Mythes over LLM-zichtbaarheid: schema, llms.txt en vermeldingen

De schema-vraag, langzaam

Schema.org-markup beschrijft een pagina op een machineleesbare manier. Eenvoudig. Google heeft gezegd dat gestructureerde gegevens niet vereist zijn voor AI-functies, hoewel het nog steeds helpt bij rich results, wat op zich een goede reden is om het toe te voegen.

Of het modellen direct voedt, is onbekend. Niemand buiten de leveranciers weet het. We zouden het op de saaie manier testen: markeer de helft van een reeks vergelijkbare pagina's, laat de andere helft leeg en log citaten voor acht weken.

Practitioners melden gemengde ervaringen, waaronder veel stilte na volledige markup. Stilte is data. Begraaf het niet onder een andere ronde tags.

Auteurprofielen en 'expert'-credentials krijgen dezelfde behandeling. Ze helpen lezers te beslissen of ze je vertrouwen, wat op zich al een reden is genoeg, en geen enkele studie die we hebben gezien toont aan dat een model een pagina prefereert omdat er een bio aanwezig was.

Versheid komt elke keer naar voren. Pagina's met een recente update-datum verschijnen vaak in AI-antwoorden over nieuwsachtige onderwerpen, en Google gebruikt al lang versheid voor zoekopdrachten die dat verdienen. Toch is het bijwerken van een datum zonder de inhoud te veranderen een gewoonte waarop we niet zouden vertrouwen, en Google heeft gezegd dat hij dat niet op prijs stelt.

Vermeldingen: de goedkopere inzet

Als een model tekst leest, kan een duidelijke beschrijving van je merk op andere sites relevant zijn, zelfs zonder link. Het vinden van dergelijke pagina's is gewone outreach-werkzaamheden.

Begin met je eigen merknaam. Zoek ernaar, filter sites die al linken uit, en lijst de rest op. Vraag dan om een link of een eenvoudigere beschrijving. Tools zoals Ahrefs en Semrush hebben vermeldingsmeldingen, en onze link-profile pull toont wie linkt naar de concurrenten waar je jaloers op bent.

Een laatste waarschuwing over bureaus. Het verkopen van LLM-zichtbaarheidsaudits is een nieuwe bedrijfstak, en sommige rapporten zijn dun. Vraag wat er is bemonsterd, wanneer, en wat hun conclusie had kunnen veranderen.

Niets van dit maakt markup zinloos. Het zegt dat het beweerde effect niet is gemeten. Besteed een uur, geen kwartier, en houd je hoofdinspanning op pagina's die mensen echt willen lezen.

Wat schema wel doet

Markup heeft echte taken, zelfs als de AI-vraag open blijft. Het is de moeite waard om die taken in gedachten te houden, zodat een nulresultaat voor citaten niet wordt verward met een nulresultaat voor alles.

Rich results en geschiktheid

Gestructureerde gegevens kunnen een pagina geschikt maken voor rich result-functies in klassieke Google-zoekopdrachten, waar de markup wordt gelezen en gecontroleerd. Dat voordeel is concreet en hangt niet af van een bewering over AI-antwoorden.

Als je markup om die reden toevoegt, valideer het dan met een rich results-testtool voordat je publiceert. Beschouw elk effect op AI-antwoorden als een bonus die je niet hebt gemeten.

Parsering en duidelijkheid

Markup stelt feiten vast in een vast formaat, zoals een productnaam, een auteur of een datum. Een parser die de pagina leest, kan die velden overnemen zonder te raden. Die duidelijkheid helpt elk hulpmiddel dat werkt vanuit de structuur van de pagina.

Duidelijkheid is niet hetzelfde als citaat. Een pagina kan eenvoudig te parseren zijn en nooit worden geciteerd, en een andere kan worden geciteerd zonder enige markup.

Wat het niet laat zien

Schema is geen lijst van stemmen die modellen tellen. We hebben geen gecontroleerde studie gezien die markup alleen verbindt met een verandering in citaten, dus iedereen die een sprong belooft, moet de steekproef erachter tonen.

Stilte na het toevoegen van markup is een normaal uitkomst van een test. De volgende sectie legt uit waarom dit kan gebeuren zonder dat de markup nutteloos is.

Waarom mensen geen verandering zien

LLM-zichtbaarheid hangt van veel dingen tegelijk af, en een enkele verandering valt zelden op. Houd dat in gedachten voordat je een resultaat oordeelt.

De hefboom zit misschien elders

De kansen van een pagina om te worden geciteerd, hangen af van de crawlbaarheid, de inhoud, de links en de zoekopdracht zelf. Markup raakt er een van. Als alles anders hetzelfde blijft, kan een verandering alleen in markup te klein zijn om te zien.

Beschuldig de markup niet voordat je de basiscontroles uitvoert. Bevestig dat de pagina is geïndexeerd, en dat de tekst in de HTML verschijnt en niet alleen nadat een script is uitgevoerd.

Query fan-out stuurt mensen elders heen

Sommige practitioners beschrijven query fan-out, waarbij één vraag meerdere sub-zoekopdrachten wordt. Als dat is hoe een modellen bronnen verzamelt, kan de pagina die je hebt gemarkeerd worden geciteerd voor een sub-query die je nooit hebt bijgehouden. Dat is een reden waarom een check met één prompt misleidend kan zijn.

Neem een paar sub-vragen op in je promptset, en registreer welke pagina's voor elk verschijnen.

Meet voordat je conclusies trekt

Een resultaat heeft een steekproef en een baseline nodig. Acht weken aan gelogde prompts, gesplitst in twee groepen, is een bescheiden test die nog steeds verkeerd kan zijn. Schrijf de beperkingen naast het resultaat.

Publiceer ook de nullen. Een test die niets vond, is nog steeds nuttig voor de volgende persoon die dezelfde vraag stelt.

Rendering en wat modellen kunnen lezen

Tekst is het materiaal waar een modellen mee werkt, dus de vraag wat het kan lezen is het waard om te testen in plaats van aan te nemen.

Inhoud die verschijnt na een script

Sommige inhoud verschijnt pas nadat een script is uitgevoerd. Of een bepaalde assistent die inhoud kan zien, is iets dat je kunt testen. Vergelijk de tekst die een assistent citeert met wat een gewone HTML-fetch retourneert.

Als de geciteerde tekst ontbreekt in de gewone HTML, hangt de pagina af van rendering. Dat is het waard om te weten voordat je enige markup toevoegt.

Markup gelezen als tokens

Sommige practitioners betogen dat modellen JSON-LD opsplitsen in tokens en de structuur verliezen, dus de markup voegt weinig toe. Het argument is plausibel, en voor zover wij weten is het niet getest. Geen van beide kanten heeft het aangetoond met een eerlijke steekproef.

Behandel het als een hypothese voor je eigen test, niet als een regel om aan te halen in een klantrapport.

Vragen over markup en AI-antwoorden

Een paar vragen die naar voren komen zodra mensen beginnen met het testen van markup op hun eigen pagina's.

Moet ik schema verwijderen als het niet helpt bij AI-antwoorden?

Niet op basis van dit bewijs. Markup dient nog steeds klassieke zoekfuncties en maakt een pagina duidelijker voor parsers. Verwijder het alleen als het fout is, verouderd of misleidend.

Is een llms.txt-bestand een uur waard?

Mogelijk, als een goedkope experiment. Het voorstel dateert van september 2024, en we hebben geen grote leverancier gezien die bevestigt dat het het bestand leest, dus verwacht geen zichtbaar resultaat.

Helpen auteurprofielen bij citaten?

Geen enkele studie die we kennen toont dat. Bio's kunnen lezers helpen een pagina te beoordelen, wat een redelijke reden is om ze te behouden, maar elk citaateffect is niet getest.

Hoeveel pagina's moet een test bevatten?

Genoeg dat de twee groepen kunnen worden vergeleken zonder dat één pagina het resultaat domineert. Tien tot twintig vergelijkbare pagina's is een redelijk begin voor een eerste test, hoewel het juiste aantal afhangt van hoe veel je prompts variëren.