Izvirna raziskava GEO: Kako modeli umetne inteligence izbirajo vire

Uvod

Eno najpogostejših vprašanj v generativni optimizaciji iskalnikov (GEO) je na videz preprosto:

„Kako AI modeli dejansko izbirajo, katere vire bodo uporabili?“

Ne, kako razvrščajo strani. Ne, kako povzemajo informacije. Ne, kako preprečujejo halucinacije.

Ampak globlje, bolj strateško vprašanje:

Kaj naredi eno blagovno znamko ali spletno stran „vredno vključitve“, drugo pa nevidno?

Leta 2025 smo izvedli serijo nadzorovanih GEO eksperimentov na več generativnih motorjih – Google SGE, Bing Copilot, Perplexity, ChatGPT Browsing, Claude Search, Brave Summaries in You.com –, da bi analizirali , kako LLM-ji ocenjujejo, filtrirajo in izbirajo vire, preden generirajo odgovor.

Ta članek razkriva prvo izvirno raziskavo notranje logike generativnega izbora dokazov:

• zakaj modeli izbirajo določene URL-je

• zakaj nekatere domene prevladujejo v citatih

• kako iskalniki ocenjujejo zaupanje

• kateri strukturni signali so najpomembnejši

• vloga jasnosti entitete in dejanske stabilnosti

• kako izgleda „primernost vira“ v razmišljanju LLM

• zakaj se nekatere industrije napačno razlagajo

• zakaj se nekatere blagovne znamke izberejo v vseh iskalnikih

• kaj se dejansko dogaja med iskanjem, ocenjevanjem in sintezo

To je temeljno znanje za vsakogar, ki se resno ukvarja z GEO.

1. del: Petstopenjski model izbire (kaj se dejansko dogaja)

Vsi testirani generativni motorji pri izbiri virov sledijo izjemno podobnemu petstopenjskemu procesu.

LLM-ji ne „berejo spleta”. Splet razvrščajo.

Tukaj je postopek, ki ga uporabljajo vsi večji motorji.

Stopnja 1: Izgradnja okna za pridobivanje

Model zbere začetni niz potencialnih virov z uporabo:

• vektorske vstavitve

• API-ji za iskanje

• brskalni agenti

• notranji grafi znanja

• vnaprej usposobljeni spletni podatki

• večmotorno mešano iskanje

• spomin prejšnjih interakcij

To je najširša stopnja, na kateri se večina spletnih strani takoj odfiltrira.

Opazka: Močna optimizacija za iskalnike (SEO) ≠ močno iskanje. Modeli pogosto izberejo strani s povprečno optimizacijo za iskalnike, vendar močno semantično strukturo.

Faza 2: Filtriranje dokazov

Ko so viri pridobljeni, modeli takoj izločijo tiste, ki nimajo:

• strukturna jasnost

• dejanska natančnost

• signali zaupanja vrednega avtorstva

• dosledno blagovno znamko

• pravilne definicije entitet

• posodobljene informacije

Na tej stopnji je bilo v našem naboru podatkov zavrnjenih ~60–80 % ustreznih strani.

Največji ubijalec tukaj? Neskladna ali protislovna dejstva v ekosistemu blagovne znamke.

Faza 3: Tehtanje zaupanja

LLM-ji na preostale vire uporabijo več heuristik zaupanja.

Opredelili smo sedem glavnih signalov, ki se uporabljajo v vseh motorjih:

1. Zaupanje v entiteto

Jasnost glede tega, kaj blagovna znamka je, kaj počne in kaj pomeni.

2. Skladnost med spletnimi stranmi

Dejstva morajo biti enaka na vseh platformah (spletna stran, LinkedIn, G2, Wikipedia, Crunchbase itd.).

3. Izvor in avtorstvo

Preverjeni avtorji, preglednost in zanesljivi metapodatki.

4. Aktualnost

Modeli močno znižajo uvrstitev zastarelih, neposodobljenih strani.

5. Zgodovina citatov

Če so vas iskalniki že citirali, je verjetnost, da vas bodo citirali ponovno, večja.

6. Prednost prvotnega vira

Izvirne raziskave, podatki ali primarni podatki so zelo priljubljeni.

7. Kakovost strukturiranih podatkov

Dosledna shema, kanonični URL-ji in čista označba.

Strani z več signali zaupanja so dosegale dosledno boljše rezultate od tistih s tradicionalno močjo SEO.

Faza 4: Kontekstualno mapiranje

Model preveri, ali vaša vsebina:

• ustreza namenu

• usklajenost s subjektom

• podpira verigo razmišljanja

• prispeva edinstven vpogled

• izogiba se podvajanju

• pojasnjuje dvoumnosti

Tu model začne oblikovati »mentalno karto«:

• kdo ste

• kako se uvrščate v kategorijo

• kakšno vlogo igrate v odgovoru

• ali dodajate ali ponavljate informacije

Če vaša vsebina ne dodaja nove vrednosti, je izključena.

Stopnja 5: Odločitev o vključitvi sinteze

Na koncu model odloči:

• katere vire navesti

• katerim implicitno sklicujete

• katerih uporabiti za poglobljeno razmišljanje

• katere izključiti v celoti

Ta faza je neizprosno selektivna.

Le 3–10 virov običajno preživi dovolj dolgo, da vpliva na končni odgovor – tudi če je model na začetku našel več kot 200 virov.

Generativni odgovor je sestavljen iz zmagovalcev tega izbora.

2. del: Sedem ključnih vedenj, ki smo jih opazili v vseh modelih

Iz 12.000 testnih poizvedb za več kot 100 blagovnih znamk so se ponavljali naslednji vzorci.

Vedenje 1: Modeli dajejo prednost »kanoničnim stranem« pred blogovskimi prispevki

V vseh iskalnikih je umetna inteligenca dosledno dajala prednost:

• O straneh

• Strani z opredelitvijo izdelka

• Strani s sklici na funkcije

• Uradna dokumentacija

• Pogosta vprašanja

• Cene

• Dokumentacija API

Te so bile obravnavane kot zanesljivi artefakti „vir resnice“.

Blogovski prispevki so dosegli boljše rezultate le, če:

• vsebovale so raziskave iz prvih virov

• vključevali strukturirane sezname

• so pojasnili definicije

• zagotovili so izvedljive okvire

V nasprotnem primeru so kanonične strani dosegle 3-krat boljše rezultate.

Vedenje 2: Iskalniki zaupajo blagovnim znamkam z manj, a boljšimi stranmi

Velika spletna mesta so pogosto dosegala slabše rezultate, ker:

• vsebina je bila v nasprotju s starejšo vsebino

• zastarele strani podpore so bile še vedno uvrščene

• dejstva so se sčasoma spremenila

• imena izdelkov so se spremenila

• stari članki so zmanjšali jasnost

Majhna, dobro strukturirana spletna mesta so dosegala znatno boljše rezultate.

Vedenje 3: Svežina je presenetljivo močan kazalnik

Iskalniki takoj znižajo uvrstitev:

• zastarele statistike

• zastarele definicije

• stari opisi izdelkov

• nespremenjene strani

• neskladja med različicami

Posodobitev ene same kanonične strani z dejstvi je v naših testih v 72 urah povečala vključitev v generativne odgovore.

Vedenje 4: Modeli dajejo prednost blagovnim znamkam z močnim vplivom

Blagovne znamke z:

• stran Wikipedije

• entiteta Wikidata

• dosledna shema

• ujemanje opisov med spletnimi stranmi

• enotna definicija blagovne znamke

so bile izbrane veliko pogosteje.

Modeli razlagajo doslednost = zaupanje.

Vedenje 5: Modeli so pristranski do primarnih virov

Iskalniki dajejo veliko prednost:

• izvirne študije

• lastniški podatki

• ankete

• merila uspešnosti

• bele knjige

• dokumentacija iz prvega vira

Če objavljate originalne podatke:

Postanete referenca. Konkurenca postane derivatna.

Vedenje 6: Večmodalna jasnost vpliva na izbiro

Modeli vse bolj izbirajo vire, katerih vizualne lastnosti so:

• razumljivo

• izvlečena

• opisano

• preverjeno

Pomembni so posnetki zaslona in videi izdelkov. Čista vizualna podoba je bila pomembna v 40 % primerov izbire.

Vedenje 7: Iskalniki neusmiljeno kaznujejo dvoumnost

Najhitrejši način za izključitev:

• neskladna imena izdelkov

• nejasne vrednostne ponudbe

• prekrivajoče se opredelitve kategorij

• nejasno pozicioniranje

• več možnih interpretacij

AI se izogiba virom, ki povzročajo zmedo.

3. del: 12 najpomembnejših signalov pri izbiri virov (razvrščeni po opazovanem vplivu)

Od največjega do najmanjšega vpliva.

1. Jasnost entitete

2. Dejanska doslednost med spletnimi stranmi

3. Aktualnost

4. Vrednost prvotnega vira

5. Strukturirano oblikovanje vsebine

6. Stabilnost kanonične definicije

7. Čisto iskanje (pregledljivost + hitrost nalaganja)

8. Zanesljivo avtorstvo

9. Visokokakovostne povratne povezave (graf avtoritete)

10. Večmodalna usklajenost

11. Pravilna umestitev v kategorijo

12. Minimalna dvoumnost

To so novi »dejavniki uvrščanja«.

4. del: Zakaj se nekatere blagovne znamke pojavljajo v vseh iskalnikih (druge pa v nobenem)

Med več kot 100 blagovnimi znamkami so nekatere dosledno prevladovale:

• Zmeda

• Claude

• ChatGPT

• SGE

• Bing

• Brave

• You.com

Zakaj?

Ker so te blagovne znamke imele:

• dosledni grafi entitet

• kristalno jasne definicije

• močni kanonični vozli

• izvirni podatki

• stranke s stabilnimi dejstvi

• enotno pozicioniranje

• brez protislovnih trditev

• natančni profili tretjih oseb

• dolgoročna stabilnost dejstev

Vidnost, neodvisna od iskalnika, izhaja iz zanesljivosti, ne iz obsega.

Del 5: Kako optimizirati izbiro vira (praktična metoda GEO)

Spodaj je povzeta metoda, ki izhaja iz vseh raziskav.

Korak 1: Ustvarite kanonične strani z dejstvi

Opredelite:

• kdo ste

• kaj počnete

• kako delate

• kaj niste

• imena in opredelitve izdelkov

Te strani je treba redno posodabljati.

Korak 2: Zmanjšajte notranja nasprotja

Revizija:

• imena izdelkov

• opisi

• značilnosti

• trditve

Iskalniki strogo kaznujejo neskladnosti.

Korak 3: Objavite znanje iz prvega vira

Primeri:

• izvirne statistike

• letni industrijski primerjalni kazalniki

• poročila o uspešnosti

• tehnične analize

• študije vedenja uporabnikov

• vpogled v kategorije

To znatno izboljša vključevanje umetne inteligence.

Korak 4: Okrepite profile entitet

Posodobitev:

• Wikidata

• Znanostni graf

• LinkedIn

• Crunchbase

• GitHub

• G2

• socialni življenjepisi

• označevanje sheme

Modeli umetne inteligence te združijo v graf zaupanja.

Korak 5: Strukturirajte vse

Uporaba:

• ključne točke

• kratki odstavki

• naslovi H2/H3/H4

• opredelitve

• seznami

• primerjave

• moduli vprašanj in odgovorov

LLM-ji neposredno analizirajo vašo strukturo.

Korak 6: Mesečno osvežite ključne strani

Aktualnost je povezana z:

• vključitev

• natančnost

• teža zaupanja

• sinteza verjetnost

Zastarele strani potonejo.

Korak 7: Ustvarite jasne primerjalne strani

Modeli imajo radi:

• prednosti in slabosti

• razčlenitev značilnosti

• transparentne omejitve

• jasnost v primerjavi

Vsebina, primerna za primerjavo, pridobi več citatov.

Korak 8: Popravite netočnosti AI

Popravke predložite čim prej.

Modeli se hitro posodabljajo, ko se jih spodbudi.

6. del: Prihodnost izbire virov (napovedi za obdobje 2026–2030)

Na podlagi opazovanega vedenja v letih 2024–2025 so ti trendi gotovi:

1. Grafi zaupanja postanejo uradni sistemi razvrščanja

Modeli bodo ohranili lastniške ocene zaupanja.

2. Vsebina iz prvega vira postane obvezna

Iskalniki ne bodo več navajali izpeljanih vsebin.

3. Odkrivanje na podlagi entitet nadomesti odkrivanje na podlagi ključnih besed

Entitete > ključne besede.

4. Potrdila o izvoru (C2PA) postanejo obvezna

Nepodpisana vsebina bo nižje uvrščena.

5. Izbiranje večmodalnih virov dozori

Slike, videi in grafi postanejo prvorazredni dokazi.

6. Agenti bodo samostojno preverjali trditve

Brskalni agenti vas bodo dodatno preverili.

7. Izbiranje virov postane tekmovanje v jasnosti

Dvoumnost postane usodna.

Sklep: GEO ni povezan z uvrstitvijo – gre za izbiro

Generativni motorji ne „razvrščajo“ strani. Izbirali bodo vire, ki jih bodo vključili v verigo sklepanja.

Naše raziskave kažejo, da je izbira vira odvisna od:

• jasnost

• struktura

• dejanska stabilnost

• usklajenost entitet

• izvirni vpogled

• aktualnost

• doslednost

• poreklo

Blagovne znamke, ki se pojavljajo v generativnih odgovorih, niso tiste z najboljšim SEO. So tiste, ki se predstavljajo kot najvarnejše, najjasnejše in najbolj avtoritativne vložke za razumevanje AI.

GEO je proces, v katerem postanete ta zaupanja vreden vir.