A hivatkozási eszközök alapvetően különböznek a rangkövetőktől, és ezt a különbséget szinte mindig korlátozásként tekintik vagy állítják.
A legutóbbi, digitális marketinggel foglalkozó szakemberek körében végzett felmérésem egyik válaszadója egyértelműen fogalmazta meg az esetet. Nem lehet visszafejteni, hogy mi működik, ha a válasz minden kérdésnél megváltozik, így ami marad, az közelebb áll a márkaismertség jeléhez, mint a diagnosztikához. Elég sok embertől hallottam ennek néhány verzióját, mivel ez az alapértelmezett olvasmány ezen a téren, és ez egy korrekt. Ez a felmérés szándékosan mutatta be a válaszadók által elmondottakat, cáfolat nélkül, ezért akkor megvágtam a válaszomat. Ez a válasz.
A POV-juk elgondolkodtatott, és ami következik, hova vezetett ez a gondolkodás idáig. Elöljáróban még egyszer elmondom, hogy a CitationIQ-t, egy mesterséges intelligencia-optimalizálási adatplatformot futtatom, tehát kereskedelmi érdekem van az ehhez hasonló dolgokra adott válaszok iránt. Nyugodtan engedményezzen ennek megfelelően.
A kérdés, amit felteszek, nem ugyanaz
Az alapértelmezett olvasat azt feltételezi, hogy az eszköz feladata az, hogy megmagyarázza, miért jelent meg vagy nem. Ez az elvárás egyenesen a rangkövetésből fakad, ahol a pozíció volt az eredmény, és a diagnosztikai munka kiderítette, mi mozgatta meg. Ezt vissza akarni ésszerű. Az a szám, amelyre cselekedhet, hasznosabb, mint az a szám, amelyet csak megfigyelhet.
Egy másik kérdésből jöttem rá. Nem azt, hogy miért jelent meg, hanem, hogy az általad üldözött kifejezés továbbra is vitatott-e, vagy megoldódott-e. Ez két különböző dolog, amit ugyanabból a bizonyítékból kívánni, és a másodikra jutottam, amely jelenleg kereskedelmi szempontból számít.
Mert ha a válasz megoldódott, és a válasz nem a tiéd, akkor a diagnosztikai kérdés már meg van válaszolva úgy, hogy a visszafejtés semmilyen módon nem javít. A végfelhasználót nem érdekli, hogy kié a válasz. A választ akarták, meg is kapták, és soha nem a forrás kiléte volt számukra a lényeg.
A letelepedett hasznosabb szó, mint a rangsorolt
Szerintem ez történik.
A hagyományos SEO bővíthetőként kezelte a kifejezéseket. Sokféleképpen lehetett megkérdezni ugyanazt, mindegyik megszámlálható, mindegyik külön lehetőség volt, és az egész módszer az volt, hogy ezeket a variációkat olyan mennyiségekké összesítsék, amelyeket érdemes követni. Az új rendszerek ugyanazt a kifejezést összecsukhatóként kezelik. Átlagosan veszik a variációkat a források között, és egy választ adnak vissza, amelyet a személy elfogad, és amely alapján cselekszik. Ezt értem konvergencia alatt.
Ha jogom van hozzá, akkor közel áll az inverzióhoz. Az ipar húsz évet töltött azzal, hogy bővítse ezeket a rendszereket.
De a konvergencia nem olyan tiszta, mint amilyennek hangzik. A modellek nem találnak megbízhatóan egy választ. A 2026. júniusi ellenőrzés során három modellre és 250 kategóriára vonatkozó 3750 válaszból álló vizsgálat során mindhárman csak az esetek 41,6%-ában értettek egyet a legjobb márkával. A hasznosabb szám ugyanabból az auditból az alatta található. A többségi megállapodás, ahol a három közül legalább kettő ugyanazt a csúcsmárkát nevezte el, elérte a 91,6%-ot.
Tehát a modellek rendezése mely márkák jogosultak, nem pedig arra, hogy melyik az első. A készlet kicsi és stabil. A sorrend mozog. Amikor valaki újra futtat egy promptot, és egy másik felső választ kap, az egy rögzített halmazon belüli mozgás, és annak bizonyítékaként kezelve, hogy semmi sem rendeződött, rossz réteget olvas be.
Ez megváltoztatja azt, amit egy idéző eszköz mond. Nem a pozíciód, ami soha nem volt és nem is lesz stabil, hanem az, hogy van-e még benne hely a kifejezésben. Ha 10 lekérdezés, amelyet 10 lehetőségként kezelt, mind ugyanarra a rövid listára vonatkozik, akkor ez egy lehetőség volt, és most már tudja.
Valaki azt fogja mondani, hogy ez megint a kiemelt részlet-vita. Nem az, bár a közgazdaságtan hasonló. Snippets összecsukta a kattanást, és érintetlenül hagyta a választerületet. A kifejezés vitatható maradt, az egyik kiadó tartotta a dobozt, és láthattad, ki tartotta, és menj, vedd el. Ahrefs ekkor mérte fel a károkat. A konvergencia másként működik, mert a válasz egyszerre több forrásból épül fel, így gyakran senkinek nincs mit vennie. Azoknak a szakembereknek, akik azt mondják, hogy látták már ezt, igazuk van a hatást illetően, és tévednek a mechanizmust illetően, és a mechanizmus dönti el, hogy a régi válasz még mindig működik-e.
De vajon valódi-e ebből valami?
A legerősebb kifogás az, hogy a konvergencia annak a műterméke, ahogyan mérhető. Tiszta munkamenetek, szintetikus promptok, nincs felhasználói előzmény. Ha minden valódi felhasználó személyre szabott élményt kap, a konvergencia olyan dolog lehet, ami csak egy tesztterületen belül létezik.
Úgy tűnik, hogy a személyre szabás nem oldja fel a konvergenciát. Úgy tűnik, hogy áthelyezi. A tíz vásárlói személyre kiterjedő, 2000 vizsgálat során megállapították, hogy a kategóriavezetők nagyrészt személyrezisztensek, nagyjából 80%-os konzisztenciával rendelkeznek, függetlenül attól, hogy a modell szerint kit kérdezett, míg a közepes piaci márkák az ajánláskészlet akár 75%-át is felcserélték a személy változásával. A vezetők a helyükön maradnak, függetlenül attól, hogy ki kér, és a lemorzsolódás alattuk történik. Ami azt jelenti, hogy a személyre szabás az általam leírt problémára koncentrál, nem pedig annak megoldására.
A szintetikus azonnali kifogásra nem tudok ilyen tisztán válaszolni. Ebben a kategóriában senki, köztük én, jelenleg nem végez méréseket a valós lekérdezések ellenőrzött eloszlásaihoz képest. Ez egy igazi korlát annak, amit jelenleg bármelyik eszköz igényelhet, beleértve az enyémet is. (A skála pedig itt „mindegyre” utal, nem „1 000 000 példányból vettünk mintát, és X-et találtunk”. Szép, de csak egy töredéke a teljesnek.)
A térképen kevesebb hely van, mint azt feltételeztük
A Google dokumentumai szerint az AI áttekintések és az AI-mód több kapcsolódó keresést is végrehajthat altémákban és adatforrásokban, mielőtt választ hozna létre. Tehát az a kifejezés, amelyet egy személy beír, gyakran nem is az, amit a rendszer keres. Ez az a tömörítés, amely egy réteggel korábban történik, mint ahogy a legtöbb ember keresi.
Itt van az a rész, amely népszerűtlen lesz. A valóban elkülönülő kereskedelmi lehetőségek tere mindig kisebb volt, mint a megfogalmazások tere. A konvergencia nem csökkentette. A konvergencia láthatóvá tette.
Ennek egy verzióját néztem meg belülről. A Bingnél eltöltött éveim alatt a kategóriaszintű figyelemkoncentrációt jól megértették, és ez határozta meg, hogy merre mennek az erőforrások. A szórakoztatás, az autók és a hírek vonzották az embereket és a szerverkapacitást, mert ott volt az összkereslet. Az olyan kategóriák, mint a varrás vagy a kötés, rendkívül fontosak voltak azoknak az embereknek, akiknek fontosak voltak, és arányosan kevesebbet kaptak. Ez egy közönséges erőforrás-menedzsment, amelyet az információkeresésre alkalmaznak, és két évtizeddel azelőtt igaz volt, hogy bárki nyelvi modellt tanított volna a nyílt weben.
Az újdonság az, hogy most a koncentráció dönti el a válaszokat a költségvetés helyett. A Trine Egyetem és a Texas A&M kutatói kísérletet végeztek. Egy valódi márkából álló termékkészleteket építettek össze kilenc ellenőrzött kitalált termékkel, azonos értékelésekkel, árakkal, értékelések számával és összetevők leírásával. Az egyetlen különbség a név volt. A valódi márkát a 670 érvényes próba mindegyikében javasolták, három modellben, két nyelven és négy termékkategóriában. Egyszer sem jelent meg egy kitalált márka.
A modell nem értékelte a termékeket. Egy név felismerése volt. Ez megmondja, hogyan néz ki most a győzelem, és nem ez a legjobb válasz. Ez a legtöbbet leírt entitás egy olyan kategóriában, ahol a leírás már felhalmozódott. Ugyanez a júniusi ellenőrzés a 250 lekérdezés mindössze 8%-ában talált valódi versenyvákuumot, vagyis olyan kategórialekérdezéseket, amelyekben egyáltalán nem volt domináns márka.
A korábbi cikkekben alaposan megvizsgáltam a bizalmat. A lényeg az, hogy ezeknek a rendszereknek megbízható forrásokra van szükségük, mert a szintetizált válasz csak annyira jó, mint amiből felépült. A felismerés a rendelkezésre álló legolcsóbb megbízhatósági proxy, így a modellek erre támaszkodnak. Ezek egyike sem sokkolhat senkit. Az a megdöbbentő, hogy mindezt ismerjük, és még mindig úgy döntünk, hogy a rangot nem látni az a probléma, amelyet meg kell oldani.
Miért nem nézi ezt inkább az ipar?
Kevesebb külön lehetőség azt jelenti, hogy kevesebb vállalkozás nyerhet, és azok, amelyek nyernek, a szóhasználaton kívül mással is nyernek.
Ez egy egzisztenciális keret egy olyan tudományághoz, amelynek közgazdaságtana azt feltételezte, hogy végül mindenki megtalálja a maga rést. A hosszú farok soha nem volt csak taktika. Az volt az ígéret, hogy mindenkinek van hely, hogy egy kis üzemeltető türelemmel és tartalmi költségvetéssel tud valami védhetőt építeni. A konvergenciával való őszinte szembenézés azt jelenti, hogy kisebb megcélozható lehetőséggel kell szembenézni, mint amelyre sok karrier épült, beleértve az enyémet is.
Nem hiszem, hogy a gyakorlók ezt rosszhiszeműen elkerülik. Teljesen érthető az ösztönzés, hogy ne nézzek, és én magam sem érkeztem hozzá vidáman.
Még egy dolog bonyolítja a képet. A mesterséges intelligencia márka láthatóságának szinte minden publikált mérése olyan cégektől származik, amelyek AI márka láthatósági méréseket értékesítenek. A fenti három tanulmány közül kettő szállítói kutatás feltárt konfliktusokkal. Ez ugyanaz a konfliktus, amit magamról kijelentettem, az egész bizonyítékbázison felbukkanva, és ez ok arra, hogy ebben a darabban minden számot lazán tartsak.
Ahol ez az érv elfogy
A konvergencia átmeneti lehet. A visszakeresési architektúrák megváltoznak, a modellcsaládok eltérnek egymástól, és a mai kanonikus mérlegelési halmaz 18 hónapon belül újra széttöredezhet. Nem tudom megjósolni ezt a kockázatot.
A nagyobb korlát a lekérdezés típusa. A fentiek mindegyike a legerősebb az információs és kategória szintű kérdéseknél, és a leggyengébb az egyes kereskedelmi kérdéseknél. Konvergencia bekapcsolva mi az X nagyon keveset árul el róla legjobb X az Y-hez a Z korlátozás alatt. A keresztmodell-megállapodások adatai éppúgy neheznek rám, mint itt rám, mert a 41,6%-os adat a kereskedelmi kategóriás lekérdezésekből származott, és pont ez az, ahol az érvelésem a legtöbb munkát és a legkevesebb támogatást hordozza. Ha ez csak az információs lekérdezésekre vonatkozik, akkor lényegesen kevésbé számít, mint azt gondolom. Ezt nem hiszem el, de az eddig megjelentek alapján nem tudom kizárni.
Tehát mi váltja fel a kifejezések lefedettségét?
Ezt még nem dolgoztam ki teljesen, és remélem hallani fogom a véleményeiteket ezzel kapcsolatban.
Úgy gondolom, hogy egyes irányok ígéretesebbek, mint mások. Az a nyilvánvaló, és egyben a legnehezebb is, hogy a forrásmodellek konvergálnak, ahelyett, hogy egy másik forrás versengene egy kifejezésért, mert azt éveken keresztül független leírással lehet megszerezni, nem pedig tartalmi naptárban.
Az oldalszintű optimalizálás helyett az entitásszintű állásfoglalás közvetlenül következik a felismerésből. Ha a modell az általa ismert név alapján választ, akkor a befektetés mértéke a név, nem az oldal.
Azok a kategóriák, ahol a konvergencia még nem történt meg, valósak, és a mechanizmus megmondja, hol keresse. Kandpal és munkatársai megállapították, hogy a modell válaszadási képessége nyomon követi, hány releváns dokumentumot látott az előképzés során. Mallen és munkatársai azt találták, hogy a méretezés javítja a felidézést a népszerű végén, miközben a ritka részt nagyjából ott hagyja, ahol elkezdődött. A ritka kategóriák azok, ahol a porszívók ülnek, és az egészségügyi technológia mutatta a legmagasabb vákuum arányt abban a júniusi ellenőrzésben, 20%-kal. A vékony fedő egy nyílás, és egy ideiglenes.
Néhány lekérdezés pedig egyszerűen nem nyerhető meg, és inkább fel kell hagyni velük, mint megküzdeni velük. Ez a legkevésbé kielégítő tétel a listán, és valószínűleg a legértékesebb is, mert a kiegyenlített mondat megkérdőjelezésének költsége nem csak az elpazarolt kiadás. Ez az a kifejezés, amelyet nem vitattál meg helyette.
Amihez folyamatosan visszatérek, az az, hogy a konvergencia nem a mérés kudarca. Ez egy olyan mérési módszer, amelyet ez az iparág korábban nem láthatott, és úgy tűnik, hogy azt méri, hogy mennyi hely maradt, szerintem. Ez kényelmetlen. A ténylegesen látható kisebb térkép azonban még mindig felülmúlja az általad elképzelt nagy térképet.
Ha ezt a saját adataival teszteli, és más választ kap, hallani szeretnék róla. Hagyjon megjegyzést alább, vagy lépjen kapcsolatba közvetlenül.
Mélyebben foglalkozom azzal, hogy ezek a rendszerek hogyan építik fel és tartják meg a márkáról alkotott képüket A gépi rétegitt érhető el.
Ez a bejegyzés eredetileg a Duane Forrester Decodes oldalon jelent meg.
