Robby Stein, a Google Kereső termékért felelős alelnöke nemrégiben leült egy interjúra, ahol megválaszolta azokat a kérdéseket, amelyek arra vonatkoznak, hogy a Google AI-módja hogyan kezeli a minőséget, hogyan értékeli a Google a segítőkészséget, és hogyan hasznosítja a kereséssel kapcsolatos tapasztalatait annak meghatározására, hogy melyik tartalom hasznos, beleértve az olyan mutatókat, mint a kattintások. Felvázolt öt minőségi SEO-tényezőt is, amelyeket az AI módhoz használnak.
Hogyan szabályozza a Google a hallucinációkat
Stein válaszolt egy hallucinációkkal kapcsolatos kérdésre, ahol a válaszokban az MI rejlik. Elmondta, hogy az AI mód minőségbiztosítási rendszerei mindazon alapulnak, amit a Google a klasszikus keresés 25 éves tapasztalata során megtanult a minőségről. Azok a rendszerek, amelyek meghatározzák, hogy milyen linkeket jelenítsenek meg, és hogy a tartalom jó-e, a modellben kódolva vannak, és a Google klasszikus keresési tapasztalatain alapulnak.
A kérdező megkérdezte:
„Ezek a modellek nem determinisztikusak, és időnként hallucinálnak… hogyan védekezhet ez ellen? Hogyan biztosíthatja, hogy a Google-keresés alapvető élménye állandó és jó minőségű maradjon?”
Robby Stein válaszolt:
„Igen, úgy értem, a jó hír az, hogy ez nem újdonság. Míg az AI és a generatív AI ezen a módon határvonalat jelent, az információ minőségi rendszereiről való gondolkodás már 20-25 éve történik.
És így ezek az AI-rendszerek ezekre épülnek. Van egy hihetetlenül szigorú megközelítés egy adott kérdés megértéséhez, ez jó információ? Ezek a megfelelő linkek? Ezek azok a megfelelő dolgok, amelyeket a felhasználó értékelne?
Milyen jelek és információk állnak rendelkezésre ahhoz, hogy megtudjuk, mi a legjobb dolog, amit megmutathatunk valakinek. Mindez bele van kódolva a modellbe, és a modell érvelése, valamint a Google keresés eszközként való használata az Ön információinak megtalálásához.
Tehát erre a történelemre épít. Nem a nulláról indul, mert képes azt mondani, hogy ó, oké, Robbie el akar menni erre az útra, és menő éttermeket keres valamelyik környéken.
Mik azok a dolgok, amelyekre az évek óta tartó emberek a Google-ra hagyatkoztak? Valahogy tudjuk, mik ezek az erőforrások, és ott is meg tudjuk mutatni. És úgy gondolom, hogy ez sokat segít.
És akkor nyilvánvalóan a modellek, most, hogy feloldja az elrendezésre vonatkozó korlátot, nyilvánvalóan a modellek idővel az utasításkövetésben is csak jobbak lettek. És így tulajdonképpen csak meghatározhatja, hé, itt vannak a primitívjeim, itt vannak a tervezési irányelveim. Ne ezt csináld, hanem ezt.
És persze időnként követ el hibákat, de úgy gondolom, hogy csak a modell minősége lett olyan erős, hogy ezek most sokkal kevésbé valószínűek.”
Stein magyarázata világossá teszi, hogy a mesterséges intelligencia mód a Google klasszikus keresőrendszereiből tanult dolgokkal van kódolva, nem pedig a semmiből való újjáépítéssel vagy azoktól való megszakítással. A hallucinációk kockázatát úgy kezelik, hogy a mesterséges intelligencia válaszait ugyanazokban a relevancia-, bizalom- és hasznossági jelzésekben alapozza meg, amelyek évtizedek óta a klasszikus keresés alapját képezik. Ezek a jelek továbbra is meghatározzák, hogy mely források tekinthetők megbízhatónak, és mely információkat találtak a felhasználók történelmileg értékesnek. A mesterséges intelligencia keresés pontossága ebből a folytonosságból következik, mivel a modell gondolkodását a régóta fennálló keresési minőségi jelek vezérlik, nem pedig azoktól függetlenül.
Hogyan értékeli a Google a segítőkészséget AI módban?
A következő kérdés a Google által az AI módban használt minőségi jelekre vonatkozik. Robby Stein válasza elmagyarázza, hogy az AI mód a minőséget nagymértékben meghatározza, mint a klasszikus keresésnél.
A kérdező megkérdezte:
„És Robbie, ahogy a keresés fejlődik, ahogy az eredmények változnak, és valóban, ismét dinamikussá válnak, milyen jelekre figyel, hogy tudja, hogy a felhasználó nem csak azt kapja meg, amit akar, hanem ez a lehető legjobb keresési élmény?”
Stein válaszolt:
„Igen, egy csomó dolog van. Úgy értem, úgy nézzük, mintha valóban a segítőkészséget tanulmányoznánk, és azt, hogy az emberek hasznosnak találják-e az információkat.
És ezt úgy érheti el, hogy valódi emberekkel offline módon értékeli a tartalmat. Ezt megteheti online úgy, hogy megnézi magukat a tényleges válaszokat.
És az emberek felfelé és lefelé mennek nekünk?
Értékelik az érkező információkat?
És akkor tetszik, tudod, hogy többet használnak? Visszajönnek? Azért szavaznak a lábukkal, mert az értékes számodra.
És ezért azt hiszem, hogy amolyan háromszögeléssel foglalkozol, ezek bármelyike félrevezethet.
Érdekes módon számos terméknél, ha a termék nem működik, több módszer is előfordulhat, hogy többet használ.
A keresésben ez egy érdekes dolog.
Van egy nagyon specifikus mérőszámunk, amely kezeli az embereket, akik újra és újra megpróbálják ugyanarra a célra használni.
Tudjuk, hogy ez rossz dolog, mert azt jelenti, hogy nem találják.
Nagyon óvatosnak kell lenned.
Úgy gondolom, hogy így építünk arra, amit a keresés során tanultunk, hogy igazán jól érezzük magunkat, hogy az általunk szállított dolgokat hasznosnak találják az emberek.”
Stein válasza azt mutatja, hogy az AI mód a sikert a keresési minőséghez használt alapjelek alapján értékeli, még akkor is, ha a felület dinamikusabbá válik. A hasznosságra nem egyetlen elköteleződési jelből lehet következtetni, hanem az emberi értékelés, az explicit visszajelzés és az idő múlásával járó viselkedési minták kombinációjából.
Fontos, hogy Stein megjegyzi, hogy pusztán azért, mert az emberek sokat használják, feltehetően egyetlen munkamenet alatt, a megnövekedett használat önmagában nem tekinthető sikernek, mivel az ugyanazon kérdés megválaszolására tett ismételt kísérletek inkább kudarcot jeleznek, mint elégedettséget. A lényeg az, hogy az AI mód sikerét az alapján ítélik meg, hogy a felhasználók elégedettek-e, és minőségi jeleket használ, amelyek a súrlódás és a zavart észlelés mellett a pozitív elköteleződést is észlelik. Ez átviszi a folytonosságot a klasszikus keresésből, ahelyett, hogy újradefiniálná, mit jelent a hasznosság.
Öt minőségi jel az AI-kereséshez
Végül Stein megválaszolja a mesterséges intelligencia által generált tartalom rangsorolásával kapcsolatos kérdést, és azt, hogy a SEO legjobb gyakorlatai továbbra is segítenek-e az AI-ban való rangsorolásban. Stein válasza öt olyan tényezőt tartalmaz, amelyek alapján megállapítható, hogy egy webhely megfelel-e a minőségi és segítőkészségi szabványoknak.
Stein válaszolt:
„A fő mechanika az, hogy a modell felveszi a kérdését és megindokolja, megpróbálja megérteni, mit akar kihozni ebből.
Ezután potenciálisan tucatnyi lekérdezést generál, amelyek a Google rendszerében keresendők. Ez hozzávetőlegesen azt mutatja, hogy az emberek milyen információkat találtak hasznosnak ezekben a kérdésekben.
Nagyon erős kapcsolat van a 25 év alatt végzett minőségi munkánkkal.
Ez a tartalom erről a témáról szól?
Valaki hasznosnak találta az adott kérdésben?
Ez lehetővé teszi számunkra, hogy a tartalom szélesebb választékát tárjuk fel, mint a hagyományos Keresés, mivel ez az Ön helyett kutatást végez.
A lényeg az, hogy ugyanazok a dolgok érvényesek.
- A tartalom közvetlenül válaszol a felhasználó kérdésére?
- Kiváló minőségű?
- Gyorsan töltődik?
- Eredeti?
- Hivatkozik a forrásokra?
Ha az emberek rákattintanak, értékelik, és visszatérnek hozzá, akkor az adott kérdésnél a tartalom rangsorol, és a mesterséges intelligencia világában is.
Nézze meg az egy óra huszonhárom perctől kezdődő interjút:
