ChatGPT'de test ettiğimiz 90 istem arasında, ticari istemler web aramalarını %78,3 oranında tetikledi. Bilgilendirici yönlendirmeler bunu yalnızca %3,1 oranında gerçekleştirdi.
Bu boşluk, ChatGPT yanıtında görünmek istiyorsanız yazmanız gerekenleri değiştirir.
ChatGPT her yanıtı aynı yerden almaz. Bazı yanıtlar eğitim verilerinden gelir; diğerleri canlı web aramasını kullanıyor; bu davranışa sorgu yayma adı veriliyor. Model, isteminizi birden çok arka plan aramasına genişletir, ardından bu alt konuları alır ve sentezler. Sayfanız bu dallarda değilse içeri çekilmeyecektir.
Yani sorun artık sadece nasıl sıralama yapılacağı değil. Çıkış kapısını ilk etapta hangi sayfaların açtığıdır.
Örneğimizde bilgilendirici sayfalar yoktu. Bunun yerine sistemin nereye gittiğini öğrenmek için okumaya devam edin.
Güzellik, legaltech/regtech ve BT olmak üzere üç sektörde 90 istemi test ettik. Bilgi istemi amacını, aşağı akış sorgu genişletmesini ve bu genişletmelerin yansıttığı amacı analiz ettik.
İşte döküm ve temel bulgu: sorguların çoğu, yalnızca bilgi amaçlı yönlendirmelerle değil, ticari amaçla uyumludur.
Bu soru neden şimdi önemli ve sorgu yayılımları nasıl devreye giriyor?
Sorgu yayılımları içerik oyununu değiştirir çünkü sistem gerçek bilgi istemiyle sınırlı değildir.
İsteği birden fazla arka plan aramasına genişletir, ardından bu alt konuları alır ve sentezler.
Yayılmalar, ilk istemle bağlantılı paralel web aramalarını tetikleyerek erişim, bahsetme ve bağlantı alıntısı için fırsatlar yaratır.
Çoklu sorgu genişletme, modern üretken arama sistemlerinde temel bir tasarım modelidir.Google AI Modunu açıklıyorBu şekilde: Bir soruyu alt konulara ayırır, bunları birden fazla kaynakta paralel olarak arar ve ardından sonuçları tek bir yanıtta birleştirir.
Bu, stratejik bir SEO sorusunu gündeme getiriyor: Dönüşüm hunisinin üst kısmındaki eğitim içeriğine mi yoksa alt hunideki karşılaştırma, kısa liste ve öneri içeriğine mi daha fazla yatırım yapmalısınız?
Bu deney bu sorunun çerçevesini çizdi.
Amaç, seçilen endüstrilerde yayılmanın amaç kategorisine göre göründüğünü test etmekti: bilgilendirici, ticari, işlemsel veya markalı.
İlk hipotez doğrudandı: Bilgilendirici yönlendirmeler yayılmayı tetiklemeyecek, ticari yönlendirmeler tetikleyecek ve bu yayılmalar aynı dönüşüm hunisi seviyesinde kalacak veya daha aşağıya doğru hareket edecek.
ChatGPT tarafından oluşturulan yayılımların büyük oranda ticari amaçlarla ilişkili olduğunu bulduk.
Yasal Uyarı:Bu deney, ChatGPT'de gözlemlenen hızlı genişleme davranışını ölçer. Google AI Modu, ChatGPT'nin iç mimarisinin bir kanıtı olarak değil, yalnızca çoklu sorgu genişletmeyi üretken aramada daha geniş bir model olarak göstermek için bağlam olarak alıntılanmıştır.
Kurulum: test ettiğimiz şey
Çekirdek örnek, ağırlıklı olarak bilgilendirme amacına yönelik 90 numaralı bilgi istemi içerir.
| İstem amacı | İstemler | Örnek payı | Genişletme ile ilgili istemler | Fan çıkışı oranı |
| Bilgilendirici | 65 | %72,2 | 2 | %3,1 |
| Reklam | 23 | %25,6 | 18 | %78,3 |
| Markalı | 1 | %1,1 | 0 | %0,0 |
| İşlemsel | 1 | %1,1 | 0 | %0,0 |
Örnek, bazı ticari istemler ve minimal düzeyde markalı ve işlemsel sorgular içeren, ağırlıklı olarak bilgi istemlerine doğru yönelmektedir.
Özette deneyi şu sektörler etrafında yapılandırdık: güzellik/kişisel bakım, legaltech/regtech ve BT/teknoloji.
Sonuç: Ticari yönlendirmeler neredeyse her şeyi tetikledi
Temel bulgu açıktır.
90 istemden 20'si tetiklenen yayılımdı. Bunlardan 18'i ticari, 2'si ise bilgilendirme amaçlıydı.
Bilgilendirici istemler, yayılma tetikleyicilerinin yaklaşık %10'unu (2/20) oluşturuyordu. Genişlemeyi tetiklediklerinde daha değerlendirici, çözüm arayan alt sorgulara yeniden yazıldılar.
Başka bir deyişle, çekirdek örnekteki yayılmayı tetikleyen istemlerin %90'ı ticari amaçtan geldi.
Karşıtlık ham toplamların önerdiğinden daha güçlü. Ticari yönlendirmeler vakaların %78,3'ünde yayılmayı tetikledi; Bilgilendirici istemler bunu yalnızca %3,1 oranında gerçekleştirdi.
Bu, çalışma hipotezini desteklemektedir: Bu örnekte, yayılma büyük ölçüde ticari bir olgudur.
Bu 20 istem, tetiklenen istem başına ortalama 2,1 olmak üzere 42 yayılma sorgusu üretti.
Bu 42 yayma sorgusundan:
- 39'u ticariydi.
- 2 tanesi markalıydı.
- 1 bilgi vericiydi.
Hızlı bir genişleme tetiklendiğinde bile sistem genellikle kapsamlı eğitimsel keşiflere değil, karşılaştırmaya, ürün değerlendirmeye, özellik filtrelemeye, kısa liste oluşturmaya veya markaya özel araştırmaya doğru kaydı.
Metodoloji: analizi nasıl gerçekleştirdik
Deneyde, daha küçük bir dizi ticari istem ve minimum düzeyde markalı ve işlemsel sorgu içeren, çoğunlukla bilgi amaçlı olmak üzere üç sektörde 90 istem kullanıldı.
Analizde elimizde:
- Temsili bir istem dizisi seçildi.
- Çıkışları belirledik.
- Her yayılımı amaca göre sınıflandırdı.
- Bilgi istemi meta verilerine göre gözlemlenen dağıtım.
Analiz daha sonra üç adımı izledi:
- Her bir bilgi istemi amaç etiketlerine göre sınıflandırıldı.
- Yayılmayı tetikleyen istemleri saydık (en az bir).
- Gözlemlenen genişletme sorgularını ve bunlara atanmış yayılma amacı etiketlerini inceledik.
Bu, iki farklı ancak birbirini tamamlayan görüş ortaya çıkardı:
- Abilgi istemi düzeyinde görünüm, belirli bir istemin yayılmayı tetikleyip tetiklemediğini sormak.
- Ayelpaze dışı sorgu görünümüAşağı yöndeki genişlemenin aslında ne tür bir niyet taşıdığını soruyoruz.
Bu ayrım önemlidir: İlki, çıkış yolunun hangisinin açılacağını gösterirken ikincisi, sistemin açıldığında nereye gideceğini gösterir.
Sonuçların yorumlanması: dışarı doğru yayılma huniden aşağı doğru hareket etme eğilimindedir
En net yorum, bu örnekte yaymaların açık uçlu konu genişletmeden ziyade yardımlı karar desteğine benzediğidir.
Ticari yönlendirmeler neredeyse her zaman kapıyı açardı.
Bunu yaptıklarında, yayılmalar genellikle ticari kalıyordu.
Sistem, karşılaştırmalara, özellik bazlı filtrelemeye, ürün listelerine, fiyatlandırmaya ilişkin sorgulara ve markaya özel değerlendirmelere kadar genişledi.
Birkaç örnek bunu somutlaştırıyor.
- "Küçük işletmeler için en iyi muhasebe yazılımını önerin ve nedenini açıklayın", özellikler etrafında ticari bir karşılaştırma sorgusuna dönüştü.
- “What are the top AI document management systems for lawyers?” birden fazla ürün odaklı legaltech sorgusuna genişletildi.
- “What are the best products for skin care?” ürün kategorileri ve incelemeler etrafında kısa liste tarzı bir sorguya genişletildi.
Bilgilendirici iki istisna, kuraldan bile daha açıklayıcıdır.
- "Açık kaynaklı bir doküman yönetim sistemine ihtiyacım var. Ne önerebilirsiniz?" anında bilgilendirici olarak etiketlendi, ancak sonuçta ortaya çıkan yayılım çözüm önerisine dönüştü.
- "Hukuki araştırma ve belge otomasyonu için yapay zeka araçları" da açıkça ticari/değerlendirmeye yönelik bir alt sorguya taşındı.
Bu nedenle, bilgi istemi geniş çapta başlasa bile, yayılma genellikle bu genişliği dönüşüm hunisinin alt kısmındaki bir erişim yoluna dönüştürür.
Bunun içerik stratejisi açısından anlamı nedir?
Çözüm, bilgilendirici içerik yazmayı bırakmak değildir.
Sorun şudur: Bilgilendirici içeriğin tek başına yayılma genişletmeyle tutarlı bir şekilde uyum sağlaması pek olası değildir, en azından bu veri kümesinde.
Amacınız ürün seçimi, satıcı keşfi veya seçeneklerin daraltılmasına bağlı olarak yapay zeka yanıtlarında görünürlükse, bu alt ticari şubelerle eşleşen sayfaların ve pasajların daha güçlü bir şekilde kapsanmasına ihtiyacınız vardır.
Bu şunları içerebilir:
- en iyiler ve kısa liste sayfaları
- karşılaştırma sayfaları
- “İklim değişikliği ile mücadele ve uyum çabalarında, kapsamlı ve işlevsel bir uluslararası iş birliğihangi aracı seçmeliyim” sayfalar
- özellik odaklı kategori açıklayıcıları
- alternatif sayfalar
- değerlendirme SSS
- Daha geniş eğitim sayfalarına yerleştirilmiş öneri odaklı paragraflar
Pratik anlamda içerik modeliniz yalnızca ToFU veya BoFU değil, ticari köprülere sahip ToFU olmalıdır.
Geniş bir makale yine de yardımcı olabilir, ancak sistemin karar destek alt sorgularına kolayca yeniden formüle edebileceği pasajları içermelidir.
Ürünleri, değiş tokuşları, özellikleri, kullanım örneklerini, fiyatlandırma mantığını veya seçim kriterlerini adlandırmadan bir kategoriyi açıklayan tamamen eğitici bir makalenin, burada görülen yayılma yollarıyla uyum sağlama olasılığı çok daha düşüktür.
Basitçe söylemek gerekirse: Yalnızca bariz soruyu yanıtlamayın; sistemin arka planda oluşturması muhtemel bir sonraki değerlendirme adımını da tahmin edin.
Sınırlamalar
Bu sonuç evrensel değil, yönlendiricidir.
- 90 ipucu bir modeli ortaya koyuyor ancak yapay zekanın geri getirme davranışının istikrarlı bir yasasını ortaya koymuyor.
- Hızlı karışım dengesiz. Örneklemde bilgilendirici istemler hakimken, markalı ve işlemsel istemler neredeyse hiç temsil edilmiyor. That means those findings aren’t proof of absence.
- Veri kümesi sektörleri kapsamaktadır ancak markaya, ifade tarzına veya kullanım senaryosuna göre normalleştirilmemiştir. Bazı sektörlerin ürün keşif diliyle ifade edilmesi daha kolay olabilir.
- Bu, platform düzeyinde kontrollü bir test değil, kaydedilen yayılmaların gözlemsel bir analizidir. ChatGPT'nin her zaman nasıl davrandığını değil, bu istem setinde ne olduğunu gösterir.
- Google'ın yayma açıklaması bağlam sağlar ancak bu bir Google AI Modu testi değildir. Bu, ChatGPT odaklı bir istem ve yayılma veri kümesidir. Paket servis mimari değil stratejiktir.
Bundan sonra ne test edilecek?
Bu deneyin bir sonraki versiyonu, soruyu daha agresif bir şekilde izole etmeli ve veri kümesini genişletmelidir.
Bir takip çalışması, tetiklenen yayılımları belirli içerik biçimleriyle eşleştirmelidir.
Amaç yalnızca ticari amacın kazandığını doğrulamak değildir. Yapay zeka sistemlerinin tercih ettiği yayılma dallarını en iyi şekilde hangi sayfa şablonlarının ve geçiş yapılarının kapsadığını belirlemektir.
