LinkedIn делится тем, что работает для видимости в поиске с использованием ИИ.

LinkedIn недавно поделился результатами собственных тестов о том, что делает результаты поиска, сгенерированные ИИ, более заметными для пользователей.

Купил акции на все деньги, а они упали? А Илон Маск снова написал твит? Знакомо. У нас тут клуб тех, кто пытается понять этот цирк и не сойти с ума.

Купить на падении (нет)

В недавнем посте в блоге Инна Меклин и Кэсси Делл из LinkedIn поделились стратегиями, которые они использовали для достижения успешных результатов. Инна — директор по цифровому маркетингу, а Кэсси управляет органическим ростом.

Структура и разметка контента

Исследования LinkedIn показывают, что способ структурирования вашего контента – использование чётких заголовков и логичного потока – напрямую влияет на то, могут ли модели ИИ находить и представлять информацию эффективно. По сути, хорошо организованный контент гораздо легче для ИИ понимать и распространять.

Использование хорошо структурированного HTML также помогло моделям ИИ понять назначение различных частей контента. Исследователи назвали это ‘AI readability’.

Уже недостаточно просто сосредотачиваться на том, насколько легко читается ваш контент. То, как вы его организуете с помощью заголовков и чистого кода, может фактически повлиять на то, признают и цитируют ли другие вашу работу.

Экспертное авторство и временные метки

Тестирование LinkedIn также указало на сигналы достоверности. Авторы написали:

Большие языковые модели, как правило, предпочитают информацию, которая выглядит надёжной и полезной. Этот контент обычно создаётся признанными экспертами, включает чёткие даты и написан естественным, увлекательным стилем, предлагающим ценные идеи.

В LinkedIn контент от авторов, которые чётко указывают своё имя, квалификацию и дату публикации, как правило, показывает лучшие результаты, чем контент без этой информации или с неясными датами.

Изменение измерения

Авторы признали сложность измерений:

«Мы просто не могли оценить, как видимость в ответах LLM влияет на конечный результат.»

Если ваша команда в основном фокусируется на трафике веб-сайта для измерения успеха SEO, вы можете упускать из виду общую картину. Поскольку все больше людей получают информацию непосредственно из AI инструментов, а не переходят на веб-сайты, цифры трафика могут неточно отражать, сколько людей на самом деле видят ваш контент.

Почему это важно

То, что привлекло моё внимание, — это то, насколько это совпадает с тем, что говорят сами AI-платформы.

В недавнем интервью Роджер Монтти из Search Engine Journal поговорил с Джесси Дуэром из Perplexity, чтобы обсудить, как ИИ влияет на ранжирование в поисковых системах. Дуэр объяснил, что Perplexity не анализирует целые веб-страницы; вместо этого он находит и использует конкретные, меньшие разделы контента. Это означает, что способ организации вашего контента – с использованием заголовков, списков и четких разделов – имеет решающее значение для того, включит ли Perplexity его в результаты поиска.

Исследование LinkedIn подтверждает, что то, как структурирован и размечен контент, имеет значение. Большие языковые модели (LLMs) разбивают контент на более мелкие части, и сигналы о достоверности – такие как автор материала и дата публикации – кажутся влияющими на то, какие части этого контента выделяются.

Заглядывая в будущее

Авторы придерживаются другого подхода, которому могут научиться практики.

Мы переходим от старого способа мышления – когда люди ищут, нажимают на ссылку и затем посещают веб-сайт – к новому подходу, ориентированному на видимость, узнаваемость, рассмотрение и, в конечном итоге, выбор со стороны клиентов.

LinkedIn объявил, что следующая часть их серии объяснит, как улучшить ваш существующий контент, чтобы он лучше ранжировался в поисковых системах на базе искусственного интеллекта, уделяя особое внимание блокам ответов и чётким определениям.

Смотрите также

2026-02-02 19:39