Hogyan használják az emberek valóban az LLM -eket, és mit jelent ez a kiadók számára
Az Openai a mai napig kiadta a legnagyobb tanulmányt arról, hogy a felhasználók hogyan használják a CHATGPT -t. Szívesen szintetizáltam azokat, amelyekre és én meg kell számolnom, így nem kell átmennie a hasznos és értelmetlen betekintés sokaságán.
Tl; dr.
- Az LLMS nem helyettesíti a keresést. De megváltoztatják, hogy az emberek hogyan férnek hozzá és fogyasztanak információkat.
- A kérdés (49%) és a (40%) elvégzési kérdések dominálnak a piacon, és növelik a minőséget.
- A három legfontosabb felhasználási eset - gyakorlati útmutatás, információk keresése és írása - az összes beszélgetés 80% -át teszi ki.
- A kiadóknak összekapcsolható eszközöket kell felépíteniük, amelyek hozzáadott értéket képviselnek. Ez nem csak a cikkek forgalmának üldözéséről szól.
Chatbot 101
A chatbot egy statisztikai modell, amelynek célja a szövegválasz generálása, a szöveges bemenetek alapján. Majom lásd, majom.
A fejlettebb chatbotok két vagy több színpadi képzési folyamattal rendelkeznek. -Ben első szakasz (kevésbé a köznyelven „előképzés” néven ismert), az LLM-eket arra képzik, hogy előre jelezzék a következő szót egy karakterláncban.
Mint a világ legjobb könyvelője, kiszámítható és unalmas is. És ez nem feltétlenül rossz dolog. Azt akarom, hogy a szakácsok kövér, a pilótáim józanul és a pénzem olyan unalmasak, hogy a következő sorban vezessék a zöld partit.
Második szakasz Ahol a dolgok válnak egy kicsit kedvesebbé. A „képzés utáni” szakaszban a modelleket arra képzik, hogy „minőségi” válaszokat generáljanak egy promptra. Finoman hangolják őket a különböző stratégiákra, például a megerősítés tanulására, hogy segítsék a válaszokat.
Az idő múlásával az LLM -eket, akárcsak Pavlov kutyáját, vagy jutalmazzák vagy megrovják a válaszuk minősége alapján.
Az első szakaszban a modell „megérti” (határozottan fordított vesszőkben) a világ látens ábrázolását. A második szakaszban a tudásának a legjobb minőségű választ generálva.
Hőmérsékleti beállítások nélkül az LLMS pontosan ugyanazt a válaszidőt generálja, mindaddig, amíg az edzési folyamat megegyezik.
A magasabb hőmérsékletek (az 1,0 -hez közelebb) növelik a véletlenszerűséget és a kreativitást. Az alacsonyabb hőmérsékletek (a 0 -hoz közelebb) a modell (ek) sokkal prediktívebbé és pontosabbá teszik.
Tehát a felhasználási eset meghatározza a megfelelő hőmérsékleti beállításokat. A kódolást a nullához közelebb kell beállítani. A kreatív, több tartalomra összpontosító feladatoknak közelebb kell lenniük az egyikhez.
Erről már beszéltem a márka hozzászólásának AI -jének felépítéséről szóló cikkemben. De nagyon ajánlom, hogy olvassa el ezt a nagyon jó útmutatót arról, hogy a hőmérsékleti skálák hogyan működnek az LLM -ekkel, és hogyan befolyásolják a felhasználói bázist.
Mit mondanak nekünk az adatok?
Hogy az LLMS nem a közvetlen keresés helyettesítése. Még a közeli IMO sem. Ez a Semrush -tanulmány kiemelte, hogy az LLM szuper felhasználók megnövekedett A hagyományos keresések mennyisége. Úgy tűnik, hogy a terjeszkedés elmélete igaz.
De alapvető változást hoztak abban, hogy az emberek hogyan férnek hozzá és kölcsönhatásba lépnek az információkkal. A beszélgető interfészek hihetetlen értékkel bírnak. Különösen munkahelyi formátumban.
Ki tudta, hogy annyira lusták vagyunk?
1. Útmutatás, információk keresése és írása uralkodik
Ez a három legfontosabb felhasználási eset az összes humán-robot beszélgetés 80% -át teszi ki. Gyakorlati útmutatás, információk keresése, és kérem, segítsen nekem valami unalmas dolgot írni, és nincs bármilyen szenvedély vagy betekintés, csodálatos robot.
Elismerem, hogy az írási lekérdezések többsége a meglévő munka szerkesztésére szolgál. Még mindig. Ha elolvastam valamit, amit az AI írt, becsapódni fogom. És a megtévesztés nem vonzó minőség.
2. A nem munkával kapcsolatos használat növekszik
- A nem munkával kapcsolatos üzenetek az összes használat 53% -áról növekedtek több mint 70% 2025 júliusáig.
- Az LLMS szokásossá vált. Különösen akkor, ha a megfelelő döntések meghozatalában kell segíteni. Mind a munkán kívül, mind a munkán kívül.
3. Az írás a leggyakoribb munkahelyi alkalmazás
- Az írás a leggyakoribb munkahasználati eset, elszámolás A munkával kapcsolatos üzenetek 40% -a átlagosan 2025 júniusában.
- Körülbelül Az összes író üzenet kétharmada olyan kérések, amelyek a meglévő felhasználói szöveg módosítására szolgálnak, ahelyett, hogy új szöveget hoznának létre a semmiből.
Tudok elegendő embert, aki csak az LLMS -t használja, hogy segítsen nekik jobb e -mailek írásában. Szinte sajnálom a tech brosokat, hogy ezeknek az eszközöknek az elsődleges felhasználási esetei hiányoznak a kreativitásban.
4. Kevesebb ilyen kódolás
- Számítógépes kódolás A lekérdezések csak viszonylag kis részesedések, csak Az összes üzenet 4,2% -a.*
- Ez nagyon ellentmondásosnak érzi magát, de a speciális robotok, mint például a Claude vagy az olyan eszközök, mint a Love, jobb alternatívák.
- Ez egy megjegyzés. Az LLM speciális használata növekedni fog, és valószínűleg uralja az egyes iparágakat, mert képesek lesznek jobb minőségű eredményeket fejleszteni. A Specialized Stage két stílusú edzés sokkal kiváló terméket eredményez.
*A munkával kapcsolatos Claude-beszélgetések 33% -ához képest.
Fontos megjegyezni, hogy más tanulmányok nagyon eltérőek, amelyek az LLM -ek számára használják. Tehát ez nem olyan vágott és száraz, mint gondolnánk. Biztos vagyok benne, hogy a dolgok továbbra is változnak.
5. A férfiak már nem dominálnak
- A korai alkalmazók aránytalanul férfiak voltak (körül 80% tipikusan férfias nevekkel).
- Ez a szám elutasította 48% 2025 júniusáig az aktív felhasználóknak kissé nagyobb valószínűséggel rendelkeznek tipikusan nőies nevekkel.
Persze, nekünk, az embereknek vannak hibáink. A történelem folyamán talán gyorsan harcoltunk és kissé uralkodunk. De jó látni a paritást.
- Az összes kérdés 89% -a kérdezi és csinálja a kapcsolatot.
- 49% -uk kéri és 40% -ot tesz, mindössze 11% -kal a kifejezéshez.
- Az üzenetek kérése gyorsabban nőtt, mint az üzenetek készítése az elmúlt évben, és magasabb színvonalúak.
7. A kapcsolatok és a személyes gondolkodás nem kiemelkedőek
- Számos tanulmány állt elő, hogy az LLMS személyes terapeutakká vált az emberek számára (lásd fent).
- A kapcsolatok és a személyes reflexió azonban csak az Openai szerint az összes üzenet 1,9% -át teszi ki.
8.
Elvitel
Nem hiszem, hogy az LLM -ek katasztrófák a kiadók számára. Persze, nem küldenek semmilyen áttételi forgalmat, és elkezdték eltávolítani az idézeteket a fizetett felhasználókon kívül (klasszikus). De ezeknek a tech-fejeknek egyik sem ad nekünk semmit.
Ez egy verseny a Holdra, és mi vagyunk az a kutya, akit küldtek a tesztrepülésen.
De ha egy vélemény, közönség és - remélhetőleg - kiadó vagy, valamilyen márka mélységét és eszközét, akkor rendben lesz. Bár mászó viselkedésük kiszáll a kezéből.
Az egyik legpraktikusabb eredményt, amelyet kiadóként adhatunk ezekből az adatokból, a szándékok nyilvánvaló változása. Az Eons számára a navigációs, információs, kereskedelmi és tranzakciós.
Most már csinálunk. Vagy generál. És ez hatalmas.
A SEO nem halott a kiadók számára. De nem csak a tartalom közzétételét kell tennünk. Sokat kell mondani az AI értékeinek támogatásáról, miközben a kar hosszában tartja.
Gondolj arra, hogy a BBC ellenőrizze. Olyan tartalom, amelyet a gépek nem lehet szintetizálni, mert annyira értéket adnak. Eszközök és összekapcsolható eszközök. A szakértők valódi véleményei előtérbe helyezték.
De nehéz ezt a minőséget méretezni. A programozási SEO elképesztő értéket vezethet. Mint az eszközök. Azok az eszközök, amelyek válaszolnak a felhasználók „cselekedete” lekérdezésekre időről időre. Olyan dolgokat kell felépítenünk, amelyek hozzáadott értéket képviselnek a meglévő korpuszon kívül.
És ha a közönség általában fiatalabb és bizalmasabb, akkor jobban be kell hajolnia.
Ezt a bejegyzést eredetileg a SEO vezetéséről tették közzé.