एलएलएम दृश्यमानता के मिथक: स्कीमा, llms.txt और उल्लेख
कोई व्यक्ति हर स्कीमा टैग जोड़ता है, प्रतीक्षा करता है, और कोई बदलाव नहीं देखता। यह सामान्य कहानी है, और यह गूगल के वास्तविक बयान से मेल खाती है। यहाँ प्रत्येक लोकप्रिय विचार को रिकॉर्ड के सामने रखा गया है।
AlgoLink रिसर्च टीम ·
सात विचार, प्रत्येक की एक पंक्ति
मिथक
जितना हम कह सकते हैं, वास्तविकता
पूर्ण स्कीमा जोड़ने से मॉडल आपको संदर्भित करेंगे
मार्कअप पार्सर को एक पेज पढ़ने में मदद करता है। कोई परीक्षण नहीं दिखाता कि यह उल्लेखों को बदलता है
llms.txt नया robots.txt है
सितंबर 2024 का प्रस्ताव; प्रमुख विक्रेताओं ने पुष्टि नहीं की है कि वे इसे पढ़ते हैं
एआई सर्च ने बैकलिंक्स को मार दिया है
लिंक डेटा अभी भी एक साइट के वेब फुटप्रिंट का वर्णन करता है; उल्लेखों में इसकी भूमिका का परीक्षण नहीं हुआ है
रेडिट, विकीपीडिया और यूट्यूब एकमात्र स्रोत हैं
उनका उल्लेख अक्सर किया जाता है, लेकिन केवल वही नहीं, और शेयर समय के साथ बदलते हैं
आपको एक विशेष एजेंसी की आवश्यकता है
जाँच सस्ती है और अधिकांशतः साधारण SEO से ओवरलैप करती है
GPTBot को ब्लॉक करने से आप हर सहायक से छिप जाते हैं
यह एक क्रॉलर को प्रभावित करता है। अन्य उत्पाद अन्य क्रॉलर या अन्य इंडेक्स का उपयोग करते हैं
बिना लिंक वाले उल्लेख बेकार हैं
संभावित रूप से उपयोगी, क्योंकि मॉडल टेक्स्ट पढ़ते हैं। स्केल पर परीक्षण नहीं हुआ है
स्कीमा का प्रश्न, धीरे-धीरे
Schema.org मार्कअप एक पेज को मशीन-पठनीय तरीके से वर्णित करता है। सरल। गूगल ने कहा है कि संरचित डेटा उसके एआई फीचर्स के लिए आवश्यक नहीं है, हालाँकि यह अभी भी अमीर परिणामों (rich results) के लिए मदद करता है, जो इसे जोड़ने का अपना अच्छा कारण है।
क्या यह मॉडल को सीधे पोषित करता है, यह अज्ञात है। विक्रेताओं के बाहर कोई नहीं जानता। हम इसे उबाऊ तरीके से परीक्षण करेंगे: समान पेजों के सेट की आधी मार्कअप करें, आधी को खाली छोड़ें, और आठ सप्ताह के लिए उल्लेखों को लॉग करें।
पैराक्टीशनर मिश्रित अनुभव रिपोर्ट करते हैं, जिसमें पूर्ण मार्कअप के बाद खामोशी भी शामिल है। खामोशी डेटा है। इसे टैग्स की और चक्र के नीचे दबाएं नहीं।
लेखक की जैविकी और 'विशेषज्ञ' योग्यता को समान उपचार मिलता है। वे पाठकों को यह तय करने में मदद करते हैं कि आपको भरोसा करना चाहिए या नहीं, जो पर्याप्त कारण है, और कोई अध्ययन नहीं मिला है जो दिखाता हो कि किसी मॉडल ने जैविकी के मौजूद होने के कारण एक पेज को प्राथमिकता दी हो।
ताजगी हर बार सामने आती है। हाल ही में अपडेट तिथि वाले पेक्स अक्सर समाचार-सदृश विषयों पर एआई जवाबों में दिखाई देते हैं, और गूगल लंबे समय से उन क्वेरी के लिए ताजगी का उपयोग करता है जिन्हें इसकी आवश्यकता होती है। फिर भी, सामग्री को बदले बिना तिथि बढ़ाना एक आदत है जिस पर हम भरोसा नहीं करेंगे, और गूगल ने कहा है कि उसे इससे पसंद नहीं है।
उल्लेख: सस्ता विकल्प
यदि एक मॉडल टेक्स्ट पढ़ता है, तो अन्य साइटों पर आपके ब्रांड का स्पष्ट वर्णन लिंक के बिना भी मायने रख सकता है। ऐसे पेक्स खोजना साधारण आउटरीच वर्क है।
अपने ब्रांड नाम से शुरू करें। इसे खोजें, उन साइटों को छोड़ दें जो पहले से लिंक करती हैं, और शेष की सूची बनाएं। फिर लिंक या एक सरल वर्णन के लिए पूछें। Ahrefs और Semrush जैसे टूल्स में उल्लेख अलर्ट हैं, और हमारा लिंक-प्रोफाइल पुल दिखाता है कि वे प्रतिस्पर्धी जिनकी आप ईर्ष्या करते हैं, उनसे कौन लिंक करता है।
एजेंसियों के बारे में एक अंतिम चेतावनी। एलएलएम दृश्यमानता ऑडिट बेचना व्यवसाय की एक नई लाइन है, और कुछ रिपोर्ट पतली हैं। पूछें कि नमूना क्या था, कब, और क्या उनकी निष्कर्ष को बदल देता।
इसका मतलब यह नहीं है कि मार्कअप बेकार है। इसका मतलब है कि दावा किया गया प्रभाव मापा नहीं गया है। एक घंटा खर्च करें, एक तिमाही नहीं, और अपनी मुख्य कोशिश उन पेक्स पर रखें जिन्हें लोग वास्तव में पढ़ना चाहते हैं।
एक स्कीमा दावे के लिए एक परीक्षण
01
समान पेजों के एक सेट का चयन करें
दस से बीस पेक्स चुनें जो एक टेम्पलेट साझा करते हैं और संबंधित प्रश्नों को कवर करते हैं। समान पेक्स एक अंतर को दिखा सकते हैं बिना दर्जन भर अन्य कारणों के बाधा डाले।
02
उन्हें दो समूहों में विभाजित करें
आधे को उस स्कीमा के साथ मार्कअप करें जिसे आप परीक्षण करना चाहते हैं और अन्य आधे को वैसे ही छोड़ दें। किसी भी उल्लेख को देखने से पहले विभाजन को लिख दें।
03
एक निश्चित शेड्यूल पर उल्लेख लॉग करें
उन पेक्स के बारे में हर सप्ताह समान प्रॉम्प्ट चलाएं। उल्लिखित डोमेन और URL को रिकॉर्ड करें, जैसा कि प्रयोगात्मक लॉग में वर्णित है।
04
तुलना करें, और फिर जो देखा उसे लिखें
दोनों समूहों की आवृत्ति की तुलना करें। यदि अंतर सामान्य सप्ताह-दर-सप्ताह उतार-चढ़ाव से कम है, तो ईमानदार परिणाम यह है कि परीक्षण ने कोई अंतर नहीं पाया।
स्कीमा वास्तव में क्या करता है
मार्कअप के वास्तविक कार्य हैं भले ही एआई प्रश्न खुला रहे। उन कार्यों को ध्यान में रखना मूल्यवान है, ताकि उल्लेखों पर शून्य परिणाम को सब कुछ पर शून्य परिणाम के साथ भ्रमित न किया जाए।
अमीर परिणाम और पात्रता
संरचित डेटा एक पेज को क्लासिक गूगल सर्च में अमीर परिणाम फीचर्स के लिए पात्र बना सकता है, जहाँ मार्कअप पढ़ा और जाँचा जाता है। वह लाभ ठोस है और एआई जवाबों के बारे में किसी दावे पर निर्भर नहीं करता।
यदि आप उस कारण से मार्कअप जोड़ते हैं, तो प्रकाशित करने से पहले इसे एक अमीर परिणाम परीक्षण टूल से मान्य करें। एआई जवाबों पर किसी भी प्रभाव को एक बोनस मानें जिसे आपने मापा नहीं है।
पार्सिंग और स्पष्टता
मार्कअप तथ्यों को एक निश्चित प्रारूप में बताता है, जैसे उत्पाद का नाम, लेखक या तिथि। एक पार्सर जो पेज पढ़ता है, उन फ़ील्ड्स को बिना अनुमान के ले सकता है। वह स्पष्टता उस किसी भी टूल की मदद करता है जो पेज की संरचना से काम करता है।
स्पष्टता उल्लेख के समान नहीं है। एक पेज पढ़ने में आसान हो सकता है और कभी उल्लिखित न हो, और एक और बिना किसी मार्कअप के उल्लिखित हो सकता है।
यह क्या दिखाता नहीं है
स्कीमा मॉडल द्वारा गिने जाने वाले वोटों की सूची नहीं है। हमने कोई नियंत्रित अध्ययन नहीं देखा है जो केवल मार्कअप को उल्लेखों में बदलाव से जोड़ता हो, इसलिए कोई भी जो छलांग का वादा करता है, उसे उसके पीछे के नमूने को दिखाना चाहिए।
मार्कअप जोड़ने के बाद खामोशी एक सामान्य परीक्षण परिणाम है। अगला अनुभाग समझाता है कि यह मार्कअप के बेकार होने के बिना कैसे हो सकता है।
लोग बदलाव क्यों नहीं देखते
एलएलएम दृश्यमानता एक साथ कई चीजों पर निर्भर करती है, और एक अकेला बदलाव दुर्लभ रूप से उभरकर आता है। किसी परिणाम का फैसला करने से पहले इस बात को ध्यान में रखें।
लीवर कहीं और हो सकता है
एक पेज के उल्लिखित होने के अवसर उसकी क्रॉल करने की क्षमता, उसकी सामग्री, उसके लिंक्स और क्वेरी स्वयं पर निर्भर करते हैं। मार्कअप उनमें से एक को छूता है। जब बाकी सब कुछ समान रहता है, तो केवल मार्कअप का बदलाव देखने के लिए बहुत छोटा हो सकता है।
मार्कअप को दोष देने से पहले, बुनियादी बातें जाँचें। पुष्टि करें कि पेज इंडेक्स किया गया है, और उसका टेक्स्ट HTML में दिखाई देता है न कि केवल एक स्क्रिप्ट चलने के बाद।
क्वेरी फैन-आउट लोगों को कहीं और भेजता है
कुछ पैराक्टीशनर क्वेरी फैन-आउट का वर्णन करते हैं, जिसमें एक प्रश्न कई सब-खोज में बदल जाता है। यदि यह एक मॉडल स्रोत एकत्र करने का तरीका है, तो आप जिस पेज को मार्कअप किया है, उसे उस सब-क्वेरी के लिए उल्लिखित किया जा सकता है जिसे आपने कभी ट्रैक नहीं किया। यह एक कारण है कि एकल-प्रॉम्प्ट जाँच भ्रमित करती है।
अपने प्रॉम्प्ट सेट में कुछ सब-प्रश्न शामिल करें, और रिकॉर्ड करें कि प्रत्येक के लिए कौन से पेक्स दिखाई देते हैं।
निष्कर्ष निकालने से पहले मापें
एक परिणाम को एक नमूने और एक बेसलाइन की आवश्यकता है। लॉग किए गए प्रॉम्प्ट्स के आठ सप्ताह, दो समूहों में विभाजित, एक modest परीक्षण है जो अभी भी गलत हो सकता है। परिणाम के बगल में उसकी सीमाएँ लिखें।
शून्य को भी प्रकाशित करें। एक परीक्षण जिसने कुछ नहीं पाया, वह भी अगले व्यक्ति के लिए उपयोगी है जो उसी प्रश्न को पूछता है।
हम पहले क्या करेंगे
इंडेक्सिंग ठीक करें, फिर ऐसे पैसाज लिखें जो अकेले खड़े हों
पुष्टि करें कि गूगल और बिंग पेज को क्रॉल और इंडेक्स कर सकते हैं। फिर सीधे जवाव वाले सेक्शन खोलें, एंटिटी को नाम दें, और तीसरे पक्षों से वर्णन अर्जित करें। बाकी सब एक प्रयोग है, इसलिए इसे एक प्रयोग की तरह चलाएं।
सर्च कंसोल और बिंग वेबमास्टर टूल्स में इंडेक्सिंग की पुष्टि करें
उस सटीक पेज को रिकॉर्ड करें जो लिंक किया गया था, न कि केवल उसका डोमेन। एक मार्कअप परीक्षण पेक्स के बारे में है, इसलिए पेज वह इकाई है जो मायने रखती है।
बिना लिंक वाले ब्रांड उल्लेख
प्रत्येक बार नोट करें जब एक मॉडल बिना लिंक के अपने टेक्स्ट में आपके ब्रांड का नाम लेता है। ऐसे उल्लेख गिनना कठिन है, इसलिए शुरू करने से पहले नियम को फिक्स करें कि क्या गिना जाएगा।
प्रत्येक जाँच की तिथि
प्रत्येक पंक्ति उसकी रन की तिथि वहन करती है। मार्कअप में बाद का बदलाप फिर उस पंक्तियों के साथ लाइन में लाया जा सकता है जो उसके बाद आए।
इंजन और क्षेत्र
प्रत्येक रन के लिए इंजन और क्षेत्र का नाम दें। एक इंजन में एक प्रभाव दूसरे में नहीं दिख सकता, और एक जगह में खामोश परिणाम हर जगह खामोश परिणाम नहीं है।
रेंडरिंग और मॉडल क्या पढ़ सकते हैं
टेक्स्ट वह सामग्री है जिससे एक मॉडल काम करता है, इसलिए यह सवाल कि वह क्या पढ़ सकता है, मानने के बजाय परीक्षण के लायक है।
स्क्रिप्ट के बाद प्रकट होने वाली सामग्री
कुछ सामग्री केवल तभी प्रकट होती है जब एक स्क्रिप्ट चलती है। कि एक दिया गया सहायक उस सामग्री को देख सकता है या नहीं, यह कुछ ऐसा है जिसे आप परीक्षण कर सकते हैं। एक सहायक द्वारा उद्धृत टेक्स्ट की तुलना एक सादे HTML फेच से लौटे टेक्स्ट से करें।
यदि उद्धृत टेक्स्ट सादे HTML में गायब है, तो पेज रेंडरिंग पर निर्भर है। मार्कअप जोड़ने से पहले यह जानना मूल्यवान है।
टोकन के रूप में पढ़ा गया मार्कअप
कुछ पैराक्टीशनर तर्क देते हैं कि मॉडल JSON-LD को टोकन में तोड़ देते हैं और उसकी संरचना खो देते हैं, इसलिए मार्कअप कम जोड़ता है। तर्क संभावित है, और जितना हम जानते हैं, यह परीक्षण नहीं हुआ है। दोनों पक्षों ने इसे एक निष्पक्ष नमूने के साथ नहीं दिखाया है।
इसे एक परिकल्पना के रूप में अपने स्वयं के परीक्षण के लिए मानें, न कि एक क्लाइंट रिपोर्ट में उद्धरण के लिए एक नियम के रूप में।
मार्कअप और एआई जवाबों के बारे में प्रश्न
कुछ प्रश्न जो तब आते हैं जब लोग अपने स्वयं के पेक्स पर मार्कअप परीक्षण शुरू करते हैं।
क्या मुझे स्कीमा हटाना चाहिए यदि यह एआई जवाबों में मदद नहीं करता?
इस सबूत पर नहीं। मार्कअप अभी भी क्लासिक सर्च फीचर्स की सेवा करता है और एक पेज को पार्सर के लिए स्पष्ट बनाता है। इसे केवल तभी हटाएं यदि यह गलत है, पुराना है या भ्रामक है।
क्या एक llms.txt फ़ाइल एक घंटे के लायक है?
संभवतः, एक सस्ते प्रयोग के रूप में। प्रस्ताव सितंबर 2024 का है, और हमने देखा है कि किसी प्रमुख विक्रेता ने पुष्टि नहीं की है कि वह फ़ाइल पढ़ता है, इसलिए एक दृश्यमान परिणाम की उम्मीद न करें।
क्या लेखक की जैविकी उल्लेखों में मदद करती हैं?
हमें ज्ञात कोई अध्ययन यह नहीं दिखाता है। जैविकी पाठकों को एक पेज का आकलन करने में मदद कर सकती हैं, जो उन्हें रखने का एक उचित कारण है, लेकिन किसी उल्लेख प्रभाव का परीक्षण नहीं हुआ है।
एक परीक्षण में कितने पेक्स शामिल होने चाहिए?
इतना कि दो समूहों की तुलना की जा सके बिना एक पेज परिणाम पर हावी हो। दस से बीस समान पेक्स एक पहले परीक्षण के लिए एक उचित शुरुआत हैं, हालाँकि सही संख्या इस बात पर निर्भर करती है कि आपके प्रॉम्प्ट कितने भिन्न हैं।
