A Google Danny Sullivan és John Mueller Search Off The Record podcastja útmutatást nyújtott azoknak a keresőoptimalizálóknak és kiadóknak, akiknek kérdéseik vannak az LLM-alapú keresésben és csevegésben való rangsorolással kapcsolatban, megcáfolva a „tartalom darabolására” vonatkozó, gyakran ismételt tanácsokat. De valójában nem erről kellene beszélniük a Google dolgozóinak.
SEO és a keresés következő generációja
A Google korábban kulcsszóegyeztetés alapján rangsorolta a tartalmat, a PageRank pedig egy módja volt ennek a paradigmának a hivatkozások horgonyszövegével történő kiterjesztésének. A Tudásgráf 2012-es bevezetését a válaszok valós világbeli dolgok (entitások) alapján történő rangsorolása felé tett lépésként írták le. A Google ezt a karakterláncokról a dolgokra való elmozdulásnak nevezte.
Ma az történik, amit a Google 2012-ben „a keresés következő generációjának nevezett, amely az internet kollektív intelligenciáját használja, és egy kicsit jobban megérti a világot, mint az emberek.”
Tehát, amikor az emberek azt mondják, hogy semmi sem változott a SEO-val, ez annyiban igaz, hogy a mögöttes infrastruktúra továbbra is a Google Keresés. Ami megváltozott, az az, hogy a válaszok hosszú formátumúak, amelyek három vagy több további kérdésre adnak választ a felhasználó kezdeti lekérdezésén túl.
Arra a kérdésre, hogy miben más a SEO for AI, a válasz az, hogy az egy kulcsszóra történő optimalizálás paradigmája egy keresési eredményhez összetörik, szétszakad a lekérdezéstől.
A Google-tól, Danny Sullivan és John Mueller nem adtak útmutatást arról, mire kell összpontosítaniuk a keresőoptimalizálóknak. Megtalálják a célt?
Hogyan írjunk hosszú válaszokért
Tekintettel arra, hogy a Google több bekezdésből álló válaszokat ad a felszínre, van-e értelme falatnyi darabokba rendezett tartalmat létrehozni? Hogyan befolyásolja ez azt, hogy az emberek hogyan olvasnak tartalmat, tetszeni fog nekik, vagy elhagyják?
Sok keresőoptimalizáló azt javasolja a kiadóknak, hogy az oldalt „darabokra” bontsák azon intuíció alapján, hogy a mesterséges intelligencia a tartalmat részekre osztja fel. De ez egy önkényes megközelítés, amely figyelmen kívül hagyja azt a tényt, hogy a megfelelően felépített weboldalt már eleve darabokra bontják címsorok, HTML-elemek, például rendezett és rendezetlen listák használatával. A megfelelően megjelölt és formázott weboldalnak már olyan logikai szerkezetűnek kell lennie, amelyet ember és gép is könnyen megért. Duh… igaz?
Nem meglepő, hogy a Google Danny Sullivan figyelmezteti a keresőoptimalizálókat és a kiadókat, hogy ne bontsák darabokra tartalmukat.
Danny azt mondta:
„Hogy az egyik dologra rátérjek, azokról a konkrét dolgokról beszéltem, amelyeket az emberek szeretnek: „Mi az a dolog, amit javítanom kell.” Az egyik dolog, amit újra és újra látok néhány tanácsban és útmutatásban, és az emberek megpróbálják kitalálni, mit tegyünk az LLM-ekkel vagy bármi mással, az az, hogy a tartalom falatnyi darabokra változik, mert az LLM-ek szeretik az igazán falat méretű dolgokat, igaz?
Tehát nem akarjuk, hogy ezt tedd. Erről beszélgettem néhány mérnökkel. Nem akarjuk, hogy ezt tedd. Mi tényleg nem. Nem akarjuk, hogy az embereknek bármit is kifejezetten a Keresés számára kelljen elkészíteniük. Soha nem voltunk ott, ahol voltunk, és továbbra is így maradunk. Nem akarjuk, hogy azt gondolja, hogy ezt kell tenned, vagy két verziót kell készítened a tartalomból, egyet az LLM-nek, egyet pedig a hálózatnak.
Danny a darabolásról beszélt néhány Google-mérnökkel, és ebből a beszélgetésből az a következtetése, hogy a darabolás ellen javasolja. A második kitétel az, hogy rendszereik úgy vannak beállítva, hogy úgy érjék el a tartalmat, ahogyan az emberi olvasók hozzáférnek, és ezért azt mondja, hogy a tartalmat emberek számára készítsék el.
Nem beszél a keresési hivatkozásokról
De ismét nem beszél arról, ami szerintem a mesterséges intelligencia keresésének fontosabb aspektusa, a lekérdezések fan-out és a hivatkozásokra gyakorolt hatás. A lekérdezések kibővítése hatással van a hivatkozásokra, mivel a Google egy maroknyi oldalt rangsorol több lekérdezéshez a felhasználó minden egyes lekérdezéséhez. De ezt a helyzetet tovább bonyolítja, amint azt a későbbiekben látni fogja, hogy a Google által rangsorolt webhelyek nem felelnek meg.
Összpontosítson a Nagy Képre
Danny Sullivan ezután a gépek optimalizálásának hátrányait tárgyalja, elmagyarázva, hogy a rendszerek idővel javulnak, ami általában azt jelenti, hogy a gépekre vonatkozó optimalizálás leáll.
Elmagyarázta:
„És aztán a rendszerek javulnak, valószínűleg úgy, ahogyan a rendszerek mindig próbálnak javítani, hogy jutalmazzák az embereknek írt tartalmat. Mindaz, amit azért tett, hogy örömet szerezzen ennek az LLM-rendszernek, amely működött vagy nem, nem biztos, hogy hosszú távon működik.
…Ismét, önnek kell meghoznia a döntéseit. De úgy gondolom, hogy az idő múlásával azt látod, hogy nem ezek a nagyon kis konkrét dolgok visznek keresztül, hanem tudod, te hozod meg a saját döntéseidet. De azt is gondolom, hogy sokan, akik nagyon régóta foglalkoznak a SEO térrel, látni fogják ezt, és felismerik, hogy ezekre az alapvető célokra összpontosítva ez az, ami végigvezeti Önt.”
Beszéljünk a Garbage AI keresési eredményeiről
Régóta ismerem Danny Sullivant, és nagyon tisztelem őt, tudom, hogy kiadókra gondol, és valóban azt akarja, hogy sikerrel járjanak. Azt szerettem volna, ha beszélni szeretne, az a téma szakértőinek csökkenő forgalmi lehetőségei és a látszólag önkényes szemétkeresési eredmények, amelyeket a Google folyamatosan megjelenít.
Hiányzik a tárgyi szakértelem
A Google szándékosan elrejti a szakértői publikációkat a keresési eredmények között, elrejtve a Továbbiak lapon. Szakértői tartalom megtalálásához a felhasználónak rá kell kattintania a Továbbiak lapra, majd a Hírek fülre.
Hogyan rejti el a Google a szakértői weboldalakat?
A Google mesterséges intelligencia-módja népszerűsíti a szemetet és a szakértelemhiányos webhelyeket
Ezt a keresést nem azért választották ki, hogy rossz eredményeket mutasson. Szó szerint ez az egyetlen keresés, amit egy pulóver stílusával kapcsolatos jogos kérdést tettem fel.
A Google AI-módja a következő oldalakat idézi:
1. Egy elhagyott Medium Blog 2018-ból, amelyen csak két blogbejegyzés volt, mindkettő hibás képekkel. Ez nem mérvadó.
2. A LinkedIn-en, egy üzleti közösségi oldalon megjelent cikk. Ismétlem, ez nem mérvadó és nem megbízható. Ki megy a LinkedInhez szakértői stílustanácsadásért?
3. Egy tornacipő-kereskedő webhelyén megjelent cikk a pulóverekről. Nem szakértő, nem mérvadó. Ki megy egy tornacipő-kereskedőhöz pulóverekről szóló cikkeket olvasni?
Képernyőkép a Google Garbage AI eredményeiről
A Google elrejti a jó dolgokat a Továbbiak > Hírek lapon
Ha a Google alapértelmezés szerint a tényleges szakértői webhelyeket választotta volna, akkor előfordulhat, hogy a GQ vagy a New York Times egyik cikkére hivatkoztak, mindkettő jó hírű webhely. Ehelyett a Google elrejti a kiváló minőségű weboldalakat a Továbbiak lapon.
Képernyőkép a rejtett jó minőségű keresési eredményekről
GEO vagy SEO – nem számít
Ez az egész a GEO-ról vagy az AEO-ról, és arról, hogy mindez SEO-ról szól, nem igazán számít. Az egész egy rakás kézlengetés és bömbölés. Az számít, hogy a Google már nem rangsorolja a jó minőségű webhelyeket, és a jó minőségű webhelyek elsorvadnak a forgalom hiányától.
Egész nap látom ezeket a gyenge minőségű SERP-eket, és ez lehangoló, mert a Google Keresésben már nincs felfedezés öröme. Mikor fedezett fel utoljára egy igazán klassz oldalt, amelyről mesélni akart valakinek?
Szemet a szemétre, szemétre, még több szemétre. A Google-nak vissza kell állítania.
Mit szólna ahhoz, hogy a Google visszahozza az eredeti keresést, és valahol a More fül alatt megkapjuk az összes kézzel hullámos Gemini-cuccot?
Hallgasd meg a podcastot itt:
