أساطير ظهور النماذج اللغوية الكبيرة: مخططات البيانات، وllms.txt، والإشارات

سؤال مخططات البيانات، ببطء

يصف ترميز Schema.org الصفحة بطريقة قابلة للقراءة آلياً. بسيط. قالت Google إن البيانات المهيكلة ليست مطلوبة لميزات الذكاء الاصطناعي لديها، على الرغم من أنها لا تزال تساعد في النتائج الغنية، وهو سبب جيد بحد ذاته لإضافتها.

ما إذا كانت تغذي النماذج مباشرة أمر غير معروف. لا أحد خارج الشركات المصنعة يعرف. سنختبرها بالطريقة المملة: نضيف علامات نصف مجموعة من الصفحات المتشابهة، ونترك النصف الآخر كما هو، ونسجل الاستشهادات لمدة ثمانية أسابيع.

يبلغ الممارسون عن تجارب مختلطة، بما في ذلك الكثير من الصمت بعد إضافة العلامات الكاملة. الصمت هو بيانات. لا تدفنها تحت جولة أخرى من العلامات.

سير الشخصيات وسمات "الخبير" تحصل على نفس المعاملة. تساعد القراء على اتخاذ قرار بشأن مدى ثقتك بك، وهو سبب كافٍ، ولا تظهر أي دراسة رأيناها أن النموذج يفضل صفحة لأن السيرة الذاتية كانت موجودة.

الحداثة تظهر في كل مرة. تظهر الصفحات ذات تاريخ التحديث الأخير غالباً في إجابات الذكاء الاصطناعي حول المواضيع الشبيهة بالأخبار، واستخدمت Google الحداثة منذ فترة طويلة للاستفسارات التي تستحق ذلك. ومع ذلك، فإن رفع التاريخ دون تغيير المحتوى عادة لن نعتمد عليها، وقد قالت Google إنها لا تحب ذلك.

الإشارات: الرهان الأرخص

إذا كان النموذج يقرأ النص، فقد يكون الوصف الواضح لعلامتك التجارية على مواقع أخرى مهماً حتى بدون رابط. العثور على مثل هذه الصفحات هو عمل Outreach عادي.

ابدئ باسم علامتك التجارية الخاص بك. ابحث عنه، احذف المواقع التي تربطك بالفعل، وسرد الباقي. ثم اطلب رابطاً أو وصفاً أكثر بساطة. تحتوي أدوات مثل Ahrefs وSemrush على تنبيهات الإشارات، ويوضح سحب ملف الروابط من يربط بالمنافسين الذين تغار منهم.

تحذير نهائي حول الوكالات. بيع تدقيقات ظهور النماذج اللغوية الكبيرة هو خط عمل جديد، وبعض التقارير رقيقة. اسأل عما تم عيّنته، ومتى، وما الذي كان سيغير استنتاجهم.

لا يجعل أي من هذا العلامات بلا معنى. يقول إن التأثير المزعوم غير مقاس. أنفق ساعة، وليس ربع ساعة، واحتفظ بجهدك الرئيسي على الصفحات التي يريد الناس حقاً قراءتها.

ما تفعله مخططات البيانات بالفعل

لدى العلامات وظائف حقيقية حتى عندما يبقى سؤال الذكاء الاصطناعي مفتوحاً. من الجيد الاحتفاظ بهذه الوظائف في الاعتبار، حتى لا يتم الخلط بين النتيجة الصفرية على الاستشهادات والنتيجة الصفرية على كل شيء.

النتائج الغنية والأهلية

يمكن للبيانات المهيكلة أن تجعل الصفحة مؤهلة لميزات النتائج الغنية في بحث Google الكلاسيكي، حيث يتم قراءة العلامات والتحقق منها. هذه الفائدة ملموسة ولا تعتمد على أي ادعاء حول إجابات الذكاء الاصطناعي.

إذا أضفت العلامات لهذا السبب، قم بتحققها باستخدام أداة اختبار النتائج الغنية قبل النشر. تعامل مع أي تأثير على إجابات الذكاء الاصطناعي على أنه مكسب لم تقسه.

التفسير والوضوح

تحدد العلامات الحقائق بتنسيق ثابت، مثل اسم المنتج أو المؤلف أو التاريخ. يمكن للمفسر الذي يقرأ الصفحة أخذ هذه الحقول دون تخمين. يساعد هذا الوضوح أي أداة تعمل من هيكل الصفحة.

الوضوح ليس هو نفسه الاستشهاد. يمكن أن تكون الصفحة سهلة التفسير ولا يتم الاستشهاد بها أبداً، ويمكن أن يتم الاستشهاد بصفحة أخرى بدون أي علامات على الإطلاق.

ما لا تظهره

مخططات البيانات ليست قائمة أصوات تجمعها النماذج. لم نر دراسة خاضعة للرقابة تربط العلامات وحدها بتغيير في الاستشهادات، لذا فإن أي شخص يعد بقفزة يجب أن يظهر العينة الكامنة وراء ذلك.

الصمت بعد إضافة العلامات هو نتيجة طبيعية للاختبار. يشرح القسم التالي لماذا يمكن أن يحدث ذلك دون أن تكون العلامات عديمة الفائدة.

لماذا لا يرى الناس أي تغيير

يعتمد ظهور النماذج اللغوية الكبيرة على العديد من الأشياء في وقت واحد، ونادراً ما يبرز تغيير واحد. ضع ذلك في الاعتبار قبل أن تحكم على نتيجة.

قد يكون الرافعة في مكان آخر

تعتمد احتمالية الاستشهاد بصفحة على قابلية الزحف لها، ومحتواها، وروابطها والاستفسار نفسه. تلامس العلامات واحدة من هذه. عندما يبقى كل شيء آخر كما هو، قد يكون التغيير الذي يعتمد على العلامات فقط صغيراً جداً ليُرى.

قبل أن تلوم العلامات، تحقق من الأساسيات. تأكد من فهرسة الصفحة، وأن نصها يظهر في HTML بدلاً من ذلك فقط بعد تشغيل سكريبت.

تفرع الاستفسار يرسل الناس إلى أماكن أخرى

يصف بعض الممارسين تفرع الاستفسار، حيث يصبح استفسار واحد عدة استفسارات فرعية. إذا كان هذا هو كيفية جمع النموذج للمصادر، فقد يتم الاستشهاد بالصفحة التي أضفت عليها علامات لاستفسار فرعي لم تتعقبه أبداً. هذا أحد الأسباب التي تجعل فحص الاستفسار الواحد مضللاً.

أدرج بعض الأسئلة الفرعية في مجموعة الاستفسارات الخاصة بك، وسجل الصفحات التي تظهر لكل منها.

قياس قبل أن تستنتج

تحتاج النتيجة إلى عينة وخط أساس. ثمانية أسابيع من الاستفسارات المسجلة، مقسمة إلى مجموعتين، هي تجربة متواضعة لا تزال يمكن أن تكون خاطئة. اكتب حدودها بجانب النتيجة.

انشر الأصفار أيضاً. الاختبار الذي لم يجد شيئاً مفيد لا يزال للشخص التالي الذي يطرح نفس السؤال.

التقديم وما يمكن للنماذج قراءته

النص هو المادة التي يعمل منها النموذج، لذا فإن سؤال ما يمكنه قراءته يستحق الاختبار بدلاً من الافتراض.

المحتوى الذي يظهر بعد سكريبت

يظهر بعض المحتوى فقط بعد تشغيل سكريبت. ما إذا كان مساعد معين يمكنه رؤية هذا المحتوى هو شيء يمكنك اختباره. قارن النص الذي يستشهد به المساعد مع ما يعيده جلب HTML العادي.

إذا كان النص المستشهد به مفقوداً من HTML العادي، فإن الصفحة تعتمد على التقديم. هذا يستحق المعرفة قبل إضافة أي علامات.

قراءة العلامات كرموز

يجادل بعض الممارسين بأن النماذج تكسر JSON-LD إلى رموز وتفقد هيكلها، لذا فإن العلامات تضيف القليل. الحجج معقولة، وبقدر ما نعرف، فهي غير مختبرة. لم يثبت أي جانب ذلك بعينة عادلة.

عاملها كفرضية لاختبارك الخاص، وليس كقاعدة للاستشهاد بها في تقرير العميل.

أسئلة حول العلامات وإجابات الذكاء الاصطناعي

بعض الأسئلة التي تظهر بمجرد أن يبدأ الناس في اختبار العلامات على صفحاتهم الخاصة.

هل يجب أن أزيل مخططات البيانات إذا لم تساعد إجابات الذكاء الاصطناعي؟

ليس على هذا الدليل. لا تزال العلامات تخدم ميزات البحث الكلاسيكية وتجعل الصفحة أكثر وضوحاً للمفسرين. أزلها فقط إذا كانت خاطئة، أو قديمة، أو مضللة.

هل يستحق ملف llms.txt ساعة؟

ربما، كتجربة رخيصة. يعود تاريخ الاقتراح إلى سبتمبر 2024، ولم نر أي شركة كبرى تؤكد أنها تقرأ الملف، لذا لا تتوقع نتيجة مرئية.

هل تساعد سير الشخصيات في الاستشهادات؟

لا تظهر دراسة نعرفها ذلك. يمكن أن تساعد السير الذاتية القراء في تقييم الصفحة، وهو سبب معقول للاحتفاظ بها، لكن أي تأثير على الاستشهادات غير مختبر.

كم عدد الصفحات التي يجب أن تتضمنها التجربة؟

بما يكفي لمقارنة المجموعتين دون أن تهيمن صفحة واحدة على النتيجة. عشرة إلى عشرين صفحة متشابهة هي بداية معقولة لتجربة أولى، على الرغم من أن الرقم الصحيح يعتمد على مدى اختلاف استفساراتك.