الرتبة والاستشهاد بالذكاء الاصطناعي ليسا نفس الرقم

إن فجوة الطول حقيقية وموثقة جيدًا، حيث تصف بعض القياسات مطالبات ChatGPT التي تعمل بمعدل أطول من استعلام Google النموذجي من حيث عدد الأحرف. لا شيء من هذا يخبرك بما يجب عليك فعله يوم الاثنين. الجزء الذي يجب أن يغير طريقة قراءتك لتقاريرك ليس طول المدخلات؛ وهذا ما يفعله نظامان مختلفان بنفس السلسلة عندما تبدأ في القياس عبر كليهما في نفس الوقت.

ابدأ بالعملية وليس بعدد الكلمات

فهرس البحث يطابق سلسلة. نموذج اللغة يفسر واحدة. هذه وظائف مختلفة، وهي تكافئ أشكال إدخال مختلفة، ولهذا السبب فإن تغذية نفس الاستعلام على كلا السطحين لا يمنحك قراءتين لشيء واحد. يمنحك شيئين مختلفين يحدثان لمشاركة مربع الإدخال. يبحث الفهرس عن المستندات التي يتوافق نصها مع المصطلحات الحرفية التي سلمتها لها. يستخدم النموذج كل ما سلمته إليه لتثليث النية، وكلما زاد السياق الذي يحصل عليه، كلما زاد تضييقه نحو الإجابة بثقة. قم بإعطاء فهرس البحث عبارة طويلة ومحددة، وبذلك تكون قد خففت مجال المستندات المنافسة، مما يجعل التصنيف أسهل عادةً. أعط نموذجًا نفس العبارة، وبذلك تكون قد شحذت هدفه. نفس السلسلة، والميكانيكا المعاكسة.

هناك فكرتان تساعدان في الحفاظ على صدق هذا الأمر قبل أن نذهب إلى أبعد من ذلك. الأول هو أن العبارة الطويلة لا تصبح تلقائيًا كلمة رئيسية طويلة. استقر مجال تحسين محركات البحث (SEO) منذ سنوات مضت، وما زال الممارسون الأكثر ذكاءً يقولون ذلك بوضوح، يتم تحديد هذا النوع الطويل من خلال الخصوصية وحجم البحث بدلاً من عدد الكلمات، لذلك يمكن أن يكون المصطلح الرئيسي المكون من ثلاث كلمات منافسًا شرسًا بينما يظل رقم طراز المنتج المكون من خمس كلمات مفتوحًا على مصراعيه. التصحيح الثاني أعمق، لأن الموجه الطويل في كثير من الأحيان لا يكون هو الشيء الذي يصل إلى فهرس البحث، وفي كثير من الأحيان ليس نفس الفهرس الذي بني عليه تقرير التصنيف الخاص بك. من جانبهم، تقوم النماذج بتقسيم الموجه إلى استعلامات استرجاع أقصر وإطلاق العديد منها، مع تحليل تدفق النقرات الذي يضع الموجه المكتوب بالقرب من 23 كلمة، لكن البحث الذي يرسله النموذج أقرب إلى أربع كلمات، ودراسة منفصلة تقيس أكثر من عمليتين من عمليات البحث هذه لكل موجه بمعدل خمس كلمات تقريبًا لكل منهما. إن المطالبة الطويلة التي كتبتها، والاستعلام القصير الذي أرسله النموذج لمطابقته، ليسا نفس الحدث، لذا فإن معاملة طول المطالبة كبديل لسلوك البحث يؤدي إلى خطأ في الآلية مرتين.

انظر عن كثب إلى ما يفعله هذا التحليل في تتبعك، لأنه يزيل الافتراض. من ناحية البحث، فإن السلسلة التي ترسلها هي السلسلة التي تتم مطابقتها، لذلك عندما تقوم بتتبع استعلام، فإنك تتتبع الشيء الذي اخترته. على جانب الذكاء الاصطناعي، يقرأ النموذج مطالبتك، ويستنتج ما تقصده، ويكتب استعلامات الاسترجاع الخاصة به للبحث عن الدعم، مما يعني أن السلسلة التي تلامس الفهرس هي سلسلة من تأليف MODEL وليست سلسلة قمت أنت أو عميلك بتأليفها. لم تعد تتعقب استعلامك. أنت تقوم بتتبع إعادة صياغة النموذج لاستعلامك، وتشغيله مقابل فهرس، ثم تصفيته مرة أخرى من خلال حكم النموذج الخاص حول ما يستحق الاقتباس. توجد ثلاثة تحويلات بين المطالبة التي قمت بتسجيلها والنتيجة التي سجلتها، ولا يظهر أي منها في الرقم الذي يظهر على لوحة المعلومات.

طرفا المنحنى لا يتصرفان بنفس الطريقة

الاستعلام المكون من كلمة واحدة يكسر كلا السطحين، ويفصلهما لأسباب معاكسة. لا يستطيع نموذج LLM تثليث النية من كلمة واحدة بشكل موثوق، لذلك فهو يُرجع شيئًا عامًا لن تظهر فيه الشركة. يحمل فهرس البحث التقليدي الكثير من المنافسة على المصطلح الرئيسي الذي يكاد يكون من المؤكد أنه لا يتم تصنيف الشركة. وبالتالي، فإن الاستعلام القصير يُقرأ على أنه غير مُستشهد به وغير مُصنف في نفس الوقت، وهو أمر سلبي مزدوج يبدو وكأنه فشل ولكنه في الحقيقة مدخل ضعيف جدًا بحيث لا يمكن تشخيص أي شيء. امشِ إلى النهاية البعيدة، وستنقسم الأسطح. عبارة طويلة ومحددة تعطي نموذج LLM نية غنية وسببًا معقولًا للاستشهاد به، كما أنها توفر في نفس الوقت لفهرس البحث التقليدي سلسلة منخفضة المنافسة يسهل تصنيفها حتى في سلطة النطاق المتواضعة. يمكن قراءة النهاية الطويلة على أنها مقتبسة أو مرتبة أو كليهما.

دعونا نلقي نظرة على مثال: يبيع اثنان من المنافسين نفس برنامج B2B، ويتمتعان في الواقع برؤية شبه متطابقة حول الموضوع الذي يهم كليهما. يقوم أحد الفرق ببناء مجموعة التتبع الخاصة به بالطريقة التي يكتب بها دائمًا الكلمات الرئيسية، في عبارات اسمية ضيقة. الفريق الآخر، الأحدث في هذا، يكتب استفساراته المتعقبة بالطريقة التي يتحدث بها مع برنامج الدردشة الآلي، بأسئلة كاملة. تنحرف مجموعة الفريق الأول نحو الأوتار على شكل رأس والتي يتم التنافس عليها بشدة في المؤشر ورقيقة جدًا بحيث لا يمكن للنموذج أن يضعها بأي ثقة، لذا فإن لوحة القيادة الخاصة بهم تقرأ ضعيفة على كلا الجانبين. تتجه مجموعة الفريق الثاني نحو الأسئلة الطويلة والمحددة التي يتم تصنيفها بسهولة من خلال المنافسة المنخفضة وتعطي النموذج ما يكفي للاستشهاد به، بحيث تكون لوحة المعلومات الخاصة بهم قوية على كلا الجانبين. لا شيء يختلف عن مكانتهم الفعلية. الشيء المختلف هو كيفية كتابة كل فريق، وقد قام التقرير بهدوء بتحويل العادة الأسلوبية إلى ما يشبه فجوة تنافسية.

حيث تصبح هذه مشكلة قياس، وليست مشكلة لغة

ينجرف معظم عملائك إلى عادة صياغة واحدة دون التفكير فيها، وسيفعلون ذلك، لأن الناس يسلكون الطريق الأقل مقاومة. يكتب أحد العملاء الاستعلامات التي يتتبعها في عبارات اسمية ضيقة على غرار الكلمات الرئيسية، ويكتبها عميل آخر كأسئلة محادثة كاملة، ولا تبقى هذه العادة بأدب على جانب الترتيب من التقرير. فهو يثني كلا العمودين في وقت واحد ويثنيهما بشكل مختلف، لأن كل سطح يقرأ نفس السلسلة وفقًا لشروطه الخاصة. يمكن لعميلين يتمتعان برؤية حقيقية متطابقة نشر ملفات تعريف متعارضة، أحدهما قوي من حيث الرتبة ورقيق من حيث الاقتباس، والآخر بالعكس، دون سبب سوى كيفية كتابة كل منهما. هذه مشكلة صحة حقيقية، وليس فقط بالنسبة للرتبة التي تُقرأ من تلقاء نفسها. الرقم يبدو وكأنه حقيقة عن العميل. جزء منه هو حقيقة حول الصياغة.

هذا هو السبب في أن وضع الترتيب بجانب الاقتباس وقراءة العمودين على نحو قابل للمقارنة يعد خطأً. أنت تقارن رقمين لم يكونا من نفس النوع من الأرقام أبدًا، لأن كل منهما تم إنتاجه بواسطة نظام مختلف يقوم بوظيفة مختلفة بسلسلة يقرأها بمصطلحات مختلفة. ويدعم بحث التداخل هذا الاختلاف، حتى في حين أنه لا يستطيع الاتفاق على حجمه. وجدت Moz أن معظم استشهادات وضع الذكاء الاصطناعي لا تظهر أبدًا في النتائج العضوية لنفس الاستعلام، ووضعت إحدى دراسات التتبع بالكاد عُشر عناوين URL المستشهد بها داخل أفضل 10 عناوين URL في Google، ومالت دراسة Semrush في الاتجاه الآخر لمنصة واحدة على الأقل، مع تداخل Perplexity مع أفضل 10 عناوين Google بشكل كبير. الحجم متنازع عليه. وحقيقة أن السطحين يقرأان ويكافئان أشياء مختلفة ليس كذلك.

هناك نسخة من هذه الفجوة تصمد بشكل أفضل من الوقوف بمفردها، وأريد أن أكون حذرًا بشأن كيفية التعبير عنها، لأنها حجة وليست نتيجة مثبتة. تتم قراءة الفجوة بين الترتيب والاستشهاد مقابل نفس سلسلة الاستعلام على كلا الجانبين، وبالتالي فإن تأثير الصياغة الذي يشوه كل رقم مطلق يجب أن يلغي إلى حد كبير من المقارنة، الأمر الذي من شأنه أن يترك التباين أكثر جدارة بالثقة من أي رقم في حد ذاته. هذا هو المنطق، ولم يثبته أي شخص، ويجب عليك أن تنظر إليه بهذه الطريقة. ما يتم تسويته بدرجة كافية للعمل عليه هو النقطة المجاورة، حيث يقوم شكل الإدخال هذا بتحريك ما يظهر على السطح. وقد أظهر العمل المضبوط أن مصادر الذكاء الاصطناعي تتغير مع طبيعة الاستعلام، كما وجدت دراسة منفصلة أن المخرجات تتغير عند إعادة صياغة المطالبات. الشكل متغير. إن معاملتها على أنها ثابتة عند مقارنة الأسطح هو الخطأ.

الحارس عبارة عن عمود حجمي، ويعمل فقط على جانب واحد

الدفاع على الجانب الترتيبي غير ساحر، وهذه هي اللعبة بأكملها. لا تقرأ أبدًا رقم التصنيف بدون حجم البحث بجانبه. إن الحصول على المركز الرابع في عبارة لا يبحث عنها أحد ليس فوزًا؛ إنها عبارة تم تصنيفها لأنها كانت محددة بما يكفي لتكون بلا منازع، والحجم هو ما يجعل الموضع المجوف واضحًا على أنه مجوف. نفس مصادر تحسين محركات البحث (SEO) التي تشيد بالخصوصية ذات الذيل الطويل، تحذر من أن الحجم هو نقطة البداية، وليس حكمًا. في بعض الأحيان يكون الرقم الأكثر صحة على لوحة القيادة هو الرقم الفارغ، وفقط الحجم الموجود بجانبه هو الذي يخبرك بذلك.

هذا الانضباط لا يتجاوز الحدود، وهذا هو المكان الذي يغش فيه معظم الناس بهدوء. حجم البحث هو قياس سطح البحث، ويتم إنتاجه بواسطة آلية ليس لها ما يعادلها في جانب LLM. لا توجد منصة تكشف عدد المرات التي تم فيها طرح سؤال، ولا يوجد مؤشر للتردد الفوري، وأي شيء يتم بيعه كحجم موجه LLM هو عبارة عن بيانات كلمات رئيسية للبحث ترتدي زيًا أو مقياس اقتباس يُعاد تسميته على أنه طلب. لذا فإن خطوة تعيين رقم الحجم بجوار الاقتباس للحكم على ما إذا كان هذا الاقتباس مهمًا لا تعتبر حاجز حماية. مرتبة التخصصات الحجمية. إنه لا يذكر شيئًا عن الاقتباس، والتظاهر بأنه يمتد هو حالة أخرى من التعامل مع سطحين كسطح واحد.

مما يترك سؤالاً عادلاً: إذا لم يتم نقل الحجم، فما الذي ينظم جانب الاقتباس؟ ليس عدد الطلب، لأنه لا يوجد شيء يمكن الحصول عليه. البديل الصادق هو تكرار الاقتباس عبر مجموعة موجهة يتم تشغيلها بشكل متكرر مع مرور الوقت، وهي إشارة اتجاه، وليس رقم حجم، ويجب قراءتها كواحدة. فهو يخبرك ما إذا كان وجودك في الإجابة ثابتاً أم عارضاً، وليس عدد الأشخاص الذين سألوا. إن التعامل مع هذه القراءة الاتجاهية كما لو كانت رقم طلب دقيق هو نسخة جانب الاقتباس من نفس مصيدة الرتبة المجوفة، ويحظى بنفس الشك.

اقرأ أدواتك الخاصة

لا شيء من هذا يشكل سببًا للتراجع عن الأرقام. الفوضى حقيقية، سواء قمت بقياسها أم لا. تتغير إجابات الذكاء الاصطناعي بين مرات التشغيل، ويقرأ كل سطح نفس السلسلة بشكل مختلف، كما أن الصياغة تشوه المقارنة. قياسه لا يخلق هذا التقلب. إن عدم قياسه يترك التقلبات غير مرئية ويتيح لك الخلط بين قراءة واحدة والحقيقة. الخطأ الحقيقي ليس الفوضى إنها تتعامل مع تشغيل واحد كما لو تم إصلاحه، وقراءة مطالبة واحدة بعد ظهر أحد الأيام باعتبارها الحقيقة بشأن رؤيتك. البيانات على هذا النحو هي اتجاهية وليست مباشرة، والاتجاه ليس اعتذارًا؛ إنها الوحدة الصحيحة الآن. الموقف الذي يمكنك مشاهدته يتحرك بمرور الوقت، والفجوة التي يمكنك قياسها، والاتجاه الذي تم أخذ عينات منه عبر العديد من عمليات التشغيل بدلاً من إلقاء نظرة سريعة عليه مرة واحدة، كلها قابلة للقراءة وصادقة تمامًا بالطريقة التي لا يكون بها تقدير النقطة الوحيدة الذي يتظاهر بالدقة. يجب أن تتطابق الأداة مع التضاريس، ويتم قراءة التضاريس التي تتغير حسب الاتجاه، وليس بالعلامة العشرية.

كل هذا يعود إلى المهارة الدائمة الوحيدة في الغرفة. إن طبقة القياس في بحث الذكاء الاصطناعي حديثة بما يكفي بحيث تصل الأرقام تبدو أكثر دقة مما هي عليه بالفعل، والممارس الذي يفهم ما فعله النظام بالمدخلات هو الشخص الذي يمكنه استخلاص إشارة حقيقية من قطعة أثرية من الصياغة. لا توجد أداة تثبت هذا الحكم لك. شيء ما يمكن أن يسد الفجوة بين التصنيف والاقتباس؛ فهم لماذا هذه الفجوة هي الإشارة وليس الضجيج الذي يجب عليك حمله.

بينما نختتم هذا الأسبوع، يرجى أن تضع في اعتبارك أن SEO ليس GEO، و GEO ليس SEO، وعلى الرغم من أنهما متكاملان، إلا أنهما مختلفان. ربما أتقنت إحداها منذ عقد من الزمن. والآخر يطلب مهارات جديدة، ومفردات جديدة، وبيانات جديدة، وحسابًا جديدًا لما تفعله الآلة بمدخلاتك بين الموجه والإجابة. إن التأكيد على أن تحسين محركات البحث الجيد هو كل ما تحتاجه هو توجيه يهدف إلى الحفاظ على راحتك، وغالبًا ما يتم سماعه من أولئك الذين لديهم ما يخسرونه. لا تزال الأسطح متباعدة، والخلط بينها هو أغلى شيء يمكنك إحضاره إلى هذا العمل.

إذا لاحظت أن هذا الانهيار يختبئ في مكان ما في مجموعتك الخاصة، أو رأيت عدم التماثل مؤلمًا بطريقة لم أضعها في الاعتبار، فأنا أريد أن أسمع ذلك في التعليقات. وإذا كنت تريد النسخة الأطول من الحجة حول سبب تفوق فهم طبقة الآلة على مطاردة مخرجاتها، فهذا هو كتابي: طبقة الآلة.

المزيد من الموارد:

تم نشر هذا المنشور في الأصل على Duane Forrester Decodes.

صورة مميزة: Master1305 / شترستوك؛ باولو بوبيتا / مجلة محرك البحث