Une discussion sur LinkedIn sur la visibilité LLM et les outils pour le suivre ont exploré comment les SEO abordent l’optimisation pour la recherche basée sur LLM. Les réponses fournies suggèrent que les outils pour le référencement axé sur la LLM gagnent de la maturité, bien qu’il y ait un désaccord sur ce qui devrait être suivi exactement.
Joe Hall (Profil LinkedIn) a soulevé une série de questions est LinkedIn À propos de l’utilité des outils qui suivent la visibilité LLM. Il n’a pas explicitement dit que les outils manquaient d’utilité, mais ses questions semblaient destinées à ouvrir une conversation
Il a écrit:
«Je ne comprends pas comment ces systèmes qui prétendent suivre le travail de visibilité LLM.
Joshua Levenson (Profil LinkedIn) Else a répondu en disant que les outils de référencement d’aujourd’hui sont obsolètes, remarquant:
«Les gens utilisent l’ancien paradigme pour mesurer une nouvelle technologie.»
Joe Hall a répondu avec «Bingo!»
LLM SEO: « Pas aussi simple que d’ajouter ce mot-clé »
Lily Ray (Profil LinkedIn) a répondu pour dire que les entités sur lesquelles les LLM se replient sont un élément clé pour se concentrer.
Elle a expliqué:
« Si vous posez la même question à un LLM des milliers de fois par jour, vous pourrez en moyenne les entités qu’il mentionne dans ses réponses. Et puis répétez cela tous les jours. Ce n’est pas parfait mais c’est quelque chose. »
Hall lui a demandé comment cela était utile aux clients et Lily a répondu:
« Eh bien, il existe de nombreuses recommandations exploitables qui peuvent être glanées à partir des données. Mais c’est évidemment la partie difficile. Ce n’est pas aussi facile que » ajoutez ce mot-clé à votre balise de titre. «
Outils pour LLM SEO
Dixon Jones (Profil LinkedIn) a répondu par un bref commentaire pour présenter Waikayqui représente ce que l’IA sait sur vous. Il a déclaré que son outil utilise l’extraction des entités et des sujets et fonde ses recommandations et ses actions sur l’analyse des écarts.
Ryan Jones (Profil LinkedIn) a répondu pour discuter de la façon dont son produit Serprecon travaux:
«Il y a 2 façons de le faire. L’une – la façon dont je le fais sur Serprecon est d’utiliser les API pour surveiller les réponses aux requêtes, puis comme Lily l’a dit, extraire les entités, les sujets, etc.
L’autre façon est de surveiller les données du FAI et de voir combien de requêtes utilisateur réelles pour lesquelles vous avez réellement présenté. C’est super cher.
Toute autre méthode n’a pas beaucoup de sens. »
Et dans un autre article, a suivi plus d’informations:
«L’IA ne vous dit pas comment elle s’est éteint ou quelles autres questions il a fait. Les gens continuent de trouver des façons intelligentes dans l’onglet réseau de Chrome pour le voir, mais ils continuent de le changer tout aussi vite.
L’outil de vue d’ensemble de l’IA dans mon outil essaie de les insensés en utilisant la même logique / mathématiques que leurs brevets, mais il ne peut jamais être à 100%. »
Il a ensuite expliqué comment cela aide les clients:
« Cela nous aide dans le contexte de, si j’entre 25 requêtes, je veux voir qui s’affiche là-bas, et quels sujets ils mentionnent afin que je puisse essayer de m’assurer que je me présente là-bas si je ne le suis pas. C’est tout. Les gens qui mesurent le sentiment des réponses de l’IA ennuient l’enfer. »
Dix liens bleus n’ont jamais été statiques
Bien que Hall ait déclaré que les résultats de recherche «traditionnels» étaient statiques, contrairement aux résultats de recherche basés sur LLM, il faut souligner que les anciens résultats de recherche étaient dans un état de changement constant, en particulier après la mise à jour du colibri qui a permis à Google d’ajouter de nouveaux résultats de recherche lorsque la requête l’a exigée ou lorsque des pages Web nouvelles ou mises à jour ont été introduites sur le Web. De plus, les résultats de recherche traditionnels avaient tendance à avoir plus d’une intention, souvent jusqu’à trois, ce qui entraîne des fluctuations de ce qui est le classement.
Les LLM montrent également la diversité dans leurs résultats de recherche, mais, dans le cas des aperçus de l’IA, Google montre quelques résultats qui pour la requête, puis font la chose «fan-out» pour anticiper les questions de suivi qui suivent naturellement dans le cadre de la découverte d’un sujet.
Billy Peery (Profil LinkedIn) a offert un aperçu intéressant des résultats de la recherche LLM, suggérant que la sortie présente un degré de stabilité et n’est pas aussi volatile que communément cru.
Il a offert cette perspicacité vraiment intéressante:
«Je suppose que je ne suis pas d’accord avec l’idée que les SERP étaient toujours statiques.
Avec les LLM, nous sommes en mesure de mieux comprendre quelles sources ils tirent pour répondre aux questions. Ainsi, même si les mots spécifiques changent, la probabilité du modèle de retirer des sources et de mentionner les marques est beaucoup plus statique.
Je pense que les personnes qui disent que les LLM sont trop volatiles pour l’optimisation sont trop axées sur la formulation exacte, par opposition aux sources et aux mentions de marque. »
Peery fait un excellent point en notant que certains SEO peuvent être suspendus à la correspondance exacte des mots clés («libellé exact») et que peut-être la chose la plus importante sur laquelle se concentrer est de savoir si le LLM est lié et mentionnant des sites Web et des marques spécifiques.
Emporter
La sensibilisation aux outils LLM pour suivre la visibilité est en croissance. Les spécialistes du marketing parviennent à un accord sur ce qui devrait être suivi et comment cela profite aux clients. Bien que certains remettent en question la valeur stratégique de ces outils, d’autres les utilisent pour identifier les marques et les thèmes mentionnés, ajoutant ces données à leur mélange de référencement.
Image en vedette par Shutterstock / TierneyMJ
Commentaires