Kur LLM iegūst reālā laika datus aiz AI meklēšanas (un kāpēc tas ir svarīgi vairāk, nekā jūs domājat)

Šīs nedēļas sākumā mēs publicējām skaņdarbu ar nosaukumu, “No SEO līdz ģeneratīvai motora optimizācijai (GEO): Kāpēc jaunais meklēšanas laikmets pieder AI – un kā palikt redzamam.” Tajā mēs izpētījām, kā SEO lēnām zaudē savu saikni ar digitālo redzamību un kā mēs nonākam jaunā laikmetā, ko nosaka AI-vietējie atklājumi. Rakstā tika izsaiņoti dziļāka maiņa, kā cilvēki meklē, atklāj un iesaistās saturā tiešsaistē.

Vairāk nekā divas desmitgades Google diktēja noteikumus: ierakstiet atslēgvārdu, ritiniet caur zilajām saitēm, noklikšķiniet uz dažām. Šis modelis uzbūvēja 200 USD miljardu impēriju. Bet šodien šī sistēma jūtas aizvien novecojusi.

2024. gadā un pēc tam lietotāji nemeklē – viņi pamudina. Neatkarīgi no tā, vai tas ir Chatgpt, Dvīņi vai apjukums, cilvēki sagaida tūlītējas, augstas kvalitātes atbildes, kas tiek piegādātas vienā sarunvalodas lodziņā. Viņi nevēlas desmit emuāra ierakstus. Viņi vēlas vislabāko atbildi – tagad.

“Chatgpt, apjukuma un Kloda laikmetā ģeneratīvā motora optimizācija ir novietota tā, lai kļūtu par jauno zīmola redzamības atskaņošanu. Runa nav par algoritma spēlēšanu – tas ir par to, ka to citē.
Zīmoli, kas uzvar Geo, netiks parādīti tikai AI atbildēs. Viņi tos veidos. ” – A16Z.

Kas mūs noved pie šī raksta: ja AI rīki tagad atbild vairāk jautājumu nekā meklētājprogrammas, kā viņi to dara reālā laikā?

Intro: maiņa, kas pārveido tīmekļa meklēšanu

Šī tektoniskā maiņa pat ir likusi dažiem pasludināt priekšlaicīgu SEO nāvi. Citi to vispār uzskata par nebūtisku, tagad, kad arvien vairāk meklējumu notiek LLM saskarnēs, piemēram, Chatgpt. Tomēr tas, kas patiesībā notiek zem virsmas, ir pašas meklēšanas attīstība – tāda, kas galu galā dod labumu lietotājiem. AI rīki arvien vairāk prioritizē kvalitāti, atbilstību, uzticēšanos un autoritāti, salīdzinot ar atslēgvārdiem, kas pildīti emuāru ieraksti un manipulācijas optimizācijas taktika.

Notiek klusa revolūcija, kā cilvēki meklē informāciju tiešsaistē. Tā vietā, lai pievērstos tradicionālajām meklētājprogrammām, piemēram, Google, miljoniem tagad tiek lūgts Chatgpt, Claude, apjukums un citi AI rīki, lai viņiem tieši sniegtu atbildes. Šī lietotāja uzvedības maiņa nav tikai kosmētiska – tas maina to, kurš kontrolē redzamību, kāds saturs tiek parādīts un kā veidotāji un izdevēji gūst labumu (vai ne).

Bet ir viens galvenais jautājums, ko daži uzdod: no kurienes šie reālā laika dati faktiski nāk?

Ja AI rīki sniedz atbildes, kas šķiet aktuālas, savlaicīgas un specifiskas, kā viņi to izvelk, ja viņi ir apmācīti ar statiskiem datiem?

Tātad, kā LLM, piemēram, Chatgpt, Gemini un Meaplexity, izvelk reālā laika atbildes statiskās apmācības pasaulē? Sadalīsim trīs galvenos avotus, uz kuriem viņi paļaujas, kā cauruļvads darbojas aizkulisēs un kādiem veidotājiem un izdevējiem jādara, lai paliktu redzams AI virzītā meklēšanas pasaulē.

1. Meklētājprogrammas: reālā laika izguves pirmā līnija

Kad LLM, piemēram, Chatgpt, piedāvā reāllaika atbildes, viņi bieži izmanto meklētājprogrammu kā aizmugurējo. Piemēram, Chatgpt ar pārlūkošanu izmanto Bing Search API, lai vaicātu tīmekli tāpat kā lietotājs. Pēc tam tas nolasa dažus labākos rezultātus, iegūst atbilstošu saturu un apkopo atbildi dabiskajā valodā.

Tas nozīmē, ka tradicionālais ranga slānis – Binga algoritms – joprojām nosaka, kuras vietnes LLM redz vispirms. Ja jūsu saturs tur nav labi ierindojies labi, maz ticams, ka AI to uzklausīs vai citēs.

2. Specializētās API: strukturēti dati reāllaikā

Piemēram, kad jūs jautājat Chatgpt: “Kādi ir laika apstākļi Tokijā šobrīd?” Tas neveic halucināciju – tas iegūst tiešraides datus no OpenWeathermap vai līdzīgu API.

Gadījumos, kad LLM ir nepieciešami precīzi, strukturēti un strauji mainīgi dati (piemēram, akciju cenas, laika apstākļi vai sporta rādītāji), tie pievēršas specializētām API. Tie ietver:

• Finanšu API, piemēram, Alpha Vantage vai Yahoo Finance
• Laika apstākļu api kā OpenWeathermap
• Ziņu API, piemēram, Newsapi.org
• Kripto un sporta API

LLM neinteresē un neveido šos datus – vai vaicā tie dzīvo, parsē rezultātus un ievieto tos atbildē.

3. Izgatavota paaudze (RAG): Pievienošana privātām vai dinamiskām zināšanām

Iedomājieties uzņēmumu, kas izmanto uz GPT balstītu palīgu, lai atbildētu uz iekšējiem cilvēkresursu politikas jautājumiem. Tā vietā, lai paļautos uz publisko internetu, modelis vaicā privātu datu bāzi vai indeksētu dokumentu sistēmu, lai iegūtu jaunākos iekšējās politikas dokumentus.

Papildus publiskajiem datiem daudzi LLM izmanto lupatu sistēmas, lai vaicātu privātas vai atjaunināmas zināšanu bāzes. Tas ir izplatīts uzņēmuma AI, klientu atbalsta rīkos vai iekšējos AI aģentos. Modelis vispirms iegūst atbilstošu kontekstu (no PDFS, datu bāzēm vai dokumentu indeksiem), pēc tam ģenerē atbildi, pamatojoties gan uz tā apmācību, gan no jaunizveidotajiem datiem.

Saliekot to visu: kā darbojas cauruļvads

Šeit ir vienkāršotā plūsma:

1. Lietotājs uzdod laiku jutīgu jautājumu
2. LLM ģenerē meklēšanas/API vaicājumu un nosūta to reāllaika avotam, piemēram, Bing Search API vai specializētu ārēju API
3. Reālā laika avoti (Bing, API vai iekšējie dokumenti) Atgriež atbilstošos datus
4. LLM parsē, filtrē un sintezē reakciju
5. Lietotājs redz galīgo atbildi, bieži nezinot, no kurienes tā nāk

Kāpēc tas ir svarīgi izdevējiem un satura veidotājiem

Šeit ir redzams: ja vēlaties, lai jūsu saturs parādītos AI ģenerētā atbildē, jums ir jāparādās avotos AI lietojumos. Tas nozīmē:

• Labi ierindojoties Bingā (un, iespējams, Google)
• Satura publicēšana, kas ir skaidra, augsta un uzticīga mašīnām
• Datu strukturēšana tādā veidā, ko var izmantot API vai lupatu sistēmas

Īsāk sakot: ja jūsu saturs nav ienācis, tas ir aizmirsams.

Kas notiks nākamais: AI rāpuļi un tieša indeksēšana

Openai jau ir laidis klajā GPTBOT, rāpuļprogrammu, kas apmeklē vietnes, lai, iespējams, izveidotu savu indeksu. Tas norāda uz nākotni, kurā LLM varētu mazāk paļauties uz Bing vai Google un vairāk uz viņu pašu tīmekļa momentuzņēmumiem. Tāpēc ir svarīgi kontrolēt, kā jūsu saturs tiek strukturēts, apkalpots un padarīts pieejams AI sistēmām.

Secinājums: Esiet redzams AI, ne tikai cilvēkiem

Tīmekļa AI slānī jūs neuzvarat, vienkārši publicējot. Jūs uzvarat, būdams atgūstams, parsējams un saliekams. Redzamības nākotne nav saistīta ar atslēgvārdiem – tas ir par to, ka avots LLM vēlas citēt.

Tagad, kad jūs zināt, kur LLM iegūst reāllaika datus, vienīgais jautājums ir: vai viņi atradīs jūsu?

---