Az, ahogyan az emberek megtalálják és fogyasztják az információkat. Mi, mint marketingszakemberek, gondolkodnunk kell az AI platformokon és a Google -on keresztüli láthatóságról.
A kihívás az, hogy nem ugyanaz a képességünk, hogy ellenőrizzük és mérjük a sikert, mint a Google -val és a Microsoft -nál, tehát úgy érzi, hogy vakon repülünk.
Ez év elején a Google, a Microsoft és a CHATGPT kommentálta, hogy a strukturált adatok hogyan segíthetnek az LLM -eknek a digitális tartalmának jobb megértésében.
A strukturált adatok megadhatják az AI eszközöket a kontextushoz, amelyre szükségük van a tartalom megértésének entitásokon és kapcsolatokon keresztüli megértéséhez. A keresés ezen új korszakában azt mondhatnád, hogy a kontextus, nem a tartalom király.
A séma jelölése elősegíti az adatréteg felépítését
Azáltal, hogy a tartalmat schema.org -ba fordítja, és meghatározza az oldalak és az entitások közötti kapcsolatokat, akkor adatréteget készít az AI -hez. Ez a séma jelölési adatréteg, vagy amit szeretek „tartalmi tudás grafikonnak” hívni, megmondja a gépeknek, hogy mi a márkád, mit kínál, és hogyan kell megérteni.
Ez az adatréteg az, hogy az Ön tartalma hozzáférhetővé és megérthetővé váljon az AI képességek növekvő tartományán, ideértve:
- AI áttekintések
- Chatbotok és hangsegédek
- Belső AI rendszerek
A földelés révén a strukturált adatok hozzájárulhatnak a láthatósághoz és a felfedezéshez a Google, a Chatgpt, a Bing és más AI platformon. Azt is elkészíti a webes adatait, hogy értékes legyen a felgyorsításához belső AI kezdeményezések is.
Ugyanezen a héten, amikor a Google és a Microsoft bejelentette, hogy strukturált adatokat használnak a generatív AI -tapasztalatokhoz, a Google és az Openai bejelentették a Model Context Protocol támogatását.
Mi az a modell kontextus protokoll?
2024 novemberében az antropikus bevezette a Model Context Protocol -ot (MCP), „egy nyitott protokoll, amely szabványosítja az alkalmazások hogyan biztosítja az LLM -eket”, és ezt követően az Openai és a Google DeepMind elfogadta.
Gondolhat az MCP-re, mint az AI alkalmazások és ágensek USB-C csatlakozójára, vagy AI API-ra. „Az MCP szabványosított módszert kínál az AI modellek csatlakoztatására a különböző adatforrásokhoz és eszközökhöz.”
Mivel most a strukturált adatokra gondolunk, mint stratégiai adatrétegre, a Google-nak és az OpenAi-nak meg kell oldaniuk az, hogy miként méretezik AI képességeiket hatékonyan és költséghatékonyan. A weboldalán felvetett strukturált adatok kombinációja, az MCP -vel lehetővé tenné a pontosságot a következtetésben és a skálázási képességben.
A strukturált adatok meghatározzák az entitásokat és a kapcsolatokat
Az LLM -ek válaszokat generálnak azon tartalom alapján, amelyen képzett vagy csatlakoznak. Miközben elsősorban a nem strukturálatlan szövegből tanulnak, kimeneteik megerősíthetők, ha egyértelműen meghatározott entitásokon és kapcsolatokon alapulnak, például strukturált adatok vagy tudásdiagramok révén.
A strukturált adatok felhasználhatók olyan fejlesztőként, amely lehetővé teszi a vállalkozások számára, hogy meghatározzák a kulcsfontosságú entitásokat és azok kapcsolatát.
Ha a Schema.org szókincs használatával valósítják meg, strukturált adatok:
- Meghatározza az entitásokat egy oldalon: emberek, termékek, szolgáltatások, helyszínek és még sok más.
- Kapcsolatokat hoz létre Az entitások között.
- Csökkentheti a hallucinációkat Ha az LLM -eket strukturált adatokkal alapítják, visszakeresési rendszerek vagy tudásdiagramok révén.
Amikor a séma -jelölést skálán telepítik, felépíti a tartalomtudás gráfot, egy strukturált adatréteget, amely összeköti a márka entitásait az Ön webhelyén és azon túl.
A Brightedge nemrégiben készített tanulmánya kimutatta, hogy a séma jelölése javította a márka jelenlétét és észlelését a Google AI áttekintésében, figyelembe véve a magasabb hivatkozási arányokat a robusztus séma jelöléssel ellátott oldalakon.
Strukturált adatok mint vállalati AI stratégia
A vállalkozások a strukturált adatokról alkotott véleményüket meghaladhatják a tartalomtudás grafikonjának a gazdag eredmények jogosultságának alapvető követelményein.
A Gartner 2024 -es AI mandátumai szerint a vállalati felméréshez a résztvevők az adatok rendelkezésre állását és minőségét idézik a sikeres AI végrehajtás legfontosabb akadályának.
A strukturált adatok bevezetésével és egy robusztus tartalomtudás -grafikon kidolgozásával hozzájárulhat mind a külső keresési teljesítményhez, mind a belső AI -engedélyezéshez.
A skálázható séma jelölési stratégia megköveteli:
- Meghatározott kapcsolatok a tartalom és az entitások között: A séma jelölési tulajdonságai összekapcsolják az összes tartalmat és entitást a márkában. Az összes oldal tartalma összefüggésben van a kontextusban.
- Entitásirányítás: Megosztott meghatározások és taxonómiák a marketing, a SEO, a tartalom és a termékcsoportok között.
- Tartalomkészség: Annak biztosítása, hogy tartalma átfogó, releváns, reprezentatív a témákról, amelyekről ismert, és csatlakozik a tartalomtudás grafikonjához.
- Műszaki képesség: Keresztfunkcionális eszközök és folyamatok a séma jelölés méretarányos kezelésére és a pontosság biztosítására több ezer oldalon.
A vállalati csapatok számára a strukturált adatok egy keresztfunkciós képesség, amely előkészíti a webes adatokat, amelyeket a belső AI alkalmazások felhasználnak.
Mi a teendő, hogy előkészítse a tartalmát az AI -hez
A vállalati csapatok tartalmi stratégiáikat az AI követelményekkel igazíthatják. Így lehet elindulni:
1. Ellenőrizze a jelenlegi strukturált adatokat A lefedettség hiányosságainak azonosítása és a séma jelölése meghatározza -e a webhelyen belüli kapcsolatokat. Ez a kontextus kritikus fontosságú az AI -benyújtás szempontjából.
2mint például a termékek, szolgáltatások, emberek és alapvető témák, és biztosítják, hogy azok egyértelműen meghatározzák őket, és következetesen meg vannak jelölve a séma jelöléssel az Ön tartalmánál. Ez magában foglalja a főoldal azonosítását, amely meghatározza az entitás otthonának nevezett entitást.
3. Készítse el vagy bővítse a tartalmi tudás grafikonját A kapcsolódó entitások összekapcsolásával és olyan kapcsolatok kialakításával, amelyeket az AI rendszerek megérthetnek.
4. Integrálja a strukturált adatokat az AI költségvetésbe és a tervezésbemás AI beruházások mellett, és hogy a tartalmat az AI áttekintésekhez, chatbotokhoz vagy belső AI kezdeményezésekhez szánják.
5. A séma jelölés kezelésének operacionalizálására Az ismétlődő munkafolyamatok kidolgozásával a séma jelölésének méretarányos létrehozására, áttekintésére és frissítésére.
Ezeknek a lépéseknek a megtételével a vállalkozások biztosíthatják, hogy adataik AI-készek legyenek, a vállalkozáson belül és kívül.
A strukturált adatok géppel olvasható réteget biztosítanak
A strukturált adatok nem biztosítják az AI áttekintések elhelyezését, vagy közvetlenül ellenőrizni, hogy a nagy nyelvi modellek mit mondanak a márkájáról. Az LLM -eket még mindig elsősorban a nem strukturálatlan szövegen képzik, és az AI rendszerek sok jelet mérnek a válaszok generálásakor.
Milyen strukturált adatok csinál A Biztosítás stratégiai, géppel olvasható réteg. Ha tudásgráf felépítésére szolgál, a séma -jelölés meghatározza az entitásokat és a köztük lévő kapcsolatokat, létrehozva egy megbízható keretet, amelyből az AI rendszerek vonhatnak le. Ez csökkenti a kétértelműségeket, erősíti a hozzárendelést, és megkönnyíti a kimenetek a tényalapú tartalom kimeneteinek földelését, ha a strukturált adatok a csatlakoztatott visszakeresési vagy földelő rendszer részét képezik.
A szemantikai, nagyméretű séma jelölésbe történő befektetéssel és a csapatokba való igazítás révén a szervezetek a lehető legfeljebb felfedezhetőek az AI tapasztalataiban.
