Ko mēs uzzinājām no 10 000 ģeneratīvajām atbildēm 2025. gadā

Ievads

2025. gadā ģeneratīvā meklēšana beidzot pārkāpa slieksni. Tā vairs nebija eksperiments, bet kļuva par galveno veidu, kā simtiem miljonu cilvēku mijiedarbojas ar informāciju.

Lai saprastu, kā šī pārmaiņa ietekmē atklājumus, mēs veicām vienu no līdz šim lielākajiem neatkarīgajiem GEO pētījumiem:

4 mēnešu laikā tika analizētas 10 000 ģeneratīvās atbildes 7 galvenajās meklētājprogrammās, 5 vaicājumu kategorijās un vairāk nekā 100 zīmolu.

Šajā rakstā apkopotas svarīgākās atziņas — ko dara ģeneratīvās meklētājprogrammas, kā tās izvēlas avotus, kādi modeļi ir izveidojušies, kuri zīmoli uzvar vai zaudē un ko tas nozīmē optimizācijas nākotnei.

Šis ir galīgais ziņojums par „ģeneratīvo atbilžu stāvokli” 2025. gadā.

1. daļa: Projekta pārskats — ko mēs testējām

No 10 000 ģeneratīvajām atbildēm mēs izsekojām:

• iekļaušanas biežums

• citēšanas modeļiem

• argumentācijas uzvedība

• halucināciju veidi

• fakti, kas mainās laika gaitā

• ģeneratīvā neobjektivitāte

• daudzveidīga ietekme

• atbilžu struktūras

• entitāšu klasifikācija

• kategorijas līmeņa dominēšana

Vaicājumi nāca no 5 grupām:

1. Informatīvi

Definīcijas, norādījumi, paskaidrojumi, fakti.

2. Darījumu

Salīdzinājumi, produktu izvēle, pakalpojumu sniedzēji.

3. Zīmola līmenis

„Kas ir X?”, „Kam pieder X?”, „X pret Y”.

4. Daudzveidīgs

Attēli, ekrānuzņēmumi, diagrammas, video.

5. Aģentiska

Daudzpakāpju darba plūsmas, pētījumu instrukcijas, jautājumi par rīku lietošanu.

Iekļautie dzinēji:

• Google SGE

• Bing Copilot

• ChatGPT meklēšana

• Perplexity

• Claude Search

• Brave Summaries

• You.com

Šis datu kopums ir līdz šim skaidrākais ieskats par to, kā AI atbildes tiek veidotas reālajā dzīvē.

2. daļa: 10 svarīgākie secinājumi (kopsavilkums)

Pirms sākam padziļināti izskatīt šo tēmu, šeit ir galvenie secinājumi:

1. Ģeneratīvās atbildes tiek rakstītas, izmantojot ļoti maz avotu — parasti 3–10.

2. Entitātes skaidrība bija spēcīgākais iekļaušanas prognozētājs.

3. Oriģinālās datu avoti tika citēti daudz biežāk nekā jebkurš cits saturs.

4. Novecojušas lapas tika izslēgtas gandrīz visos gadījumos.

5. Kanoniskās definīcijas ietekmēja to, kā tika aprakstīti zīmoli.

6. Daudzveidīgi resursi ietekmēja to, kuri zīmoli tika izvēlēti.

7. Halucinācijas samazinājās, bet nepareiza klasifikācija palielinājās.

8. Tīmekļa saskaņotība ievērojami ietekmēja uzticamības novērtējumu.

9. Aģenti modificēja atbildes, balstoties uz daudzpakāpju loģiku.

10. SERP-first SEO faktori gandrīz neietekmēja ģeneratīvo redzamību.

Izskatīsim sīkāk.

3. daļa: Atklājums Nr. 1 — modeļi izmanto daudz mazāk avotu, nekā gaidīts

Neskatoties uz to, ka tika atrastas desmitiem vai simtiem lapu:

ģeneratīvās atbildes parasti tiek veidotas no 3–10 izvēlētiem avotiem.

Tas ir vienāds visos gadījumos:

• īsi atbildes

• garas paskaidrojumi

• salīdzinājumi

• daudzpakāpju argumentācija

• aģentu darba plūsmas

Ja jūs neesat viens no 3–10 avotiem, kas izturējuši filtrēšanu, jūs esat neredzams.

Šī ir lielākā atšķirība no SERP ēras:

Redzamība ≠ reitings. Redzamība = iekļaušana.

4. daļa: Atklājums Nr. 2 — Entitātes skaidrība bija spēcīgākais redzamības prognozētājs

Zīmoliem ar vislabāko redzamību visās meklētājprogrammās bija viena kopīga iezīme:

AI varēja atbildēt uz jautājumu “Kas tas ir?” ar pilnīgu pārliecību.

Mēs novērojām trīs vienības skaidrības līmeņus:

1. līmenis — kristāldzidrs Konsekventa, nepārprotama, kanoniska. Šie zīmoli dominēja ģeneratīvā redzamībā.

2. līmenis — daļējiskaidrs Dažas neatbilstības. Šie zīmoli parādījās neregulāri.

3. līmenis —neskaidrs Pretrunīgi apraksti. Šie zīmoli tika gandrīz pilnībā izslēgti.

Entitātes skaidrība pārspēj:

• atpakaļsaites

• domēna reitings

• satura garums

• atslēgvārdu blīvums

• domēna vecums

Tas ir #1 GEO faktors visā mūsu datu kopā.

5. daļa: Atklājums Nr. 3 — Oriģinālajiem datiem bija labāki rezultāti nekā visiem pārējiem satura veidiem

Ģeneratīvās meklēšanas sistēmas pārliecinoši priekšroku deva:

• pašreizējie pētījumi

• statistika

• salīdzinošie rādītāji

• balto grāmatu

• pētījumu ziņojumi

• aptauju rezultāti

Jebkādu saturu, kas nepastāvēja nekur citur.

Zīmoliem ar oriģināliem datiem bija:

• 3–4 reizes augstāki iekļaušanas rādītāji

• 5× stabilākas citēšanas

• gandrīz nulles halucināciju risks

Dzinēji vēlas pirmavotus, nevis pārrakstītu SEO saturu.

6. daļa: Atklājums Nr. 4 — aktualitāte bija svarīgāka par autoritāti

Tas bija pārsteidzoši pat mums:

Meklētājprogrammas konsekventi pazemināja novecojušu lapu reitingu, pat ja tās nāca no autoritatīvām domēnām.

Aktualitāte bija ļoti svarīga.

Lapas, kas bija atjauninātas pēdējo 90 dienu laikā, sasniedza labākus rezultātus:

• augstāki DR konkurenti

• garāks saturs

• vairāk saistītu lapu

• vecākas nemainīgas rokasgrāmatas

Modeļi interpretē aktualitāti = uzticamību.

7. daļa: Atklājums Nr. 5 — Kanoniskās definīcijas veido to, kā AI jūs apraksta

Mēs novērojām tiešu saistību starp:

• zīmola kanoniskās lapas formāts

• ģeneratīvajos kopsavilkumos izmantotā formulējuma

Vienkāršas, strukturētas definīcijas uzticami parādījās atbildēs vārdu pa vārdam.

Tas nozīmē:

Jūs varat ietekmēt to, kā ģeneratīvā tīmekļa vietne jūs apraksta —

veidojot savas kanoniskās definīcijas.

Tas ir jauns “fragmentu optimizācijas” veids.

8. daļa: Atklājums Nr. 6 — Daudzveidīgi resursi spēlēja negaidītu lomu

Ģeneratīvie dzinēji arvien biežāk izmantoja:

• ekrāna uzņēmumi

• UI piemēri

• produktu attēli

• diagrammas

• video

kā papildu pierādījumu.

Zīmoli ar:

• vienots dizains

• labi apgaismoti attēli

• komentēti attēli

• video demonstrācijas

parādījās biežāk un tika aprakstīti precīzāk.

Vizuālā skaidrība = ģeneratīvā skaidrība.

9. daļa: Atklājums Nr. 7 — halucinācijas ir samazinājušās, bet kļūdaina klasifikācija ir palielinājusies

Halucinācijas ievērojami samazinājās visās meklētājprogrammās.

Taču parādījās jauna problēma:

Nepareiza klasifikācija — AI ievieto zīmolus nepareizā kategorijā.

Piemēri:

• SaaS platformas saukšana par „rīku” nevis „komplektu”

• kļūdaina produktu līmeņu identificēšana

• konkurentu sajaukšana

• divu zīmolu funkciju apvienošana

• pārprotiet mātes uzņēmumu ar produktu

Šīs kļūdas gandrīz vienmēr bija saistītas ar:

• vāji kanoniskie dati

• nekonsekventa produktu nosaukumu piešķiršana

• novecojušas atbalsta lapas

Zīmoli, kas definīcijas atjaunināja katru mēnesi, bija ievērojami zemāks nepareizas klasifikācijas rādītājs.

10. daļa: Atklājums Nr. 8 — Izvēlē liela nozīme bija konsekvenci visā tīmeklī

Pārbaudītās meklētājprogrammas:

• LinkedIn

• Wikipedia

• Wikidata

• Crunchbase

• G2

• GitHub

• sociālie profili

• shēma

• trešo pušu atsauksmes

viena pret otru.

Ja fakti saskanēja → uzticēšanās palielinājās. Ja fakti bija pretrunā → notika izslēgšana.

Saskaņotība starp tīmekļa vietnēm bija viens no pieciem galvenajiem reitinga faktoriem.

11. daļa: Atklājums Nr. 9 — Aģentiskais spriežums veicināja dažus zīmolus un kaitēja citiem

Aģentiskie vaicājumi ir vairāku soļu instrukcijas:

“Pētīt X, salīdzināt piegādātājus, apkopot iespējas un ieteikt labāko.”

Mēs novērojām:

Zīmoli ar labi strukturētiem salīdzinājumiem tika izvēlēti biežāk.

Meklētājprogrammas vēlējās:

• priekšrocības un trūkumi

• caurspīdīga cenu politika

• skaidra pozicionēšana

• lietojuma gadījumu saraksti

• funkciju sadalījums

Zīmoli, kas slēpa vājās puses vai neskaidras funkcijas, netika iekļauti.

12. daļa: Atklājums Nr. 10 — SEO stiprums neparedzēja ģeneratīvo redzamību

Šis ir visvairāk acīmredzamais atklājums:

Augsti novērtētie SEO zīmoli bieži vien uzrādīja sliktus rezultātus ģeneratīvajās atbildēs.

Kāpēc?

Tāpēc, ka ģeneratīvā redzamība ir atkarīga no:

• skaidrība

• konsekvence

• autoritāte

• jaunums

• oriģinalitāte

• uzticamība

• strukturēti dati

—nevis no atslēgvārdu reitingiem.

Mēs redzējām zīmolus ar:

• DR 20 pārsniedz DR 80

• 100 lapu vietnes pārspēj 10 000 lapu vietnes

• fokusētas domēnas pārspēj plašas domēnas

Ģeneratīvās meklētājprogrammas novērtē saskaņotību, nevis apjomu.

13. daļa: Otršķirīgi secinājumi, kas ir vērā ņemami

Papildus 10 galvenajiem secinājumiem mēs atklājām vairākus papildu modeļus:

1. Dzinēji sodīja neskaidras produktu ekosistēmas

Ja jums ir pārāk daudz pārklājošos produktu, skaidrība pazūd.

2. Gariem paragrāfiem bija slikti rezultāti

Strukturēts saturs tika konsekventi vērtēts labāk.

3. Modeļi atalgo saturu, kurā vispirms ir definīcijas

Sāciet ar atbildi → tad paplašiniet.

4. Modeļi nepatīk novecojušiem ekrānuzņēmumiem

Vecā lietotāja saskarne traucēja multimodālo atpazīšanu.

5. Dzinēji dod priekšroku atšķirīgām zīmolu ģimenēm

Vecāku/bērnu attiecības bieži vien bija neskaidras vai saplūdušas.

6. Dzinēji ievērojami pazemināja saistīto vietņu reitingu

Oriģinalitātes trūkums = izslēgšana.

7. Domēna autoritāte bija svarīga tikai uzticamībai, nevis iekļaušanai

Tas bija viens no signāliem, nevis izšķirošais.

14. daļa: Nozares līmeņa ieskati no 10 000 atbildēm

Spēcīgākā ģeneratīvā redzamība

• SaaS

• finanšu

• veselības informācija

• kiberdrošība

• analītika

• izstrādātāju rīki

Šīm nozarēm bija skaidras definīcijas un strukturēta dokumentācija.

Vājākās

• viesmīlība

• ceļojumi

• mājas pakalpojumi

• radošās aģentūras

• vietējie pakalpojumu sniedzēji

Šīs nozares cieta no neskaidrības un nekonsekventas nosaukumu izvēles.

15. daļa: Ko zīmoli var darīt ar šo informāciju (uz rīcību vērsts kopsavilkums)

1. Nostipriniet savas kanoniskās definīcijas

Tas veido to, kā AI jūs apraksta.

2. Publicējiet oriģinālus pētījumus

Tas palielina ģeneratīvo redzamību.

3. Uzturiet stingru konsekvenci visā tīmeklī

Tas palielina uzticēšanos un iekļaušanu.

4. Katru mēnesi atjauniniet galvenās lapas

Aktualitāte nav fakultatīva.

5. Izveidojiet salīdzināšanai piemērotu saturu

Aģentiem patīk strukturēti sadalījumi.

6. Uzturiet multimodālu saskaņotību

Jūsu attēli, ekrānuzņēmumi un lietotāja saskarne tagad ir svarīgi.

7. Novērst pretrunas

AI sodītu neskaidrības vairāk nekā meklētājprogrammas.

8. Prioritizējiet vienību skaidrību

Tas ir GEO pamats.

Secinājums: ģeneratīvās atbildes atklāj jaunu informācijas ekonomiku

Dati no 10 000 ģeneratīvajām atbildēm apstiprina vienu lietu:

Mēs ieejam atbilžu ekonomikā, nevis saikņu ekonomikā.

Redzamība vairs nav atkarīga no:

• reitingi

• atpakaļsaites

• atslēgvārdu apjoms

• SERP virsmas

Tā ir atkarīga no:

• skaidrība

• fakti

• struktūra

• jaunums

• oriģinalitāte

• vienotība

• daudzveidīga izpratne

• konsekventas identitātes visā tīmeklī

Ģeneratīvās meklēšanas sistēmas nebalsta lielākās vietnes. Tās balsta skaidrākās, uzticamākās un strukturētākās vietnes.

No 10 000 ģeneratīvajām atbildēm 2025. gadā mēs esam iemācījušies vienkāršu lietu:

Ja vēlaties redzamību AI laikmetā, jums jāoptimizējas atbilstoši AI domāšanai, nevis tam, kā cilvēki agrāk klikšķināja.