LinkedIn-ის რეკომენდაციები: როგორ გავზარდოთ კონტენტის ხილვადობა AI ძიების შედეგებში

LinkedIn-მა ჩაატარა კვლევა იმის დასადგენად, თუ რა ფაქტორები ახდენს გავლენას ხელოვნური ინტელექტის მიერ გენერირებულ ძიების შედეგებში კონტენტის გამოჩენაზე. კომპანიამ, რომელიც AI პასუხებში ერთ-ერთ ყველაზე ხშირად ციტირებად წყაროდ ითვლება, საკუთარი შიდა ტესტირების შედეგები გაასაჯაროვა. ეს ინფორმაცია განსაკუთრებით ღირებულია სპეციალისტებისთვის, რომლებიც ცდილობენ ადაპტირდნენ AI ძიების (AI Search) და AI მიმოხილვების (AI Overviews) ახალ რეალობასთან.

LinkedIn-ის ციფრული მარკეტინგის დირექტორმა, ინა მეკლინმა და ორგანული ზრდის ჯგუფის მენეჯერმა, კესი დელმა, დეტალურად აღწერეს ის ტაქტიკები, რომლებმაც რეალური შედეგები გამოიღო. კვლევამ აჩვენა, რომ კონტენტის სტრუქტურა, ექსპერტული ავტორობა და გამოქვეყნების თარიღები ყველაზე მკაფიო გავლენას ახდენს AI-ს მიერ ინფორმაციის აღქმასა და ციტირებაზე.

კონტენტის სტრუქტურა და მარკაპი

LinkedIn-ის დასკვნით, კონტენტის ორგანიზების ფორმა პირდაპირ კავშირშია იმასთან, თუ რამდენად ეფექტურად შეძლებენ LLM-ები (დიდი ენობრივი მოდელები) ინფორმაციის ამოკრებასა და მის ზედაპირზე ამოტანას. ავტორების განმარტებით, სათაურები და ინფორმაციული იერარქია კრიტიკულად მნიშვნელოვანია, რადგან „რაც უფრო სტრუქტურირებული და ლოგიკურია თქვენი კონტენტი, მით უფრო მარტივია მისი გაგება და ჩვენება ხელოვნური ინტელექტისთვის“.

სემანტიკური HTML მარკაპი ასევე მნიშვნელოვან როლს ასრულებს. მკაფიო სტრუქტურა ეხმარება LLM-ებს თითოეული სექციის დანიშნულების ინტერპრეტაციაში. ავტორებმა ამას „AI წაკითხვადობა“ (AI readability) უწოდეს. მთავარი დასკვნა ისაა, რომ კონტენტის სტრუქტურა აღარ არის მხოლოდ მომხმარებლის გამოცდილების (UX) ნაწილი; სათაურების სწორი იერარქია და სუფთა მარკაპი პირდაპირ მოქმედებს იმაზე, მოხდება თუ არა თქვენი მასალის ციტირება AI-ს მიერ.

ექსპერტული ავტორობა და თარიღები

LinkedIn-ის ტესტირებამ ასევე გამოკვეთა ნდობისა და სანდოობის სიგნალების მნიშვნელობა. კვლევის მიხედვით: „LLM-ები უპირატესობას ანიჭებენ კონტენტს, რომელიც მიუთითებს სანდოობასა და რელევანტურობაზე, შექმნილია რეალური ექსპერტების მიერ, აქვს მკაფიო გამოქვეყნების თარიღი და დაწერილია სასაუბრო, ცოდნაზე დაფუძნებული სტილით“.

კონკრეტული ავტორები ხილვადი კვალიფიკაციითა და გამოქვეყნების ზუსტი თარიღებით ბევრად უკეთეს შედეგებს აჩვენებენ LinkedIn-ის ტესტებში, ვიდრე ანონიმური ან უთარიღო მასალები.

გაზომვის მეთოდოლოგიის ცვლილება

LinkedIn-მა ცნობადობის ეტაპზე მყოფი კონტენტისთვის ტრადიციული ტრაფიკის პარალელურად ახალი KPI-ები დანერგა. AI ხილვადობის პროგრამული უზრუნველყოფის გამოყენებით, კომპანია ახლა აკონტროლებს შემდეგ მეტრიკებს:

• ციტირების წილი (Citation share);
• ხილვადობის მაჩვენებელი (Visibility rate);
• ხსენებები LLM-ებში (LLM mentions).

კომპანიამ ასევე განაცხადა, რომ შიდა ანალიტიკაში ქმნის ტრაფიკის ახალ წყაროს სპეციალურად LLM-ებიდან მომავალი ვიზიტებისთვის და CMS ლოგებში აკვირდება AI ბოტების ქცევას. ავტორებმა აღიარეს გაზომვის სირთულე: „ჩვენ უბრალოდ ვერ ვახდენდით იმის რაოდენობრივ შეფასებას, თუ როგორ მოქმედებს LLM პასუხებში ხილვადობა საბოლოო ფინანსურ შედეგებზე“.

იმ გუნდებისთვის, რომლებიც SEO-ს მთავარ მეტრიკად კვლავ ტრაფიკს მიიჩნევენ, აქ გარკვეული წყვეტა იქმნება. თუ არაბრენდული საინფორმაციო კონტენტი სულ უფრო ხშირად მოიხმარება უშუალოდ AI პასუხებში და არა ვებგვერდზე გადასვლის გზით, ტრაფიკის მაჩვენებელმა შესაძლოა რეალური წვდომა (reach) არასრულად ასახოს.

რატომ არის ეს მნიშვნელოვანი

აღსანიშნავია, რომ LinkedIn-ის მიგნებები ემთხვევა თავად AI პლატფორმების წარმომადგენლების განცხადებებს. მაგალითად, Perplexity-ის წარმომადგენლის, ჯესი დვაიერის განმარტებით, მათი სისტემა ინფორმაციას არა მთლიანი გვერდების, არამედ მცირე ფრაგმენტების დონეზე ამუშავებს. ეს ნიშნავს, რომ კონტენტის სტრუქტურა განსაზღვრავს, მოხდება თუ არა მისი ამოკრება საერთოდ.

LinkedIn-ის კვლევა ადასტურებს, რომ სტრუქტურა და მარკაპი გადამწყვეტია, რადგან LLM-ები კონტენტს ნაწილებად შლიან. სანდოობის სიგნალები კი (ექსპერტული ავტორობა და თარიღები) გავლენას ახდენს იმაზე, თუ რომელი ფრაგმენტები მოხვდება პასუხებში. როდესაც ციტირებადი წყარო და AI საძიებო პლატფორმა დამოუკიდებლად მიდიან ერთსა და იმავე დასკვნამდე, ეს სტრატეგიის დაგეგმვისთვის მყარ საფუძველს იძლევა.

სამომავლო პერსპექტივა

ავტორები გვთავაზობენ ახალ აზროვნების მოდელს, რომელიც სპეციალისტებმა უნდა გაითვალისწინონ: „ჩვენ ვშორდებით მიდგომას 'ძიება, კლიკი, ვებგვერდი' და გადავდივართ ახალ მოდელზე: იყავი ხილვადი, იყავი ნახსენები, იყავი განხილული, იყავი არჩეული“.

LinkedIn-მა დააანონსა სერიის მესამე ნაწილი, რომელიც მოიცავს გზამკვლევს საკუთარი კონტენტის AI ძიებისთვის ოპტიმიზაციის შესახებ, მათ შორის პასუხების ბლოკებისა და მკაფიო დეფინიციების გამოყენების საკითხებს.