大家好，欢迎来到IT知识分享网。

生成式人工智能在包括SEO在内的各个领域取得了重大进展。

本文探讨一个关键问题：AI能否使用原始抓取数据有效地执行技术SEO分析？

我们将研究 ChatGPT 解释 Screaming Frog 抓取数据和生成 SEO 建议的能力。

利用生成式 AI 进行技术 SEO

我的 Search Engine Land 文章经常深入探讨 SEO 和 AI 可以协作以提高效率的技术应用。例如，我曾使用 AI从图像文件生成替代文本，或从 PIM 数据生成产品描述。

然而，许多营销人员的技术水平较低，可能难以将 OpenAI 的 API、Python 和电子表格融为一体。一些营销人员宁愿将技术数据交给人工智能，自己获得清晰的人类见解。

因此，我想写一篇文章来探讨 AI 在解释技术 SEO 数据方面的有效性。即使您不通过编程 API 访问与 AI 模型进行通信，许多 AI 助手（ChatGPT、Google Gemini）也提供了用户友好的聊天界面。我们将在本文中探讨 ChatGPT。

最近，这些由人工智能驱动的聊天界面的能力不断增强。例如，OpenAI 的 ChatGPT 最近从 GPT-4 发展到 GPT-4o。新的 GPT-4o 模型带来了许多功能变化：

• GPT-4o 比 GPT-4 快得多。它的准确度标准与 GPT-4 相似，同时响应速度与 GPT-3.5-Turbo 更相似。
• GPT-4o 较少依赖插件或自定义 GPT 来访问 Web 内容。
• GPT-4o 将更频繁地寻找网络内容来生成结果，从而使生成的材料“更新鲜”。
• 虽然事实如此，但网络管理不善，充斥着错误信息。许多人认为，GPT-4 的精炼数据模型（网络请求更少）实际上产生了比 GPT-4o 更好的结果。
• 毫无疑问，GPT-4o 至少与 GPT-4 相当。它速度更快，交互性更强。它可以处理更多类型的附加数据，生成更多类型的媒体，并且具有网络功能。

GPT-4o 现在能够更有效地搜索网络内容，这可能会对营销人员，甚至是那些缺乏技术技能的营销人员更有帮助。然而，人们对其访问网络的能力表示担忧，因为过去使用谷歌的 Bard 和 Gemini 等工具的经验显示效果较差。

为了测试 GPT-4o，我们将为其提供特定的技术 SEO 抓取数据，而不是一般的分析任务。这将帮助我们了解 ChatGPT 的改进程度，以及它是否可用于技术 SEO 分析。

通过 ChatGPT 分析 Screaming Frog 抓取数据以获得见解

Screaming Frog 的“内部全部”导出是大多数技术 SEO 洞察的基本基础。

该单一导出可以通过多种方式进行调整，以评论元数据问题、规范标签冲突、hreflang 问题等。

人工智能会发现这些问题吗？人工智能会产生幻觉或误诊不存在的问题吗？让我们来一探究竟。

我们将使用 Butcher’s Dog Food 公司的网站作为这些测试的试验台。他们是一家英国狗粮供应商，其网站大小与我们计划开展的活动相符。

首先，我们将爬取 Butchersdogfood.co.uk：

发现了超过 3,000 个内部地址。现在，我们可以将内部地址列表导出到 CSV 文件：

现在，我们可以将 CSV 文件提供给 GPT-4o 并征求一些建议。大多数人不会像我一样编写复杂的提示。他们会编写较短的提示，然后对其进行改进。因此，我将尝试遵循这种行为。

回复包含许多建议，但大多数都令人失望地泛泛而谈。例如，这样的建议：

• “多个 URL 指向图像文件（例如 PNG、JPEG）。确保所有图像都针对 Web 使用进行了优化，以减少加载时间。这包括压缩图像和使用适当的格式。”

这项建议令人失望，因为 ChatGPT 实际上可以根据图片地址访问响应时间和文件大小数据。因此，响应可能会更具体。

以下是另一个非常通用的指导示例：

• “确保正确实施规范标签，以避免出现重复内容问题。除非是故意重复，否则每个页面都应有一个自引用的规范标签。”

由于 ChatGPT 可以访问数据表，因此它应该能够（大致）确定哪些 URL 是主地址，哪些不是（URL 字符串中的参数等）。

因此，ChatGPT 应该能够隔离规范标签问题，而不是提供一般性（且无用的）指导。

让我们再进一步：

即使我们不断迭代并创建了更详细的提示，指导仍然相对模糊。许多页面始终缺少规范标签，例如不支持 HTML 的图像地址。

答复应该更具体、更详细，解释为什么某些地址需要规范标签但却没有。

作为上述回复的一部分，给出了一些更详细的反馈：

哇，这些建议真是一团糟。

从某种程度上来说，尽管这些建议完全错误，但仍然令人印象深刻。我可能希望一个没有经验的初级 SEO 人员在技术 SEO 深陷困境时也能提出类似的建议。

这个建议可能是错的，但确实有智慧的迹象。你必须记住，离题万里、得出相关但不准确的分析仍然需要一定程度的智慧。这项工作无法使用，但有迹象表明这是一次真正的尝试。

作为人类，我们倾向于用不公平的标准来衡量人工智能。如果人工智能产生了错误或不正确的东西，我们会说人工智能未能达到人类的理解能力。然而，我们中的许多人（真正的人类）也达不到这个水平，这种情况经常发生。

对我来说，问题是：人工智能是否已经失败，无法像人类一样完成任务？

我认为，就此类可访问（聊天界面）人工智能交互的应用而言，未来迹象是积极的。不过，就目前而言，按照给出的建议采取行动将是灾难性的。

将重定向 URL 识别为潜在重要（即使它是一个重定向地址），然后假设在最终目标 URL 上可能需要或不需要进行工作，这是我个人遇到的最模糊的想法之一。

ChatGPT 能够提出的唯一有趣的迹象是，网站上的许多地址导致了 301 重定向，并且可能存在一些架构缺陷：

上面的回复是在我们开始推动 AI 以更具体的术语思考之前，在第一条消息之后给出的。这实际上是 ChatGPT 给出的第一个建议，在某些方面它很有趣：

重定向地址大约有 100 个。其中许多是重定向图像地址。有些看起来像是曾经是真正的页面，或者可能是尾部斜杠重定向。其他则围绕分页。

这是一个有趣的线索，但其他大多数建议都是泛泛而谈或误导性的。ChatGPT 试图提供具体建议，这是半智能的，但这些建议会浪费时间或导致更多问题。

我会给这项工作打 D 或 E 的分数，尽管许多机器在平面数据表上无法在技术 SEO 方面获得如此高的分数。我对此印象深刻，但我不建议使用 AI 进行这种级别的技术 SEO 分析。

将 AI 洞察与 Ahrefs 的技术审核进行比较

Ahrefs 拥有一款先进的云端 SEO 爬虫。虽然 Screaming Frog 的数据可能更准确，但 Ahrefs 仍能提供可靠的数据和更深入的见解。我使用这两种工具进行网站审核。

如果我们查看 Ahrefs 完整技术 SEO 抓取的输出，我们可能就能确定 GPT-4o 距离找到真相有多近。让我们看看 Ahrefs 的概述：

哇，评分真高！Butcher’s Dog Food 团队干得好。

尽管评分很高，但仍然存在一些问题。这是完全正常的，通常无需担心。

有趣的是，剩余的问题围绕着重定向地址和图像，它们可能文件太大。这很有意思，因为这些是我们的人工智能助手根据 Screaming Frog 数据挑选出的一些主要问题。

这意味着什么？人工智能一直都是正确的吗？也许我们对 ChatGPT 的评价过于苛刻，因为它给出的建议“听起来很普通”，但实际上却是准确的？

既是也不是。人类常常觉得有必要捍卫自己的角色，以对抗不断进步的技术，而这可能会导致对技术的偏见。这种偏见很常见，甚至在数字领域也是如此。

然而，这项技术对技术型 SEO 专家来说并不构成直接威胁。虽然给出的建议无法使用，但人工智能的错误是智能的，类似于有前途的无经验的人的错误。

即使具体建议不准确，但见解的总体重点（例如重定向和图像压缩）是准确的。

最终判决

GPT-4o 比 GPT-3.5-Turbo 有了很大的改进。不过，我并不认为它比 GPT-4 有显著（或任何）的改进，因为 GPT-4 似乎幻觉更少。

目前，我认为 GPT-4o 是 GPT-3.5-Turbo 和 GPT-4 之间的良好折衷点。在我看来，GPT-4 的结果似乎更胜一筹。但 GPT-4o 的速度与 GPT-3.5-Turbo 差不多，而且交互性更强。

我想时间会告诉我们用户会喜欢哪种模型。我愿意等待更长时间，让 GPT-4 产生更出色的输出，即使该输出受到（精选）数据模型的限制。

ChatGPT 的建议很差。它忽略了关键点，给出的建议很笼统，毫无帮助。它试图给出具体的建议，但失败了。

然而，它的错误中也体现出了智能的迹象，就像一个没有经验的人犯的错误一样。这表明它还有改进的潜力。

目前，不要依赖这项技术进行技术性 SEO 分析，尤其是通过简单的聊天界面。但请密切关注——能够提供有价值见解的人工智能可能比我们想象的更近。