لماذا تعتبر البيانات الخاصة أكثر أصول الاقتباس الخاصة بالذكاء الاصطناعي التي يمكن الدفاع عنها
نشر الأرقام الأصلية. إنها الوسيلة الوحيدة الأكثر موثوقية لجعل الصفحة أكثر أصالة، والأرقام الأكثر قابلية للدفاع عنها هي نتيجة ثانوية للشركة نفسها… وليست بيانات قمت بتجميعها لتغذية تقويم المحتوى.
كانت المسرحية القديمة تدفع لشركة علاقات عامة أو شركة أبحاث مقابل إجراء مسح مرتبط بشكل فضفاض بمنتجك، مثل شركة FinTech للتأمين على السيارات التي تشتري أبحاثًا عن الرحلات البرية للهبوط في Yahoo. هذا عفا عليه الزمن. يولد كل منتج تقريبًا الآن بيانات تستحق النشر، ولم يكن سحبها أسهل من أي وقت مضى.
لا تحتاج إلى فريق بحث. شريط مسح الحقل أقل مما تعتقد.
عرض المحتوى المضمن
بيانات الطرف الأول: أقوى علاقة للأصالة
سجلت دراسة اكتساب المعلومات الأخيرة التي أجرتها On-Page.ai 150 صفحة من أفضل 3 صفحات في Google عبر 50 كلمة رئيسية و10 قطاعات حول مقدار ما تضيفه كل منها إلى ما هو أبعد من بقية مجموعة التصنيف الخاصة بها، مع تصنيف المساهمة من 0 إلى 100 حسب المعنى بدلاً من الصياغة.
سجلت الصفحة المتوسطة 52 نقطة، وارتبطت البيانات الأصلية بهذه النتيجة أكثر من أي سمة أخرى على مستوى الصفحة، بما في ذلك الطول.
الصفحات التي تحتوي على رقم واحد فريد على الأكثر حققت متوسط نقاط اكتساب معلومات يبلغ 40.2، في حين أن متوسط الصفحات التي تحتوي على 15 أو أكثر بلغ 62.1، وترتفع النتيجة بشكل مطرد في كل خطوة بينهما
أخبار جيدة، المعيار الذي يجب التغلب عليه منخفض. وجدت الدراسة أنه قد لا يتطلب الأمر الكثير من الأدلة الأصلية للتفوق على الصفحات الأكثر ظهورًا في بحث Google الكلاسيكي: عادةً ما تحتوي أفضل النتائج العضوية على 4 نقاط بيانات فريدة فقط في المتوسط. انشر صفحة تتضمن أكثر من 4 ادعاءات أو أرقام أو إجابات أصلية حقيقية، وهذه أداة إضافية يمكنك الاستفادة منها للحصول على رؤية عضوية تنافسية بشكل متزايد.
كما وجد هذا التحليل أيضًا أنه في كل عملية بحث تقريبًا، هناك الكثير من الأسئلة المتجاورة التي لم تتم الإجابة عليها والتي يتم تركها على الطاولة. أجرت On-Page تحليلها باستخدام أسئلة القراء الاصطناعية، وهي عينة من الأسئلة المعقولة التي تم إنشاؤها للدراسة، والتي كانت مرتبطة بشكل وثيق بموضوع البحث لكل استعلام، وأظهرت النتائج بابًا مفتوحًا لصفحات جديدة للإجابة عليها والتميز. (هل أذكرك بأي شيء؟ ربما استعلام واسع النطاق؟)
لقد حصلنا على نتيجة مماثلة في تحليل استشهادات ChatGPT:
“إن صفحة واحدة دائمة الخضرة تغطي أكثر من 10 أغراض استعلام تستحق أكثر في الوصول إلى استشهادات الذكاء الاصطناعي أكثر من 10 صفحات ذات هدف واحد. يتم تحميل عائد الاستثمار للمحتوى الشامل في المقدمة: صفحة واحدة جيدة البناء تزيد من وصول الاقتباسات بمرور الوقت. يوجد ذيل طويل، لكن أعلى 5% من الصفحات تستحوذ على حصة غير متناسبة من نشاط الاقتباس المستمر.” – علم كيفية اختيار الذكاء الاصطناعي لمصادره
في الواقع، يجب مراقبة المطالبات عالية النية لعلامتك التجارية عبر الرحلة لهذا الغرض. قم بتحويلها إلى رحلات تتبع المشتري عبر المراحل الخمس بدءًا من رفع التفكير: المشكلة، والاستكشاف، والمقارنة، والتحقق من الصحة، والاختيار. (اقرأ المزيد حول التتبع الفوري الأكثر دقة باستخدام الذكاء الاصطناعي هنا.) أجب عن هذه الأسئلة في الصفحة بالمعرفة والخبرة التي لا يمكن إلا لعلامتك التجارية أن تظل قادرة على المنافسة في مواجهة هذه النتيجة في التحليل.
النتيجة الرئيسية من النتائج: معظم الصفحات متوسطة في الأصالة، والصفحات الأصلية حقًا هي أقلية، ويمكن تحقيق درجات عالية بما يكفي للتميز… دون أن يكون إنجازًا أو رفعًا غير عادي.
الفجوة في النتائج؟ تركز هذه الدراسة على رؤية البحث الكلاسيكي وتصنيفاته (وُلد مفهوم تحسين محركات البحث (SEO) لاكتساب المعلومات من لغة براءة اختراع Google، بعد كل شيء). لا يأخذ في الاعتبار استشهادات أو إشارات الذكاء الاصطناعي، ولا يوجد أي ذكر لتضمين وضع الذكاء الاصطناعي أو نظرة عامة على الذكاء الاصطناعي في التحليل.
تحذير: كونك المصدر الأساسي قد لا يفوز بالاقتباس
هذا هو الجزء الذي يتم تخطيه في معظم نصائح نشر البيانات الخاصة. الجميع يقول نشر البحث الأصلي. قليلون هم الذين يختبرون ما إذا كان الذكاء الاصطناعي يكافئ العلامة التجارية التي أنشأت الرقم أو الصفحة التي تعرضه بشكل أكثر قابلية للقراءة.
سيأتي المزيد من تحليل البيانات الأسبوع المقبل، ولكن ما نعرفه من التحليلات التي أكملناها في مذكرة النمو في العام الماضي:
أنواع الكيانات التي تتنبأ باستشهادات ChatGPT أكثر من غيرها هي DATE وNUMBER (من علم ما يكافئه الذكاء الاصطناعي بالفعل). الصفحات التي يتم الاستشهاد بها بشكل كبير مليئة بكيانات محددة: منهجية معينة، وإحصائية دقيقة، ومقارنة مسماة. حتى لو تم التقاط النتائج الخاصة بك من خلال مصدر آخر يتم الاستشهاد به بدلاً من ذلك، فمن المرجح أن يتم بناء إشارات السلطة الخارجية هذه.
ثراء الكيان والمشاعر المتوازنة مهمان (من علم كيفية اهتمام الذكاء الاصطناعي). إن النصائح العامة محفوفة بالمخاطر وغامضة، ولكن هناك كيانات محددة لها أسس وقابلة للتحقق. تقوم بيانات الملكية بإنتاج محتوى غني بالكيان أو التحقق منه أو التحقق من صحته وإنشاءه. (فكر: لماذا تعمل إحدى الميزات على توفير % من الدولارات، وعدد الساعات التي يوفرها العملاء مقابل المنافسين الذين عملوا معهم من قبل، وما إلى ذلك). أضف مشاعر متوازنة إلى تحليل بياناتك وتفسيرها، وستحصل على تكتيك 2 مقابل 1.
إذا كانت الفرضية القائلة بأن بيانات الطرف الأول مهمة للغاية في عصر بحث الذكاء الاصطناعي، فإن نشر المحتوى بناءً على بيانات الملكية أمر ضروري … ولكنه ليس كافياً. تحدد بنية استخراج LLM (جنبًا إلى جنب مع المواقع التي تثق بها محركات بحث الذكاء الاصطناعي للموضوع) من يحصل على الاقتباس، حتى عندما تمتلك علامتك التجارية البيانات.
لسوء الحظ، يمكن للمجمع الذي يعيد تجميع معيارك في صفحة أكثر وضوحًا وجاهزة للإجابة أن يجمع الاستشهادات التي حصل عليها بحثك. (الحقيقة مقرفة.)
من يفوز: العلامات التجارية التي تجلس على بيانات خاصة بالمنتج أو الاستخدام أو التسعير والتي تقوم أيضًا بتنظيمها للاستخراج ولا تتجاهل عمليات بناء سلطة العلامة التجارية العضوية الأخرى. (تعرف على المزيد في كيفية إنشاء إستراتيجية AI SEO تتفوق على التكتيكات.)
من يخسر: العلامات التجارية التي تنتج محتوى رأي يمكن لأي أداة تقليده، وتتجاهل الطرق الحاسمة الأخرى لبناء سلطة خارج الموقع، إلى جانب المصادر الأولية التي تدفن أرقامها الخاصة في السرد بدلاً من إظهارها.
ما إذا كانت بعض القطاعات تكافئ محتوى البيانات أكثر من غيرها، لا نعرف حتى الآن. وجدت السلسلة العلمية أن إشارات الاقتباس تختلف بشكل حاد حسب الاتجاه الرأسي، لذا فإن المردود الموحد سيكون المفاجأة، لكننا لن نؤكد وجود نمط بدون بيانات.
كيفية هيكلة البيانات لاستخراجها
إن امتلاك البيانات يجعلك تدخل في المعركة من أجل الظهور. ولكن الطريقة التي تنظم بها المحتوى الخاص بك يمكن أن تكون هي ما يفوز به.
قمنا بتحليل 18012 استشهادًا تم التحقق منه في ChatGPT ووجدنا توزيعًا منحدرًا للتزلج: 44.2% من جميع الاستشهادات تأتي من أول 30% من الصفحة. يكسب الوسط 30-70% 31.1%، والمحتوى المدفون عميقًا في منشور طويل يقل احتمالية الاستشهاد به بمقدار 2.5 مرة تقريبًا.
أدى تحليل المتابعة عبر 7 قطاعات إلى زيادة وضوح الهدف: النطاق 10-20% من الصفحة هو المكان الذي يقرأ فيه الذكاء الاصطناعي أصعب ما في كل قطاع، في حين أن أول 10% عبارة عن التنقل وملء المقدمة التي يتخطاها الذكاء الاصطناعي. تحصل نسبة الـ 10% السفلية من أي صفحة على 2.4-4.4% من الاستشهادات بغض النظر عن القطاع.
عند تطبيقها على دراسة البيانات، فإن بنية المحتوى الخاص بك تكتب نفسها:
الرصاص مع إحصائية العنوان. يظهر أقوى رقم لديك في أول 30% من الصفحة، ويفضل أن يكون ذلك بعد مقطع العنوان مباشرة حيث يبدأ النطاق 10-20%. الرقم → المقارنة → ضمنا، في الشاشة الأولى.
حدد المقياس على الفور. جملة واحدة حول ما يقيسه الرقم وعدد السكان الذي يغطيه. من الصعب رفع إحصائية غير محددة بثقة
مربع المنهجية. حجم العينة، النافذة الزمنية، طريقة التجميع، في قالب قصير مسمى. الثقة في العزو هي جزء مما يجعل الرقم قابلاً للاستشهاد به.
قم بتحميل كل النتائج الثانوية في المقدمة. النتائج مرتبة حسب القوة، الأقوى أولاً. إن تراكم السرد المكون من 20 فقرة هو نمط للاحتفاظ بالإنسان يكلفك الاستشهادات الآلية.
تخطي التشويق قريب. يقرأ الذكاء الاصطناعي كمحرر مشغول، وليس كطالب صبور. [المصدر] إن هيكل المكافأة في النهاية الذي نجح مع الأدلة النهائية يعمل بشكل فعال ضد الاستخراج.
ظهرت هذه المقالة لأول مرة على موقع المؤلف وأعيد نشرها هنا بإذن.
إرسال التعليق