Κάποτε, η επιτυχία ενός site περιγραφόταν εύκολα: εμφανίζεσαι στη σελίδα αποτελεσμάτων αναζήτησης -όσο πιο ψηλά τόσο καλύτερα- και κάποιος κάνει κλικ. Γύρω από αυτή τη λογική χτίστηκε μια ολόκληρη βιομηχανία, το Search Engine Optimization (SEO), που βελτιώνει μια ιστοσελίδα ώστε να εμφανίζεται ψηλότερα στα δωρεάν (οργανικά) αποτελέσματα των μηχανών αναζήτησης, όπως η Google, αυξάνοντας την επισκεψιμότητά της.
Η ενσωμάτωση του ΑΙ στην αναζήτηση αλλάζει την κατάσταση. Όταν κάποιος ψάχνει κάτι, δεν παίρνει απαραίτητα μια λίστα με links. Βλέπει μια απάντηση, γραμμένη σε φυσική γλώσσα, στο Google ή σε LLMs, και πίσω από αυτή την απάντηση μπορεί να υπάρχουν άρθρα, sites, έρευνες και άλλες πηγές που το σύστημα επέλεξε να χρησιμοποιήσει και, σε ορισμένες περιπτώσεις, να εμφανίσει ως citations.
Έτσι γεννήθηκε ένας νέος όρος: Generative Engine Optimization, ή GEO. Αν το SEO προσπαθεί να κάνει μια σελίδα να εμφανίζεται ψηλά στα αποτελέσματα μιας μηχανής αναζήτησης, το GEO προσπαθεί να αυξήσει την πιθανότητα το περιεχόμενό της να εντοπιστεί, χρησιμοποιηθεί ή αναφερθεί από το AI.
Ο όρος GEO περιγράφει τη μετατόπιση: πώς να γίνεις η πηγή που το μοντέλο διαλέγει να παραθέσει, αντί για τον σύνδεσμο που κάποιος θα κάνει κλικ. Στο AI search, ο χρήστης μπορεί να μη χρειαστεί ποτέ να επισκεφθεί την πηγή, αφού η πληροφορία που αναζητά έχει ήδη συντεθεί μέσα στην απάντηση του μοντέλου. Αυτό σημαίνει ότι μια εταιρεία, ένας δημοσιογράφος ή ένας ανεξάρτητος publisher δεν ανταγωνίζεται μόνο για την πρώτη θέση σε ένα search result, αλλά και για το ποιος θα γίνει η πηγή της απάντησης στα αποτελέσματα του ΑΙ.
Ο όρος έγινε γνωστός το 2023 σε paper ερευνητών του Πρίνστον και του Georgia Tech. Πρόσφατη μελέτη πάνω στο θέμα ανήκει στον Νίκο Κούδα, καθηγητή Πληροφορικής στο Πανεπιστήμιο του Τορόντο, και τους συνεργάτες του Mahe Chen, Xiaoxuan Wang και Kaiwen Chen. Η ομάδα τους συνέκρινε συστηματικά πώς αντλούν πληροφορία οι μηχανές AI σε σχέση με το παραδοσιακό Google search, σε πολλαπλές κατηγορίες περιεχομένου, γλώσσες και παραλλαγές ερωτημάτων.
Τον πρώτο καιρό, η συζήτηση γύρω από το AI visibility βασιζόταν περισσότερο στην παρατήρηση. Οι εταιρείες έβαζαν ερωτήσεις στα μοντέλα, έβλεπαν ποια sites εμφανίζονταν στις απαντήσεις και προσπαθούσαν να καταλάβουν γιατί.
Σύμφωνα με τον Νίκο Κούδα, όμως, η κατανόηση του μηχανισμού έχει προχωρήσει σημαντικά. Εκεί όπου παλαιότερα μπορούσε κανείς κυρίως να μετρήσει πόσο συχνά αναφερόταν ένα brand ή αν η αναφορά ήταν θετική ή αρνητική, πλέον υπάρχει μεγαλύτερη κατανόηση των μηχανισμών που καθορίζουν ποιες πηγές εντοπίζονται και χρησιμοποιούνται από τα LLMs.
«Η κατανόησή μας για το πώς τα μεγάλα γλωσσικά μοντέλα επιλέγουν, παραθέτουν και βασίζονται σε πηγές έχει εξελιχθεί σημαντικά», λέει ο Κούδας στο WIRED Greece. Πριν από μερικά χρόνια, εξηγεί ο καθηγητής, παρακολουθούσαμε βασικούς δείκτες όπως η συχνότητα αναφοράς, χωρίς να είναι σαφές πώς αυτοί οι αριθμοί μεταφράζονται σε στρατηγική. «Σήμερα καταλαβαίνουμε καλά τους μηχανισμούς πίσω από το πώς τα μοντέλα παραθέτουν πηγές, κάτι που μας επιτρέπει να σχεδιάζουμε στρατηγικές που αποδεδειγμένα αυξάνουν την ορατότητα», συνεχίζει και σημειώνει πως «δεν πρόκειται για χειραγώγηση του συστήματος, αλλά για κατανόηση της δομής που χρειάζεται για να πετύχεις το επίπεδο ορατότητας που θέλεις.»
Αυτό έχει δημιουργήσει έναν νέο στόχο: όχι απλώς να δημιουργείς περιεχόμενο που είναι καλό για ανθρώπους ή για την Google, αλλά να δομείς την πληροφορία με τρόπο που επιτρέπει σε ένα LLM να την εντοπίσει, να την κατανοήσει και να την παραθέσει εύκολα.
Ο Κούδας εξηγεί ότι το GEO και το SEO απαιτούν διαφορετικές στρατηγικές. Η υψηλή κατάταξη μιας σελίδας στα παραδοσιακά search results «δεν εγγυάται αυτόματα AI visibility», όπως αντίστοιχα η παρουσία σε AI-generated απαντήσεις δεν εξασφαλίζει υψηλή θέση στην Google.
Tα δύο συστήματα χρησιμοποιούν διαφορετικά κανάλια διανομής και διαφορετικούς μηχανισμούς, άρα απαιτούν δύο θεμελιωδώς διαφορετικές στρατηγικές, με άλλα εργαλεία και τεχνικές. «Αντί να ανταγωνίζονται άμεσα, αλληλεπιδρούν με συμπληρωματικό τρόπο», λέει ο καθηγητής.
Τα AI systems παρουσιάζουν ήδη κάποιες μορφές citation bias (προκατάληψη όσον αφορά τις πηγές που αναφέρονται), σύμφωνα με τον Κούδα. Τα μεγάλα, αναγνωρίσιμα brands μπορεί να παίρνουν δυσανάλογα μεγάλο μερίδιο αναφορών από τις μηχανές AI.
Ο καθηγητής όμως εκτιμά ότι οι μικρότερες επιχειρήσεις και οι ανεξάρτητοι publishers έχουν ένα διαφορετικό πλεονέκτημα: την εξειδίκευση. Η λογική είναι παρόμοια με αυτή που ισχύει και στην παραδοσιακή επιχειρηματική στρατηγική, όπως λέει ο καθηγητής: «η διαφοροποίηση είναι το κλειδί». Αν δεν μπορείς να ανταγωνιστείς έναν τεράστιο aggregator σε όλο το φάσμα της πληροφορίας, μπορείς να ξεχωρίσεις σε ένα πολύ συγκεκριμένο πεδίο.
Ένα μικρό site που παράγει εξαιρετικά εξειδικευμένο και αξιόπιστο περιεχόμενο για ένα συγκεκριμένο θέμα μπορεί, επομένως, να έχει λόγο να εμφανίζεται σε απάντηση AI ακόμη και απέναντι σε πολύ μεγαλύτερους ανταγωνιστές του.
Το Internet που γνωρίζουμε έχει βασιστεί εδώ και δεκαετίες, σε μεγάλο βαθμό, στον τρόπο λειτουργίας μιας παραδοσιακής μηχανής αναζήτησης.
Τα generative engines βάζουν έναν ακόμη μεσάζοντα ανάμεσα στον χρήστη και την πληροφορία. Αν το AI απαντά στην ερώτησή σου αντί να σου δείχνει απλώς πού μπορείς να βρεις την απάντηση, τότε η επιλογή των πηγών γίνεται από μόνη της ένα νέο επίπεδο του Internet και αποκτά αξία το να βελτιστοποιήσεις τη θέση σου εκεί.
Η εμφάνιση του GEO δεν σημαίνει ότι το SEO εξαφανίζεται, ούτε ότι υπάρχει ένας μαγικός τρόπος για να κάνεις το ChatGPT ή το Gemini να αναφέρει το site σου συνεχώς. Σημαίνει, όμως, ότι, καθώς η αναζήτηση μετατρέπεται σταδιακά από λίστα αποτελεσμάτων σε απάντηση, αλλάζει και ο τρόπος με τον οποίο διεκδικείται η προσοχή στο διαδίκτυο.
Μπορείτε να διαβάσετε εδώ όλα τα explainers του WIRED Greece.
Με την εγγραφή σας, συμφωνείτε με τους Όρους Χρήσης μας (συμπεριλαμβανομένης της παραίτησης από ομαδικές αγωγές και των διατάξεων διαιτησίας) και αναγνωρίζετε την Πολιτική Απορρήτου μας.
