admin 
Diskusijoje apie „LinkedIn“ apie LLM matomumą ir jos stebėjimo įrankius buvo tiriama, kaip SEOS artėja prie LLM pagrįstos paieškos optimizavimo. Pateikti atsakymai rodo, kad į LLM orientuoto SEO priemones susilaiko brandumas, nors tam tikrų nesutarimų dėl to, kas tiksliai turėtų būti stebima.
Joe Hall („LinkedIn“ profilis) iškėlė daugybę klausimų apie „LinkedIn“ apie įrankių, stebinčių LLM matomumą, naudingumą. Jis aiškiai nesakė, kad įrankiams trūko naudingumo, tačiau jo klausimai buvo skirti atidaryti pokalbį
Jis rašė:
„Aš nesuprantu, kaip šios sistemos, kurios teigia, kad stebi LLM matomumo darbą. LLM atsakymai yra labai subjektyvūs kontekstui. Jie nėra statiniai, kaip yra tradiciniai SERP. Net jei galėtumėte juos sekti, kaip jūs galite pagrįstai susieti našumą su verslo tikslais? Kaip jūs galite padaryti prognozę, ar netgi kurti strategiją, nes tai gali būti naudinga, o ne ką nors, kaip parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti, o ne ką nors parduoti. Daryk. “
Joshua Levenson („LinkedIn“ profilis) dar atsakė sakydamas, kad šiandienos SEO įrankiai yra pasenę, pažymėti:
„Žmonės naudoja senąją paradigmą, kad įvertintų naują technologiją“.
Džo Hallas atsakė „Bingo!“
LLM SEO: „Ne taip lengva, kaip pridėti šį raktinį žodį“
Lily Ray („LinkedIn“ profilis) atsakė, kad sako, kad LLMS grįžta subjektai yra pagrindinis elementas, į kurį reikia atkreipti dėmesį.
Ji paaiškino:
„Jei užduosite LLM tą patį klausimą tūkstančius kartų per dieną, galėsite vidutiniškai įvertinti subjektus, kuriuos jis mini savo atsakymuose. Ir tada pakartokite tai kiekvieną dieną. Tai nėra tobula, bet tai yra kažkas.”
Hall paklausė, kaip tai naudinga klientams ir Lily atsakė:
„Na, yra daugybė veiksmingų rekomendacijų, kurias galima gauti iš duomenų. Bet tai akivaizdu, kad tai yra sunki dalis. Tai nėra taip lengva, kaip” Pridėkite šį raktinį žodį prie savo pavadinimo žymos „.
Įrankiai LLM SEO
Dixonas Jonesas („LinkedIn“ profilis) atsakė trumpai komentare, kad galėtų pristatyti Waikaykas reiškia tai, ką AI žino apie tave. Jis sakė, kad jo įrankis naudoja subjektą ir temų ištraukimą, o jos rekomendacijas ir veiksmus grindžia spragų analize.
Ryanas Jonesas („LinkedIn“ profilis) atsakė aptarti, kaip jo produktas Serpreconas darbai:
„Yra 2 būdai tai padaryti. Viena – tai, kaip aš tai darau„ Serprecon “, yra naudoti API, kad stebėtų atsakymus į užklausas, o paskui, kaip Lily sakė, iš jos ištraukite subjektus, temas ir tt. Tai yra pigesnis/lengvesnis būdas, bet yra lengviausia, kad sutelktumėte dėmesį į tai, kas jums rūpi. Daugiausia dėmesio skiriama tikslui, o temoms ir temoms, kuriose jis paminėja, bet ir tai, kad galite optimizuoti.
Kitas būdas yra stebėti IPT duomenis ir sužinoti, kiek realių vartotojo užklausų, kurias iš tikrųjų parodėte. Tai labai brangu.
Bet koks kitas metodas neturi daug prasmės “.
Ir kitame įraše buvo daugiau informacijos:
„PG nesako, kaip tai išsiplėtė ar kokias kitas užklausas tai padarė. Žmonės nuolat randa protingą„ Chrome “tinklo skirtuke, kad jį pamatytų, tačiau jie nuolat keičia jį taip pat greitai.
Mano įrankio AI apžvalgos įrankis bando juos pakeisti naudojant tą pačią logiką/matematiką kaip ir jų patentai, tačiau jis niekada negali būti 100%. “
Tada jis paaiškino, kaip tai padeda klientams:
„Tai padeda mums atsižvelgiant į tai, kad pateikiu 25 užklausas, noriu pamatyti, kas ten rodomas, ir kokias temas jie mini, kad galėčiau pabandyti įsitikinti, ar aš ten rodau, jei ne. Tai yra apie tai. Žmonės, vertinantys AI atsakymų jausmus, mane erzina.“
Dešimt mėlynų nuorodų niekada nebuvo statiškos
Nors Hall pareiškė, kad „tradiciniai“ paieškos rezultatai buvo statiški, priešingai nei LLM pagrįsti paieškos rezultatai, reikia pažymėti, kad seni paieškos rezultatai buvo nuolatiniame pokyčių būsenoje, ypač po „Hummingbird“ atnaujinimo, kuris leido „Google“ pridėti naujų paieškos rezultatų, kai užklausa to reikalavo arba kai žiniatinklis buvo įvesti nauji ar atnaujinti tinklalapiai. Be to, tradiciniai paieškos rezultatai turėjo daugiau nei vieną ketinimą, dažnai net trys, todėl svyravo tai, kas reitingas.
LLM taip pat parodo savo paieškos rezultatų įvairovę, tačiau, esant AI apžvalgoms, „Google“ parodo keletą rezultatų, kurie užklausai ir tada daro „gerbėjų“ dalyką, kad būtų galima numatyti tolesnius klausimus, kurie natūraliai seka kaip temos atrasimo dalis.
Billy Peery („LinkedIn“ profilis) pasiūlė įdomią įžvalgą apie LLM paieškos rezultatus, o tai rodo, kad išvestis pasižymi tam tikru stabilumo laipsniu ir nėra toks nepastovus, kaip paprastai manoma.
Jis pasiūlė šią tikrai įdomią įžvalgą:
„Manau, nesutinku su mintimi, kad SERP visada buvo statiški.
Naudodamiesi LLM, mes galime geriau suprasti, iš kurių šaltinių jie traukia atsakymus į klausimus. Taigi, net jei keičiasi konkretūs žodžiai, modelio tikimybė trauktis iš šaltinių ir paminėti prekės ženklus yra žymiai statiškesnė.
Manau, kad žmonės, kurie sako, kad LLM yra per daug nepastovūs optimizavimui, yra per daug sutelkti į tikslią formuluotę, priešingai nei šaltiniai ir prekės ženklo paminėjimai. “
„Peery“ puikiai pabrėžia, kad kai kurie SEOS gali būti pakabinti pagal tikslų raktinių žodžių atitikimą („tikslią formuluotę“) ir kad galbūt svarbiau atkreipti dėmesį į tai, ar LLM susieja ir paminėja konkrečias svetaines ir prekės ženklus.
Takeaway
Auga supratimas apie LLM įrankius, skirtus stebėti matomumą. Rinkodaros specialistai pasiekia tam tikrą susitarimą dėl to, kas turėtų būti stebima ir kaip tai naudinga klientams. Nors kai kurie abejoja strategine šių priemonių verte, kiti jas naudoja norėdami nustatyti, kurie prekės ženklai ir temos yra paminėti, pridėdami tuos duomenis į jų SEO derinį.
Teminis „Shutterstock“/„Tierneymj“ vaizdas
