GEO kritēriji: Pirmie dati par vairāk nekā 100 zīmoliem

Ievads

Ģeneratīvā meklētājprogrammu optimizācija (GEO) joprojām ir jauna, bet vairs nav tikai teorētiska. Laikā no 2024. līdz 2025. gadam mēs apkopojām un analizējām agrīnos GEO veiktspējas datus no vairāk nekā 100 zīmoliem SaaS, e-komercijas, finanšu, veselības, izglītības, viesmīlības un profesionālo pakalpojumu jomā.

Mērķis nebija izveidot nozaru reitingu. Mērķis bija identificēt modeļus:

• cik bieži zīmoli parādās ģeneratīvajās atbildēs

• kādi faktori ietekmē iekļaušanu

• kā meklētājprogrammas novērtē uzticamību

• kā AI nepareizi interpretē noteiktus zīmolus

• kuras nozares iegūst vai zaudē redzamību

• kāda šobrīd ir „laba” GEO veiktspēja

Šis ziņojums atklāj agrīnāko un visaptverošāko datu kopu par GEO redzamību un piedāvā pirmos praktiskos kritērijus uzņēmumiem, kas gatavojas AI-first meklēšanas ērai.

1. daļa: Kritēriju metodoloģija

Lai izveidotu uzticamus GEO kritērijus, mēs analizējām:

• Vairāk nekā 100 zīmoli

• vairāk nekā 12 000 ģeneratīvo vaicājumu

• 7 ģeneratīvajās meklētājprogrammās

• izmantojot 5 nolūku kategorijas

• vairāk nekā 4 mēnešu garumā

Ģeneratīvie dzinēji ietvēra:

• Google SGE

• Bing Copilot

• ChatGPT Search

• Perplexity

• Claude Search

• Brave Summaries

• You.com

Mēs testējām:

• informatīvi jautājumi

• transakciju pieprasījumi

• zīmolu pieprasījumi

• salīdzināšanas pieprasījumi

• daudzveidīgi pieprasījumi

• aģentu darba plūsmas pieprasījumi

• problēmu risināšanas pieprasījumi

Katram testam mēs izmērījām:

• parādīšanās biežums (vai zīmols vispār parādījās?)

• atbilžu daļa (cik bieži tas parādījās salīdzinājumā ar konkurentiem?)

• citātu stabilitāte (vai tas ir iekļauts atkārtoti vai nekonsekventi?)

• interpretācijas precizitāte (vai AI to apraksta pareizi?)

• entitātes uzticamība (vai meklētājs "zina" zīmolu?)

• faktiem atbilstošums (vai detaļas ir atbilstošas visās meklētājprogrammās?)

• daudzveidīga atpazīšana (attēlu/video balstīta atpazīšanas veiksmīgums)

Šie rādītāji tagad veido GEO salīdzinošo novērtēšanu.

2. daļa: Trīs GEO veiktspējas līmeņi (un to nozīme)

Vairāk nekā 100 zīmolu vidū izkristalizējās skaidri redzamības līmeņi.

1. līmenis — augsta GEO redzamība (apmēram 15 % labākie)

Zīmoli šajā līmenī ir konsekventi:

• citēts vairākās meklētājprogrammās

• precīzi aprakstīts

• izvēlēts salīdzinošajos atbildēs

• iekļauts daudzpakāpju kopsavilkumos

• atzīts multimodālos vaicājumos

• atsaukts darījumu un informācijas nolūkos

1. līmeņa zīmolu raksturīgās iezīmes:

• spēcīgas vienību struktūras

• labi definētas faktu lapas

• vienota nosaukumu piešķiršana visās platformās

• pirmo avotu saturs

• augsts autoritātes uzticamības rādītājs

• aktīvas korekcijas darba plūsmas

• strukturēta formatēšana galvenajās lapās

Šie zīmoli dominē GEO redzamībā, pat ja tie nav lielākie SEO dalībnieki.

2. līmenis — vidēja GEO redzamība (~60 %)

Zīmoli šajā līmenī parādās:

• reizēm

• nekonsekventi

• bieži garās atbildēs

• reti augstākā līmeņa kopsavilkumos

• dažreiz nepareizi attiecināts

• ne visās meklētājprogrammās

Raksturīgās iezīmes:

• daži subjekti ir skaidri

• samērā spēcīga SEO

• nekonsekventa strukturēta informācija

• minimāls pirmavota saturs

• novecojušas lapas vai neskaidras definīcijas

• zems korekciju ritms

Tām draud redzamības zaudēšana, jo meklētājprogrammas kļūst arvien selektīvākas.

3. līmenis — zema/nav GEO redzamība (~25 %)

Šajā grupā ietilpst šādi zīmoli:

• neredzams

• neatpazīstami

• nepareizi identificēts

• nepareizi grupēti

• izslēgts no salīdzinājumiem

• nav minēts kopsavilkumos

Raksturīgās iezīmes:

• nekonsekventa zīmola nosaukuma lietošana

• pretrunīgi dati dažādās platformās

• vāja vienības klātbūtne

• nestrukturēts saturs

• novecojuši vai neprecīzi fakti

• zems autoritātes līmenis

• nav kanonisku definīciju

Šie zīmoli būtībā nav redzami ģeneratīvajā slānī. SEO vien nepalīdzēs tos glābt.

3. daļa: 1. etalons — parādīšanās biežums ģeneratīvajās meklētājprogrammās

12 000 vaicājumu vidējie zīmolu parādīšanās rādītāji bija šādi:

• Sarežģītība: augstākais iekļaušanas rādītājs

• Google SGE: ļoti selektīvs, zems iekļaušanas rādītājs

• ChatGPT Search: izteikta priekšroka strukturētiem, autoritatīviem avotiem

• Brave Summaries: daudz citātu, viegli parādās, ja ir faktu pamatots

• Bing Copilot: līdzsvarots, bet nekonsekvents

• Claude Search: ļoti augsta faktu uzticamības latiņa

• You.com: daudzveidīgs, bet virspusējs pārskats

Agrīnie uzvarētāji: zīmoli ar kristāldzidru struktūru. Agrīnie zaudētāji: zīmoli ar neskaidriem aprakstiem vai daudzu produktu sajaukumu.

4. daļa: 2. kritērijs — atbilžu daļas procentiles

Atbilžu daļa mēra, cik bieži zīmols parādās ģeneratīvajās atbildēs salīdzinājumā ar konkurentiem.

Vairāk nekā 100 zīmoliem:

• ~15 % atbilžu daļa pārsniedza 60 % savā kategorijā

• ~35 % bija 20–60

• ~50 % bija mazāk nekā 20

Svarīgākais secinājums:

SEO stiprums nebija cieši saistīts ar atbilžu daļu.

Skaidrība bija.

5. daļa: 3. kritērijs — citēšanas stabilitāte laika gaitā

Mēs ik nedēļu izsekojām atkārtotiem vaicājumiem.

Labāko rezultātu sasniegušie zīmoli parādīja:

• stabils iekļaušanas līmenis nedēļu no nedēļas

• pareizi apraksti

• precīzuma palielināšanās laika gaitā

Vidējā līmeņa zīmoli parādīja:

• nedēļas svārstības

• periodiska klātbūtne

• daļēja nepareiza interpretācija

Zemāka līmeņa zīmoli parādīja:

• nav uzlabojumu

• nepareizi kopsavilkumi

• nekonsekventi fakti

• dzinēji to aizstāšana ar konkurentiem

Ģeneratīvās meklēšanas sistēmas „iemācās” stabilos zīmolus un ignorē nestabilos.

6. daļa: 4. kritērijs — interpretācijas precizitāte (halucināciju risks)

Mēs pārbaudījām, cik bieži dzinēji nepareizi aprakstīja zīmolu.

Vairāk nekā 100 zīmoliem:

• ~20 % bija gandrīz perfekta precizitāte

• ~50 % bija nelielas faktu novirzes

• ~30 % bija lielas halucinācijas

Halucinācijas ietvēra:

• nepareizas funkcijas

• novecojusi cenu politika

• neeksistējošas produktu prasības

• jaukti konkurenti

• pilnīgi nepareiza pozicionēšana

• citas zīmola īpašību piedēvēšana

Zīmoliem ar spēcīgām kanoniskām faktu lapām halucinācijas bija ievērojami retākas.

7. daļa: 5. kritērijs — multimodāla atpazīšana

Mēs pārbaudījām multimodālos vaicājumus, izmantojot:

• produkta attēli

• ekrāna uzņēmumi

• lietotāja saskarnes izkārtojumi

• video

• diagrammas

Rezultāti:

• tikai ~12–18 % zīmolu tika droši atpazīti pēc ekrānuzņēmumiem

• tikai ~15–20 % tika atpazīti pēc produktu attēliem

• <10 % tika atpazīti pēc videoklipu kadriem

• ~50 % zīmolu bija “vizuāli neskaidri”

• ~70 % bija nekonsekventa vai zemas kvalitātes vizuālā dokumentācija

Daudzveidīga GEO pašlaik ir lielākā plaisa visās nozarēs.

8. daļa: 6. kritērijs — Entitātes uzticamības rādītāji

Entitātes uzticamība norāda, cik pārliecināts ir modelis par:

• kas ir zīmols

• ko tas dara

• kam tas kalpo

• kādi produkti pieder pie tā

Vairāk nekā 100 zīmoliem:

• ~25 % bija augsta uzticēšanās uzņēmumam

• ~40 % bija vidēji pārliecināti par uzņēmumu

• ~35 % bija zems vai pretrunīgs profils

Entitāšu neskaidrība ir viens no galvenajiem iemesliem, kāpēc zīmoli neizdodas AI kopsavilkumos.

9. daļa: 7. kritērijs — pirmavota satura svēršana

Mēs pārbaudījām, cik bieži meklētājprogrammas citēja zīmolus ar oriģināliem datiem (piemēram, pētījumiem, aptaujām, izpētēm).

Zīmoli ar pirmavota saturu bija:

• ~4× augstāka atbilžu daļa

• ~3× augstāka citēšanas stabilitāte

• ~2× labāka interpretācijas precizitāte

Meklētājprogrammas skaidri dod priekšroku zīmoliem, kas ražo:

• oriģinālie pētījumi

• atskaites punkti

• statistiskie pārskati

• pašreizējās atziņas

AI meklētājprogrammas dod priekšroku datu radītājiem, nevis datu atkārtotājiem.

10. daļa: 8. kritērijs — atšķirības nozaru līmenī

Dažas nozares ātri ieguva atpazīstamību, citām tas bija grūtāk.

Nozares ar vislielāko redzamību GEO

• SaaS

• e-komercija (augstas struktūras kategorijas)

• finanšu (regulēts + strukturēts saturs)

• veselības informācijas vietnes (ar skaidriem uzņēmuma datiem)

Nozares ar zemāko redzamību GEO

• viesmīlība

• ceļojumi

• mājsaimniecības pakalpojumi

• vietējie uzņēmumi

• radošie pakalpojumi

• profesionālo pakalpojumu uzņēmumi ar neskaidru pozicionējumu

Nozares ar konsekventu terminoloģiju sasniedza daudz labākus rezultātus nekā nozares ar neskaidriem vai mainīgiem aprakstiem.

11. daļa: 10 lielākie GEO prognozētāji, kas identificēti vairāk nekā 100 zīmolu vidū

Visos testos šādi faktori bija visciešāk saistīti ar augstu GEO sniegumu:

1. Kanoniskas definīcijas

Meklētājprogrammas nepieciešamas vienotas, stabilas definīcijas, lai izvairītos no neskaidrībām.

2. Entitātes skaidrība

Skaidra kategoriju piešķiršana ievērojami palielināja iekļaušanu.

3. Strukturēts saturs

Meklētājprogrammas daudz biežāk iekļāva zīmolus ar izskaidrojošiem punktiem.

4. Pirmavota dati

Meklētājprogrammas uzticas zīmoliem, kas rada savus faktus.

5. Aktualitāte

Nesen atjaunināts saturs tika iekļauts biežāk.

6. Daudzveidīga konsekvence

Zīmoli ar stabiliem ekrānuzņēmumiem un vizuāliem elementiem tika pareizi atpazīti biežāk.

7. Uzticamības signāli

Pārbaudīta autorība, izcelsme un autoritatīvas saites ietekmēja iekļaušanu.

8. Saskaņotība starp tīmekļa vietnēm

Meklētājprogrammas izslēdz zīmolus, kuru informācija dažādās platformās ir pretrunīga.

9. Salīdzināmība

AI aģenti dod priekšroku zīmoliem, kurus ir viegli salīdzināt.

10. Korekcijas darba plūsmas

Zīmoli, kas iesniedza AI korekcijas pieprasījumus, uzlabojās ātrāk nekā pasīvie zīmoli.

12. daļa: GEO etaloni — kā izskatīsies „labi” 2025. gadā

Šeit ir sākotnējās normas augstas veiktspējas uzņēmumiem:

Parādīšanās biežums

40–65 % visās meklētājprogrammās

Atbilžu daļa

50–70 % savā kategorijā

Citatēšanas stabilitāte

Pastāvīga iekļaušana katru nedēļu

Interpretācijas precizitāte

90 % faktu precizitāte visās meklētājprogrammās

Entitātes uzticamība

Augsta vai ļoti augsta

Daudzveidīga atpazīšana

Attēli → uzticami Ekrānuzņēmumi → daļēji Video → attīstās

Zīmola novirzes rādītājs

Minimālas neatbilstības

Jaunuma rādītājs

Saturs atjaunināts pēdējo 90 dienu laikā

Strukturēta AI lasāmība

Augsta

Šie ir sākotnējie „augstāko procentu” veiktspējas rādītāji, un tie kļūs par nozares standartiem līdz 2026.

13. daļa: Stratēģiskas atziņas no vairāk nekā 100 zīmolu salīdzinošās analīzes

Visos datos parādījās septiņi vispārīgi modeļi.

1. GEO novērtē skaidrību vairāk nekā apjomu

Mazāki zīmoli ar kristāldzidru definīciju pārspēja milzīgus tīmekļa vietnes ar neskaidru identitāti.

2. GEO ir jutīgāks pret kļūdām nekā SEO

Viens pretrunīgs fakts var pazemināt jūsu uzņēmuma uzticamības reitingu.

3. Meklētājprogrammas dod priekšroku ciešām satura grupām

Pilnībā kartēti tēmu kopumi konsekventi uzlaboja atbilžu daļu.

4. Pirmavots saturs ir jaunā “saikņu veidošana”

AI meklētājprogrammas vēlas datu avotu, nevis to atkārtojumu.

5. Daudzveidīgi resursi tagad ir reitinga faktori

Ekrānuzņēmumi un produktu attēli ietekmē iekļaušanu.

6. Ģeneratīvā redzamība nav saistīta ar domēna reitingu

Daži DR 20 zīmoli pārspēja DR 80 zīmolus, pateicoties labākai struktūrai.

7. Korekcijas darba plūsmas rada izmērāmus ieguvumus

Zīmoli, kas aktīvi novērsa AI neprecizitātes, novēroja:

• mazāk halucināciju

• precīzāki kopsavilkumi

• lielāka iekļaušana stabilitāte

Ģeneratīvās sistēmas ātri mācās no labojumiem.

Secinājums: agrīnie GEO rādītāji atklāj redzamības nākotni

Dati par vairāk nekā 100 zīmoliem liecina par vienu neapstrīdamu patiesību:

Ģeneratīvā redzamība tiek iegūta, pateicoties skaidrībai, struktūrai, uzticamībai, aktualitātei un pirmavota ekspertīzei — nevis tradicionālajai SEO dominēšanai.

Zīmoli, kas veiksmīgi darbojas ģeneratīvajās meklētājprogrammās:

• skaidri definēt sevi

• saglabā precīzus faktus

• izmanto strukturētu saturu

• publicēt oriģinālos datus

• saglabāt konsekvenci visā tīmeklī

• bieži atjaunināt

• savlaicīgi labot AI kļūdas

• piedāvāt daudzveidīgu skaidrību

Zīmoli, kas to dara jau tagad, dominēs atbilžu slānī ilgi pirms GEO kļūs par galveno tendenci.

Tie, kas to nedara, var vairs nekad neredzēt generatīvo redzamību, jo AI aģenti veidos agrīnas, pastāvīgas pieņēmumus, kurus vēlāk būs grūti labot.

GEO salīdzinošie rādītāji vairāk nekā 100 zīmoliem nepārprotami liecina:

Optimizācija ir pārgājusi no lapu rangu noteikšanas uz modeļu apmācību.

Un uzņēmumi, kas pirmie sapratīs šo pārmaiņu, nākamajā desmitgadē dominēs AI vadītajā atklājumu vidē.