A hosszkülönbség valós és jól dokumentált, és egyes mérések azt mutatják, hogy a ChatGPT promptok egy nagyságrenddel hosszabb ideig futnak, mint egy tipikus Google-lekérdezés karakterszám alapján. Egyik sem mondja meg, mit kell tennie hétfőn. Nem a bemenet hossza az a rész, amely megváltoztatja a saját jelentéseinek olvasását; ezt csinálja két különböző rendszer ugyanazzal a karakterlánccal, amikor egyszerre kezdi el a mérést mindkettőn.
Kezdje a művelettel, ne a szószámmal
A keresési index egy karakterláncnak felel meg. Egy nyelvi modell értelmez egyet. Ezek különböző munkák, és különböző beviteli alakzatokat díjaznak, ezért ha ugyanazt a lekérdezést mindkét felületre továbbítja, nem ad két leolvasást egy dologról. Két különböző dolgot ad meg, amelyek egy beviteli mező megosztása esetén történnek. Az index olyan dokumentumokat keres, amelyek szövege megegyezik az Ön által átadott szó szerinti kifejezésekkel. A modell mindent felhasznál, amit átadtál a szándék háromszögesítésére, és minél több kontextust kap, annál magabiztosabban szűkül a válasz felé. Adjon meg egy keresési indexnek egy hosszú, konkrét kifejezést, és ezzel kiritkította a versengő dokumentumok mezőjét, ami általában megkönnyíti a rangsorolást. Adja meg egy modellnek ugyanezt a kifejezést, és kiélezte a célját. Ugyanaz a húr, ellentétes mechanika.
Két gondolat segít megőrizni ezt az őszinteséget, mielőtt továbbmennénk. Az első az, hogy egy hosszú kifejezés nem automatikusan longtail kulcsszó. A SEO mezőny már évekkel ezelőtt rendeződött, és az élesebb szakemberek még mindig azt mondják, hogy a longtail-t inkább a konkrétság és a keresési mennyiség határozza meg, mint a szószám, így egy háromszavas fejkifejezés brutálisan versenyképes lehet, míg az ötszavas termékmodellszám tárva-nyitva ül. A második javítás mélyebbre vág, mert a hosszú prompt gyakran nem is az, ami eléri a keresési indexet, és gyakran nem ugyanaz az index, amelyre a rangjelentés épül. Az ő oldalukon a modellek rövidebb lekérdezésekre bontják a promptokat, és ezek közül többet is elindítanak. A kattintásfolyam-elemzés során a beírt prompt közel 23 szót tesz ki, de a modell által küldött keresést közelebb hozza a négyhez, és egy külön tanulmányban több mint kettőt mérnek kérdőnként, nagyjából öt szóval. A beírt hosszú prompt és a modell által az egyeztetésre küldött rövid lekérdezés nem ugyanaz az esemény, ezért ha a prompt hosszát a keresési viselkedés proxyjaként kezeli, a mechanizmus kétszeresen hibásodik meg.
Nézze meg alaposan, hogy ez a lebontás mit tesz a követéssel, mert megszünteti a feltételezést. A keresési oldalon a beküldött karakterlánc az a karakterlánc, amelyre a rendszer illeszkedik, tehát amikor nyomon követ egy lekérdezést, az Ön által kiválasztott dolgot követi nyomon. A mesterséges intelligencia oldalon a modell beolvassa a promptot, kikövetkezteti, mire gondol, és saját visszakeresési lekérdezéseket ír, hogy támogatást találjon, ami azt jelenti, hogy az indexet érintő karakterlánc a MODEL által írt karakterlánc, nem pedig Ön vagy ügyfele. Már nem követi nyomon a lekérdezést. Nyomon követi a modell parafrázisát a lekérdezésére, futtatja egy indexet, majd visszaszűri a modell saját ítéletét arra vonatkozóan, hogy mi érdemel említést. Három transzformáció található a naplózott prompt és a kapott eredmény között, és ezek közül egy sem látható az irányítópulton megjelenő számban.
A görbe két vége nem ugyanúgy viselkedik
Az egyszavas lekérdezés mindkét felületet megtöri, és ellentétes okokból is. Az LLM-modell egyetlen szóból sem képes megbízhatóan háromszögelni a szándékot, ezért valami olyan általános kifejezést ad vissza, amiben egy vállalkozás nem fog felszínre kerülni. A hagyományos keresési index akkora versenyt hordoz egy fő kifejezésért, hogy a vállalkozás szinte biztosan nem kerül be a rangsorba. A rövid lekérdezés ezért egyszerre nem hivatkozottnak és rangsorolatlannak minősül, kettős negatívnak, amely kudarcnak tűnik, de valójában túl vékony bemenet ahhoz, hogy bármit is diagnosztizáljon. Sétáljon a túlsó végére, és a felületek kettéhasadnak. Egy hosszú, konkrét kifejezés az LLM-modellnek gazdag szándékot és elfogadható okot ad az idézésre, ugyanakkor a hagyományos keresési indexnek egy alacsony versenyhelyzetű karakterláncot ad, amelyet még szerény tartományi jogosultság mellett is könnyebb rangsorolni. A hosszú vége olvasható idézettként, rangsoroltként vagy mindkettőként.
Nézzünk egy példát: Két versenytárs ugyanazt a B2B szoftvert árulja, és a valóságban közel azonos láthatósággal rendelkeznek a mindkettő számára fontos témában. Az egyik csapat úgy építi fel nyomkövetési készletét, ahogyan mindig is írta a kulcsszavakat, szűk főnévi kifejezésekkel. A másik, ennél újabb csapat a követett lekérdezéseit úgy írja meg, ahogy egy chatbottal beszél, teljes kérdésekben. Az első csapat készlete olyan fej alakú húrok felé hajlik, amelyek hevesen versengenek az indexben, és túl vékonyak ahhoz, hogy a modell magabiztosan elhelyezhesse, így a műszerfaluk mindkét oldalon gyengén olvasható. A második csapat készlete a hosszú, konkrét kérdések felé hajlik, amelyek könnyen besorolhatók az alacsony versenyben, és elegendő hivatkozást adnak a modellre, így a műszerfaluk mindkét oldalon erősen olvasható. A tényleges helyzetükben semmi sem különbözik. A különbség az, hogy az egyes csapatok hogyan gépeltek, és a jelentés csendesen átalakította a stilisztikai szokást egy versenyháttérré.
Ahol ez mérési, nem nyelvi problémává válik
Ügyfelei többsége gondolkodás nélkül belesodródik egy szóhasználati szokásba, és meg is fogja tenni, mert az emberek a legkisebb ellenállás útját választják. Az egyik ügyfél szűk, kulcsszó-stílusú főnévi kifejezésekkel írja le az általa követett lekérdezéseket, egy másik teljes társalgási kérdésként írja le őket, és ez a szokás nem marad udvariasan a jelentés rangsorában. Egyszerre hajlítja mindkét oszlopot, és különbözőképpen hajlítja meg őket, mert minden felület ugyanazt a karakterláncot olvassa be a saját feltételei szerint. Két, azonos valós láthatósággal rendelkező kliens egymással ellentétes profilt posztolhat, az egyik erős rangot, az idézetet vékony, a másik pedig fordítva, minden olyan ok nélkül, amely azon túlmenően, ahogyan mindegyikük gépelt. Ez egy valódi érvényességi probléma, és nem csak az önmagában olvasott rang esetében. A szám ténynek tűnik az ügyfélről. Ennek egy része tény a megfogalmazással kapcsolatban.
Emiatt hiba az idézet melletti rangsorolás és a két oszlop összehasonlíthatóként való olvasása. Két olyan számot hasonlít össze, amelyek soha nem voltak ugyanolyan típusúak, mert mindegyiket egy másik rendszer állította elő, amely más-más munkát végzett egy karakterlánccal, amelyet különböző feltételekkel olvasott. Az átfedés-kutatás alátámasztja a divergenciát, bár annak mértékében nem tud megegyezni. A Moz úgy találta, hogy a legtöbb AI mód idézet soha nem jelenik meg az organikus eredmények között ugyanarra a lekérdezésre, egy nyomon követési tanulmány az idézett URL-ek alig tizedét tette be a Google top 10-be, egy Semrush-tanulmány pedig legalább egy platform esetében a másik irányba dőlt el, és a Perplexity erősen átfedi a Google top 10-ét. A nagyságrend vitatható. Az, hogy a két felület különböző dolgokat olvas és díjaz, nem az.
Ennek a szakadéknak van egy olyan változata, amely jobban megállja a helyét, mint az egyedül álló rang, és vigyázni akarok arra, hogyan fogalmazzam meg, mert ez inkább érv, mint bizonyított eredmény. A rangsorolás és az idézettség közötti különbséget mindkét oldalon ugyanazzal a lekérdezési karakterlánccal kell leolvasni, így az egyes abszolút számokat torzító kifejezéshatásnak nagyrészt ki kell esnie az összehasonlításból, így a kontraszt megbízhatóbb lenne, mint bármelyik adat önmagában. Ez érvelés, nem olyasmi, amit senki nem mutatott be, és ezt így is kell tekintenie. Ami elég le van rendezve a cselekvéshez, az a szomszédos pont, ez a bemeneti alakzat mozgatja azt, ami felszínre kerül. Az ellenőrzött munka azt mutatta, hogy a mesterséges intelligencia forrása eltolódik a lekérdezés karakterével, és egy külön tanulmány azt találta, hogy a kimenetek eltolódnak, amikor a promptokat átfogalmazzák. Az alak egy változó. Az a hiba, hogy a felületek összehasonlításakor állandónak tartják.
Az őr egy kötetoszlop, és csak az egyik oldalon működik
A rangoldalon a védelem nem elbűvölő, és ez az egész játék. Soha ne olvassa el a rangszámot anélkül, hogy a keresési mennyiség nincs mellette. A negyedik hely egy olyan kifejezésen, amelyre senki sem keres rá, nem győzelem; ez egy olyan kifejezés, amely rangsorolt, mert elég konkrét volt ahhoz, hogy vitathatatlan legyen, és a hangerő az, ami nyilvánvalóvá teszi az üreges elhelyezést üresnek. Ugyanazok a SEO-források, amelyek dicsérik a hosszú farkú specifikusságot, arra figyelmeztetnek, hogy a mennyiség kiindulópont, nem pedig ítélet. A legegészségesebbnek tűnő szám a műszerfalon néha a legüresebb, és csak a mellette lévő hangerő mondja meg, hogy melyik.
Ez a fegyelem nem lépi át a határt, és a legtöbb ember csendben csal. A keresési mennyiség a keresési felület mérése, amelyet egy olyan mechanizmus hoz létre, amelynek nincs megfelelője az LLM oldalon. Egyetlen platform sem fedi fel, hogy milyen gyakran tettek fel egy kérdést, nincs felszólítási gyakorisági index, és minden LLM-kérdés-kötetként eladott keresési kulcsszó adata jelmezben vagy keresletként átcímkézett idézési mutató. Tehát az a lépés, hogy az idézet mellé állítunk egy hangerőt annak megítélésére, hogy az idézet számít-e, nem védőkorlát. Kötettudományi rangsor. Semmit sem mond az idézetről, és úgy tenni, mintha átnyúlna, egy újabb eset, amikor két felületet egyként kezelünk.
Ami jogos kérdést hagy maga után: ha a mennyiség nem megy át, mi fegyelmezi az idézett oldalt? Nem számít a kereslet, mert nincs ilyen. Az őszinte helyettesítő az idézetek gyakorisága egy időben ismétlődő prompthalmazban, amely egy irányjel, nem pedig egy hangerő, és egyként kell olvasni. Azt mondja meg, hogy jelenléte a válaszban stabil vagy véletlenszerű, nem pedig azt, hogy hányan kérdeztek. Ha ezt az irányolvasást úgy kezeljük, mintha ez egy pontos keresletszám lenne, az ugyanazon üreges rangú csapda idézetoldali változata, és ugyanazt a szkepticizmust éri el.
Olvassa el saját hangszereit
Ezek egyike sem ad okot arra, hogy meghátráljunk a számoktól. A rendetlenség valódi, akár méred, akár nem. A mesterséges intelligencia válaszai eltolódnak a futtatások között, minden felület másképp olvassa be ugyanazt a karakterláncot, és a megfogalmazás torzítja az összehasonlítást. Ennek mérése nem hozza létre ezt a volatilitást. Ha nem mérjük meg, akkor a volatilitás láthatatlan marad, és egyetlen leolvasást is összetéveszthet a valósággal. Az igazi hiba nem a rendetlenség. Egyetlen futást úgy kezel, mintha megjavították volna, és egy délután egy felszólítást úgy olvas, mint az igazságot a láthatóságáról. Az így formált adatok inkább irányadóak, mint közvetlenek, és az irányadó nem a bocsánatkérés; ez most a megfelelő egység. Egy pozíció, amelyet megfigyelhet az idő múlásával, egy méretre szabható rés, egy trend, amely több futáson keresztül történik, ahelyett, hogy egyszerre pillantott volna meg – ezek pontosan úgy olvashatók és őszinték, ahogy a pontosságot színlelő magányos pontbecslések nem. A műszernek illeszkednie kell a terephez, és az eltolódó terepet irány szerint olvassa be, nem pedig tizedesjegy szerint.
Mindez visszaköszön a szoba egyetlen tartós képességéhez. A mesterséges intelligencia keresés mérési rétege elég fiatal ahhoz, hogy a számok pontosabbnak tűnjenek, mint amilyenek, és az a gyakorló, aki megérti, mit csinált a rendszer a bemenettel, az képes megkülönböztetni a valódi jelet a megfogalmazás műtermékétől. Egyetlen eszköz sem telepíti ezt az ítéletet az Ön helyett. Valami felszínre hozhatja a rangsorolás és az idézet közötti szakadékot; annak megértése, hogy miért ez a rés a jel, és nem a zaj, a tiéd.
A hét végén ne feledje, hogy a SEO nem GEO, és a GEO nem SEO, és bár kiegészítik egymást, különböznek egymástól. Az egyiket valószínűleg egy évtizeddel ezelőtt sajátítottad el. A másik új készségeket, új szókincset, új adatokat és új beszámolót kér arról, hogy a gép mit csinál a bemenettel a felszólítás és a válasz között. Annak megnyugtatása, hogy a jó SEO csak egy olyan irányra van szükség, amely az Ön kényelmét szolgálja, gyakran hallani azoktól, akiknek van veszítenivalója. A felületek továbbra is eltérnek egymástól, és ezek összemosása a legdrágább dolog, amit ehhez a munkához hozhat.
Ha elkaptad ezt az összeomlást, ami valahol a saját veremben rejtőzik, vagy úgy látod, hogy az aszimmetria olyan módon harap el, amivel nem számoltam, akkor szeretném hallani a megjegyzésekben. És ha szeretnéd a hosszabb változatát annak az érvnek, hogy a gépi réteg megértése miért üti meg a kimeneteit, ez az én könyvem: A gépi réteg.
Ez a bejegyzés eredetileg a Duane Forrester Decodes oldalon jelent meg.
