googleupdate

Как digital-маркетолог, я тщательно изучил недавнее масштабное исследование OpenAI об использовании ChatGPT. Я проанализировал все данные и выделил ключевые выводы, которые наиболее важны для нас, чтобы вам не пришлось тратить часы на самостоятельное чтение. Я делюсь тем, что узнал, чтобы сэкономить ваше время и помочь нам всем более эффективно использовать ChatGPT.

TL;DR

1. LLM не заменяют поиск. Но они меняют то, как люди получают доступ к информации и потребляют её.
2. Запросы, основанные на поиске информации (49%) и выполнении действий (40%), доминируют на рынке и постоянно улучшают свое качество.
3. Три основных варианта использования – Практические рекомендации, Поиск информации и Написание – составляют 80% всех бесед.
4. Издателям необходимо создавать линк-активы, которые добавляют ценность. Нельзя просто гнаться за трафиком из статей.

Чат-боты 101

Как цифровой маркетолог, я часто объясняю чат-ботов как, по сути, машины предсказаний. Они создаются с использованием огромного количества данных, чтобы научиться отвечать на то, что люди вводят – по сути, они учатся на примерах. Вы даете им вводные данные, и они предсказывают наиболее вероятный текстовый ответ. Это как если бы они имитировали то, что они ‘видели’ раньше.

Более сложные чат-боты обучаются в несколько этапов. Первый этап, часто называемый «предварительным обучением», включает в себя обучение чат-бота угадывать следующее слово в предложении.

Они настолько же надёжны, насколько и неинтересны, и это абсолютно нормально. Я предпочитаю, чтобы мои повара были снисходительны, пилоты — сосредоточены, а люди, управляющие моими финансами, были настолько консервативны, что могли бы легко стать экологическими активистами.

На втором этапе модели становятся более усовершенствованными. Во время ‘post-training’ они учатся давать высококачественные ответы на вопросы. Используются такие методы, как обучение с подкреплением, чтобы научить модель оценивать свои собственные ответы и улучшать их.

Подобно дрессировке собаки с помощью угощений и корректировок, большие языковые модели учатся, получая положительную обратную связь за хорошие ответы и отрицательную за плохие.

Изначально, модель создает базовое, внутреннее понимание информации. Затем, она уточняет это понимание для создания наиболее эффективного ответа.

Несколько слов о температуре.

Если вы не настроите параметр ‘temperature’, большая языковая модель будет выдавать абсолютно одинаковый результат каждый раз, когда ей дают один и тот же ввод и используют те же обучающие данные.

Когда установлено более высокое значение (около 1.0), модель становится более изобретательной и непредсказуемой. Более низкие значения (ближе к 0) заставляют её сосредоточиться на точности и давать более прямые, ожидаемые результаты.

Лучшая настройка температуры зависит от того, что вы делаете. Для кодирования используйте более низкую температуру, ближе к нулю. Для творческого письма или генерации контента лучше работает более высокая температура, ближе к единице.

Я обсуждал это ранее в своей статье о создании бренда после подъема ИИ. Однако я также настоятельно рекомендую ознакомиться с этим отличным руководством о шкалах температуры и о том, как они влияют на пользователей больших языковых моделей.

Что говорят нам данные?

Большие языковые модели не собираются заменять поисковые системы в ближайшее время, и, на мой взгляд, даже близко к этому. Недавнее исследование от Semrush на самом деле показало, что люди, которые используют LLM *больше*, также склонны к большему количеству традиционных поисков. Это подтверждает предположение о том, что LLM расширяют, а не заменяют, способы поиска информации людьми, скорее всего, верно.

Эти новые технологии кардинально изменили то, как мы находим и используем информацию. Разговорные интерфейсы особенно ценны, особенно в профессиональной среде.

1. Руководство, Поиск Информации и Написание Доминируют

Большинство бесед с роботами укладываются всего в три категории: выполнение задач, запрос информации и просьба о помощи в написании текста – что часто приводит к невыразительному и лишенному креативности результату.

Признаю, большинство запросов, которые я получаю, связаны с полировкой уже написанного текста. Однако, если я обнаружу, что текст был создан ИИ, я почувствую себя обманутым, и я не ценю обман.

2. Использование не связанное с работой растет.

• Нерабочие сообщения выросли с 53% от общего объема использования до более 70% к июлю 2025 года.
• LLMs стали привычными. Особенно когда дело касается помощи нам в принятии правильных решений. Как на работе, так и вне её.

3. Письмо — самое распространённое применение на рабочем месте.

• Написание является наиболее распространенным вариантом использования в работе, составляя в среднем 40% рабочих сообщений в июне 2025 года.
• Примерно две трети всех сообщений, создаваемых при письме являются запросами на изменение существующего текста пользователя, а не на создание нового текста с нуля.

Я знаю многих людей, которые используют инструменты искусственного интеллекта, такие как LLMs, для улучшения написания электронных писем. Немного разочаровывает видеть, что основной способ использования этих инструментов не связан ни с чем особенно воображаемым или инновационным, и мне почти жаль энтузиастов технологий, которые их создали.

4. Меньше кодирования

• Запросы по компьютерному кодированию составляют относительно небольшую долю, всего 4,2% от всех сообщений.
• Это кажется очень контринтуитивным, но специализированные боты, такие как Claude, или инструменты, такие как Lovable, являются лучшими альтернативами.
• Это важный момент. Специализированное использование LLM будет расти и, вероятно, доминировать в определенных отраслях, поскольку они смогут разрабатывать более качественные результаты. Специализированное обучение стилю на втором этапе создает гораздо более превосходный продукт.

Стоит помнить, что исследования показывают, что люди используют большие языковые модели различными способами, поэтому картина не так проста, как кажется. И, по мере развития технологии, мы можем ожидать, что эти способы использования будут продолжать меняться.

5. Мужчины больше не доминируют

• Ранние последователи были непропорционально мужского пола (около 80% с типично мужскими именами).
• Это число снизилось до 48% к июню 2025 года, при этом активные пользователи теперь немного чаще имеют типично женские имена.

Да, мужчины, конечно, не идеальны. Исторически мы часто были слишком охочи до борьбы и склонны брать на себя инициативу. Приятно видеть, что сейчас ситуация становится более сбалансированной.

6. Запросы и выполнение доминируют.

• 89% всех запросов связаны с вопросами и действиями.
• 49% Спрашивают и 40% Действуют, всего лишь 11% для Выражения.
• Сообщения с запросами росли быстрее, чем сообщения о действиях, за последний год, и оцениваются как более качественные.

7. Отношения и личные размышления не являются заметными.

• Существует ряд исследований, утверждающих, что LLM стали личными терапевтами для людей (см. выше).
• Однако, отношения и личные размышления составляют лишь 1,9% от общего количества сообщений, согласно OpenAI.

8. Кровавая Молодежь (*Shakes Fist*)

• Почти половина всех сообщений, отправленных взрослыми, была от пользователей младше 26 лет.
• Это совпадает с исследованиями Кевина Индига о том, как различные демографические типы потребляют AI Overviews. Молодые люди a) более склонны доверять ему и b) более склонны внедрять его.

Основные выводы

Я не думаю, что большие языковые модели разрушат издательское дело. Это правда, что они не привлекают трафик на наши сайты и теперь требуют подписки для отображения источников — что раздражает. Но мы не должны ожидать подачек от технологических компаний в любом случае.

Это гонка на Луну, и мы – собака, которую они отправили на тестовый полёт.

Если вы издатель, который сформировал свой голос, лояльную аудиторию и некоторую узнаваемость бренда, вы должны быть в состоянии адаптироваться. Однако, сканирование поисковыми системами становится все более агрессивным.

Ключевой вывод для издателей из этих данных — изменение того, чего пытаются достичь пользователи. Традиционно мы классифицировали эти цели как навигационные (поиск конкретного сайта), информационные (получение знаний), коммерческие (изучение продуктов) и транзакционные (совершение покупки).

Теперь у нас есть Doing. Или Generating. И это огромно.

SEO по-прежнему ценно для издателей, но простого создания контента уже недостаточно. Разумно изучить преимущества ИИ, но также важно сохранять контроль и не полагаться на него полностью.

Как SEO-эксперт, я всегда думаю о том, что действительно выделяет контент. Для меня это создание вещей, подобных BBC Verify — контента, который действительно ценен и не может быть легко воспроизведён ИИ. Это означает сосредоточение внимания на глубоких репортажах, полезных инструментах и ресурсах для обмена. Самое главное — это заметное представление подлинных идей и мнений реальных экспертов — это то, что укрепляет доверие и авторитет в Интернете.

Поддержание высокого качества в масштабе – это сложная задача. Программный SEO и полезные инструменты могут принести значительные преимущества, особенно когда они последовательно отвечают на то, *что* пользователи пытаются сделать. Чтобы действительно выделиться, нам нужно создавать ресурсы, которые предлагают ценность, превосходящую уже доступную.

Как цифровой маркетолог, я обнаружил, что если вы ориентируетесь на более молодую аудиторию — или на ту, которая склонна быть более доверчивой — вам действительно нужно подчеркивать подлинность и строить эту связь. Речь идет о том, чтобы встретить их там, где они есть, и говорить на их языке.

Смотрите также

• Анализ динамики цен на криптовалюту NEXO: прогнозы NEXO

• Какой самый низкий курс евро к венгерскому форинту?

• Какой самый низкий курс доллара к швейцарскому франку?

• Какой самый низкий курс доллара к венгерскому форинту?

• Анализ динамики цен на криптовалюту TAO: прогнозы TAO

• Какой самый низкий курс евро к юаню?

• Какой самый низкий курс индийской рупии к рублю?

• 25 Альтернативных Поисковых Систем, Которые Вы Можете Использовать Вместо Google

• Анализ динамики цен на криптовалюту RENDER: прогнозы RENDER

• Анализ динамики цен на криптовалюту ALGO: прогнозы ALGO

2025-10-01 18:41

• Не люблю хвастаться, но должен сказать, что я очень горжусь тем, что занял 4-е место на G50 SEO World Championships на прошлой неделе.
• Я выступаю на NESS, глобальном саммите по SEO для новостей и редакционного контента, 22 октября. Читатели Growth Memo получают скидку 20% по коду «kevin2025»

На протяжении долгого времени, ссылки с других веб-сайтов были ключевым фактором, определяющим, насколько заметен веб-сайт в результатах поиска.

Мы понимаем, что ссылки важны для обнаружения в результатах поиска на основе искусственного интеллекта. Однако, точное влияние этих ссылок на системы искусственного интеллекта, такие как Google’s AI Overviews, Gemini и ChatGPT, остается в значительной степени неясным.

Поиск на основе искусственного интеллекта меняет то, как веб-сайты находятся в сети, и компании теперь соревнуются за то, чтобы занять видное место в этих новых результатах, сгенерированных ИИ.

Как цифровой маркетолог, я постоянно задаюсь вопросом, важны ли обратные ссылки для позиций в поисковой выдаче, особенно сейчас, когда ИИ играет все более важную роль. Речь идет не только о том, важны ли они *вообще*, но и о том, *какие* обратные ссылки действительно помогают нам быть замеченными этими новыми поисковыми системами на базе ИИ.

До появления больших языковых моделей обратные ссылки были критически важны для ранжирования в поисковых системах. Этот анализ изучает, сохраняют ли они ту же силу в эпоху поисковых систем на основе искусственного интеллекта.

Я работал с Semrush, чтобы изучить 1000 веб-сайтов, анализируя, как часто они говорили об AI и сравнивая это с их данными о обратных ссылках.

Данные выявили четыре четких вывода:

1. Авторитет, полученный за счет обратных ссылок, помогает, но это не все.
2. Качество связи важнее количества.
3. Самым удивительным образом, ссылки с атрибутом nofollow действительно имеют вес.
4. Ссылки на изображения могут повлиять на авторитет.

Эти результаты проливают свет на то, как ИИ ранжирует веб-сайты, и они раскрывают стратегии, которые маркетологи могут использовать для повышения видимости своего сайта в результатах поиска.

Здесь мы расскажем о том, как проводили наши исследования, основных выводах из данных и, для наших платных участников, конкретных рекомендациях – полных сравнительных тестов производительности – чтобы помочь вам применить эти результаты.

Методология

Этот анализ рассматривает, как часто искусственный интеллект (ИИ) обсуждается на выборке из 1000 веб-сайтов. Данные поступают из AI SEO Toolkit от Semrush, который отслеживает поисковую видимость, связанную с ИИ, и веб-аналитику.

Вместе с командой Semrush я изучил количество упоминаний в:

• ChatGPT.
• ChatGPT с активированным поиском.
• Gemini.
• AI Обзоры от Google.
• Perplexity.

Мы не включили Claude.ai в этот анализ, потому что его пользователи обычно больше сосредоточены на создании контента, чем на поиске в интернете.

Мы проанализировали Долю Голоса и частоту упоминаний ИИ на ранее упомянутых платформах, рассматривая эти метрики наряду с количеством обратных ссылок, которые имел каждый сайт.

• Общее количество обратных ссылок.
• Уникальные домены-ссылки.
• Следуйте по ссылкам.
• Ссылки nofollow.
• Показатель авторитетности (метрика Semrush, далее именуемая Ascore).
• Текстовые ссылки.
• Ссылки на изображения.

Как понять этот анализ: корреляция данных Пирсона против Спирмена

Этот анализ исследовал взаимосвязь между переменными в данных, используя два метода: корреляцию Пирсона и корреляцию Спирмена.

Если вы знакомы с этими понятиями, перейдите к следующему разделу, где мы погрузимся в результаты.

Для всех остальных я разложу это по полочкам, чтобы у вас было лучшее понимание представленных ниже выводов.

Корреляции Пирсона и Спирмена — это оба способа измерения силы связи между двумя вещами. Оба приводят к числу между -1 и +1, где значения, близкие к -1 или +1, указывают на более сильную связь.

Корреляция наиболее сильна, когда коэффициент близок к +1 или -1, что указывает на четкую взаимосвязь. Коэффициент, близкий к 0, предполагает слабую или отсутствующую связь между переменными.

• Коэффициент корреляции Пирсона (Pearson’s r) измеряет силу и направление линейной связи между двумя переменными. Pearson рассматривает линейную корреляцию по данным, используя исходные значения. Этот способ измерения чувствителен к выбросам. Но, если связь имеет криволинейный характер или пороги, Pearson недооценивает ее.
• ρ (ро) Спирмена измеряет силу и направление монотонной связи, или то, движутся ли значения последовательно в одном или противоположном направлении, необязательно по прямой линии. Спирмен смотрит на ранговую корреляцию по данным. Он спрашивает, имеет ли тенденцию более высокий X сопровождаться более высоким Y; корреляция Спирмена спрашивает: «Когда что-то увеличивается, обычно ли увеличивается и другое?». Это корреляция, которая более устойчива к выбросам и учитывает нелинейные, монотонные закономерности.

Разрыв между коэффициентами корреляции Пирсона и Спирмена может означать, что приросты нелинейны.

По сути, определённый уровень должен быть достигнут, прежде чем X начнёт оказывать влияние на Y — это не происходит мгновенно.

Рассмотрение как коэффициентов корреляции Пирсона, так и Спирмена помогает определить, существует ли эффект порога – то есть, связь между вещами слабая до достижения определенного уровня, после которого она становится намного сильнее.

Вот быстрый пример того, что может показать анализ, включающий оба коэффициента:

Вложение небольшой суммы, например, 500 долларов, в рекламу, вероятно, не окажет существенного влияния на продажи. Однако, как только вы начнете тратить около 5000 долларов в месяц на рекламу, вы, вероятно, увидите стабильный рост продаж.

И это конец вашего урока статистики на сегодня.

Вывод 1: Авторитет имеет значение для упоминаний ИИ, но это лишь часть головоломки.

Мы начали с изучения того, как количество ссылок, указывающих на веб-сайт, связано с его видимостью в поисковых результатах на основе искусственного интеллекта.

Вот что показали данные:

• Показатель авторитетности имеет умеренную связь с Долей голоса (SoV): Пирсон ~0.23, Спирмен ~0.36.
• Более высокая власть означает более высокую SoV, но выгоды распределяются неравномерно. Существует порог, который необходимо преодолеть.
• Авторитетность поддерживает видимость, однако она не объясняет большую часть различий. Это означает, что обратные ссылки оказывают влияние на видимость в AI, но есть и другие факторы, такие как ваш контент, восприятие бренда и т.д.

Также, количество уникальных доноров ссылок имеет большее значение, чем общее количество обратных ссылок.

В целом, ваш веб-сайт будет ранжироваться выше и получать больше видимости, если он получает ссылки с широкого спектра веб-сайтов, а не большое количество ссылок только с нескольких источников.

Вывод 2: Качество > Количество

Наш анализ показал наиболее значительную связь между Authority Score веб-сайта и частотой его упоминаний. Мы обнаружили корреляцию 0.65, используя метод Пирсона, и 0.57, используя метод Спирмена.

Вот как Semrush определяет показатель Authority Score:

Ascore – полезный индикатор качества обратных ссылок, хотя и не является идеальной мерой. Большие языковые модели оценивают качество по-разному, но наши данные показывают, что Ascore от Semrush – надежный способ его оценить.

В то время как большинство AI-моделей считают эту метрику важной для определения релевантной информации, ChatGPT Search и Perplexity склонны уделять ей меньше внимания, чем другие.

Удивительно, но обычный ChatGPT (без активированного поиска) весит Ascore больше всего среди всех моделей.

Как человек, который разрабатывает веб-сайты и отслеживает метрики на протяжении многих лет, я неоднократно замечал такую закономерность: авторитет действительно имеет значение, и это не устойчивый рост. Мы обнаружили, что медианное количество упоминаний — по сути, как часто о сайте говорят — значительно возрастает, когда вы попадаете в топ 10% сайтов, увеличиваясь примерно с 21.5 упоминаний до почти 79. Это не линейный рост; самые значительные улучшения происходят, когда вы действительно начинаете утверждаться как авторитет — в данном случае, как мы это измеряем, с помощью того, что мы называем Ascore. Незначительные улучшения не приносят большой пользы, важно достигать этих более высоких пороговых значений.

Дециль разделяет набор данных на десять равных групп. Представьте, что вы сортируете все свои точки данных от наименьшей до наибольшей — дециль представляет каждый 10% сегмент этих отсортированных данных.

Вывод 3: Nofollow ссылки оказывают такое же влияние, как и обычные ссылки.

Главный вывод из этого исследования заключается в том, что использование тега ‘nofollow’ в ссылках, вероятно, не имеет существенного значения.

Важно понимать ценность ‘nofollow’ ссылок, поскольку их, как правило, проще получить, чем ссылки, передающие авторитет (‘follow’ ссылки).

Вот ключевое различие между большими языковыми моделями (LLMs) и поисковыми системами, такими как Google: Google уже учитывает ссылки, отмеченные как ‘nofollow’, но мы не знали *в какой степени* или *с какой целью* — для простого понимания веб-страниц или для влияния на поисковые рейтинги.

Значительные улучшения обычно становятся заметными только тогда, когда вы входите в топ-30% игроков. До этого вы не заметите большой разницы.

Перейдите по ссылкам → Упоминания:

• Пирсон 0.334, Спирмен 0.504

Ссылки nofollow → Упоминания:

• Пирсон 0.340, Спирмен 0.509

С другой стороны, AI Overviews от Google и Perplexity придавали наибольшее значение стандартным ссылкам и наименьшее — ссылкам, помеченным как ‘nofollow’.

И интересно, что Gemini и ChatGPT придают наибольший вес nofollow ссылкам (больше, чем обычным follow ссылкам).

Мне интересно, придает ли новая модель Gemini от Google большее значение ссылкам с атрибутом ‘nofollow’, чем предполагалось ранее. Аналогично, я подозреваю, что Bing, использующий ChatGPT, также может придавать этим ссылкам больший вес, возможно, после того, как увидел потенциальный сдвиг Google. Однако, это всего лишь идея на данный момент, и у меня нет никаких доказательств, подтверждающих это.

Вывод 4: Ссылки на изображения работают так же хорошо – а иногда и лучше.

Помимо текстовых обратных ссылок, мы также протестировали, имеют ли обратные ссылки на изображения тот же вес.

И в некоторых случаях они имели более тесную связь с упоминаниями, чем с текстовыми ссылками.

Но насколько сильный?

• Изображения против упоминаний: Пирсон 0.415, Спирмен 0.538
• Ссылки на текст против упоминаний: Пирсон 0.334, Спирмен 0.472

Ссылки на изображения действительно начинают приносить пользу, как только у вас уже есть определенный авторитет.

• Начиная с середины децильных слоев и выше, взаимосвязь становится положительной, затем усиливается и становится наиболее сильной в верхних децилях.
• В низких децилях Ascore (децили 1 и 2) связь между изображениями → упоминаниями слабая или отрицательная.

Если вы хотите, чтобы о вашем контенте говорили больше людей на Perplexity или Search-GPT, добавление изображений особенно эффективно.

• Изображения коррелируют с упоминаниями больше всего о недоумении и поиске-GPT (Spearman ≈ 0,55 и 0,53), а затем CHATGPT/Gemini (≈ 0,49-0,52), затем Google-AI (≈ 0,46).

Смотрите также

• Анализ динамики цен на криптовалюту NEXO: прогнозы NEXO

• Какой самый низкий курс евро к венгерскому форинту?

• Какой самый низкий курс доллара к швейцарскому франку?

• Какой самый низкий курс доллара к венгерскому форинту?

• Анализ динамики цен на криптовалюту TAO: прогнозы TAO

• Какой самый низкий курс евро к юаню?

• Какой самый низкий курс индийской рупии к рублю?

• 25 Альтернативных Поисковых Систем, Которые Вы Можете Использовать Вместо Google

• Анализ динамики цен на криптовалюту RENDER: прогнозы RENDER

• Анализ динамики цен на криптовалюту ALGO: прогнозы ALGO

2025-10-01 16:42