Miti sulla visibilità nei LLM: schema, llms.txt e menzioni
Qualcuno aggiunge tutti i tag schema, aspetta e non vede cambiamenti. È la storia tipica e corrisponde a quanto afferma Google. Ecco ogni idea popolare messa a confronto con i dati.
Team di ricerca AlgoLink ·
Sette idee, una riga ciascuna
Mito
Realtà per quanto possiamo stabilire
Aggiungere schema completo fa sì che i modelli ti citino
Il markup aiuta i parser a leggere una pagina. Nessun test mostra che cambi le citazioni
llms.txt è il nuovo robots.txt
Una proposta di settembre 2024; i principali fornitori non hanno confermato di leggerla
La ricerca AI ha ucciso i backlink
I dati sui link descrivono ancora l'impronta web di un sito; il suo ruolo nelle citazioni non è stato testato
Reddit, Wikipedia e YouTube sono le uniche fonti
Vengono citati spesso, ma non esclusivamente, e le condivisioni variano nel tempo
Hai bisogno di un'agenzia specializzata
I controlli sono economici e si sovrappongono perlopiù al SEO tradizionale
Bloccare GPTBot ti nasconde da ogni assistente
Colpisce un solo crawler. Altri prodotti usano crawler diversi o indici diversi
Le menzioni non linkate sono inutili
Probabilmente utili, poiché i modelli leggono il testo. Non testate su larga scala
La questione schema, lentamente
Il markup Schema.org descrive una pagina in modo leggibile dalle macchine. Semplice. Google ha dichiarato che i dati strutturati non sono necessari per le sue funzionalità AI, anche se aiutano ancora con i risultati ricchi, il che è già una buona ragione per aggiungerli.
Se alimentino direttamente i modelli è sconosciuto. Nessuno al di fuori dei fornitori lo sa. Lo testeremmo in modo metodico: markup di metà di un set di pagine simili, lasciando l'altra metà così com'è, e registrando le citazioni per otto settimane.
I professionisti riportano esperienze miste, inclusa molta silenzio dopo il markup completo. Il silenzio è un dato. Non seppellirlo sotto un altro giro di tag.
Le bio degli autori e le credenziali 'esperte' ricevono lo stesso trattamento. Aiutano i lettori a decidere se fidarsi di te, il che è già una buona ragione, e non abbiamo visto studi che mostrino un modello che preferisce una pagina perché era presente una bio.
L'aggiornamento recente viene citato ogni volta. Le pagine con una data di aggiornamento recente appaiono spesso nelle risposte AI su argomenti simili alle notizie, e Google da tempo utilizza l'aggiornamento per le query che lo meritano. Tuttavia, aggiornare una data senza modificare i contenuti è un'abitudine su cui non ci affideremmo, e Google ha detto che non le piace.
Menzioni: la scommessa più economica
Se un modello legge il testo, una descrizione chiara del tuo brand su altri siti potrebbe essere rilevante anche senza un link. Trovare tali pagine è lavoro di outreach ordinario.
Inizia con il tuo nome di brand. Cercalo, escludi i siti che linkano già e elenca gli altri. Poi chiedi un link o una descrizione più semplice. Strumenti come Ahrefs e Semrush hanno alert per le menzioni, e il nostro link-profile pull mostra chi linka ai competitor che invidi.
Un'ultima cautela sulle agenzie. Vendere audit sulla visibilità LLM è una nuova linea di business e alcuni report sono superficiali. Chiedi cosa è stato campionato, quando e cosa avrebbe cambiato la loro conclusione.
Niente di tutto ciò rende il markup inutile. Dice solo che l'effetto dichiarato non è misurato. Dedica un'ora, non un trimestre, e mantieni il tuo sforzo principale sulle pagine che le persone vogliono davvero leggere.
Un test per un'affermazione sullo schema
01
Scegli un set di pagine simili
Scegli dieci o venti pagine che condividono un template e coprono domande correlate. Pagine simili permettono a una differenza di emergere senza che una dozzina di altre cause interferiscano.
02
Dividile in due gruppi
Markup di metà con lo schema che vuoi testare e lascia l'altra metà così com'è. Scrivi la divisione prima di guardare qualsiasi citazione.
03
Registra le citazioni a intervalli fissi
Esegui gli stessi prompt su quelle pagine ogni settimana per otto settimane. Registra i domini e gli URL citati, come descrive il registro dell'esperimento.
04
Confronta, poi scrivi cosa hai visto
Confronta i due gruppi per frequenza. Se il divario è inferiore al normale oscillazione settimana per settimana, il risultato onesto è che il test non ha trovato differenze.
Cosa fa effettivamente lo schema
Il markup ha veri compiti anche quando la domanda AI resta aperta. Vale la pena tenere presenti questi compiti, così un risultato nullo sulle citazioni non viene confuso con un risultato nullo su tutto.
Risultati ricchi e eleggibilità
I dati strutturati possono rendere una pagina eleggibile per le funzionalità dei risultati ricchi nella ricerca Google classica, dove il markup viene letto e verificato. Quel beneficio è concreto e non dipende da alcuna affermazione sulle risposte AI.
Se aggiungi markup per questo motivo, validalo con uno strumento di test dei risultati ricchi prima di pubblicare. Tratta qualsiasi effetto sulle risposte AI come un bonus non misurato.
Parsing e chiarezza
Il markup dichiara i fatti in un formato fisso, come un nome di prodotto, un autore o una data. Un parser che legge la pagina può estrarre quei campi senza indovinare. Quella chiarezza aiuta qualsiasi strumento che lavora sulla struttura della pagina.
La chiarezza non è la stessa cosa della citazione. Una pagina può essere facile da parsare e mai essere citata, e un'altra può essere citata senza alcun markup.
Cosa non mostra
Lo schema non è un elenco di voti che i modelli contano. Non abbiamo visto studi controllati che colleghino il markup da solo a un cambiamento nelle citazioni, quindi chiunque prometta un aumento dovrebbe mostrare il campione su cui si basa.
Il silenzio dopo aver aggiunto il markup è un esito normale di un test. La sezione successiva spiega perché può accadere senza che il markup sia inutile.
Perché le persone non vedono cambiamenti
La visibilità LLM dipende da molte cose contemporaneamente, e un singolo cambiamento raramente spicca. Tieni presente questo prima di giudicare un risultato.
La leva potrebbe essere altrove
Le probabilità che una pagina venga citata dipendono dalla sua crawlabilità, dai contenuti, dai link e dalla query stessa. Il markup tocca uno di questi elementi. Quando tutto il resto rimane uguale, un cambiamento solo nel markup potrebbe essere troppo piccolo per essere visto.
Prima di dare la colpa al markup, controlla le basi. Conferma che la pagina sia indicizzata e che il suo testo appaia nell'HTML piuttosto che solo dopo l'esecuzione di uno script.
La dispersione delle query invia gli utenti altrove
Alcuni professionisti descrivono la dispersione delle query, in cui una domanda diventa diverse sottoricerche. Se è così che un modello raccoglie le fonti, la pagina che hai markupato potrebbe essere citata per una sottodomanda che non hai mai tracciato. Questo è uno dei motivi per cui un controllo con un singolo prompt fuorvia.
Includi alcune sottodomande nel tuo set di prompt e registra quali pagine appaiono per ciascuna.
Misura prima di concludere
Un risultato ha bisogno di un campione e di una baseline. Otto settimane di prompt registrati, divisi in due gruppi, è un test modesto che può comunque essere sbagliato. Scrivi i suoi limiti accanto al risultato.
Pubblica anche i nulli. Un test che non ha trovato nulla è comunque utile alla prossima persona che pone la stessa domanda.
Cosa faremmo per primi
Risolvere l'indicizzazione, poi scrivere passaggi che stiano in piedi da soli
Verifica che Google e Bing possano crawlare e indicizzare la pagina. Poi apri sezioni con una risposta diretta, nomina le entità e ottieni descrizioni da terze parti. Tutto il resto è un esperimento, quindi eseguilo come tale.
Conferma l'indicizzazione in Search Console e Bing Webmaster Tools
Registra la pagina esatta che è stata linkata, non solo il suo dominio. Un test sul markup riguarda le pagine, quindi la pagina è l'unità che conta.
Menzioni del brand senza link
Nota ogni volta che un modello nomina il tuo brand nel suo testo senza un link. Tali menzioni sono difficili da contare, quindi fissa la regola su cosa conta prima di iniziare.
La data di ogni verifica
Ogni riga contiene la data della sua esecuzione. Un cambiamento successivo al markup può quindi essere allineato con le righe che lo hanno seguito.
Motore e regione
Indica il motore e la regione per ogni esecuzione. Un effetto in un motore potrebbe non mostrarsi in un altro, e un risultato silenzioso in un luogo non è silenzioso ovunque.
Rendering e ciò che i modelli possono leggere
Il testo è il materiale su cui lavora un modello, quindi la domanda su cosa possa leggere vale la pena di essere testata piuttosto che assunta.
Contenuto che appare dopo uno script
Alcuni contenuti appaiono solo dopo l'esecuzione di uno script. Se un determinato assistente può vedere quel contenuto è qualcosa che puoi testare. Confronta il testo che un assistente cita con ciò che restituisce un fetch HTML semplice.
Se il testo citato manca nell'HTML semplice, la pagina dipende dal rendering. Questo vale la pena saperlo prima di aggiungere qualsiasi markup.
Markup letto come token
Alcuni professionisti sostengono che i modelli scompongano il JSON-LD in token e perdano la sua struttura, quindi il markup aggiunge poco. L'argomento è plausibile e, per quanto ne sappiamo, non è stato testato. Nessuna delle due parti lo ha dimostrato con un campione equo.
Trattalo come un'ipotesi per il tuo test, non come una regola da citare in un report per il cliente.
Domande su markup e risposte AI
Alcune domande che emergono una volta che le persone iniziano a testare il markup sulle proprie pagine.
Dovrei rimuovere lo schema se non aiuta le risposte AI?
Non su questa evidenza. Il markup serve ancora alle funzionalità di ricerca classica e rende una pagina più chiara ai parser. Rimuovilo solo se è errato, obsoleto o fuorviante.
Un file llms.txt vale un'ora?
Possibilmente, come esperimento economico. La proposta risale a settembre 2024 e non abbiamo visto nessun fornitore principale confermare che legge il file, quindi non aspettarti un risultato visibile.
Le bio degli autori aiutano con le citazioni?
Nessuno studio che conosciamo lo mostra. Le bio possono aiutare i lettori a valutare una pagina, il che è un buon motivo per mantenerle, ma qualsiasi effetto sulle citazioni non è stato testato.
Quante pagine dovrebbe includere un test?
Abbastanza da permettere il confronto tra i due gruppi senza che una pagina domini il risultato. Dieci o venti pagine simili sono un buon inizio per un primo test, anche se il numero giusto dipende da quanto variano i tuoi prompt.
