Od SEO do GEO – czym jest Generative Engine Optimization?
GEO to pojęcie opisujące sposoby optymalizacji treści pod nowej generacji algorytmy wyszukiwarek wzbogaconych o modele wielkojęzykowe. Czym jest GEO, jak działa i jakie są zasady optymalizacji treści pod kątem generatywnych wyszukiwarek?
AI zmienia SEO w GEO
Optymalizacja silników generatywnych (GEO) to metoda optymalizacji wyszukiwarek internetowych wykorzystujących sztuczną inteligencję (AI) do wyświetlania odpowiedzi na pytania zadawane przez użytkowników. Wyszukiwarka Google dzięki AI staje się powoli wyświetlarką treści w SERP (wynikach wyszukiwania). Przykładem rozwiązań stanowiących podwalinę rozwiązań GEO w SERP jest np. Direct Answers.
Rozwój i upowszechnienie się dużych modeli językowych (LLM) zapoczątkowało nowy sposób funkcjonowania wyszukiwarek. Obecnie coraz intensywniej wykorzystują one modele generatywne do zbierania i podsumowywania informacji w celu odpowiedzi na zapytania użytkowników. Generatywne silniki (GE) pozwalają generować dokładne i spersonalizowane odpowiedzi, szybko i precyzyjnie odpowiadając na pytania, znacząco zwiększając użyteczność dla użytkowników. Choć technologia ta wciąż cierpi na problemy wieku dziecięcego, to według wielu ekspertów i naukowców stanowi niedaleką przyszłość wyszukiwania informacji w sieci, na stałe zastępując tradycyjne wyszukiwarki.
Jak działa optymalizacja silników generatywnych (GEO)?
🥸 Optymalizacja Generatywnych Silników (GEO) na podstawie treści dostępnych w sieci generuje unikalne odpowiedzi dostosowane do potrzeb użytkowników. Celem GEO jest zapewnienie jak najlepszych doświadczeń podczas korzystania z wyszukiwarki.
W przeciwieństwie do tradycyjnych metod optymalizacji treści pod kątem SEO, które w dużym stopniu polegają na umieszczaniu odpowiednich fraz kluczowych, GEO uwzględnia zamiary i zachowania użytkowników podczas wyświetlania treści. Oczywiście próby odkrycia intencji użytkowników nie są czymś nowym. Search intent oraz mikromomenty były wprowadzone przez Google już w 2014/2015 roku.
Niemniej generatywna wyszukiwarka stawia sobie za cel o wiele dokładniejsze i trafniejsze przewidywanie intencji użytkowników oraz dostarczanie im odpowiedzi generatywnych, czyli tworzonych przez algorytm bezpośrednio pod zadane zapytanie. W pewnym uproszczeniu możemy porównać to do Chatu GPT, który staje się interfejsem wyszukiwarki i odpowiada na zadane przez nas pytania.
Mikromomenty (…) to w pełni intencjonalne zachowania, podczas których kształtowane są opinie i podejmowane są decyzje. Obecnie oczekiwania konsumentów są wyższe niż kiedykolwiek. Potężne komputery, które nosimy w naszych kieszeniach, przyzwyczaiły nas do otrzymywania natychmiastowego rozwiązania na problem z którym w danym momencie się mierzymy. Chcemy praktycznie od razu dostawać od firm i marek adekwatne treści.
Sridhar Ramaswamy, Google’s senior vice president of ads and commerce
Naukowcy w służbie przyszłości wyszukiwarek
Paradygmat GEO został zaprezentowany w międzynarodowym badaniu, w którym wzięli udział naukowcy z 4 uniwersytetów: Princeton University, Georgia Tech, The Allen Institute for AI oraz IIT Delhi. Badanie dostępne jest tutaj: https://arxiv.org/abs/2311.09735.
Jak możemy przeczytać w abstrakcie badania:
Pojawienie się dużych modeli językowych (LLM) zapoczątkowało nowy paradygmat wyszukiwarek, które wykorzystują modele generatywne do gromadzenia i podsumowywania informacji w celu odpowiedzi na zapytania użytkowników. Ta powstająca technologia, którą formalizujemy w ramach ujednoliconych ram silników generatywnych (GE), ma potencjał generowania dokładnych i spersonalizowanych odpowiedzi i szybko zastępuje tradycyjne wyszukiwarki, takie jak Google i Bing. Silniki generatywne zazwyczaj spełniają zapytania, syntetyzując informacje z wielu źródeł i podsumowując je za pomocą LLM. Chociaż ta zmiana znacząco poprawia użyteczność \textit{user} i ruch w \textit{generatywnej wyszukiwarce}, stanowi ona ogromne wyzwanie dla trzeciego interesariusza – twórców witryn i treści. Biorąc pod uwagę czarną skrzynkę i szybko zmieniający się charakter silników generatywnych, twórcy treści mają niewielką kontrolę nad tym, kiedy i w jaki sposób ich treść jest wyświetlana. Ponieważ silniki generatywne pozostaną, należy zapewnić odpowiednie narzędzia, aby zapewnić, że gospodarka twórców nie znajdzie się w poważniejszym niekorzystnej sytuacji. Aby rozwiązać ten problem, wprowadzamy optymalizację silnika generatywnego (GEO), nowatorski paradygmat mający pomóc twórcom treści w poprawie widoczności ich treści w odpowiedziach silnika generatywnego za pośrednictwem struktury optymalizacji czarnej skrzynki służącej do optymalizacji i definiowania wskaźników widoczności.
Twórcy badania GEO: Generative Engine Optimization (https://arxiv.org/abs/2311.09735) – Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik R Narasimhan, Ameet Deshpande
Schemat badania GEO wyglądał następująco:
- Naukowcy wybrali bazę zapytań oraz adresów URL odpowiadających na te zapytania.
- Zbudowali własny silnik AI oraz do weryfikacji swoich ustaleń wykorzystali Perplexity.ai (jedną z generatywnych wyszukiwarek).
- Optymalizowali treść zawartą pod adresami URL, stosując różne taktyki.
- Sprawdzali, czy po działaniach optymalizacyjnych ich silnik cytuje te adresy URL częściej.
Zapytania w badaniu różniły się w zależności od tematu i celu (większość miała charakter informacyjny), ale ogólnie zwycięską taktyką optymalizacyjną były:
- Cytowanie wiarygodnych źródeł
- Dodawanie wypowiedzi (np. od znanego eksperta)
- Dodawanie statystyk, przepisów i innych istotnych faktów
Jak napisała Ann Smarty (marketerka z NY) na swoim LinkedIn’ie – badanie miało 2 błędne założenia. Po pierwsze: naukowcy przyjęli, że ich samodzielnie zbudowany silnik AI działa tak samo, jak algorytmy Google czy Binga. Po drugie: w badaniu zabrakło kluczowej zmiennej – historii zachowania użytkownika, która wpływa na odgadywanie jego intencji przez wyszukiwarkę.
Jak marketerzy mogą przygotować się na nadejście generatywnych silników wyszukiwania?
Technologia AI i przetwarzania big data zmienia się z dnia na dzień. Co gorsza, nikt do końca nie wie, jak działa ta technologia oraz w którym kierunku się rozwinie. Wobec tak dużej niepewności i dynamizmu sytuacji, potraktuj poniższe rekomendacje jako sugestię.
Bardzo trudno jest zoptymalizować coś, czego się nie rozumie. Dlatego pierwszym krokiem na drodze do optymalizacji treści pod kątem silników generatywnych, powinna być próba zrozumienia, jak działa technologia przetwarzania LLM (Large Language Model). Tutaj znajdziesz przykładowy artykuł, który wyjaśnia, jak działa algorytm Chatu GPT, który również bazuje na modelu LLM: How ChatGPT Works: The Model Behind The Bot.
Możliwości generowania tekstu przez ChatGPT są imponujące. Jednak – jak zapewne wiesz – tego typu treści są wtórne i schematyczne. Poza tym mają niską jakość oraz często podają błędne informacje, narażając wydawców treści na szerzenie fake newsów. Content marketing i social media oparte tylko na AI to nie recepta na wygraną. Większość twórców silników generatywnych opublikowała lub pracuje nad narzędziami, które wykrywają treści generowane za pomocą AI. Gdy uda się im opracować rozwiązania umożliwiające bezbłędną detekcję tego typu treści, zapewne technologia ta zostanie wdrożona do algorytmów generatywnych silników wyszukiwarek. Gdy tak się stanie bardzo prawdopodobne będzie to, że algorytmy będą niżej rankowały treści wygenerowane przez AI.
Mimo rewolucji technologicznej, najpewniej nadal jedną z nadrzędnych wytycznych dotyczących tworzenia treści będzie użyteczność dla odbiorcy. Nie warto więc rezygnować z publikowania wartościowego contentu, który wyczerpuje dany temat, jest zgodny z intencją użytkownika oraz poparty wiarygodnymi cytatami, faktami czy statystykami.
