LLMs Citation Deep Content, όχι Homepages

Οι αριθμοί είναι ξεκάθαροι. Μόνο το 11,6% των αναφορών προέρχεται από διευθύνσεις URL με βάθος φακέλου ένα. Με κάθε επιπλέον επίπεδο, το ποσοστό αυξάνεται – 27,5% σε δύο φακέλους, 33,3% σε τρεις. Οι σελίδες με βάθος τεσσάρων έως δέκα φακέλων αντιπροσωπεύουν ένα άλλο 16,2% των αναφορών μαζί.

Γιατί τα μοντέλα AI προτιμούν συγκεκριμένο περιεχόμενο

Το ChatGPT και παρόμοια εργαλεία δεν αναζητούν γενικές πληροφορίες στις κύριες σελίδες. Χρειάζονται ακριβείς απαντήσεις σε συγκεκριμένες ερωτήσεις. Όταν κάποιος ρωτά “προστασία από την υπεριώδη ακτινοβολία στα αθλητικά ρούχα”, το μοντέλο θα προτιμήσει ένα λεπτομερές άρθρο ιστολογίου ή μια σελίδα προϊόντος αντί για γενικό κείμενο σχετικά με αθλητικά ρούχα.

Τα αποτελέσματα της μελέτης δείχνουν ότι οι επιτυχημένες μάρκες δημιουργούν περιεχόμενο ακριβώς για αυτόν τον τύπο αναζήτησης.

Λεπτομερείς ενότητες συχνών ερωτήσεων, τεχνικές προδιαγραφές προϊόντων, μελέτες δεδομένων και περιεχόμενο μακράς ουράς δίνουν στα μοντέλα τεχνητής νοημοσύνης υλικό που μπορούν να αναφέρουν.

Source: Similarweb

Η δομή καθορίζει την ορατότητα

Η Walmart και η Temu παρέχουν ένα καλό παράδειγμα για το πώς η μορφοποίηση επηρεάζει τα αποτελέσματα. Η Walmart χρησιμοποιεί μια ξεχωριστή ενότητα “Σχετικά με αυτό το στοιχείο” στις σελίδες προϊόντων με κουκκίδες και σαφή χαρακτηριστικά. Ο Temu βάζει τις περισσότερες πληροφορίες στον τίτλο του προϊόντος.

Η διαφορά στα αποτελέσματα είναι σημαντική. Η Walmart εμφανίζεται στο 59% των σχετικών απαντήσεων AI. Ο Temu είναι πρακτικά αόρατος. Ο λόγος είναι απλός – τα μοντέλα LLM επεξεργάζονται καλύτερα δομημένο περιεχόμενο με σαφείς ετικέτες ενοτήτων.

Source: Similarweb

Τι σημαίνει αυτό για το e-shop σας

Δημιουργήστε εξειδικευμένο περιεχόμενο που απαντά στις συγκεκριμένες ερωτήσεις των πελατών σας. Αντί για μια γενική σελίδα “Πώς να επιλέξετε παπούτσια για τρέξιμο”, δημιουργήστε πέντε ξεχωριστά άρθρα για αρχάριους, μαραθωνοδρόμους, χειμερινό τρέξιμο, άτομα με προβλήματα στις αρθρώσεις και εξαιρετικά ελαφριά υποδήματα.

Χρησιμοποιήστε σαφείς δομές – επικεφαλίδες H2 και H3, κουκκίδες για χαρακτηριστικά και ξεχωριστές ενότητες για προδιαγραφές. Τα μοντέλα τεχνητής νοημοσύνης πρέπει να γνωρίζουν πού να βρουν συγκεκριμένες πληροφορίες.

Αναλύστε ποιες ερωτήσεις κάνουν οι πελάτες. Οι μακροχρόνιες αναζητήσεις είναι η ευκαιρία σας – ο ανταγωνισμός είναι χαμηλότερος εδώ και οι πιθανότητες παραπομπών είναι υψηλότερες.