A GYIK szakaszok hozzáadása a tesztoldalakhoz megnövelte a mesterséges intelligencia idézeteit. Eltávolításukkal az idézetek visszaestek.
Ez a reverzió a különbség a korreláció és az ok-okozati összefüggés között, és ma szinte egyetlen, az AI-keresést mérő csapat sem képes előállítani.
Ez a bizonyítási szabvány rögzítette a legújabb SEJ webináriumot Mark Traphagen, a seoClarity termékmarketing és képzés alelnöke, Mihir Naik, az AI vezető termékmenedzsere és Suraj Lalchandani, idősebb IT projektmenedzser részvételével. Alapvető érvük: „A láthatósági pontszámok megmutatják, hogy megjelent-e. Az oldalszintű teljesítmény és a megosztott tesztelés megmutatja, hogy valóban számított-e az, amit tett.”
A munkamenet végigjárta az osztott tesztelési módszertant. A seoClarity vállalati ügyfelei a ChatGPT, a Claude, a Perplexity, a Gemini és a Google mesterséges intelligencia felületein futnak végig: hogyan lehet felépíteni egy tölcséren átívelő, aranyos promptkészletet, hogyan hozhat létre kontrollcsoportot, amikor az LLM-ek nem engedik az A/B-tesztelést, és hová illeszkedik a Google új AI Search-adatbázisa.
Három valódi ügyfélteszt eredményeit is megosztották, köztük az egy változást, amely megváltoztatta az idézeteket, és két olyan eredményt, amelyet senki sem jósolt meg a szobában.
Tekintse meg a teljes webináriumot igény szerint, hogy megkapja a teljes tesztelési módszertant.
Láthatja végre az AI-keresés láthatóságát a Google Search Console-ban?
A webhelyek egy részéhez igen. Június 3-án a Google elindított egy dedikált Search Console jelentést az AI áttekintésekkel és az AI-móddal kapcsolatban, amelyek oldalról oldalra mutatják meg, hogy az egyes URL-ek milyen gyakran jelennek meg a Google mesterséges intelligencia keresési funkcióiban.
Lalchandani ezt a legnagyobb mérési frissítésnek nevezte, amelyet az AI-keresési tesztelés elért. „Ez volt a legnehezebb mérni az AI-keresésben. Mindenki mintavételezett. Mindenki következtetett. De most a Google csak megadja neked.”
A közvetlenül a forrásból származó első féltől származó adatok más szintű bizalmat hordoznak, mint bármely harmadik féltől származó eszköz. A csapat azonban közvetlen a korlátokat illetően: az új jelentések csak egy részét fedik le annak, amire egy mesterséges intelligencia-keresőprogramnak szüksége van, és a ChatGPT, a Claude és a Perplexity továbbra is strukturált, harmadik féltől származó nyomon követést igényel.
A munkamenet során a csapat pontosan feltérképezi, hogy az új jelentések mely hiányosságokat zárják be, melyeket hagynak nyitva, valamint platformonkénti referenciát arra vonatkozóan, hogy az egyes AI-motorok mit tudnak feltérképezni és megjeleníteni.
Művelet: Nézze meg a Search Console-t az új mesterségesintelligencia-jelentésekért, majd nézze meg, hogy a belső felek adatai hol illeszkednek a tesztelési programhoz, mielőtt köré építené.
Mely kérdéseket érdemes először tesztelni az AI-keresésben?
Azokat, ahol majdnem nyersz. A csapat felállítja a promptok aranykészletét, amely a teljes mesterségesintelligencia-keresési tölcséren átível, a tudatosság megtartásán keresztül, minden promptot szakaszonként megjelölve, majd az egyes promptokat szintekbe rendezi aszerint, hogy a márka jelenleg hol áll az AI válaszában.
Az 1. szint felszólításai a könnyű nyerések. Ahogy Lalchandani fogalmazott: „Releváns vagy, de a mesterséges intelligencia nem kapott olyan URL-t, amelyre érdemes lenne linkelni.”
A 2. szint a nehezebb emelés, és egy vödör felszólítás teljesen kiesik a tesztelésből, ami sok résztvevőt meglepett.
A sorrend szándékos: a korai nyeremények felvásárolják a politikai tőkét, hogy később keményebb teszteket lehessen végezni. A munkamenet ismerteti az arany promptkészlet felépítését és címkézését, a szintek meghatározását, valamint azt a nyomkövetési egységet, amely az egyes promptokat pontosan az idézni kívánt oldallal párosítja.
Hogyan futtathat osztott tesztet egy LLM-en?
Az élő forgalmat nem lehet 50-50 arányban felosztani, ezért ehelyett vezérlőcsoportot kell létrehozni: egymással összefüggő oldalak halmazát, amely zajszűrőként működik a modellfrissítések és az algoritmusváltások ellen.
„Kontrollcsoport nélkül minden eredmény csak találgatás lenne” – mondta Lalchandani. „Egynél a háttérzajból meg lehet állapítani az igazi győzelmet.”
Az időzítés az a fegyelem, amelyet a legtöbb csapat kihagy. A módszertan meghatároz egy konkrét alapidőszakot, mielőtt bármilyen változás életbe lépne, és egy minimális tesztidőszakot azután, mivel az AI-keresés nem egyik napról a másikra válaszol úgy, ahogy a hagyományos SEO néha. Vágja le az ablakot, és Lalchandani szavaival élve: „lehet, hogy zajt olvas”.
Minden teszt a három eredmény valamelyikéhez ér, és mindegyik elmond valamit a hipotéziséről. A teljes munkamenet végigvezeti a korrelált kontrollcsoport felépítését, a pontos alapvonalat és a tesztablakokat, valamint mindhárom eredmény olvasását.
Nézze meg a teljes webináriumot igény szerint a teljes tesztbeállításhoz.
A GYIK teszt, amely bebizonyította az okozati összefüggést, és két teszt, amely nem
A seoClarity ugyanazt a módszertant futtatta három ügyfélnél, és három nagyon eltérő eredményt ért el, pontosan ez a lényeg.
A GYIK teszt volt az egyértelmű győzelem. Körülbelül 1000 felszólítás mérés alatt áll, és a GYIK szakaszok hozzáadása a tesztoldalakhoz megnövelte az idézetek számát a kontrollhoz képest, és mindaddig magas szinten maradtak, amíg a változás érvényben volt. Aztán a csapat visszaállította a változtatást. „Az idézetek visszaestek. Ez a bizonyíték második fele. Nem az idézetek száma nőtt, amikor hozzáadtuk a GYIK-ot, hanem az, hogy visszaestek, amikor eltávolítottuk őket. Ez ok-okozati összefüggés, nem korreláció.”
A másik két teszt, az egyik a metaleírásokról és a másik a listaformázásról, egészen másképpen végződött, és miért tartsunk leckéket bárkinek, aki valamelyik taktikába fektet be. Nézze meg, hogyan zajlott mindkét teszt a teljes munkamenetben.
Naik megfogalmazása: minden eredmény győzelem, mert találgatások helyett bizonyítékai vannak. Ez több, mint ma a legtöbb mesterséges intelligencia-kereső csapat rendelkezik.
A munkamenet a séma- és leértékelési tesztterveket is lefekteti, az AEO két legtöbbet vitatott kérdése jelenleg, valamint egy sor gyors szerkezeti tesztet a nagy értékű sablonokhoz, amelyeket néhány héten belül lefuttathat.
Kérdések és válaszok: A webinárium leghasznosabb kérdései
K: Hogyan méri a mesterséges intelligencia jogosultságát, ha nincs tiszta jogosultsági mérőszám?
„A mesterséges intelligencia tekintélye alapvetően az, hogy a modell mennyire bízik Önben ennek a témának a forrásaként. Nem hiszem, hogy létezik egy tiszta szám vagy egyetlen szám hozzá, de van néhány jel, amelyeket egymásra halmozhat, hogy egy működőképes képet kapjon.”
Lalchandani négy egymásra rakható jelzést nevezett meg, kezdve a hivatkozások arányával a legfontosabb promptokban és a motorok közötti konzisztenciával, mivel „a motorok közötti konzisztencia csak azt jelenti, hogy Ön a kategóriájában bizonyos típusú kérdések mérvadó forrása.” A teljes munkamenet során végigjárja mind a négyet, és végigjárja a követésüket.
K: Az AI-botok elolvashatják az összecsukható kapcsolók mögé rejtett GYIK-válaszokat?
„Az összecsukható sokféle dolgot jelenthet. Így van összecsukható.”
Ez teljes mértékben a megvalósítástól függ: az egyik általános beállítás az összecsukott GYIK-et teljesen olvashatóan tartja az AI keresőmotorok és a Google számára, a másik pedig láthatatlanná teszi a tartalmat mindkettő számára, mert „még a Google sem fog rákattintani az Ön webhelyére”. Lalchandani elmagyarázza, hogy melyik a felvételen, az állandó tanácsaival együtt: „Ha nem vagy biztos valamiben, csak próbáld ki. Erőfeszítést igényel, de biztos választ ad.”
K: Mi a ROI egy olyan mesterséges intelligencia-hivatkozásnak, amely nem irányítja a hivatkozási forgalmat?
„Szeretnél idézni, mert te irányítod a ténylegesen megjelenő választ.”
Naik elmagyarázta, hogy még kattintás nélkül is az Ön idézett oldala alakítja a válaszon belüli narratívát, különösen az összehasonlító lekérdezéseknél, ahol az idézetek mindkét márka pozicionálásának nehéz munkáját végzik. A kérdés a forgalomról a reprezentációra tolódik: helyesen vannak-e kiemelve az USP-k, helyes-e az összehasonlítás, felbukkannak-e pontatlanságok. Lalchandani egy figyelmeztető példát adott hozzá egy igazi éttermi klienstől, amely pontosan megmutatja, mi történik, ha a mesterséges intelligencia nem tudja elérni a tartalmat, amelyet teljes egészében elmond a felvétel.
K: A hagyományos SEO továbbra is szerepet játszik az AI-kereshetőségi mutató mozgatásakor?
„Abszolút. Alapvető. Ez az alap.”
Traphagan megjegyezte, hogy a seoClarity legrégebb óta fennálló kliensei, a jól optimalizált tartalommal és technikailag egészséges oldalakkal rendelkezők is a legjobban teljesítenek az AI-keresésben, és a mesterséges intelligencia optimalizálás a legfelső réteg. Lalchandani hozzátette: „Amikor teszteket futtatunk ügyfeleinkkel, ritkán, vagy egyáltalán nem találtunk olyan helyzetet, amikor valami működik a SEO-nál, és nem működik az AI-keresésnél.”
Nézze meg a teljes webináriumot
Az igény szerinti rögzítés mindent tartalmaz, amit az összefoglaló visszatart: a golden prompt set buildet, a rétegmeghatározásokat, a vezérlőcsoport felépítését pontos alapvonallal és tesztablakokkal, a platformonkénti bejáró hivatkozást, a meta leírást és a lista eredményeit, valamint a séma- és leértékelési tesztterveket. Igény szerint regisztráljon a teljes előadás megtekintéséhez.
