Trzy różne mechanizmy w jednym worku

Zanim cokolwiek wdrożę, ustalam z klientem, o którym z trzech zjawisk rozmawiamy, bo wymagają zupełnie innej pracy.

• Wiedza z treningu modelu — to, co model „pamięta” z danych, na których się uczył. Tego nie zoptymalizujesz w żadnym rozsądnym horyzoncie: zbiory treningowe są zamknięte, a data odcięcia wiedzy sięga miesięcy w tył. Jeśli marka jest w takim zbiorze obecna, to dzięki temu, co o niej napisano gdzie indziej, a nie dzięki układowi Twojej strony.

• Pobranie treści na bieżąco w trakcie rozmowy — ChatGPT od października ma własne wyszukiwanie, Gemini opiera odpowiedzi na wynikach Google, Perplexity od początku działa na zasadzie „znajdź i streść”. To jedyny z trzech mechanizmów, na który praca nad treścią wpływa w krótkim terminie.

• Generatywne podsumowania w samej wyszukiwarce — AI Overviews. Google rozszerzył je na ponad sto krajów, ale polskich wyników to na dziś nie dotyczy, więc dla firmy sprzedającej w Polsce jest to temat na zapas, nie problem bieżący.

Praktyczny wniosek: kiedy klient mówi „chcę być w AI”, zwykle ma na myśli punkt drugi. I dobrze, bo tylko tam mam narzędzia.

Jak asystent składa odpowiedź z kawałków

Mechanika jest z grubsza znana i nie jest tajemnicą. System dostaje pytanie, wyszukuje dokumenty, dzieli je na porcje tekstu, wybiera kilka najbliższych zapytaniu i na ich podstawie formułuje zdania. Dopiero na końcu dokłada odnośniki do źródeł.

Wynika z tego kilka rzeczy, które zmieniają sposób pisania. Po pierwsze, oceniana jest porcja tekstu, nie cały dokument. Artykuł może być świetny jako całość i nie dostarczyć ani jednego akapitu, który da się użyć samodzielnie.

Po drugie, porcja trafia do modelu bez nagłówka nadrzędnego, bez menu i bez tego, co napisałeś trzy akapity wyżej. Akapit zaczynający się od „ta metoda ma trzy wady” jest bezużyteczny, bo nikt nie wie, o jaką metodę chodzi.

Po trzecie, wybór fragmentów odbywa się na podstawie podobieństwa znaczeniowego, nie dopasowania słów. Upychanie synonimów nic tu nie daje. Daje natomiast nazywanie rzeczy wprost i konsekwentnie — jeśli w jednym akapicie piszę „kampania produktowa”, a w drugim „kampania zakupowa” i „PLA”, rozmywam sygnał bez żadnego zysku.

Akapit, który da się wyjąć ze strony

To jest sedno całej pracy i zajmuje mi najwięcej czasu przy redakcji.

Piszę akapity domknięte znaczeniowo. Podmiot nazwany, nie zastąpiony zaimkiem. Jedna myśl na akapit. Jeśli akapit odpowiada na pytanie, odpowiedź stoi w pierwszym zdaniu, a rozwinięcie w kolejnych — nie odwrotnie.

Nagłówki formułuję jako pytania albo jasne stwierdzenia i pilnuję, żeby zdanie zaraz pod nagłówkiem faktycznie na to pytanie odpowiadało. Sekcja otwierana zdaniem „zanim przejdziemy dalej, warto zrozumieć kontekst” jest z punktu widzenia takiego wyciągania fragmentów pusta.

Definicje piszę osobno i w jednym zdaniu, nawet jeśli dla czytelnika brzmi to podręcznikowo. Krótka, samodzielna definicja to fragment, który system może wziąć bez ryzyka przekręcenia sensu, i praktycznie za każdym razem, gdy sprawdzam takie odpowiedzi, widzę w nich właśnie takie zdania.

Unikam też odsyłania w treści do „powyższej tabeli” czy „poprzedniego rozdziału”. Dla człowieka to naturalne, dla mechanizmu pobierającego pojedynczy kawałek tekstu — martwe odniesienie.

Fakty, liczby i to, kiedy zostały ustalone

Fragmenty z konkretem wygrywają z fragmentami ogólnymi, ale konkret bez opisu jest gorszy niż jego brak, bo bardzo łatwo zostaje przekręcony.

Trzymam się kilku nawyków. Każdą liczbę opisuję w tym samym zdaniu: czego dotyczy, w jakiej jednostce, za jaki okres i skąd pochodzi. Zamiast „koszt wzrósł o kilkanaście procent” piszę, o jakim koszcie mowa i w porównaniu z czym. Zamiast „obecnie”, „ostatnio” i „od niedawna” wpisuję miesiąc i rok, bo tekst będzie czytany również za rok.

Nazwy własne podaję w pełnej formie przy pierwszym użyciu i tylko wtedy dokładam skrót. To nudne, ale bez tego fragment z samym skrótem jest nierozpoznawalny.

Gdy powołuję się na cudze ustalenie, nazywam autora w zdaniu, a nie tylko w linku. Odnośnik może nie przetrwać przetworzenia treści, nazwa instytucji przetrwa. Ta sama zasada ratuje mnie zresztą przy zwykłym cytowaniu w mediach.

Dostęp, render i dane strukturalne

Najlepiej napisany akapit nie istnieje, jeśli robot go nie pobierze. Ta część jest banalna, a mimo to najczęściej wywraca cały pomysł.

• Treść w HTML odpowiedzi serwera. Jeżeli tekst dokłada się dopiero skryptem po stronie przeglądarki, część systemów pobierających stronę go nie zobaczy. Sprawdzam to najprościej — podglądam kod źródłowy dokumentu i szukam w nim swoich zdań.

• Nagłówki w kolejności i jeden H1. Struktura dokumentu jest dla mechanizmu cięcia tekstu wskazówką, gdzie kończy się jedna myśl, a zaczyna druga.

• Dane strukturalne, ale bez nadziei na cud. Nikt z dostawców modeli nie potwierdził, że schema.org wpływa na wybór źródła. Wdrażam je dlatego, że porządkują ten sam zestaw informacji — autora, datę, typ treści — i przydają się w klasycznym wyszukiwaniu.

• Autor i data widoczne w treści, nie tylko w metadanych. Fragment z podpisem i datą łatwiej przypisać.

Osobna sprawa to reguły w robots.txt dla robotów zbierających dane dla modeli. Bywa, że klient blokuje je jedną ręką, a drugą pyta, dlaczego go w odpowiedziach nie ma — piszę o tym w oddzielnym tekście, bo decyzja nie jest oczywista.

llms.txt i inne propozycje, które nic jeszcze nie zmieniają

We wrześniu 2024 Jeremy Howard z Answer.AI opublikował propozycję pliku llms.txt — uporządkowanego spisu treści witryny w formacie zrozumiałym dla modeli. Pomysł jest sensowny i przyjął się w dokumentacjach technicznych.

Ważne jest jednak to, czego wokół niego nie ma. To propozycja jednej osoby, nie standard żadnej organizacji, i żaden duży dostawca modeli ani żadna wyszukiwarka nie potwierdziła, że ten plik czyta. Traktuję go więc jak eksperyment o niskim koszcie: jeśli klient ma rozbudowaną dokumentację, wystawienie takiego pliku nikomu nie szkodzi, ale nie sprzedaję tego jako elementu strategii.

Tak samo podchodzę do pomysłów w rodzaju osobnych „wersji dla AI” podstron czy stron generowanych wyłącznie pod modele. Widziałem propozycje takich wdrożeń i nie znam ani jednego przypadku, w którym ktoś pokazał, że to zadziałało. Ryzyko za to jest realne — duplikacja treści i cienkie podstrony to problemy, które w klasycznym wyszukiwaniu mamy opisane od lat.

Zasada, którą stosuję: wdrażam rzeczy, które mają wartość także wtedy, gdy o modelach zapomnimy. Wszystko inne to zakład o cudze plany produktowe.

Co z tego da się sprawdzić

Uczciwie: bardzo niewiele, i uważam, że to najważniejsze zdanie w całym tekście.

Nie ma raportu pokazującego, ile razy asystent powołał się na Twoją stronę. Wyniki są niestabilne — to samo pytanie zadane dwa razy daje inne odpowiedzi i inne źródła, a wpływ ma też historia rozmowy i kraj.

Robię więc trzy rzeczy, wiedząc, że każda jest przybliżeniem. Prowadzę stałą listę kilkunastu pytań, które zadałby klient tej firmy, i przechodzę ją co miesiąc w kilku narzędziach, zapisując zrzuty. Sprawdzam w analityce ruch z domen asystentów — jest go mało, ale kierunek zmiany coś mówi. I obserwuję liczbę wyszukiwań brandowych w Search Console, bo jeśli ktoś usłyszał nazwę w rozmowie z asystentem, często wpisze ją potem w wyszukiwarkę.

Żaden z tych pomiarów nie jest dowodem. Dlatego całą tę pracę pozycjonuję u klienta tak, jak wygląda: to porządek w treści, który i tak trzeba zrobić, z możliwym dodatkowym zwrotem.