Nustokite traktuoti AI matomumą kaip vieną problemą. Iš tikrųjų tai yra trys, trijuose skirtinguose sluoksniuose

Kai prekės ženklas nustoja rodyti „ChatGPT“ arba kai jo balso dalis „Perplexity“ sumažėja per pusę daugiau nei ketvirtadaliu, įprasta rinkodaros organizacijos reakcija yra rašyti daugiau turinio. Kartais daug daugiau. Manoma, kad jei dirbtinio intelekto sistemos nepatenka į prekės ženklą, sprendimas yra suteikti joms daugiau medžiagos darbui. Tas instinktas yra klaidinga diagnozė. Tai atkūrimo lygmens pataisymas, taikomas vis labiau vis kitokiai problemai, o išlaidos rodomos kaip iššvaistytas biudžetas, praleisti ketvirčiai ir šliaužiantis jausmas, kad darbas nebesusijęs su rezultatais.

Klaida yra tai, kad dirbtinio intelekto matomumas traktuojamas kaip viena problema, kai taip nėra. Tarp jūsų prekės ženklo ir vartotojo gaunamo atsakymo yra trys struktūriškai skirtingi sluoksniai, kurių kiekvienas turi savo gedimų režimus, savo pataisymus ir vis dažniau savo organizacijos savininką. Diagnozuokite netinkamą sluoksnį ir taisymas nepasieks.

Kur daugiausiai pokalbių

Pirmasis sluoksnis yra paėmimas. Būtent čia DI paieškos optimizavimo pokalbis praėjo didžiąją pastarųjų dvejų metų dalį. Mechanikai yra pažįstami savo forma, jei ne išsamiai. Kai modeliui reikia atsakyti į klausimą, pagrįstą realaus pasaulio turiniu, jis renka atitinkamą medžiagą iš išorinių šaltinių ir naudoja tą medžiagą atsakymui sukurti. Techninis pavadinimas yra paieškos papildyta generacija arba RAG, o sluoksnis, kuriame jis veikia, yra vartai tarp jūsų turinio ir modelio išvesties.

Čia savo darbą atlieka tikrinamumas, analiziškumas ir patogumas naudoti gabalėlius. Jei jūsų turinio nepavyksta gauti švariai, niekas pasroviui nesvarbu. Daugumos rinkodaros komandų šiais metais įvertintos matomumo stebėjimo platformos matuoja rezultatus, priklausančius nuo šio sluoksnio veikimo, todėl jos linkusios apdovanoti tas pačias disciplinas, kurios davė gerų klasikinės paieškos rezultatų: struktūrinis turinys, schemos žymėjimas, savarankiški atsakymai, švarus techninis įgyvendinimas.

Tačiau gavimas turi struktūrinę ribą, o „Microsoft Research“ buvo neįprastai tiesioginis. Paprastas RAG, jų žodžiais, stengiasi sujungti taškus. Jis nuskaito teksto dalis, kurios atrodo susijusios su klausimu, bet negali samprotauti, kaip tie fragmentai yra susiję vienas su kitu. Kai atsakant reikia sintezuoti informaciją iš kelių šaltinių arba kai klausimas yra pakankamai platus, kad teisingas atsakymas priklauso nuo viso duomenų rinkinio modelių supratimo, vien gavimas nutrūksta. Modelis gauna gabalus ir turi atspėti santykius, o spėjimas yra vieta, kur atsiranda haliucinacijos.

Šio sluoksnio užduodamas disciplinos klausimas yra paprastas. Ar modelis apskritai gali nuskaityti mūsų turinį ir ar jis nuskaito tinkamą turinį pagal tinkamą užklausą? Dauguma rinkodaros komandų jau turi tam tikrą šio darbo versiją, net jei konkreti taktika pasikeitė nuo klasikinio SEO. Tačiau paieška yra tik vartai. Net kai modelis teisingai nuskaito jūsų turinį, tai, ką jis daro su juo, priklauso nuo to, ar aukščiau esančiame sluoksnyje esate kaip atpažintas dalykas.

Kur realiai veikia subjekto atpažinimas

Antrasis sluoksnis yra santykių sluoksnis, o dominuojanti struktūra jame yra žinių grafikas. Visos pagrindinės paieškos infrastruktūros palaiko vieną. „Google“ žinių diagrama, „Microsoft Satori“ ir atvira žinių diagrama, sukurta Wikidata ir schema.org, bendrai apibrėžia, kaip jūsų prekės ženklas pateikiamas kaip subjektas, kokiai kategorijai priklausote ir su kokiais kitais subjektais esate susiję.

Tai yra sluoksnis, kuris nusprendžia, ar AI apžvalgos ir dideli kalbos modelio atsakymai jus traktuoja kaip pripažintą jūsų kategorijos narį, ar kaip vieną neaiškią kandidatų eilutę tarp daugelio. Prekės ženklai, kurie egzistuoja kaip švarūs, aiškiai apibrėžti subjektai, yra nuolat cituojami. Prekės ženklai, kurie egzistuoja kaip nediferencijuoti žetonai, išsibarstę po atvirą žiniatinklį, prilygsta penkiasdešimčiai kitų kandidatų ir dažniau pralaimi, nei laimi.

Žinių grafikai egzistuoja pakankamai ilgai, kad disciplina būtų pakankamai subrendusi. Schemos žymėjimas priklausančiose nuosavybėse, nuoseklus pavadinimų suteikimas ir identifikatoriai visame atvirame žiniatinklyje, struktūrinis buvimas didelio patikimumo mazguose, pvz., „Wikidata“ įrašuose ir peržiūros platformose, ir lėtas prekės ženklo paminėjimų kaupimas kontekstuose, kurie diagramoje laikomi autoritetingais. Čia atsietas prekės ženklas mini pokalbių gyvenimus, nes nuoseklūs kontekstiniai paminėjimai stiprina subjektą net ir be pridedamo hipersaito. Šio sluoksnio taisymas yra struktūrinis, o ne tūrinis. Rašant daugiau turinio, beveik nieko nedaroma, jei po juo pateiktas subjekto apibrėžimas yra neryškus.

Čia disciplinos klausimas yra sunkesnis nei atkūrimo sluoksnio klausimas. Ar esame švarus, apgintinas mūsų kategorijos subjektas, ar vis dar esame lyginami su penkiasdešimt kitų kandidatų? Prekės ženklas, kuris negali atsakyti į šį klausimą teigiamai, praras pozicijas AI paieškoje, nepaisant to, kiek turinio jis sukuria, nes antrame lygyje modelis nusprendžia, kas iš tikrųjų yra jūsų turinys.

Žinių diagrama modeliui nurodo, koks yra jūsų prekės ženklas. Tačiau vis dažniau jūsų prekės ženklas turi veikti trečiajame lygmenyje, kurio dauguma rinkodaros komandų dar nesusitiko, kur modelis ne tik jus supranta, bet ir prašoma pagrįsti jus, kai kas nors priima sprendimą.

Sluoksnio įmonių įmonės šiuo metu ramiai kuriasi

Trečiasis sluoksnis yra konteksto grafikas, kurį reikia atidžiai įvesti, nes didžioji rinkodaros pokalbio dalis jo dar nepasiekė.

Konteksto grafikas turi tokią pačią struktūrinę formą kaip ir žinių grafikas su objektais, ryšiais ir tipiniais ryšiais, tačiau jis pagrįstas skirtingai. Žinių grafikas modeliuoja pasaulį. Jame nurodoma, kas yra dalykai ir kaip jie apskritai susiję. Konteksto grafikas modeliuoja konkrečios organizacijos duomenis, sprendimus, politiką ir veiklos tikrovę. Švariausias kadras, kurį mačiau, vadina žinių grafiką biblioteka, o konteksto grafiką – naudojimo vadovu, kurį parašė žmonės, kurie iš tikrųjų valdo tą vietą. Biblioteka pasakoja, kas egzistuoja. Naudojimo vadove nurodoma, kas aktualu, kas yra įgaliota ir ką su tuo daryti dabar. Biblioteka yra tik skaitymo semantinė infrastruktūra. Naudojimo vadovas yra gyvas veiklos sluoksnis, kuris auga kiekvieną kartą, kai vykdomas verslo procesas.

Konteksto grafiką nuo visko, kas buvo anksčiau, skiria tai, kad valdymas veikia grafiko viduje, o ne šalia jo. Politikos, leidimai, galiojimo langai ir autorizacijos taisyklės yra mazgai, kurių užklausas pats grafikas, o ne išoriniai dokumentai, taikomi kraštuose. Kai agentas ką nors nuskaito iš konteksto schemos, rezultatas jau buvo filtruojamas pagal tai, kas šiuo metu yra įgaliota, šiuo metu galiojanti ir šiuo metu taikoma. Grafikas taip pat nuolat tobulinamas, todėl tai, ką ji žino apie jus šią savaitę, nebūtinai yra tai, ką ji žinojo praėjusį ketvirtį. Iš čia kilęs žodis „valdoma“, kai žmonės šioje erdvėje kalba apie valdomą paiešką. Tai ne rėmas, o architektūra.

Ši architektūra anksčiau buvo nematoma niekam už ją kūrusios organizacijos ribų, todėl rinkodaros specialistams nereikėjo apie tai galvoti. Tai pasikeitė „Google Cloud Next '26“, kai „Google“ pristatė žinių katalogą savo naujajame „Agentic Data Cloud“. Paties „Google“ produkto aprašyme, parašytame pirmosios šalies tinklaraščio turinyje, teigiama, kad žinių katalogas sudaro vieningą, dinamišką viso jūsų verslo konteksto grafiką, leidžiantį įtraukti agentus į visus verslo duomenis ir semantiką. Šis sakinys yra momentas, kai terminas paliko duomenų inžinerijos tinklaraščius ir pateko į įmonių viešųjų pirkimų žodyną.

Priežastis, kodėl tai svarbu rinkodarai, yra ta, kad konteksto grafikai yra tai, kas suteiks galią naujos kartos agentams jūsų įmonės klientų viduje. „Gartner“ prognozuoja, kad iki 2026 m. pabaigos 40 proc. įmonių taikomųjų programų bus integruota su konkrečioms užduotims skirtomis AI agentais, o 2025 m. jų buvo mažiau nei 5 proc. Pirkimo agentai, konkurencinės žvalgybos agentai, turinio strategijos agentai, pardavėjų vertinimo agentai. Šie agentai negalvos apie jūsų prekės ženklą iš atviro žiniatinklio. Jie samprotauja apie jūsų prekės ženklą iš savo įmonės konteksto diagramos, o tai, ką ši diagrama sako apie jus, priklauso nuo to, kas į ją įtraukta.

Šis įsisavinimas yra vieta, kur vyksta rinkodaros darbas. Prekės ženklas, kuris patenka į konteksto grafiką fragmentiškai, yra silpnas. Jei jūsų kategorijos pozicionavimas nenuoseklus turimoje ir uždirbtoje medijoje, diagrama atskleidžia prieštaravimus ir pateikia jus dviprasmiškai. Jei jūsų objekto duomenys yra neaiškūs antrajame sluoksnyje, jie lieka neryškūs, kai patenka į trečiąjį. Jei trečiosios šalies signalas yra silpnas arba prieštaringas, diagramoje nėra nieko tvirto, prie ko būtų galima prisirišti. Darbas yra prieš grafiką, bet pasekmės patenka į pasroviui, agento samprotavimo procese, kurio niekada nepamatysi tiesiogiai.

Aš galvoju apie šią discipliną kaip reguliuojamas matomumas. Praktika, užtikrinanti, kad jūsų prekės ženklas patenka į konteksto grafiką tokioje būsenoje, kuri išlieka kontroliuojama. Aiškus subjekto apibrėžimas, nuoseklus trečiosios šalies atstovavimas, patikimi struktūrizuoti duomenys ir kategorijos pozicija, kuri neišnyksta, kai agentas peržvelgia aplinkinius ryšius. Valdomas matomumas nėra nauja taktika. Tai yra pakankamai gerai atlikto antrojo sluoksnio darbo rezultatas, kad trečiasis sluoksnis turėtų ką nors kieto nuryti.

Šio sluoksnio disciplinos klausimas yra tas, kurio dauguma rinkodaros komandų dar nepradėjo klausti. Kai mūsų kliento įmonės agentas samprotauja apie mus, ką jis randa ir ar mūsų versija randa versiją, pagal kurią mes norėtume, kad jis veiktų?

Trys sluoksniai, trys skirtingos problemos, trys skirtingi pataisymai. Bet taip pat trys skirtingos atsakomybės zonos, ir čia dauguma komandų tyliai praranda pozicijas.

Priežastis, dėl kurios dauguma komandų praras tai, nors ir sunkiai dirba

Kiekvienas sluoksnis atitinka skirtingą organizacinę atsakomybę, o dauguma rinkodaros komandų turi tik vieną iš trijų.

• Paieškos sluoksnis bendrinamas su žiniatinkliu, kūrėju ir kartais IT. Rinkodara įtakoja tai, kas skelbiama, tačiau infrastruktūra, dėl kurios galima gauti turinį, yra kieno nors kito domene.
• Žinių grafiko sluoksnis iš tikrųjų yra rinkodaros teritorija. Schemos disciplina, subjekto apibrėžimas, trečiosios šalies signalas, prekės ženklo nuoseklumas, lėtas struktūrinis darbas, kuris sujungiamas bėgant metams.
• Konteksto grafiko sluoksnis yra vieta, kur IT priklauso kliento organizacijos infrastruktūra, tačiau rinkodara turi turėti įtakos tai, kas gaunama. Darbas vyksta prieš srovę, o pasekmės dažnai nepastebimos.

2026 m. laimi komandos yra tos, kurios suprato, kaip veikti visose trijose atsakomybės zonose, o ne tobulinti savo darbą tik vienoje. Dauguma komandų, kurias matau, vis dar optimizuoja jiems priklausantį turinį, kuris yra paieškos sluoksnis, ir praranda pozicijas dėl subjekto apibrėžimo, kuris yra žinių grafiko sluoksnis, ir visiškai nedalyvauja kontekstinio grafiko pokalbyje, kuris yra sluoksnis, kuriame kai kurios įmonės šiuo metu tyliai atsistoja.

Darbas nerašo daugiau turinio. Darbas yra išsiaiškinti, kuriame lygmenyje problema iš tikrųjų egzistuoja, ir sukurti disciplinas, skirtas veikti visoms trims. Valdomas matomumas yra trečiojo lygmens disciplina, kurią turės plėtoti rinkodara, nesvarbu, ar terminas prilimpa, ar ne. Dabar ją kuriantys prekių ženklai atrodys paruošti per aštuoniolika mėnesių. Prekių ženklai, kurie to nedaro, stebėsis, kodėl investicijos į turinį nustojo kelti tokį matomumą, kokį jie anksčiau.

Jei kas nors iš to patenka arba prieštarauja tam, ką matote savo komandose, noriu apie tai išgirsti. Parašykite komentarą apie tai, kuriame lygmenyje buvo sutelktas jūsų darbas, kur matote spragas arba kur jūsų organizacijoje sugenda atsakomybės zonos. Šablonai vis dar formuojasi, o pokalbiai komentaruose būna šviežesni už bet ką kitą.

Daugelis tokio darbo matavimo schemų yra „The Machine Layer“, kuri išplečia originalius 12 „GenAI“ eros KPI į tai, su kuo komandos gali susidurti.

Daugiau išteklių:

Iš pradžių tai buvo paskelbta Duane Forrester Decodes.

Teminis vaizdas: Master1305/Shutterstock; Paulo Bobita / Search Engine Journal