Πώς οι μηχανές απαντήσεων τεχνητής νοημοσύνης αποφασίζουν ποιες μάρκες θα αναφέρουν

Εισαγωγή

Ρωτήστε το Gemini ποια εργαλεία κυριαρχούν στην κατηγορία σας και θα σας δώσει μια σύντομη λίστα. Η μάρκα σας είτε περιλαμβάνεται σε αυτήν είτε όχι.

Αυτή η απάντηση είναι πλέον το πρώτο πράγμα που βλέπουν πολλοί αγοραστές. Οι «Επισκοπήσεις» της τεχνητής νοημοσύνης της Google εμφανίζονται πάνω από τα οργανικά αποτελέσματα, και ένα εργαλείο παρακολούθησης κατάταξης που σας δείχνει στη δεύτερη θέση δεν λέει τίποτα για το αν το πλαίσιο πάνω από την πρώτη θέση σας ανέφερε καθόλου.

Οι περισσότερες εταιρείες δεν έχουν ιδέα πώς λειτουργεί αυτό. Τα καλά νέα είναι ότι η Google έχει δημοσιεύσει περισσότερες πληροφορίες για τον τρόπο λειτουργίας αυτών των συστημάτων από ό,τι συνειδητοποιούν οι περισσότεροι, και οι μηχανισμοί είναι λιγότερο μυστηριώδεις από ό,τι υπονοεί το μάρκετινγκ.

Βασικά συμπεράσματα

Η Google δηλώνει ότι δεν υπάρχουν ειδικές απαιτήσεις για να εμφανιστείτε στις «AI Overviews» ή στη «Λειτουργία AI». Ισχύουν τα ίδια συστήματα κατάταξης και ποιότητας.

Δεν υπάρχει καμία ειδική σήμανση για την τεχνητή νοημοσύνη που πρέπει να προστεθεί. Η Google αναφέρει ότι το llms.txt, η κατάτμηση περιεχομένου και το ειδικό σχήμα δεν χρησιμοποιούνται από την Αναζήτηση.

Οι δύο δικές της επιφάνειες τεχνητής νοημοσύνης της Google μπορεί να διαφέρουν, επειδή η Λειτουργία AI και οι Επισκοπήσεις AI ενδέχεται να χρησιμοποιούν διαφορετικά μοντέλα και τεχνικές.

Κανένα εργαλείο τρίτων δεν έχει πρόσβαση στα εσωτερικά σήματα της Google. Τα εργαλεία μετρούν τα αποτελέσματα, κάτι που είναι διαφορετικό αλλά εξακολουθεί να είναι χρήσιμο.

Η παρακολούθηση της κατάταξης και η παρακολούθηση των απαντήσεων μετρούν διαφορετικά αποτελέσματα, και πλέον χρειάζεστε και τα δύο.

Τι καθορίζει πραγματικά αν θα εμφανιστείτε

Ας ξεκινήσουμε με το λιγότερο εντυπωσιακό γεγονός. Η τεκμηρίωση των λειτουργιών τεχνητής νοημοσύνης της Google αναφέρει ότι δεν υπάρχουν πρόσθετες απαιτήσεις για να εμφανιστείτε στις «AI Overviews» ή στη «Λειτουργία AI», ούτε απαιτούνται άλλες ειδικές βελτιστοποιήσεις.

Για να είναι επιλέξιμη ως υποστηρικτικός σύνδεσμος, μια σελίδα πρέπει να πληροί τα ίδια κριτήρια με οποιοδήποτε αποτέλεσμα αναζήτησης. Πρέπει να είναι ανιχνεύσιμη, να επιστρέφει επιτυχημένη απόκριση και να περιέχει περιεχόμενο που μπορεί να ευρετηριαστεί.

Οι οδηγίες της Google για τις εμπειρίες τεχνητής νοημοσύνης βασίζονται στις ίδιες βασικές αρχές που προωθεί εδώ και χρόνια. Μοναδικό και πραγματικά χρήσιμο περιεχόμενο, μια αξιοπρεπής εμπειρία σελίδας, δομημένα δεδομένα που ταιριάζουν με αυτό που είναι πραγματικά ορατό στη σελίδα.

Μια λεπτομέρεια προκαλεί σύγχυση. Οι παράμετροι προεπισκόπησης, όπως τα nosnippet, data-nosnippet, max-snippet και noindex, περιορίζουν τον τρόπο με τον οποίο το περιεχόμενό σας μπορεί να εμφανίζεται σε μορφές τεχνητής νοημοσύνης, οπότε μια περιοριστική ρύθμιση που έγινε πριν από χρόνια μπορεί να σας αποκλείει σιωπηλά τώρα.

Τι λέει η Google ότι μπορείτε να σταματήσετε να ανησυχείτε

Αυτό το μέρος σας γλιτώνει από πολλή άσκοπη προσπάθεια. Ο οδηγός βελτιστοποίησης για τη γενετική τεχνητή νοημοσύνη της Google είναι ασυνήθιστα ευθύς όσον αφορά τις τακτικές που δεν αποδίδουν.

Δεν υπάρχει ειδική σήμανση schema.org για λειτουργίες τεχνητής νοημοσύνης. Τα δομημένα δεδομένα εξακολουθούν να αξίζουν να χρησιμοποιούνται για πλούσια αποτελέσματα, αλλά δεν αποτελούν απαίτηση για την αναζήτηση με γενετική τεχνητή νοημοσύνη.

Τα αρχεία llms.txt αγνοούνται από την Αναζήτηση Google. Ο οδηγός επισημαίνει ότι η δημιουργία ενός τέτοιου αρχείου δεν θα βλάψει ούτε θα βοηθήσει την ορατότητα στο Google, αν και άλλα συστήματα ενδέχεται να τα χρησιμοποιούν.

Ούτε απαιτείται η κατάτμηση του περιεχομένου σε μικροσκοπικά τμήματα, ούτε η αναδιατύπωση των σελίδων σε κάποια φανταστική διάλεκτο φιλική προς την τεχνητή νοημοσύνη. Η Google αναφέρει ότι τα συστήματά της χειρίζονται σελίδες με πολλαπλά θέματα και κατανοούν άριστα τα συνώνυμα.

Το πρόβλημα της μέτρησης που κανείς δεν έλυσε

Εδώ είναι που τα πράγματα γίνονται περίεργα. Μπορείτε να ακολουθήσετε κάθε οδηγία και παρόλα αυτά να μην έχετε ιδέα αν απέδωσε.

Το Search Console περιλαμβάνει πλέον μια αναφορά για τις λειτουργίες γενετικής τεχνητής νοημοσύνης, κάτι που βοηθά. Ωστόσο, σας παρέχει πληροφορίες σχετικά με την επισκεψιμότητα και τις εμφανίσεις, αντί να σας λέει αν μια απάντηση ανέφερε το εμπορικό σήμα σας, αν ανέφερε έναν ανταγωνιστή ή αν παρέπεμψε σε έναν ιστότοπο κριτικών στον οποίο δεν έχετε συνεισφέρει ποτέ.

Αυτό το κενό είναι που έρχεται να καλύψει μια νέα κατηγορία εργαλείων. Το εργαλείο παρακολούθησης ορατότητας Gemini της Citenzo εκτελεί ερωτήσεις σχετικά με την πρόθεση αγοράς μέσω του Gemini σύμφωνα με ένα χρονοδιάγραμμα, καταγράφει αν αναφέρεται η επωνυμία σας και βαθμολογεί το μερίδιο φωνής σας σε σχέση με τους ανταγωνιστές που αναφέρει πραγματικά η μηχανή αναζήτησης.

Οι λεπτομέρειες της μεθοδολογίας έχουν μεγαλύτερη σημασία από τον πίνακα ελέγχου. Επειδή αυτές οι απαντήσεις ποικίλλουν από εκτέλεση σε εκτέλεση, κάθε ερώτηση εκτελείται πολλές φορές και η βαθμολογία υπολογίζεται ως ο διάμεσος, κάτι που αποτελεί τη διαφορά μεταξύ μιας τάσης και ενός στιγμιότυπου οθόνης.

Παραθέτει επίσης τις πηγές από τις οποίες αντλήθηκε η απάντηση, επισημαίνοντας σελίδες όπου εμφανίζεται ένας ανταγωνιστής και εσείς όχι. Η κάλυψη εκτείνεται σε έξι μηχανές αναζήτησης, ενώ υπάρχει μια δωρεάν δοκιμή που λειτουργεί χωρίς λογαριασμό, αν θέλετε να έχετε μια βάση αναφοράς πριν δεσμευτείτε.

Τι μπορούν και τι δεν μπορούν να δουν αυτά τα εργαλεία

Αυτό αξίζει να ειπωθεί ξεκάθαρα, επειδή η κατηγορία αυτή προσελκύει υπερβολικές υποσχέσεις. Ο ίδιος ο οδηγός της Google προειδοποιεί τους αναγνώστες να είναι επιφυλακτικοί απέναντι σε εργαλεία τρίτων που υπόσχονται επιτυχία στην κατάταξη ή ισχυρίζονται ότι χρησιμοποιούν εσωτερικές μετρήσεις της Google, και δηλώνει ότι κανένα εργαλείο τρίτων δεν έχει πρόσβαση στα εσωτερικά συστήματα κατάταξης ή τεχνητής νοημοσύνης της.

Αυτή η προειδοποίηση είναι σωστή και αξίζει να τη λάβετε υπόψη. Ωστόσο, αυτό δεν καθιστά την μέτρηση των αποτελεσμάτων άχρηστη.

Η διάκριση γίνεται μεταξύ εισροών και εκροών. Κανείς εκτός της Google δεν μπορεί να δει τη στάθμιση πίσω από μια απάντηση, αλλά ο καθένας μπορεί να παρατηρήσει τι ανέφερε η απάντηση, ποιες μάρκες ανέφερε και ποιες διευθύνσεις URL παρέθεσε.

Αυτό μοιάζει περισσότερο με δημοσκόπηση παρά με κατάταξη. Λαμβάνετε επανειλημμένα δείγματα συμπεριφοράς για να υπολογίσετε ένα ποσοστό, γι' αυτό και το μέγεθος του δείγματος, η συχνότητα και ο διάμεσος —και όχι μια μεμονωμένη μέτρηση— είναι τα στοιχεία που πρέπει να εξετάζετε σε κάθε εργαλείο που αξιολογείτε.

Γιατί μια βαθμολογία δεν αρκεί

Η τεκμηρίωση της Google σημειώνει ότι η Λειτουργία AI και οι Επισκοπήσεις AI ενδέχεται να χρησιμοποιούν διαφορετικά μοντέλα και τεχνικές, οπότε οι απαντήσεις και οι σύνδεσμοι που εμφανίζουν θα διαφέρουν.

Αυτή είναι μια εντυπωσιακή παραδοχή. Δύο πλατφόρμες της Google, απαντώντας στην ίδια ερώτηση, μπορούν να αναφέρουν διαφορετικές μάρκες την ίδια ημέρα.

Προσθέστε το ChatGPT, το Claude, το Perplexity και το Grok και η εικόνα κατακερματίζεται ακόμη περισσότερο. Μια μάρκα μπορεί να είναι η προεπιλεγμένη πρόταση σε έναν βοηθό και να μην εμφανίζεται καθόλου σε έναν άλλο, γεγονός που καθιστά έναν ενιαίο συνολικό αριθμό λιγότερο χρήσιμο από μια ανάλυση ανά μηχανή αναζήτησης.

Τι να συμπεριλάβετε πραγματικά σε ένα ταμπλό

Ο ρυθμός αναφοράς είναι ο βασικός δείκτης. Πόσο συχνά η μηχανή σας αναφέρει σε ένα σταθερό σύνολο ερωτήσεων αγοραστών, εκφραζόμενος ως ποσοστό των αναζητήσεων και όχι ως «ναι» ή «όχι».

Το μερίδιο φωνής είναι αυτό που αλλάζει τη συμπεριφορά εσωτερικά. Το να γνωρίζετε ότι εμφανίζεστε σε τρεις από τις δέκα απαντήσεις έχει μικρότερη σημασία από το να γνωρίζετε ποιος ανταγωνιστής καταλαμβάνει τις άλλες επτά.

Οι αναφερόμενες πηγές είναι το πεδίο με τις περισσότερες δυνατότητες δράσης και αυτό που παραλείπουν τα περισσότερα εργαλεία. Ο κατάλογος των URL από τα οποία αντλήθηκε μια απάντηση μετατρέπει μια βαθμολογία σε λίστα εργασιών.

Το «sentiment» αξίζει να παρακολουθείται, αλλά πρέπει να λαμβάνεται με επιφύλαξη. Ο τρόπος με τον οποίο μια μηχανή αναζήτησης σας παρουσιάζει αντανακλά ό,τι ανακάλυψε εκείνη την εβδομάδα, οπότε αντιμετωπίστε μια πτώση ως αφορμή για διερεύνηση και όχι ως τελική κρίση.

Μετατρέποντας ένα κενό σε δράση

Η μέτρηση από μόνη της δεν αλλάζει τίποτα. Ο λόγος για τον οποίο πρέπει να βλέπετε ποιες πηγές παραθέτει μια απάντηση είναι ότι αυτές οι σελίδες γίνονται λίστα στόχων.

Αν το Gemini συνεχίζει να βασίζει την απάντησή του σε μια σύγκριση, ένα νήμα φόρουμ και έναν κατάλογο κριτικών, και ο ανταγωνιστής σας βρίσκεται και στα τρία, αυτό δεν αποτελεί πρόβλημα περιεχομένου στον δικό σας ιστότοπο. Πρόκειται για απουσία από τα μέρη που διαβάζει το μοντέλο.

Προς αυτή την κατεύθυνση κινούνται τα αναδυόμενα εργαλεία για την κάλυψη των κενών στις αναφορές, και αξίζει να τα εξετάσετε με τον ίδιο τρόπο που θα εξετάζατε οποιαδήποτε υπηρεσία τοποθέτησης.

Η ειλικρινής εκδοχή αυτής της εργασίας δεν είναι καθόλου εντυπωσιακή. Βάλτε ακριβείς, επίκαιρες πληροφορίες για το προϊόν σας στις σελίδες τρίτων που ήδη κατατάσσονται για τις ερωτήσεις της κατηγορίας σας, και στη συνέχεια συνεχίστε να μετράτε αν οι απαντήσεις αλλάζουν.

Ένας λογικός τρόπος για να ξεκινήσετε

Καθορίστε μια βάση αναφοράς πριν αγοράσετε οτιδήποτε. Εκτελέστε τις ίδιες δέκα ερωτήσεις αγοραστών χειροκίνητα σε δύο ή τρεις βοηθούς και σημειώστε ό,τι παρατηρείτε.

Στη συνέχεια, επαναλάβετε τη διαδικασία μία εβδομάδα αργότερα. Εάν οι απαντήσεις έχουν αλλάξει χωρίς να κάνετε τίποτα, έχετε μάθει κάτι σημαντικό σχετικά με το πόσο ασταθής είναι αυτή η μέτρηση.

Μόνο τότε σκεφτείτε να το αυτοματοποιήσετε. Τα εργαλεία αυτής της κατηγορίας ξεκινούν από περίπου 29 δολάρια το μήνα για εβδομαδιαίους ελέγχους, ενώ τα υψηλότερα πακέτα περιλαμβάνουν καθημερινή παρακολούθηση και μεγαλύτερες βιβλιοθήκες ερωτήσεων, οπότε το κόστος μιας δοκιμής είναι χαμηλό σε σχέση με το κόστος της εικασίας.

Και διατηρήστε το πεδίο εφαρμογής ρεαλιστικό. Πρόκειται για έναν δείκτη ορατότητας, όχι για ένα μοντέλο απόδοσης, και δεν θα σας πει ποια ήταν η αξία του σε ό,τι αφορά το pipeline.

Το συμπέρασμα

Οι μηχανές απαντήσεων τεχνητής νοημοσύνης δεν χρησιμοποιούν κάποιον μυστικό παράλληλο αλγόριθμο που να επιβραβεύει μια νέα σειρά τεχνικών. Η Google έχει δηλώσει ξεκάθαρα ότι τα βασικά στοιχεία εξακολουθούν να καθορίζουν την επιλεξιμότητα.

Αυτό που έχει πραγματικά αλλάξει είναι το αποτέλεσμα για το οποίο ανταγωνίζεστε. Η κατάταξη δεν είναι πλέον το ίδιο με το να αναφέρεστε, και μόνο το ένα από αυτά είναι ορατό στις υπάρχουσες αναφορές σας.

Μετρήστε την απάντηση, όχι μόνο τη θέση. Στη συνέχεια, αντιμετωπίστε τις αναφερόμενες πηγές ως τον πραγματικό κατάλογο εργασιών.

Συχνές ερωτήσεις

Χρειάζομαι ειδική σήμανση ή ένα αρχείο llms.txt για να εμφανιστώ στις «Επισκοπήσεις AI»;

Όχι. Η Google δηλώνει ότι δεν απαιτείται ειδική σήμανση schema.org για τις λειτουργίες γενετικής τεχνητής νοημοσύνης και ότι η Αναζήτηση Google αγνοεί τα αρχεία llms.txt, οπότε η δημιουργία ενός τέτοιου αρχείου δεν θα βοηθήσει ούτε θα βλάψει την ορατότητά σας εκεί. Άλλα συστήματα εκτός της Google ενδέχεται να χρησιμοποιούν τέτοια αρχεία.

Μπορεί κάποιο εργαλείο να δει πώς η τεχνητή νοημοσύνη της Google κατατάσσει το περιεχόμενο;

Όχι. Σύμφωνα με τις οδηγίες της ίδιας της Google, κανένα εργαλείο τρίτου μέρους δεν έχει πρόσβαση στα εσωτερικά συστήματα κατάταξης ή τεχνητής νοημοσύνης της. Αυτό που μπορούν να κάνουν τα εργαλεία είναι να παρατηρούν τα αποτελέσματα, δηλαδή ποιες μάρκες και πηγές εμφανίζονται στις απαντήσεις, κάτι που αποτελεί μέτρηση των αποτελεσμάτων και όχι του αλγορίθμου.

Γιατί διαφορετικοί βοηθοί τεχνητής νοημοσύνης δίνουν διαφορετικές απαντήσεις για την ίδια μάρκα;

Επειδή χρησιμοποιούν διαφορετικά μοντέλα, διαφορετικές μεθόδους ανάκτησης και διαφορετικά σύνολα πηγών. Η ίδια η Google σημειώνει ότι η Λειτουργία Τεχνητής Νοημοσύνης και οι Επισκοπήσεις Τεχνητής Νοημοσύνης ενδέχεται να χρησιμοποιούν διαφορετικά μοντέλα και τεχνικές, οπότε ακόμη και δύο επιφάνειες της Google μπορούν να παράγουν διαφορετικές απαντήσεις και συνδέσμους.

Πόσο συχνά πρέπει να ελέγχεται η ορατότητα;

Αρκετά συχνά ώστε να διακρίνεται το σήμα από τον θόρυβο. Αυτές οι απαντήσεις ποικίλλουν από εκτέλεση σε εκτέλεση, οπότε ένας μεμονωμένος έλεγχος μοιάζει περισσότερο με ανεκδοτικό περιστατικό παρά με μέτρηση, και κάθε εργαλείο που αξίζει να χρησιμοποιηθεί θα πρέπει να εκτελεί κάθε ερώτηση πολλές φορές και να αναφέρει μια μέση τιμή αντί για ένα μεμονωμένο αποτέλεσμα.