是JOKER,一个卖软件的，今年诈尸更新一篇，可能是今年第一篇也可能是最后一篇。
今天的内容比较杂，没有一个完整的主题，内容信息比较分散，觉得有用就看，没用就当你运气不好，又刷到“电子垃圾”了。Image
今天的内容主要讲下面几个方向的：

  • 关于OPENCLAW

  • 从OPENCLAW（包括CLAUDE）的一些关于AI工具类产品的反思

  • 关于HCU的一个小插曲

好了，下面开始正题----滴滴！

关于GEO的

从去年开始很多小伙伴都和我讨论关于GEO的事情，下面看看最近一次的讨论，也表达了我自己对GEO的一些看法，直接看聊天截图，我懒得码字了。
Image
Image
Image
Image
JOKER的理解：
我对GEO的观点是，对于我来说（因为我所处的软件NICHE有点特殊，都是跟着巨人屁股后面捡吃的）
“GEO更多只能作为战略定位，不能作为战役定位，大方向上肯定得做，但不建议单独花费人力，精力，财力去专门做”
要不要操作看你自己的角色
  • 如果你自己是老板，懂得这里面的东西，不去做过多的ROI追求，且公司有一定实力，那建议尝试。
  • 如果你自己只是员工（部门负责人），又没能力说服老板理解这东西，那不建议，老板最终还是要看ROI的。
  • 如果你是个体户-“随缘”
  • 如果你是搞培训的-大力宣传做
（其实我感觉现在SEO也朝这方向去发展了哈哈）
站内“GEO”大部分的内容实际和我们传统做的SEO内容是重合的，选题，内容结构，FAQ，数据结构这些本身也是“ONPAGE SEO”要求的，所以说是顺带就做了。
关键点在于“对外”，GEO的核心对外在于影响“信源”，目前海外市场已知的“信源”（主要以我软件NICHE为主）
维基百科，REDDIT，medium，YOUTUBE，TK等红人，行业权威媒体，行业权威论坛，公共大媒体
这些平台上如果你所处的NICHE本身已经非常激烈，也有对应的权威品牌，产品，你想去影响他们，那你投入的成本会非常巨大。
如果你发现你的NICHE在这些平台上面没有形成权威，那可以加大尝试。
不管SEO还是GEO，对系统来说，都是一个挑选的过程，有没有可选的，没有可选的就看谁先出来的快，谁出现的多，有可选的就是按规则排名

关于OPENCLAW

Image
openclaw最近被炒的莫名的火了，我也很是奇怪，连不做互联网行业的朋友都跑来问我OPENLCAW，我感觉这不是什么好事。具体我的看法看下面的截图：
Image
Openclaw之前是clawbot，1月份出来的时候，我就跟群里的小伙伴说了这事情
Image
当时只有一些自己本身偏技术的小伙伴有亲自参与实操和交流，非技术类的估计也只是看看。开始我以为这东西其实真正有价值的也就是对偏技术的研发或个体户有吸引力，但最近OPENCLAW的爆火让一些非技术的，甚至非互利网从业者也“异常兴奋”。这东西不是“微信红包”全民能简单参与的，非常容易被骗。。看看下面这图
Image
我是真没想到，现在的大家都这么焦虑的。。深怕赶不上了。真没必要焦虑一个你自己本身不懂的东西。要焦虑也是焦虑和自己有关系的，已知的，且当前没有其他办法的事情，比如我知道老段和老巴的投资方式，也认可他们的方式，但穷逼的我拿不出那么多资本啊，短期也解决不了，这种事情应该焦虑ImageImage
踢回来Image
这里是我实践下来得到的，目前认为AGENT适合和不适合的事情：
Agent最适合做“重复+自动化+可预测流程”的工作。
因为在这种场景下：
  • Token消耗 可以预测
  • 成本可以量化
  • 自动化价值最大
AGENT不适合做的“开放式探索任务”
  • 帮我分析整个广告策略
  • 帮我研究竞争对手
  • 帮我制定市场计划
这种任务Agent会不断尝试，不断调用模型，TOKEN用量变的及不可控
像我最开始测试clawbot的时候做的任务也只是明确的REDDIT养号，点赞，发帖，回帖，因为流程清晰，任务明确，TOKEN消耗也可控。
如果你自己没有一个明确的任务思路，你养的这个“龙虾”大概率是个“废物”，你花了大量的精力，时间，去调试了一个“废物”Image。你自己贡献了时间，精力，金钱，变成了别人的“口味虾”。
目前国内大肆宣传的制造焦虑的受益者无非这几类：
  • 自己提供云服务（你可以理解成养殖场）-代表人物腾讯云
  • 直接受益者模型公司（你消耗的每一分TOKEN都是他们真金白银的收入）
  • 割韭菜的-这个就不用说了，从GPT到DS，到OPENCLAW这群人永远有市场
  • 自媒体-自己都没搞懂就跟风乱吹，反正我只要流量其他不管
看到这里我想到一个笑话，你养的龙虾可能还不如一个月薪4,5千的应届毕业生。
“龙虾”是先收费“再干活”。
而员工则是先干活再“付费”。

从OPENCLAW（包括CLAUDE）的一些关于AI工具类产品的反思

之前我们大部分做AI类工具的朋友都会面临一个问题“虚假繁荣”-流量，用户量越大，年底算钱，反而越亏，这和我们传统流量思维有点悖论。
因为这里涉及到一个API费用（即TOKEN使用量），如果大量用户不是转化类用户，用的越多亏的越多。
之前和朋友开玩笑说，熬吧，把对手都熬死，就是赚。这点在之前野蛮扩张时代好像大家都无解。但随着LOVEART，CLAUDE这类的出现，我发现其实还是可以赚钱的，只是没找对“真正愿意付款的人”。
大家拼命做单次会话类的生成式AI工具，大部分玩家其实就是个猎奇心态，新鲜感一过自然就不愿意持续付费了（这也是为啥大部分生成式工具的用户生命周期不长的原因）。
但看了CLAUDE和OPENCLAW的思路后，我现在的逻辑策略是这样的：
  • 前期可以适当粗犷的拉流量，做内容，做工具，适当浪费点TOKEN（前提是自己的资本能抗住）
  • 中期开始有针对性的挖掘数据找到那些“真正愿意付费的用户”特征，细挖他们的需求点。然后有针对性的设计产品，服务，订阅方式。
  • 中后期开始减少“非目标客户”TOKEN消耗量（功能限制，能力限制，智力限制）
  • 对“目标客户”设计能加大他们TOKEN消耗量的项目
    比如从“单次的对话消耗TOKEN模式”变成“任务TOKEN消耗模式”（像CLUDE,LOVEART这类都属于）
    从手动任务转变为自动化任务，这些都能帮助TOKEN的消耗量成指数级增长（比如OPENCLAW）
对于用户端则要让他感知真正实现了“解放生产力”，他才能持续接受这“指数级的TOKEN消耗”。
现在来看，我都怀疑OPENCLAW和CLUDE之间有不可告人的关系，火的太意外了，当然也有可能是过去我错误答案看多了，现在看到这种真正圈子里应该出现的正确答案反而不信了。模型厂商和应用 应该有的和平共处的“和谐关系”

关于HCU的一个小插曲

最近有帮公司培训员工，再关于HCU的培训过程中，收集了一些小伙伴的疑问，我觉得可能这不是个例，具体内容看下面(内容中的XXX因涉及到相关业务的具体话题所以隐藏）：
疑问：
1.关于第一手经验的获取
google helpful content guide里面强调要体现第一手经验 ，这对于写产品推荐或者问题解决方案时很重要，但是实际写作的时候，很多文章主题所出现的问题都无法直接体验，如何能够在内容中补足呢，还是明确告知用户知识来源呢？
JOKER：
可模拟的尽量模拟（最佳方式）如果问题理论上可以复现，尽量自己做实验。例如：文章主题XXXXX可以：更换XXXX，调整XXXX，模拟不同文件系统，记录日志然后在文章里写：XXXXXXX这就是真实经验信号。（注意看里面出现了具体的场景，设备型号）
其实建议撰写一篇文章的之前尽可能的先自己复现一遍问题，解决方案流程，这样也能帮你积累文章所需要的真实素材。实操可以在虚拟机上完成，相关内容不懂的可以问编辑负责人。
无法复现 → 引用真实案例如果确实无法复现，可以用：Reddit，Apple Community，StackExchange自己产品用户反馈例如：Several users on Apple Community reported thatthe issuexxxxxx.或者：Based on user reports and our analysis...这属于experience aggregation（经验汇总）。Google是接受这种方式的。
明确知识来源（非常重要）如果是：技术原理，官方机制，文档信息一定要说明来源。例如：According to Apple’s documentation...或者：Based on Microsoft'sXXXXspecification...这样可以补足Authoritativeness + Trustworthiness。
一个重要结论Google并不是要求所有内容必须是100%第一手而是：
内容必须体现真实经验+ 信息透明度，否则就会变成文档里提到的“总结他人观点而不添加价值”
2.内容广度和深度的平衡
内容说明要避免为了覆盖大量话题而牺牲内容质量，那么选题的时候要怎么选？我发现我们网站的话题的选择有很多都是相似的，这是为什么呢，是追求相似话题，把同种类型的话题写好做好更重要还是做好差异化更重要呢？
网站为什么会出现很多相似话题？
JOKER：其实这是Topic Cluster（主题集群）策略。
为什么会有很多相似话题
原因是：
搜索需求本身是碎片化的
例如：
xxxx问题可以拆成：
xxxxxxx
本质都是：
xxxxxx
但搜索意图不同。
因此会产生很多相似文章。
广度和深度如何平衡推荐一个非常实用的结构：
  • Layer 1：核心权威文章（Pillar）例如：Complete Guide: Fixxxxxxx全面内容：原因解决方法原理工具3000+字
  • Layer 2：具体问题例如：xxxxxxafterxxxx
    xxxxcannotxxxxx这些文章：深度解决一个问题内链到Pillar
  • Layer 3：快速解决方案例如：How toxxxxxxx短文章
关键原则不上覆盖很多话题而是：
覆盖同一问题的所有搜索意图
3.以人为本
这篇文章强调写作内容和目的都得以人为本，那么文章内容该怎么体现呢，只要写作内容贴合解决用户需求就可以了吗？
JOKER：
很多人误解为：
只要解决用户问题就可以，其实People-First内容远不止这个。
文档强调：
是否有潜在用户
内容是否有价值
是否呈现专业知识
用户是否真正获得信息体验
所以People-First 有4个层面。
A 用户搜索动机
例如：
xxxxxx
用户真正想知道：
为什么
怎么解决
数据会不会丢
需不需要格式化
而不是只要给一个命令或推荐一个工具。
B 阅读体验
包括：
排版，结构，图示，示例
用户体验包括：
排版（这是编辑自己控制）
加载速度（这是网站技术控制）
阅读耗时（这是编辑自己控制）
这里要额外提一句现在的G已经不再单纯看你“文本语义”了，还额外增加的“视觉语义”这个概念，相关专利可以参考：
https://patents.google.com/patent/US20230409653A1/en
该专利描述了一种基于图像结果对查询进行分类的方法和系统。通过分析图像内容（如面部数量、颜色主导、文本存在等视觉特征），确定查询类别（如“单一人物查询”或“多样查询”），并据此调整搜索结果排名。系统使用计算机视觉技术对图像进行注解，并结合用户行为数据（如点击率）来优化分类。
https://patents.google.com/patent/US11694034B2/en
该专利涉及图像搜索的嵌入检索方法，使用神经网络模型生成查询和图像-登陆页对的数字嵌入（numeric embeddings）。在同一嵌入空间中计算距离，以检索最相关的结果。系统通过联合训练查询和对嵌入网络，优化语义相关性，支持多语言和语义关系。
C 专业可信度
People-First ≠ 简单内容
而是：
有专业判断
例如：
不只是说：
Xxxxx
而是说明：
Xxxxxxxxx
D 不误导用户
例如：
某些文章：
Xxxxxxx
但实际上不可能。
这种就是Search-engine-first 内容。
文档中也提到要避免：为吸引搜索引擎流量而写热门内容。
其实针对这个观点，我想起最开始工作的时候，作为一个英文编辑，我当时的想法是“我花时间写了文章，到底谁能看到的我文章”基于这个想法，我才开始知道并学习“SEO”
但现在看来视乎还不够，真正应该思考的是，我这篇文章到底有没有解决读者的问题”，就算“没有搜索引擎”，用户从其他途径看到我的文章解决了他的问题也是OK的。即使只有1个人看，但解决了他的问题，也比100个人看但没有人能找到想要的答案好。（我想这才是现在G想要的东西），
关于HCU的问题和看法后面如果有空我看可以专门出一期内容来说明。
-----------------------------------------------------------------------
好了，今天的分享内容就到这里，下车，还是那句“我随缘更新，你随缘看”，我是JOKER一个坚持卖软件的。

KEEP THE THREAD GOING

更多来源文章