"Компания Profound является лидером в категории измерения GEO и AEO, привлекла 96 миллионов долларов венчурного капитала и обслуживает более 700 корпоративных клиентов, включая 10% компаний из списка Fortune 500. AthenaHQ — наиболее технически совершенный конкурент. На этой неделе Profound опубликовала подробное сравнение своей платформы с AthenaHQ.
Сравнение интересное. Но это неправильная конкурентная модель. Обе платформы измеряют, может ли ИИ увидеть ваш бренд — частоту упоминаний при первом запросе, долю упоминаний ИИ, частоту упоминаний бренда на основных платформах. Это реальные и измеримые сигналы. Но они не связаны с коммерческим результатом, который бренды получают, инвестируя в повышение видимости с помощью ИИ.
Коммерческий результат — эффективность рекомендаций по покупке, основанных на ИИ, — определяется на 3-м и 4-м этапах последовательности покупки. Ни Profound, ни AthenaHQ не измеряют его. Не потому, что они решили этого не делать, а потому, что для его измерения требуется принципиально иная методология: структурированные четырехэтапные последовательности покупки, которые имитируют полный процесс совершения покупки и классифицируют состояние бренда на каждом этапе.
...
Категория GEO и AEO измеряет частоту цитирования, поскольку частота цитирования измерима, может быть улучшена в короткие сроки и представлена ​​в виде отчета на панели мониторинга. Результаты рекомендаций на этапе принятия решения требуют структурированной методологии анализа последовательности покупки — проведения полного процесса покупки, классификации состояния бренда на каждом этапе, записи дословных критериев, примененных моделью на третьем этапе, и расчета дохода, подверженного риску, на основе результатов анализа. Это отличается от подсчета цитирований. Это не функция, которую можно добавить к платформе мониторинга — это другой продукт.
...
GEO оптимизирует тот показатель, который она может улучшить. Вопрос о том, улучшает ли это коммерческий результат — эффективность рекомендаций по покупке с помощью ИИ — не задается, поскольку на него нельзя ответить с помощью созданной в рамках категории инфраструктуры измерения."

"В качестве альтернативы Google может интерпретировать атрибут title в качестве текста ссылки, если в теге <a> по-какой-либо причине нет текста."

"Чтобы помочь вам максимально эффективно использовать ваш ресурс Google Analytics, мы представляем «Task Assistant», который предоставляет персонализированные рекомендации, которые помогут вам оптимизировать конфигурацию и улучшить сбор данных."

"В состав DCN входят многие крупные американские медиаорганизации, в том числе Associated Press, BBC Studios, Bloomberg, Conde Nast, Dow Jones, Financial Times, Fox News, The Guardian, Hearst, The Independent, NBC Universal, News Corp, The New York Times, Paramount, NPR, Vox Media и The Washington Post.
Компания DCN заявила суду, что «предоставление агентам искусственного интеллекта нерегулируемого доступа к защищенному контенту и системам угрожает общественному доступу к информации, подрывая инвестиции в журналистику».
DCN заявила суду: «Члены DCN, занимающиеся выпуском новостей, вкладывают огромные ресурсы в создание высококачественной журналистики и предпринимают шаги для защиты этого контента».
«Если издатели не смогут эффективно предотвращать доступ к контенту со стороны агентов искусственного интеллекта, используемых сторонними коммерческими организациями, они не смогут защитить потоки доходов, поддерживающие журналистику. В современном цифровом пространстве поставщикам контента необходимо иметь возможность обеспечивать безопасный доступ к своему контенту, чтобы привлекать рекламодателей и увеличивать количество платных цифровых подписок»."

"Как впервые сообщило агентство Bloomberg , вчера News/Media Alliance (NMA), представляющая интересы ведущих новостных издателей, направила письмо в Common Crawl с требованием прекратить несанкционированный сбор и хранение контента на архивном сайте, а также разработать дополнительные протоколы для предотвращения использования контента издателей из своей базы данных компаниями, занимающимися искусственным интеллектом."

"1. Каждый ответ в режиме ИИ имеет фиксированное ядро и карусель . Для 86% всех запросов существует стабильное ядро, включающее несколько областей; остальные меняются со скоростью 89% в неделю. Поэтому вопрос с GEO заключается не в том, «нахожусь ли я в ответе?», а в том, «нахожусь ли я в ядре или в карусели?».
2. Три платформы, три архитектуры. AI Overviews остаются полностью стабильными чуть более чем в половине запросов; ответы в AI Mode меняются на 56% в неделю, а в ChatGPT — на 74%. Объединение платформ в одну группу скорее скрывает, чем раскрывает суть.
3. Домены брендов закреплены. Для 43% запросов к бренду собственный домен бренда присутствует во всех 17 неделях, в то время как сопутствующие упоминания меняются со скоростью 70% в неделю. Бренды остаются цитируемыми. Те, которые находятся рядом с брендом, будут заменены другим сайтом на следующей неделе.
4. Новости — это билет в один конец . Только 1,4% новостных статей, цитируемых в качестве источников, остаются в наборе цитируемых материалов навсегда. Любой, кто планирует свою стратегию цитирования на основе редакционного новостного контента, делает неправильный выбор. Вечно актуальный контент, как правило, сохраняется лучше.
5. Дрейф цитирования носит глобальный и устойчивый характер. Показатели дрейфа стабильно остаются на уровне 54–59% в шести странах и не демонстрируют признаков стабилизации в течение 17-недельного периода. Это не временный эффект, который исчезнет, а структурная особенность платформ."

"Причина, по которой не так легко применять ИИ повсюду в поиске, заключается в том, что модели функционируют как черный ящик. Вы не всегда понимаете, что происходит внутри. Это сложный набор нейронных сетей. Линейные модели проще всего понять и отладить, потому что вы не можете просто внедрить свою систему ИИ или машинного обучения в поиск и получить максимальную выгоду от параллельных экспериментов.
...
Затем вы доберетесь до чего-то и запустите это, но у вас возникнут проблемы и с этим, потому что, возможно, системы развивались, поисковые запросы развивались и так далее. И тогда вам потребуется отладить это и заменить (в какой-то момент). А такая замена и изменения — это сложный процесс. Поэтому чем лучше вы понимаете, как все это работает, какие сигналы вы используете, какие сигналы важны для релевантности, качества и безопасности результатов, тем легче будет отлаживать. Таким образом, вам необходимо понимать систему, и чем сложнее системы ИИ или машинного обучения, тем сложнее это сделать"