SEO Sprendimai | Kaip optimizuoti savo svetainę, kad atsirasti ChatGPT ir kituose DI atsakymuose
Verslininkas paieškoje įveda: “geriausia buhalterinė programa mažam verslui Lietuvoje.” ChatGPT pateikia atsakymą su keturiais konkrečiais sprendimais – ir jo įmonė ten nėra, nors jis turi aštuonmečę patirtį šioje nišoje ir gerai reitinguojančią svetainę Google organinėje paieškoje. Kitą dieną tas pats klausimas Perplexity AI – ir vėl jo nėra. Konkurentas, turintis silpnesnį SEO, bet aktyvesnę eksperto poziciją internete, minimas trijuose iš keturių atsakymų.
Tai AEO – Answer Engine Optimization – problema, ir ji skiriasi nuo tradicinio SEO labiau, nei daugelis tikisi.
Perskaitę žinosite, kaip LLM sistemos nusprendžia, ką cituoti, kokios konkretūs svetainės ir turinio signalai padidina tikimybę patekti į DI atsakymus ir kur šis optimizavimas dar neduoda patikimų rezultatų.
Čia svarbu suprasti techninį skirtumą tarp dviejų skirtingų DI sistemų, nes jų optimizavimo logika skiriasi.
Statiniai LLM modeliai – tokie kaip ChatGPT be interneto prieigos – remiasi treniravimo duomenimis, sukauptais iki tam tikros datos. Jie “žino” apie jūsų verslą tik tiek, kiek jūsų informacija pateko į tuos treniravimo duomenis – dažniausiai iš svetainių, Wikipedia, žiniasklaidos straipsnių ir kitų viešų šaltinių. Jei jūsų verslas nebuvo minimas pakankamai dažnai pakankamai autoritetingose vietose iki atitinkamos datos – statinis modelis apie jus tiesiog nežino.
RAG sistemos – Perplexity AI, Bing Copilot, Google AI Overviews – veikia kitaip: jos realiu laiku ieško internete (Retrieval-Augmented Generation), parenka šaltinius ir generuoja atsakymą remdamosi tuo, ką randa šiandien. Čia jūsų svetainės indeksavimas ir autoritetingumas veikia kaip tiesioginis signalų šaltinis.
Šis skirtumas keičia optimizavimo strategiją: ChatGPT reikalauja ilgalaikio reputacijos kūrimo, Perplexity – efektyvaus šiandieninio SEO ir citavimų profilio.
Pirmoji pozicija Google organinėje paieškoje ir citavimas ChatGPT atsakyme yra du skirtingi laimėjimai – ir jų koreliacija silpnesnė, nei norėtume tikėti.
Stanford University Computational Journalism Lab 2024 m. tyrime buvo nustatyta, kad Perplexity AI citavo šaltinius, kurie reitinguojasi organinėje paieškoje 10–30 pozicijoje, dažniau nei ta pačia tema pirmoje pozicijoje esančius puslapius – jei tie žemiau esantys puslapiai turėjo tikslesnius, struktūrizuotus atsakymus į klausimą. Tai reiškia: DI sistemoms svarbu ne tik pozicija, bet ir atsakymo tikslumas bei struktūra.
Google AI Overviews elgiasi panašiai – jie dažnai renkasi ne aukščiausiai reitinguojantį šaltinį, o tą, kuris pateikia tiesiausią ir struktūriškai aiškiausią atsakymą į konkrečią užklausą.
DI sistemų požiūriu autoritetas nėra abstrakcija. Jis formuojamas iš kelių konkrečių signalų.
Turinio gylis ir plotis – svetainė, kuri apima temą nuosekliai ir giliai, DI sistemos vertina kaip teminį autoritetą (topical authority). Jei jūsų svetainė turi vieną straipsnį apie buhalterinę programinę įrangą, bet konkurento svetainė apima visus susijusius aspektus – 15 straipsnių apie funkcinę specifiką, 8 palyginimus, aktualius kainos pokyčius – DI sistemoms antroji svetainė atrodo kaip gilesnis šaltinis.
Išorinis citavimas – paminėjimai kituose šaltiniuose yra vienas stipriausių DI matomumo signalų. Kai žurnalistai, sektorių leidiniai, asociacijos ar kiti autoritetingi šaltiniai mini jūsų vardą ar įmonę, tie paminėjimai tampa LLM treniravimo duomenimis arba RAG sistemų paieškos rezultatais. Tai semantinis artimumas tarp jūsų entity ir sektoriaus temos – ir jis kaupiamas laikui bėgant.
Brand entity atpažinimas – Google Knowledge Graph ir DI sistemos traktuoja aiškiai identifikuojamus subjektus (žmones, įmones, produktus) kitaip nei anoninį turinį. Jei jūsų įmonė turi stiprų Google Knowledge Panel, Wikipedia straipsnį arba dažnai cituojama autoritetinguose šaltiniuose – DI modeliai ją atpažįsta kaip patikimą entity, o ne kaip vieną iš daugelio neidentifikuojamų svetainių.
RAG tipo DI sistemos, ieškančios šaltinių realiu laiku, interpretuoja tiek teksto turinį, tiek HTML struktūrą. Struktūrizuoti duomenys čia atlieka du vaidmenis.
Pirma – jie padeda DI sistemai suprasti, kas yra kas. Organization schema su aiškiu įmonės pavadinimu, adresu ir kontaktais sukuria mašiniškai skaitomą identifikatorių, kurį DI gali susieti su entity. Person schema su autoriaus vardu, profesija ir citatomis iš kitų šaltinių stiprina autoriaus identiteto atpažinimą.
Antra – FAQ schema ir HowTo schema tiesiogiai atitinka tai, kaip DI atsakymai struktūrizuojami. Klausimas + trumpas, tiesioginis atsakymas yra natūrali DI atsakymo formatavimo forma, ir puslapis su šia struktūra HTML lygmeniu yra lengviau apdorojamas nei lygus tekstinis blokas.
Stebimas dėsningumas, dirbant su skirtingų nišų turinio optimizavimu: puslapiai su FAQ schema ir aiškia klausimo-atsakymo struktūra tekste cituojami DI sistemose dažniau nei turiningesnio, bet mažiau struktūrizuoto teksto puslapiai. Tai ne prielaida – tai pastebimas modelis.
Žmonės DI sistemoms pateikia klausimus kitaip nei Google paieškos laukeliui. Google: “buhalterinė programa SME.” ChatGPT: “Kuri buhalterinė programa tinkamiausia mažam verslui su iki 10 darbuotojų, kuris dirba tiek su juridiniais, tiek su fiziniais asmenimis?”
Konversacinė paieška yra ilgesnė, kontekstualesnė ir tikslesnė. Tai reiškia, kad turinys, optimizuotas DI atsakymams, turi atsakyti į konkrečius, niuansuotus klausimus – ne tik į pagrindinį raktažodį.
Praktinis metodas: kiekvienam svarbiausiam turinio puslapiui sudarykite 8–12 klausimų, kuriuos potencialus klientas galėtų užduoti DI sistemai apie jūsų produktą ar paslaugą. Tada patikrinkite, ar jūsų puslapyje yra tiesioginiai atsakymai į tuos klausimus – ne užslėpti tarp paragrafo sakinių, o aiškiai suformuluoti. Kiekvienas atsakymas turi būti suprantamas be prieigos prie likusio puslapio konteksto – nes DI dažnai traukia fragmentą, ne visą puslapį.
Tradiciniame SEO atgalinės nuorodos yra authority signal. DI sistemoms mencionai – paminėjimai be nuorodos – turi lygiavertę ar net didesnę reikšmę.
Kai žurnalistas straipsnyje mini jūsų įmonę be nuorodos, tas paminėjimas tampa LLM treniravimo duomenų dalimi arba RAG paieškos rezultatu. DI sistema mato asociaciją tarp jūsų pavadinimo ir temos – ir tai kaupiasi. Šis signalas veikia kaip reputacinis svoris, nepriklausantis nuo nuorodos technikos.
Kryptys, kurios didina paminėjimų skaičių: ekspertinio komentaro teikimas žurnalistams per HARO (Help A Reporter Out) tipo sistemas, aktyvus dalyvavimas sektoriaus konferencijose su viešais pranešimų įrašais, straipsniai pramonės leidiniuose su autoriaus vardu, akademiniai ar tyrimų šaltiniai, kuriuos kiti cituoja.
2024 metais Anthropic (Claude kūrėjai) ir keli kiti žaidėjai pradėjo diskusiją apie llms.txt failą – robots.txt tipo standartą, skirtą DI modeliams nurodyti, kurį svetainės turinį jie gali naudoti treniravimui ar RAG paieškoje.
Šis standartas dar nėra oficialiai priimtas kaip universalus, bet kai kurios platformos jau jį palaiko. Svetainėms, kurios nori aktyviai dalyvauti DI atsakymuose, llms.txt failas leidžia nurodyti, koks turinys yra prieinamas DI sistemoms ir kokio formato atsakymai pageidaujami.
Tai ne tas pats kaip robots.txt – robots.txt gali blokuoti DI šliaužimą, bet tai dažnai reiškia ir mažesnę tikimybę patekti į atsakymus. Protinga strategija čia nėra blokavimas, o turinio prieinamumo optimizavimas.
Atvirai – ir tai svarbu žinoti prieš investuojant laiką.
DI sistemų sprendimai dėl citavimo yra mažiau nuspėjami nei Google algoritmų. Google reitingavimas turi dešimtmečių auditą ir pakankamą skaidrumą, kad SEO specialistai galėtų numatyti pokyčius su pagrįstu tikimybių įvertinimu. DI citavimas – ne. ChatGPT gali minėti jūsų konkurentą dešimt kartų ir jūsų nė vieno – ne dėl to, kad konkurentas padarė kažką specifiškai geriau, o dėl to, kaip treniravimo duomenys buvo surinkti tam konkrečiam modelio apmokymui.
Be to: DI atsakymai Lietuvos rinkoje kol kas yra riboto poveikio. Lietuviška auditorija DI paieškos įrankius naudoja žymiai mažiau nei angliškai kalbančios rinkos – ir tai reiškia, kad DI matomumo investicijų grąža šiandien yra mažesnė nei anglų kalba veikiančio verslo. Tai nesikeičia per savaitę, bet keičiasi per metus.
Du keliai, priklausomai nuo jūsų situacijos.
Jei SEO pagrindai dar netvarkingi – Google organinė paieška vis dar generuoja daugiau verslo Lietuvos rinkoje nei visos DI sistemos kartu. AEO optimizavimas be stipraus SEO pagrindo yra kaip pastatas be pamatų – teoriškai galimas, praktiškai brangiai atsieinantis ir nestabilus. Tvarkykite SEO pirma.
Jei SEO tvarkingas – pradėkite nuo topical authority audito. Atidarykite ChatGPT ar Perplexity AI ir pateikite 5 klausimus, kuriuos potencialus jūsų klientas galėtų užduoti apie jūsų sektoriaus paslaugas Lietuvoje. Stebėkite, kokie šaltiniai cituojami. Jei jūsų nėra – žiūrėkite, kas yra, ir analizuokite, kokiais išorinio citavimo signalais tie šaltiniai pasižymi.
Per artimiausias 30 dienų atlikite vieną testą kas savaitę: pateikite tą patį klausimą Google AI Overviews ir Perplexity AI, ir stebėkite, ar jūsų svetainė minima. Jei ne – sekite, kokie šaltiniai atsiranda nuosekliai, ir analizuokite jų turinio struktūrą bei išorinio citavimo modelį. Tas stebėjimas per mėnesį suteiks daugiau realios informacijos apie tai, kaip šios sistemos veikia jūsų nišoje Lietuvoje, nei bet koks teorinis vadovas.
SEO Sprendimai stebi DI paieškos sistemų poveikį Lietuvos verslo matomumui ir integruoja AEO principus į turinio bei techninę SEO strategiją. Susisiekite, jei norite sužinoti, kaip jūsų verslas šiuo metu rodomas DI atsakymuose – ir ką galima pakeisti.
