Dirbtinio intelekto paieškos optimizavimas (GEO): principai, praktikos, mitai

Autorė: Rasa Sosnovskytė, įmonės „Growth Bite“ generalinė direktorė

Reklama

Optimizavimas dirbtinio intelekto paieškai susilaukia itin didelio susidomėjimo. Verslai nori būti minimi kuo dažniau, o specialistai ir agentūros teigia galintys padėti pasiekti norimų rezultatų. Kaip ir daugelyje naujų sričių, atsirado galybė metodikų, kurios ne visada yra veiksmingos, o kartais net gali būti kenksmingos.

Dirbtinį intelektą kuriantys verslai taip pat neprisideda prie mitų išsklaidymo – skelbiama apie ištisų rinkų dingimą, darbuotojų keitimą dirbtiniu intelektu ir begalinę DI įrankių svarbą. Nenuostabu, jog tapo sunku suprasti kiek dėmesio reikia skirti šiems įrankiams, ypač rinkodaros tikslais.

Dirbtinis intelektas neatima srauto iš paieškos variklių

Pirminis daugelio rinkodaros (ir ne tik) specialistų instinktas buvo skelbti apie paieškos variklių („Google“ ir kiti) pabaigą. Visgi, atrodo, jog naudojantis DI įrankiais informaciją rasti tapo paprasčiau ir patogiau. Tad, žmonės galiausiai nustos naudotis paieškos varikliais.

Įrankių naudojimo statistika paneigia šią išvadą. Nors didieji kalbos modeliai įgauna vis daugiau populiarumo, užklausų kiekis paieškos varikliams toliau auga. Tai reiškia, jog vartotojai DI įrankius naudoja kaip dar vieną informacijos radimo būdą, o ne kaip pakaitalą įprastinei paieškai.

Šaltinis: One Little Web. Paieškos variklių ir DI pokalbių įrankių naudojimo tendencijos. Skaičiai pateikti milijardais.

Taip pat reikėtų prisiminti, jog ne visos užklausos pateiktos didiesiems kalbos modeliams yra tinkamos paieškos varikliams. Pavyzdžiui, „padėk man geriau suprasti situaciją: […]“, yra užklausa, kurią galima užduoti tik DI pokalbio metu, kadangi paieškos varikliai tokių atsakymų neturi.

Nors tokių užklausų kiekis gali intuityviai atrodyti nedidelis, rinkodaros technologijų kompanija „SEMRush“ atliko tyrimą, kurio metu analizavo 200 milijonų vartotojų elgesį pagal paspaudimus, stebint veiksmus DI įrankiuose. Minėtos užklausos sudaro nuo 65% iki 85% visų pokalbių.

Šaltinis: SEMRush. Kairėje: paieškos varikliams būdingos užklausos (pavyzdžiui: „iphone 15 kaina“), sudaro 15-35% ChatGPT pokalbių. Dešinėje: dialogo užklausos (pavyzdžiui: „ką turėčiau daryti šioje situacijoje…“), sudaro 65-85% ChatGPT pokalbių.

Tad, DI paieškos optimizavimo komercinis potencialas yra žemesnis nei dauguma mano. Tą patvirtina ir „Growth Bite“ vidiniai duomenys – klientų, dirbančių su užsienio rinkomis, DI paieškų dalis sudaro 0.5%-2% viso organinio srauto.

Žinoma, tai nereiškia, jog DI paieškos optimizavimas nėra reikalingas. Šios technologijos potencialas yra didelis, o vartotojų įpročiai, ypač keičiantis kartoms, yra linkę keistis. Tačiau aukoti esamų rinkodaros sričių biudžetus vardan DI paieškos, bent kol kas, nėra verta.

Du atsakymų pateikimo būdai

Didieji kalbos modeliai naudoja du pagrindinius būdus informacijos pateikimui. Pirmasis yra duomenys įgyti treniravimo metu. Visi populiariausi modeliai („ChatGPT“, „Claude“, „Gemini“) naudojo viešųjų duomenų surinkimo (angl. web scraping) technologijas, kurios padėjo iš internetinių šaltinių ištraukti ypatingai didelį kiekį tekstinių duomenų. 

Treniravimo metu modeliui pateikiamas tekstas, o šis bando atspėti sekantį žodį, o kitame žingsnyje patikrinama ar spėjimas teisingas. Šitaip sudaromi statistiniai ryšiai tarp žodžių, kurie vėliau leidžia kalbos modeliui atsakinėti į užklausas tuo pačiu principu.

Informacijos surinkimas ir sutvarkymas yra ypatingai brangus procesas, todėl daugelio didžiųjų kalbos modelių vidinė informacija neretai yra nuo 6 iki 18 mėnesių senumo. Šiuo atveju, patekti į DI atsakymus įmanoma tik kai įvyksta modelio atnaujinimas ir jei kūrėjai nusprendė iš naujo surinkti didelį kiekį informacijos. 

Norint į DI patekti šiuo būdu, užtenka įprastinės internetinės rinkodaros, kadangi bendras matomumas užtikrina patekimą į informacijos rinkimo ir treniravimo procesą. Nors tai gali skambėti neįprastai, didiesiems kalbos modeliams reikia tiek daug duomenų, jog prognozuojama, kad iki 2032 metų internete nebeliks pakankamai informacijos tolimesniam modelių vystymui. Tad, patekimas yra beveik garantuotas.

Kitas informacijos pateikimo būdas yra naudojimasis paieškos varikliais. Jei kalbos modelis nutuoka, kad neužteks vidinės informacijos ar jei vartotojas pateikia tam tikru būdu sukonstruotą užklausą, DI agentas keliauja į „Google“ (kartais „Bing“) ir kitus šaltinius, surenka dalį ten esančių rezultatų ir pateikia sintezuotą atsakymą.

Kuomet naudojamas paieškos variklis, kalbos modelis pirmiausia performuluoja vartotojo užklausą į tinkamesnę paieškai, o tada sugalvoja išsklaidą (angl. fan-out query), kuri susideda iš keletos panašių variantų. Klausimas modeliui „Kokia yra iPhone 15 kaina?“ tampa paieškos užklausų rinkiniu: „iPhone 15 kaina“, „iPhone 15 kaina palyginimas“, „iPhone 15 kaina Lietuva“ ir taip toliau.

Kiekvienas didysis kalbos modelis skirtingai interpretuoja užklausas, tad ir skirtingu dažnumu naudojasi paieška. Kol kas, „SEMRush“ duomenys atrodo tiksliausi – „ChatGPT“ tik apie trečdalis užklausų yra kuriamos pasitelkus paiešką.

Šaltinis: SEMRush. Kairėje: „ChatGPT“ atsakymų dalis, kuriai nenaudojama paieška (65.5%). Dešinėje: „ChatGPT“ atsakymų dalis, kuriai sukurti pasitelkiama paieška (34.5%).

Matomumas „Google“ yra matomumas DI

Paieškos naudojimas įgalina DI įrankius atrasti naujausią ir nuolat besikeičiančią informaciją – šiuo atveju optimizavimas tampa įmanomu. Nors tai atliekama tik daliai viso į DI įrankį ateinančio srauto, „ChatGPT“ tai vis tiek yra keli milijardai per mėnesį.

Kartu, šitas informacijos pateikimo būdas jau nurodo, jog optimizavimas paieškos varikliams ir optimizavimas dirbtinio intelekto įrankiams skirsis nedaug. Visgi, jei kalbos modelis remiasi „Google“ paieškos rezultatais sintezuodamas atsakymą, tai būtinybė būti paieškos rezultatuose lieka.

Tiesa, sintezavimo procesas yra gana sudėtingas. Didieji kalbos modeliai naudoja ne tik „Google“ (nors šis variklis naudojamas beveik visada), bet ir kitus paieškos variklius, aplikacijų programavimo sąsajas (angl. Application programming interface (API)) bei privačius duomenų šaltinius.

Vienas iš dažnai cituojamų pavyzdžių – tinklapis „Reddit“. Dauguma GEO agentūrų ir specialistų įrašų talpinimą šiame tinklapyje siūlo net kaip atskirą paslaugą, nes „ChatGPT“ juo itin dažnai remiasi atsakymų sintezavimui. Tai tik dalinai tiesa, kadangi „Reddit“ naudojamas kaip šaltinis, tačiau cituojamas (pateikiama nuoroda) ypatingai retai.

Šaltinis: Ahrefs. 

Pagal rinkodaros programinės įrangos kompaniją „Ahrefs“, didieji kalbos modeliai kreipiasi į keletą šaltinių, tačiau cituoja tik dalį (apie 50%). Tokie įrankiai kaip „ChatGPT“ naudoja tuos šaltinius konteksto supratimui ir atsakymo pateikimui, tačiau nuorodos į šaltinį gali ir nepateikti.

Šitaip dažniausiai nutinka „Reddit“. Viena „ChatGPT“ užklausia patikrina apie 33 nuorodas informacijos rinkimo metu, o pacituojama dažniausiai tik pusė patikrintų šaltinių. Pasak „Ahrefs“, didžioji dalis (67.8%) necituotų šaltinių yra iš „Reddit“. 

SEO ir GEO praktikoje tai reiškia du dalykus: reitingai (pozicija) paieškos rezultatuose stipriai didina tikimybę patekti į kalbos modelio atsakymą ir „Reddit“, priešingai nei dažnai sakoma, nėra geras būdas pateikti į kalbos modelio atsakymą.

Tiesa, „Reddit“ naudojamas konteksto supratimui (pavyzdžiui, verslo, produkto ar paslaugų įvertinimui), tad aktyvumas šiame šaltinyje gali padėti keisti atsakymo pateikimą. Kitaip tariant, „Reddit“ yra necituojamas nuomonės formuotojas, tad kai kuriais atvejais gali būti naudingas.

Tad, GEO esmė išlieka reitingai paieškos varikliuose. Vienas iš DI privalumų šiuo aspektu yra platesnis patikrinimas – sintezuojamas didesnis paieškos rezultatų kiekis, o modelio užklausų išsklaida duoda ypatingai didelį rezultatų kiekį. 

Vieta paieškos rezultatuose išlieka svarbi – pagal įvairius tyrimus, buvimas pirmoje vietoje bent vienoje iš užklausų gerokai padidina tikimybę patekti į atsakymą. Žinoma, tai savaime suprantama, kadangi jei imama tik dalis visų rezultatų, esantys aukščiau bus perskaitomi dažniau.

Šaltinis: AirOps. 43.2% „ChatGPT“ citatų atitenka „Google“ #1 reitingui. Puslapiai, kurie jau gerai reitingavosi „Google“ turi pranašumą ir „ChatGPT“. Iš cituotų puslapių, kurie taip pat pateko į „Google“ paieškos rezultatų 20-uką, 43.2% buvo #1 vietoje.

Tiesa, procesas yra kiek sudėtingesnis, kadangi didieji kalbos modeliai naudoja abipusį reitingų sujungimą (angl. Reciprocal Rank Fusion) – sintezuojamas daugelio užklausų reitingų vidurkis, kuris tampa atspirties tašku citavimui. Prastas vienos užklausos reitingas nebūtinai reiškia prastą cituojamumą, kadangi tai nulemia jungtinis reitingas.

Taip pat, kai kurios užklausos, kurias pateikia DI, turi tiek mažai paieškų, jog įprastiniai SEO įrankiai jų nepastebi. Nors tai gali būti galimybė kurti turinį tik DI, egzistuoja rizika, jog bendras turinio kiekis išaugs tiek, kad tai pakenks paieškos variklių reitingams.

Visgi, būtinybė būti matomam „Google“ išlieka. Nors didieji kalbos modeliai naudoja keletą šaltinių, paieškos varikliai, ypatingai „Google“, yra laikomi kokybės ir svarbos garantais. Kartu, tai tam tikra optimizacija iš DI kūrėjų pusės, kadangi paieškos varikliai jau turi kokybišką algoritmą, kuris padeda atskirti vertingą turinį nuo mažiau vertingo.

Kitos DI optimizavimo praktikos

Geri reitingai „Google“ gerokai padidina tikimybę patekti į kalbos modelio atsakymą, o „Reddit“ veikia kaip nuomonės formuotojas, nors cituojamas yra retai. Šios dvi praktikos yra pagrindinės, nors gerokai daugiau dėmesio turėtų būti skiriama SEO nei „Reddit“, kadangi įprastai verslai nuorodos atsiradimo atsakyme.

Dar viena praktika ypatingai gerai veikianti „Google“ paieškos varikliui, jų „AI Overviews“ bei daugumai modelių yra trečiosios šalies paminėjimai. SEO srityje tai jau atliekama seniai naudojant atgalines nuorodas. DI seka panašiu principu, tačiau jie taip pat vertina ir prekės ženklo paminėjimus, net jei nėra suteikta nuoroda.

Užsienio SEO ir GEO bendruomenėse sparčiai plinta skaitmeninių viešųjų ryšių paslaugos, kadangi tai geriausias būdas užsitikrinti prekės ženklo, įmonės asmenų ir pačios įmonės paminėjimus kontroliuojamame kontekste.

Šaltinis: Ahrefs. Faktoriai, kurie koreliuoja su prekės ženklo atsiradimu „AI Overviews“, grįsta 75000 prekės ženklų tyrimu. Pirmieji trys nuo viršaus: prekės ženklo paminėjimai internete, prekės ženklo tekstinė nuoroda, prekės ženklo paieškos apimtis.

Nors „Ahrefs“ tyrimas nurodo tik koreliaciją (t.y. negalime daryti išvados apie priežastį ir pasėkmę), šiuos rezultatus patvirtina dar ir keletas kitų šaltinių. Išimtis tam gali būti anksčiau minėta vidinė informacija – tokiu atveju, įmanoma, jog kalbos modelis „racionalizuoja“ turimus duomenis, tačiau pačios optimizavimo praktikos tai nekeistų.

Vėlgi, jei DI įrankiui reikia susidaryti nuomonę apie prekės ženklą, trečiųjų šaltinių paminėjimai ir apibūdinimai turėtų turėti didesnę įtaką. Įmonės savo tinklapiuose retai apie save atsiliepia objektyviai, tad tokia informacija surenkama dažniausiai tik kontekstui.

Galiausiai, turinio struktūra ir šviežumas yra dar vienas pagalbinis faktorius, lemiantis matomumą DI. Kitas „AirOps“ tyrimas taip pat pastebėjo, jog cituojamumą lemia:

1. Antraščių (H1-H4) atitikimas užklausai. Puslapiai su aukštu atitikimu cituojami 41% dažnumu, su silpnu tik 29%.
2. Teksto ilgis. Didžiausias cituojamumas yra 500-2000 žodžių skaičiaus rėžyje (34.3%-33.5%), nors skirtumai yra tokie maži, jog jie gali būti nereikšmingi praktikoje.
3. Naujumas. 30-89 dienų senumo tekstai yra cituojami dažniausiai (32.8%), naujesni nei 30 dienų rečiausiai (25.3%). Senesni nei 90 dienų cituojami panašiai (31.5%-32.4%), o 2 metų ir senesnio turinio cituojamumas krenta iki 27.5%.

Egzistuoja ir keletas papildomų faktorių: struktūriniai duomenys (JSON-LD), turinio papildymas grafikais ir lentelėmis, teksto sudėtingumas. Struktūriniai duomenys gali turėti didelę įtaką – padidinti cituojamumo tikimybę 6.5%. Kiti faktoriai yra artimiau susiję su industrija bei temomis, tad didelės įtakos SEO ir GEO specialistai jiems neturi.

GEO – apipintas mitais, bet aktyviai parduodamas

GEO paklausa yra didžiulė, o agentūros bei specialistai žada greitus rezultatus. Šias paslaugas parduodantys neretai bando parduoti ir DI paieškos svarbą, teigdami, jog šie įrankiai naikina „Google“. Duomenys rodo visai ką kitą:

1. „Google“ paieška auga kartu su DI paieška. Kalbos modeliai nėra pakaitalas paieškos varikliams – bent šiuo metu, vartotojai naudoja abu įrankius vienu metu.
2. Daugiau nei du trečdaliai DI užklausų yra asmeniniai, dialogo formos klausimai, mažai susiję su komercine veikla.
3. GEO nėra atskira nuo SEO disciplina. Didžioji dalis veikiančių GEO praktikų persidengia su SEO, o pastarosios praktikos yra matomumo DI pagrindas. Tad, bet kokios matomumo DI praktikos turėtų prasidėti nuo matomumo paieškos varikliuose (t.y., nuo SEO).
4. „Reddit” nėra stebuklinga priemonė matomumui. Kalbos modeliai šiuo šaltiniu remiasi kontekstui, bet cituoja retai. O net ir pateikus citatą, nuoroda veda į „Reddit” giją, ne į prekės ženklo puslapį, tad tiesioginio srauto yra maža.

Nors dažnai siūlomos GEO praktikos nėra kenksmingos, jos yra gerokai mažiau veiksmingos nei manoma. Geriausias DI matomumo garantas išlieka geras SEO.