Дослідження ChatGPT: як параметричне знання та цитування впливають на згадки брендів

Що сталося в дослідженні видимості брендів

Компанія Graphite провела аналіз порівняльних запитів у ChatGPT, порівнявши відповіді з використанням пошуку та без нього. Результати показали, що бренди, які модель рідко називала без активації пошуку, загалом демонстрували низьку видимість і під час пошуку, навіть якщо ці бренди фігурували на багатьох вебсторінках, на які посилався ChatGPT.

Для аналізу використовувалися запитання для порівняння сутностей із документа компанії від 20 серпня. Дослідження охопило 3115 пар запитань про сутності у 57 питаннях, зібраних у серпні. Видимість вимірювалася як частка відповідей, що згадують бренд або продукт. Серед брендів, згаданих принаймні на 15% процитованих сторінок, медіанна видимість із пошуком становила менше чверті у відповідях без пошуку. Graphite визначає цей зв'язок та пропонує метод оптимізації параметричних знань, оскільки на те, як модель використовує результати пошуку, впливає те, чого вона навчилася під час тренування.

Кого стосується аналіз видимості в ШІ

Це дослідження стосується SEO-спеціалістів, маркетологів та власників брендів, які оптимізують присутність своїх сайтів у пошукових системах і штучному інтелекті (AEO). У матеріалі також розглядаються фонові запити ChatGPT, які модель виконує перед наданням відповіді.

Аналіз 957 000 фонових пошукових запитів ChatGPT показав, що 59,6% із них містили бренд (за класифікацією моделі Claude Haiku 4.5), а 22,7% використовували оператор site:. Жоден із початкових запитів користувачів не містив назви бренду, але наявність бренду у фоновому запиті підвищує шанси на отримання відповідних сторінок. Також зафіксовано зростання частки відповідей із цитуванням у ChatGPT з 56,6% (тиждень від 3 серпня) до 88,5% (тиждень від 28 вересня), тоді як у сервісу Gemini цей показник змінився з 79,0% до 81,2%.

Чого поки не відомо

У звіті не вказано детальних описів контрольних змінних для ступеня впізнаваності кожного бренду. Також публікація не пояснює, яким саме чином Graphite відокремлювала відповіді, що не використовували пошук для порівняння в основному масиві даних, за винятком реплікації через API для 100 запитів із явно вимкненим пошуком.

Що робити спеціалістам з оптимізації

Практичні кроки для фахівців полягають у перевірці та адаптації стратегій під особливості роботи штучного інтелекту:

• Перевіряйте базову видимість: Збирайте щонайменше 50 відповідей через API з вимкненим пошуком після випуску нової моделі, щоб визначити базовий рівень параметричних знань бренду.
• Контролюйте доступ краулерів: Дозвольте навчальним сканерам доступ до вебсайту та перевірте відсутність обмежень з боку захисту CDN або файрволів. Уникайте блокування корисних агентів, якщо прагнете присутності у навчальних даних моделей.