Некоторые рабочие мысли по теме GEO/AEO/AI SEO/LLMO 🙂
Чтобы нейросеть уверенно порекомендовала ваш бренд, она должна увидеть согласие (консенсус) в источниках. Если 7 из 10 источников в поисковой выдаче говорят, что «компания X ненадежна», в выводе LLM будет что-то вроде: «существуют опасения относительно надежности компании X».
Ответы нейросети каждый раз разные (даже для одного и того же пользователя и устройства без учета персонализации): они не детерминированные (как поиск), а вероятностные. LLM по определению являются вероятностными системами. С распространением функций типа Google Personal Intelligence оценивать ситуацию будет еще сложнее (ответы станут гиперперсонализированными).
В ИИ-системах пользовательское поведение не такое, как в поиске: промпты длиннее и разнообразнее, содержат больше контекста (описания ситуации, условий и ограничений). Общение с ИИ — это диалоговая форма, а не одиночные запросы к поиску.
У издателей отсутствует статистика по пользовательским промптам и частоте появления сущностей в ответах ИИ-поиска и ИИ-помощников (кроме Bing Webmaster Tools, который выкатил отчет о grounding-запросах, но это тоже не исходные пользовательские запросы).
В рамках GEO мы можем повлиять на документы, использующиеся для обучающей выборки, а в большей степени — на результаты поиска Google, Bing и Яндекса, которые используются для заземления (grounding). Большинство современных ИИ-поисков работают по схеме: сначала запускается поиск (в Google, Bing или Яндексе), а затем LLM генерирует ответ на основе найденных документов.
Множество экспериментов указывает на то, что видимость в ChatGPT синхронно падает при падении видимости в обычном Google (не всегда, но часто), что еще раз подтверждает, что SEO — база.
У нас нет возможности оценить влияние на бизнес: по источникам кликают редко и мы видим только часть трафика из отдельных ИИ-помощников (alice.yandex.ru, gemini.google.com, chatgpt.com и т.д. и только веб-версии без приложений); мы не знаем долю переходов из генеративных ответов в Google и Яндексе, т.к. их реферер совпадает с поиском; чаще пользователь после этапа ресерча попадает на сайт из других источников, включая брендовые запросы.
В этой зарождающейся отрасли нет устоявшихся метрик и пока мы смотрим на долю упоминаний и тональность (Share of Voice / Share of Model). Иными словами, проводим бенчмаркинг для расчета вероятности присутствия в ответе. При этом довольно странно считать показатели по нескольким ИИ-системам без оглядки на то, что именно поисковые системы стали самыми посещаемыми ИИ-помощниками и их «удельный вес» в отчетах должен быть максимальным.