LinkedIn, yapay zeka tarafından oluşturulan arama sonuçlarında görünürlüğü neyin artırdığına ilişkin dahili testlerinden elde edilen bulguları yayınladı.
Bildirildiğine göre yapay zeka yanıtlarında en çok alıntı yapılan kaynaklar arasında yer alan şirket, Yüksek Lisans ve Yapay Zeka Genel Bakışlarındaki varlığını geliştirmek için neyin işe yaradığını paylaştı. Yapay zeka aramasına uyum sağlayan uygulayıcılar için bu, yoğun şekilde alıntı yapılan bir kaynağın neyi test edip ölçtüğüne nadir görülen bir bakış.
LinkedIn Dijital Pazarlama Direktörü Inna Meklin ve LinkedIn Organik Büyüme Grup Müdürü Cassie Dell, bir blog yazısında sonuç getiren taktikleri ayrıntılı olarak anlattılar.
İçerik Yapısı ve İşaretleme
LinkedIn, içeriği nasıl organize ettiğinizin Yüksek Lisans'ların onu çıkarıp çıkaramayacağını etkilediğini buldu. Yazarlar, başlıkların ve bilgi hiyerarşisinin önemli olduğunu, çünkü “içeriğiniz ne kadar yapılandırılmış ve mantıksal olursa, yüksek lisans öğrencilerinin anlaması ve yüzeye çıkması o kadar kolay olur” diye yazdılar.
Anlamsal HTML işaretlemesi de, net bir yapıyla LLM'lerin her bölümün ne işe yaradığını yorumlamasına yardımcı olan bir rol oynadı. Yazarlar buna “AI okunabilirliği” adını verdi.
Çıkarılan sonuç, içerik yapısının artık yalnızca bir kullanıcı deneyimi meselesi olmadığıdır. Doğru başlık hiyerarşisi ve temiz işaretleme, içeriğinizin alıntılanıp alıntılanmayacağını etkileyebilir.
Uzman Yazarlık ve Zaman Damgaları
LinkedIn'in testleri aynı zamanda güvenilirlik sinyallerine de işaret etti. Yazarlar şunu yazdı:
“LLM'ler, gerçek uzmanlar tarafından yazılan, açıkça zaman damgalı ve sohbete dayalı, içgörü odaklı bir tarzda yazılmış, güvenilirliği ve alakayı gösteren içerikleri tercih ediyor.”
Görünür kimlik bilgilerine ve net yayın tarihlerine sahip yazarların, LinkedIn testlerinde anonim veya tarihsiz içerikten daha iyi performans gösterdiği ortaya çıktı.
Ölçüm Değişikliği
LinkedIn, AI görünürlük yazılımını kullanarak farkındalık aşaması içeriği, alıntı paylaşımını, görünürlük oranını ve Yüksek Lisans bahsetmelerini takip etmek için trafiğin yanı sıra yeni KPI'lar ekledi. Şirket ayrıca, özellikle Yüksek Lisans odaklı ziyaretler için dahili analitiklerinde yeni bir trafik kaynağı oluşturduğunu ve CMS günlüklerinde LLM bot davranışını izlediğini söyledi.
Yazarlar ölçüm zorluğunu kabul etti:
“LLM yanıtlarındaki görünürlüğün sonuçları nasıl etkilediğini ölçemedik.”
Trafiği hâlâ birincil SEO ölçütü olarak raporlayan ekipler için burada bir boşluk var. Marka dışı bilgi içeriği siteniz yerine yapay zeka yanıtlarında giderek daha fazla tüketiliyorsa trafik, gerçek erişiminizi eksik sayabilir.
Bu Neden Önemli?
Dikkatimi çeken şey bunun yapay zeka platformlarının söyledikleriyle ne kadar örtüştüğü oldu.
SEJ'den Roger Montti yakın zamanda Perplexity'den Jesse Dwyer ile yapay zeka arama görünürlüğünü neyin artırdığı konusunda röportaj yaptı. Dwyer, Perplexity'nin içeriği tam sayfalar üzerinde düşünmek yerine ayrıntılı parçaları çekerek alt belge düzeyinde aldığını açıkladı. Bu, içeriği nasıl yapılandırdığınızın içeriğin çıkarılıp çıkarılmayacağını etkileyeceği anlamına gelir.
LinkedIn'in bulguları yayıncı açısından da aynı yöne işaret ediyor. Yüksek Lisans'lar içeriği parçalar halinde ayrıştırdığı için yapı ve işaretleme önemlidir. Uzman yazarlık ve zaman damgaları gibi LinkedIn'in belirlediği güvenilirlik sinyalleri, hangi parçaların ortaya çıkacağını etkiliyor gibi görünüyor.
Çokça alıntı yapılan bir kaynak ve bir yapay zeka arama platformu birbirinden bağımsız olarak aynı sonuçlara ulaştığında, spekülasyonun ötesinde üzerinde çalışabileceğiniz bir şey olur.
İleriye Bakış
Yazarlar, uygulayıcıların öğrenebileceği farklı bir zihniyeti benimsiyor:
“'Ara, tıkla, web sitesi' düşüncesinden uzaklaşarak yeni bir modele geçiyoruz: Görün, anıl, dikkate alın, seç.
LinkedIn, serinin 3. Bölümünün, sahip olunan içeriğin yapay zeka araması için optimize edilmesine, cevap bloklarını ve açık tanımları kapsayan bir kılavuz içereceğini belirtti.
Bir yanıt yazın