Распределение запросов: что показывают более 60 000 поисковых запросов из ChatGPT и Google | AirO...

Крис Лонг, соучредитель Nectiv, присоединился к нам, чтобы рассказать, как системы LLM, такие как ChatGPT и Google Gemini, на самом деле извлекают, оценивают и цитируют контент, раскрывая, почему поиск с использованием ИИ запускает многоуровневое расширение запросов и что должны делать команды по контенту и SEO, чтобы оставаться видимыми.

Поиск с использованием ИИ основан на расширении запросов, а не на отдельных запросах. Системы ИИ, такие как ChatGPT и Google Gemini, разбивают запросы на несколько многоуровневых поисковых запросов, что значительно усложняет поиск.

Запросы с расширением запросов у ИИ длиннее и разнообразнее, чем поисковые запросы людей. Системы LLM часто генерируют длинные многословные запросы — многие из которых имеют нулевой объем традиционного поиска — что требует новых стратегий для отслеживания SEO.

Структурированные форматы контента имеют решающее значение для извлечения и цитирования контента системами ИИ. Таблицы, списки и блоки вопросов и ответов помогают системам ИИ точно извлекать и цитировать контент, увеличивая вероятность упоминаний бренда.

Отзывы, актуальность и сравнения доминируют в шаблонах поиска ИИ. Контент, оптимизированный для обзоров, последних лет и сравнений, с наибольшей вероятностью будет найден и процитирован ИИ.

— Оптимизация для Google и ChatGPT в значительной степени пересекается. Обе платформы используют схожие схемы извлечения данных, поэтому оптимизация для одной обычно приносит пользу другой, упрощая SEO-усилия, ориентированные на ИИ.


Получите все основные выводы и многое другое от Криса Лонга: https://www.airops.com/blog/webinar-r...

02:45 Определение и объяснение того, что такое Fan-out запросов
07:12 Анализ Fan-Out в ChatGPT и модели поискового поведения
14:31 Отраслевые модели Fan-Out и частотный анализ
22:35 Введение в методологию анализа Fan-Out в Google/Gemini
24:58 Сравнение Fan-Out в Google, показывающее в 9 раз больше запросов, чем в ChatGPT
30:14 Общие закономерности в Fan-Out в Google, включая отзывы и актуальность
38:27 Ключевые выводы и стратегии оптимизации контента
39:09 Инструменты и автоматизация для сопоставления контента Fan-Out
45:02 Сессия вопросов и ответов по внедрению стратегий Fan-Out