AI தேடல் தெரிவுநிலைக்கு என்ன வேலை செய்கிறது என்பதை LinkedIn பகிர்ந்து கொள்கிறது

AI-உருவாக்கிய தேடல் முடிவுகளில் தெரிவுநிலையை இயக்குவது என்ன என்பது குறித்த அதன் உள் சோதனையின் கண்டுபிடிப்புகளை LinkedIn வெளியிட்டது.

AI மறுமொழிகளில் மிகவும் மேற்கோள் காட்டப்பட்ட ஆதாரங்களில் ஒன்றாகக் கூறப்படும் நிறுவனம், LLMகள் மற்றும் AI மேலோட்டங்களில் அதன் இருப்பை மேம்படுத்துவதற்கு என்ன வேலை செய்தது என்பதைப் பகிர்ந்து கொண்டது. AI தேடலைச் சரிசெய்யும் பயிற்சியாளர்களுக்கு, இது பெரிதும் மேற்கோள் காட்டப்பட்ட ஆதாரம் சோதனை மற்றும் அளவிடப்பட்ட ஒரு அரிய பார்வை.

ஒரு வலைப்பதிவு இடுகையில், லிங்க்ட்இனில் டிஜிட்டல் மார்க்கெட்டிங் இயக்குனர் இன்னா மெக்லின் மற்றும் லிங்க்ட்இனில் ஆர்கானிக் க்ரோத் குழு மேலாளர் காஸ்ஸி டெல், முடிவுகளைப் பெற்ற தந்திரங்களை விவரித்தார்.

உள்ளடக்க அமைப்பு மற்றும் மார்க்அப்

நீங்கள் உள்ளடக்கத்தை எவ்வாறு ஒழுங்கமைப்பது என்பது எல்எல்எம்களால் பிரித்தெடுக்கப்பட்டு வெளிவர முடியுமா என்பதைப் பாதிக்கிறது என்பதை LinkedIn கண்டறிந்துள்ளது. தலைப்புகள் மற்றும் தகவல் படிநிலை முக்கியமானது என்று ஆசிரியர்கள் எழுதினர், ஏனெனில் “உங்கள் உள்ளடக்கம் மிகவும் கட்டமைக்கப்பட்ட மற்றும் தர்க்கரீதியாக இருந்தால், LLM கள் புரிந்துகொள்வதும் வெளிப்படுவதும் எளிதாக இருக்கும்.”

சொற்பொருள் HTML மார்க்அப்பும் ஒரு பங்கைக் கொண்டிருந்தது, ஒவ்வொரு பகுதியும் எதற்காக என்பதை LLMகள் விளக்குவதற்கு தெளிவான அமைப்பு உதவுகிறது. ஆசிரியர்கள் இதை “AI வாசிப்புத்திறன்” என்று அழைத்தனர்.

உள்ளடக்கக் கட்டமைப்பானது இனி UX கருத்தில் மட்டும் அல்ல என்பதுதான் எடுத்துச் செல்லப்படுகிறது. சரியான தலைப்பு படிநிலை மற்றும் சுத்தமான மார்க்அப் ஆகியவை உங்கள் உள்ளடக்கம் மேற்கோள் காட்டப்படுகிறதா என்பதைப் பாதிக்கலாம்.

நிபுணர் ஆசிரியர் மற்றும் நேர முத்திரைகள்

LinkedIn இன் சோதனை நம்பகத்தன்மை சமிக்ஞைகளையும் சுட்டிக்காட்டியது. ஆசிரியர்கள் எழுதினர்:

“எல்எல்எம்கள் நம்பகத்தன்மை மற்றும் பொருத்தத்தை உணர்த்தும் உள்ளடக்கத்தை ஆதரிக்கின்றன, உண்மையான வல்லுநர்களால் எழுதப்பட்டவை, தெளிவாக நேர முத்திரையிடப்பட்ட மற்றும் உரையாடல், நுண்ணறிவு-உந்துதல் பாணியில் எழுதப்பட்டவை.”

புலப்படும் நற்சான்றிதழ்கள் மற்றும் தெளிவான வெளியீட்டு தேதிகள் கொண்ட பெயரிடப்பட்ட ஆசிரியர்கள், அநாமதேய அல்லது தேதியிடப்படாத உள்ளடக்கத்தை விட LinkedIn இன் சோதனையில் சிறப்பாகச் செயல்படுவதாகத் தோன்றியது.

அளவீட்டு மாற்றம்

விழிப்புணர்வு நிலை உள்ளடக்கம், கண்காணிப்பு மேற்கோள் பகிர்வு, தெரிவுநிலை விகிதம் மற்றும் AI தெரிவுநிலை மென்பொருளைப் பயன்படுத்தி LLM குறிப்புகள் ஆகியவற்றிற்கான போக்குவரத்துடன் புதிய KPIகளை LinkedIn சேர்த்தது. LLM-உந்துதல் வருகைகளுக்காக குறிப்பாக அதன் உள் பகுப்பாய்வுகளில் ஒரு புதிய போக்குவரத்து மூலத்தை உருவாக்குவதாகவும், CMS பதிவுகளில் LLM போட் நடத்தையை கண்காணிப்பதாகவும் நிறுவனம் கூறியது.

ஆசிரியர்கள் அளவீட்டு சவாலை ஒப்புக்கொண்டனர்:

“எல்எல்எம் பதில்களுக்குள் தெரிவுநிலை எவ்வாறு அடிமட்டத்தை பாதிக்கிறது என்பதை எங்களால் கணக்கிட முடியவில்லை.”

ட்ராஃபிக்கை முதன்மை SEO மெட்ரிக் என இன்னும் புகாரளிக்கும் குழுக்களுக்கு, இங்கே ஒரு இடைவெளி உள்ளது. பிராண்ட் அல்லாத தகவல் உள்ளடக்கம் உங்கள் தளத்தில் இல்லாமல் AI பதில்களுக்குள் அதிகமாக நுகரப்பட்டால், போக்குவரத்து உங்கள் உண்மையான வரம்பைக் குறைக்கலாம்.

ஏன் திஸ் மேட்டர்ஸ்

என் கவனத்தை ஈர்த்தது என்னவென்றால், AI இயங்குதளங்கள் தாங்களாகவே கூறுவதை இது எவ்வளவு மேலெழுதுகிறது என்பதுதான்.

SEJ இன் ரோஜர் மான்ட்டி சமீபத்தில் AI தேடல் தெரிவுநிலையை இயக்குவது பற்றி பெர்ப்ளெக்சிட்டியில் இருந்து ஜெஸ்ஸி டுவைரை நேர்காணல் செய்தார். முழுப் பக்கங்களில் தர்க்கம் செய்வதற்குப் பதிலாக, துணை ஆவண மட்டத்தில் உள்ள உள்ளடக்கத்தை பர்ப்ளெக்சிட்டி மீட்டெடுக்கிறது என்று டுவயர் விளக்கினார். அதாவது நீங்கள் உள்ளடக்கத்தை எவ்வாறு கட்டமைக்கிறீர்கள் என்பது அது பிரித்தெடுக்கப்படுகிறதா என்பதைப் பாதிக்கிறது.

லிங்க்ட்இன் கண்டுபிடிப்புகள் வெளியீட்டாளர் தரப்பிலிருந்து அதே திசையில் உள்ளன. எல்எல்எம்கள் உள்ளடக்கத்தை துண்டுகளாக அலசுவதால் கட்டமைப்பு மற்றும் மார்க்அப் முக்கியமானது. லிங்க்ட்இன் அடையாளம் காணப்பட்ட நம்பகத்தன்மை சிக்னல்கள், நிபுணத்துவம் மற்றும் நேர முத்திரைகள் போன்றவை, எந்த துண்டுகள் வெளிவருகின்றன என்பதைப் பாதிக்கும்.

பெரிதும் மேற்கோள் காட்டப்பட்ட மூலமும், AI தேடல் தளமும் ஒரே மாதிரியான முடிவுகளை எடுக்கும்போது, ​​நீங்கள் ஊகங்களுக்கு அப்பால் வேலை செய்ய வேண்டும்.

முன்னே பார்க்கிறேன்

பயிற்சியாளர்கள் கற்றுக்கொள்ளக்கூடிய வித்தியாசமான மனநிலையை ஆசிரியர்கள் பின்பற்றுகிறார்கள்:

“நாங்கள் ‘தேடல், கிளிக், இணையதளம்’ என்பதில் இருந்து விலகி ஒரு புதிய மாதிரியை நோக்கி நகர்கிறோம்: பார்க்கவும், குறிப்பிடப்படவும், கருதப்படவும், தேர்ந்தெடுக்கப்படவும்.”

LinkedIn தொடரின் 3வது பகுதி, AI தேடலுக்கான சொந்த உள்ளடக்கத்தை மேம்படுத்துதல், பதில் தொகுதிகள் மற்றும் வெளிப்படையான வரையறைகளை உள்ளடக்கிய வழிகாட்டியை உள்ளடக்கும்.