Šis įrankis tiksliai parodo, ką

Kai jūsų klientai ko nors klausia „ChatGPT“ ar „Gemini“, modelis tyliai paleidžia tradicinių žiniatinklio paieškų rinkinį fone, nuskaito reitingavimo puslapius ir iš jų susintetina atsakymą. Cituojamos svetainės, kurios reitinguojamos pagal tas paslėptas užklausas. Tie, kurie neturi, nedaryk. „QueryFan“ generuoja konkrečiam asmeniui skirtus raginimus, paleidžia juos per abu modelius ir užfiksuoja tikslias kiekvieno suaktyvintas paieškas. Šis sąrašas yra jūsų tikrasis AI matomumo tikslas. Tai nemokama.

Raktinių žodžių sąrašai yra naudingi, jie tiesiog praleidžia pusę nuotraukos

Leiskite man patikslinti, kol kas nors neparašė įnirtingo atsakymo.

Terminą „raktiniai žodžiai“ vartoju norėdamas nurodyti „vienkartines“ užklausas, kurios patenka į tradicines paieškos sistemas. Taip, aš žinau, kad daugiau nei dešimtmetį esame „semantiniame“ pasaulyje, bet tiesiog susitarkime dėl terminijos, kuria dabar gali vadovautis visi.

Pagrindinė „raktinių žodžių sąrašų“ problema, susijusi su AI paieška, yra trejopa:

1. Paprastai užklausos (raginimai), kurios patenka į LLM, paprastai būna ilgesnės, daugialypės ir pokalbio pobūdžio. Tradicinės paieškos paprastai būna siauresnės.
2. Tradicinė paieška yra „vienkartinė“. Jūs atliekate paiešką, gaunate informaciją, tada atliekate kitą nepriklausomą paiešką. LLM užklausos / raginimai paprastai yra pokalbio pobūdžio ir turi ankstesnių žetonų kontekstą.
3. Mechanizmai, kuriuos LLM naudoja žiniatinklio paieškai, taip pat turi personalizavimo kontekstą. Jei vartotojas anksčiau pareiškė, kad yra veganas, ir klausia LLM apie (bėgimo batus), labai tikėtina, kad LLM atliks paiešką, kad tai atitiktų.

Iš esmės AI paieška vartotojams tapo savotišku „universaliu ketinimų dekoderiu“. Tie dideli, daugialypiai pokalbiai su AI suskirstomi į išsprendžiamų užklausų poaibius, kurie vykdomi fone kaip „tradicinės“ paieškos sistemoje „Google“ ar „Bing“, o gautos svetainės naudojamos atsakymui generuoti. Procesas žinomas kaip „Retrieval Upmented Generation“ (RAG).

Optimizavimo tikslas perkeltas. Jūs nebeoptimizuojate vien tam, ką žmonės įveda į pokalbių dėžutę. Jūs optimizuojate pagal tai, ko AI agentas tyliai ieško jų vardu, fone, vartotojui nežinant, kad tai įvyko.

„QueryFan“ užfiksuoja šias fonines užklausas. Jie dažnai visiškai skiriasi nuo to, ko vartotojas iš tikrųjų klausė. Ir tai yra tikslus sąrašas dalykų, kuriuos reikia įvertinti, kad jie būtų rodomi dirbtinio intelekto sugeneruotuose atsakymuose.

A paroda: Reddit antradienį nukrito nuo uolos

Šių slaptų santykių apimtis ir gylis tapo aiškūs, kai „Reddit“ mėgavosi didžiuliu matomumu „Google“, o 2026 m. rugsėjo 10 d. įvyko tragedija. Remiantis „PromptWatch“ šaltinių stebėjimo duomenimis, „Reddit“ citavimo rodiklis „ChatGPT“ atsakymuose sumažėjo beveik per naktį. Tai buvo net 15% visų citatų. Per kelias dienas jis buvo mažesnis nei 2%.

Priežastis buvo nekalta: „Google“ tyliai panaikino galimybę vienu metu prašyti 100 paieškos rezultatų ( num=100 parametras) iš paieškos API tą dieną.

Pagalvokite, ką tai jums sako. Stebimas „Reddit“ matomumas „ChatGPT“ atsakymuose „Google“ masinės paieškos galimybėsnieko Reddit nepadarė, ne treniruočių duomenų atnaujinimą, ne derinimo pakeitimą. Potekstė yra tokia pat subtili, kaip numestas fortepijonas: „ChatGPT“ masiškai traukė „Google“ paieškos rezultatus, tuo metu tuose rezultatuose dominavo „Reddit“, o kai masinis traukimas išnyko, dingo ir „Reddit“ citatos.

DI paieškos paviršiai didžiąja dalimi yra tradicinės paieškos įvyniojimai. „AI“ bitas yra tikras (sintezė, personalizavimas, pokalbio darna), bet informacijos gavimas žingsnis yra nepaprastai pažįstamas. Google indeksuoja ir reitinguoja žiniatinklį; AI konsultuojasi su tuo indeksu. Jūsų turinys vis tiek turi būti reitinguojamas.

Kaip veikia QueryFan

1 veiksmas: jūsų „tradiciniai“ raktiniai žodžiai

Į jūsų tradicinį raktinių žodžių sąrašą pagal terminą „bėgimo bateliai“ gali būti įvairių siūlomų šio termino variantų iš tokio šaltinio kaip „Google Suggest“.

„QueryFan“ galime tiesiog imtis temos „bėgimo bateliai“ ir naudoti tai kaip pirmąjį žingsnį, nes ketiname generuoti raginimus.

2 veiksmas: apibrėžkite asmenis

Jūsų asmenybės yra tai, kaip mes tinkinsime generuojamus raginimus. Tai pakeis mūsų naršymą po žetonų erdvę, suderindama mus su mokymo duomenimis iš milijonų bendruomenių, forumo žinutėmis, „Reddit“ gijomis ir interneto diskursu, kur tikri vartotojai užduoda tikrus klausimus su šiomis tapatybėmis.

„QueryFan“ siunčia jūsų asmens ir temos derinį LLM, kad sugeneruotų tokius klausimus, kuriuos asmuo iš tikrųjų užduos naudojant AI įrankį. Ne raktiniai žodžiai. Klausimai. Tikri, bendraujantys, kontekstiniai klausimai. Pavyzdžiui, vidutinio amžiaus veganui, kuris ką tik pradėjo bėgioti, tai duos tokius dalykus:

• „Kokie veganiški bėgimo bateliai tinka vidutinio amžiaus vyrams, tik pradedantiems bėgioti?
• „Kur JK internetu galiu nusipirkti veganiškų bėgimo batelių?
• „Į ką turėčiau atkreipti dėmesį renkantis pirmąją bėgimo batelių porą pradedančiajam?

3 veiksmas: LLM pasirinkimas ir taip pat užklaustas praturtinimas

AI pokalbių šaka. Kas nors, kas klausia apie veganiškus bėgimo batelius, užduos tolesnius klausimus: apie kainą, apie prekės ženklus, apie traumų prevenciją. QueryFan perduoda sugeneruotus raginimus per AlsoAsked API, kad užfiksuotų artimiausius tolesnius klausimus apie kiekvieną iš jų. Žmonės taip pat klausia duomenų yra tinkama priemonė, nes ji buvo sukurta siekiant modeliuoti klausimo artumą, o tai yra būtent tai, ko jums reikia, kai bandote nuspėti, kur vyks pokalbis.

Pavyzdžiui, JK ieškant „bėgimo batelių“, atsirastų tolesnių klausimų apie konkrečius prekės ženklus, klausiama, kaip išsirinkti batus, ir net įprastų medicininių užklausų.

Taip pat galite pasirinkti, ar norite naudoti „ChatGPT“, „Gemini“ ar abu. Kiekviena LLM užklausas apdoroja ir išskleidžia šiek tiek skirtingai, todėl, jei optimizuojate tam tikrai platformai, duomenis geriausia gauti iš ten.

4 veiksmas: pateikite užklausą „Fan-Out“.

QueryFan siunčia praturtintą raginimų sąrašą į GPT-5 su įjungta žiniatinklio paieška (per OpenAI Responses API) ir į Gemini su aktyviu Google Search įžeminimu (per Gemini Grounding API). Abu modeliai, nusprendę, kad raginimui reikalinga dabartinė informacija, atlieka faktines „Google“ paieškas užkulisiuose.

Šis procesas užfiksuoja fan-out užklausas, nes abi API yra gana skaidrios apie tai, ko jos ieškojo. Gemini API grąžina a webSearchQueries masyvas groundingMetadata kiekvieno pagrįsto atsako laukas. „OpenAI's Responses“ API registruoja faktines paieškos užklausas web_search_call išvestis. QueryFan nuima abu derlius.

Rezultatas yra lentelė: konkrečiam asmeniui pateikiami raginimai, tikrosios „Google“ paieškos užklausos, kurias išleido AI. Ne tai, ką įvedė jūsų klientas. Ko AI ieškojo jų vardu. Tai yra jūsų nauji SEO tikslai ir iki šiol nebuvo nemokamo įrankio, kuris juos atskleistų dideliu mastu.

Pagrindinis klausimas: ne kiekvienas raginimas suaktyvina paiešką

Trumpas, bet svarbus įspėjimas prieš pradėdami viską klasifikuoti kaip SEO galimybę.

Ne dėl kiekvieno raginimo AI atlieka žiniatinklio paiešką. Modeliai priima sprendimą, pagrįstą žetonų numatymo sutarimu, ar reikalinga tiesioginė informacija.

Pavyzdžiui, užklausa „Ką veikia raudonieji kraujo kūneliai? nesukelia paieškos. Priežastis ta, kad yra labai stačia varpo kreivė, kurios žetonai pasirodys toliau. Milijarduose mokymo dokumentų atsakymas išliko labai stabilus, todėl galima drąsiai sugeneruoti „modelio“ atsakymą.

Kitame skalės gale yra raginimas, pvz., „Kas šiandien nutiko naujienose? suaktyvintų paiešką internete. Būtų labai plokščia kreivė „wtf tokens are next?”, nes mokymo duomenyse nėra „stabilaus” atsakymo; ji visada keičiasi, tam reikia tiesioginių duomenų. Tai dar viena užklausos nusipelno gaivumo (QDF) koncepcijos versija, kurią SEO naudoja daugelį metų.

Jei domitės įžeminimu, Danas Petrovičius atliko puikų darbą šioje srityje ir netgi išleido apmokytus modelius Hugging Face, kad nuspėtų, ar užklausos bus pagrįstos, kai pasieks pasitikėjimo slenkstį.

„QueryFan“ rodo, kurie raginimai suaktyvina paieškas, o kurie – ne. Tik pagrįsti (tie, kurie iš tikrųjų paskatino „Google“ paiešką) gali būti veiksmingi naudojant SEO. Modelio atsakymai kol kas jums nepasiekiami. Turėtumėte paveikti mokymo duomenis, kad perkeltumėte adatą ten, o tai yra visiškai kitoks projektas su daug ilgesniu horizontu.

Ką darai su rezultatais

Dabar turite sąrašą faktinių paieškos užklausų, kurias AI įrankiai suaktyvina atsakydami į jūsų konkrečių asmenų klausimus. Atlikite standartinę spragų analizę:

• Kurioms iš šių užklausų turite turinio?
• Už kurį jau reitinguojatės?
• Kurių aprėptis jūsų svetainėje ar bet kur, kur tikėtina, kad būsite paminėtas, nulinė?

Pirmosios dvi kategorijos yra diagnostinės. Trečias yra jūsų veiksmų sąrašas.

Vienas svarbus skirtumas nuo tradicinio SEO: jūsų savo reitingavimas nėra vienintelis kelias į AI matomumą. LLM nuskaito 10, 20, kartais 50 geriausių rezultatų, kad gautų pagrįstą užklausą, ir juos sintezuoja. Patikimos peržiūros svetainės reitingas 3 pozicijoje yra teisėtas kelias į AI sugeneruotą atsakymą, net jei jūsų domenas niekada nepatenka į pirmąjį puslapį. Visa tai svarbu, kai produktas buvo peržiūrėtas aukštos valdžios specialistų svetainėje, pelnytas paminėjimas bendrame straipsnyje, rodomas atitinkamame bendruomenės turinyje.

LLM matomumas yra kelių svetainių dėmesys. Tai reiškia, kad spragų analizė turi du rezultatus: turinį, kurį reikia sukurti savo svetainėjeir vietas, kur uždirbti kitų žmonių svetainėse.

Punchline

Grįžkite į tą Reddit citatų grafiką. Tas, kuris nukrito nuo uolos, kai „Google“ pakeitė vieną API parametrą. Visiškai nepriklausomos įmonės AI matomumas stebėjo paieškos API, kurios ji nekontroliavo ir tikriausiai nežinojo, kad egzistuoja.

Tokia priklausomybės forma. Ir tai nereiškia, kad SEO yra miręs; tai beveik priešingai. SEO dabar veikia vienu papildomu pašalinimu: užuot optimizavę žmogaus užklausą, turite optimizuoti AI išverstą užklausą, kuri vyksta tarp žmogaus ir „Google“.

„QueryFan“ suteikia galimybę pamatyti, ką iš tikrųjų sukuria šis vertimas. Jūsų raktinių žodžių sąrašas nurodo, ką žmonės įvedė paieškos juostoje. „QueryFan“ pasakoja, ko „ChatGPT“ ir „Gemini“ ieškojo jų vardu, fone, niekam neprašant apie tai pranešti.

Tai skirtingi sąrašai. Skirtumas tarp jų nėra nedidelis jūsų turinio strategijos patobulinimas. Tai yra AI paieškos dalis, kurios niekas nematavo, nes niekas neturėjo nemokamo įrankio jai išmatuoti.

Atskleidimas: autorius yra Queryfan kūrėjas.

Daugiau išteklių:

Šis įrašas iš pradžių buvo paskelbtas Mark Williams-Cook Substack.

Teminis vaizdas: Roman Samborskyi / Shutterstock