Vstupenka do AI vyhledávání: Bez sjednocení klíčových údajů o značce to nepůjde

Vyhledávací systémy umělé inteligence vytahují na světlo zastaralá data z různých koutů internetu, a jakmile narazí na nejednotná fakta, sdělí člověku o firmě to, co nejlépe vyhovuje jeho dotazu. Nebo mu ji raději neukážou vůbec, protože nemají jistotu. Podívejte se, jak hlídat a dávat do pořádku řetězec důkazů o značce v celém širém online světě.

Informací není málo. Naopak

Značky většinou vnímají svou viditelnost v prostředí AI jako čistě obsahovou záležitost. Tak to ale není. Chybné nebo nepravdivé informace v LLM modelech neopravíte tím, že budete na web sázet další a další autoritativní stránky, přidávat sekce s často kladenými dotazy, psát srovnávací články a dokola vysvětlovat fungování produktu, jen tentokrát možná s o něco větším citem.

Když umělá inteligence poskytne člověku nepřesné údaje o značce, není to ve většině případů kvůli tomu, že by jí chyběla data. Problém spočívá v jejich přebytku. O firmě koluje příliš mnoho verzí pravdy, jenže ta verze, která nejlépe odpovídá na dotaz uživatele, už dávno neplatí.

Webové stránky tvrdí jednu věc. Starý PDF leták říká jinou. V produktové dokumentaci zůstala terminologie nepoužívaná už dva roky. V medailoncích vedení figurují funkce, které už neexistují, a partnerské weby popisují dávno změněné vlastnosti značky. Některá tato tvrzení jsou jednoduše chybná. Jiná sice byla v momentě publikace naprosto přesná, ale to bylo před lety a dnes už neodpovídají skutečnosti.

Tradiční vyhledávač vysázel několik takových stránek a nechal na uživateli, aby si sám přebral, co je ještě aktuální. Jenže vyhledávače řízené AI si načtou různé dostupné zdroje a ze získaných dat poskládají jedinou univerzální odpověď. Odpověď, která bude působit naprosto neotřesitelně a přesvědčivě, i když podklady stojí totálně na vodě.

Takže nejde jen o tvorbu obsahu. Je to otázka vyhledávání i správy dat a umělá inteligence z ní udělala zásadní výzvu pro moderní SEO budující autoritu značky.

Podoba dotazu rozhoduje o tom, kterou verzi pravdy stroj vytáhne

Když se někdo AI asistenta na něco zeptá, tak tímto svým dotazem (promptem) určí rámec i velkou část klíčových slov, která systém použije při hledání podkladů. Umělá inteligence sice může otázku mírně přeformulovat nebo spustit několik dalších souvisejících vyhledávání najednou, pořád se ale primárně snaží odpovědět na to, co člověk opravdu napsal.

Problém nastává ve chvíli, kdy dotaz obsahuje předpoklad, o kterém uživatel netuší, že už dávno neplatí. Když chce vědět Kdo je CEO [společnosti]?, automaticky počítá s tím, že tato firma nějakého CEO pořád má. Tazatel neví, že by se měl raději ptát, kdo řídí značku v současné době, jestli vedení nepřešlo pod mateřskou společnost, nebo jaká nová pozice převzala odpovídající odpovědnost a jaké jméno k ní patří.

Vyhledávání postavené na názvu firmy a zkratce CEO bude přirozeně upřednostňovat stránky, kde se přesně toto spojení vyskytuje. Staré medailonky, tiskové zprávy, rozhovory, profily z konferencí nebo oznámení o akvizicích tak mohou strojům dokola předhazovat jméno bývalého šéfa. Stránka se současným vedením přitom dost možná používá jinou terminologii a CEO se na ní vůbec nenachází. Nové podklady mohou obsahovat výraz jako generální ředitel, prezident značky, Senior Vice President nebo jiný titul, který uživatele při psaní dotazu ani nenapadlo použít.

Jestliže zdroje popisující nynější strukturu vedení nepropojují zcela zřetelně tuto novou realitu se starým názvoslovím, nemusejí se do výsledků vyhledávání ani dostat. Umělá inteligence zkrátka nemůže citovat zdroj, který při hledání neobjevila. To znamená, že "vyhraje" stará informace, protože dokonale odpovídá formulaci dotazu. Opravdovou momentální realitu AI ve své odpovědi nezohlední.

Skutečný případ jedné (anonymní) firmy

Existuje konkrétní společnost (a určitě ne jediná), která má data v takovém stavu, že když se umělé inteligence zeptáte, kdo je jejím CEO, dokáže vám model v odpovědi jmenovat kteréhokoliv ze čtyř bývalých (!) manažerů. Žádné jméno přitom nebylo "vycucané z prstu". Všichni tito lidé danou funkci v určitém období skutečně zastávali a firma dodnes provozuje historicky přesné stránky, které tyto role dokumentují.

Jenže současná podniková struktura má pro vedoucí pozice zcela odlišné názvy. Stránka s přehledem týmu označuje nového nejvyššího manažera jako Senior Vice Presidenta a generálního manažera, zatímco popis širšího vedení na stránce o historii firmy hovoří o seniorních ředitelích pro vývoj a produkt. Aby toho nebylo málo, tak stránky mateřské organizace uvádějí manažery odpovědné za celou divizi, pod kterou firma spadá. Ani jedna z těchto informací však není formulovaná tak, aby ji systém vyhodnotil jako přímou odpověď na dotaz Kdo je CEO [společnosti]?.

Na profilu současného manažera stojí titul Senior Vice President a generální manažer, ale v úvodním textu na některých podstránkách je stále titulován jako generální ředitel. Stránka s historií uchovává jména bývalých CEO i s přesným obdobím jejich působení, takže když člověk položí na první pohled jednoduchý dotaz, spustí vyhledávání cílící na několik výslovných zmínek o CEO. Ovšem dnešní skutečnost je úplně jiná.

Je to trochu zamotané, ovšem když jde z rozdílných informací hlava kolem člověku, tak stroj se v nich už vůbec nedokáže vyznat. Jedná se tak o podstatně hlubší problém než jen o rychlou úpravu stránky O nás. Už samotný prompt v sobě totiž obsahuje zastaralý pohled na fungování firmy.

Jestliže současné zdroje přímo a jednoznačně nepropojí takový způsob dotazování s novou strukturou podniku, vyhledávač bude dál vytahovat stará klíčová slova a osoby, které s nimi byly spjaté.

Aktuální informace musejí odpovídat i na staré varianty dotazů

Jak v takovém případě dát data do pořádku? Instinktivní reakcí bývá publikovat novou stránku o vedení a doufat, že se oprava do výstupů umělé inteligence propíše sama. Někdy to může pomoci, ale pouhé publikování ještě neznamená opravdovou nápravu. Aktuální přesné informace schované za nesprávné názvosloví mohou pro lidi a jejich dotazy zůstávat dál neviditelné. Pokud se vás to týká také, potřebujete mít takzvaný přemosťující obsah, který dokáže přímo propojit přežitý jazyk s nynější realitou.

V příkladu s vedením firmy tak věta, kterou musíte publikovat, abyste záznamy spravili, nezní pouze: Karel Novák je Senior Vice President a generální manažer. Měla by znít spíš takto: Po akvizici už [společnost] nemá samostatnou pozici CEO. Karel Novák nyní řídí [společnost] z pozice Senior Vice Presidenta a generálního manažera v rámci [mateřské organizace].

Takový přístup se potkává se čtenářem přesně v místě, kde vzniká nedorozumění. Obsahuje:

• Původní starou roli.
• Vysvětlení, proč už neplatí.
• Jasné pojmenování dnešní varianty.

Vyhledávacím AI systémům tak poskytujete podklad, který reaguje na slovo CEO, ale přitom tento titul nepřiřazuje někomu jinému. Úplně stejný princip platí při přejmenovávání produktů, rušení tarifů, slučování firem, platnostech certifikací, změnách spádových oblastí nebo přesouvání funkcí.

Nespoléhejte na to, že zákazníci nový název znají tak dobře, aby ho sami vyhledávali. Vždycky jasně publikujte vazbu mezi výrazem, který lidé stále používají, a novou realitou, která jej nahradila.

Dejte do pořádku celý řetězec důkazů, ne jenom nejnovější stránku

Jakmile v odpovědích AI narazíte na nepřesné či zavádějící informace o firmě, rozklíčujte jejich původ zpětně přes citované zdroje a výsledky vyhledávání, o které se opírá. Vaším cílem je odhalit kompletní datovou stopu, která k chybné odpovědi vedla. Nepravdy se nezbavíte tím, že ji zkusíte "pohřbít" pod novou vrstvu čerstvě publikovaných stránek.

• Vlastní webové stránky můžete aktualizovat, sloučit, přesměrovat nebo doplnit o vysvětlující poznámky.
• Staré tiskové zprávy nebo oznámení nepřepisujte a netvařte se, že historie byla jinak. Přidejte k nim čerstvé datum s upozorněním na změnu stavu nebo s odkazem na aktuální podklady.
• Z úvodních odstavců profilů současného vedení odstraňte někdejší funkce a tituly.
• Opravte nesrovnalosti v partnerských adresářích a aktivních profilech.
• PDF brožury či prodejní materiály, které už neodpovídají realitě, stáhněte z oběhu nebo zřetelně označte jako archivní.

U článků a zmínek na webech třetích stran je potřeba postupovat opatrněji. Nemůžete po redaktorovi chtít, aby přepsal pět let starý reportážní text jen proto, že se struktura vaší firmy od té doby změnila. Můžete mu ale maximálně usnadnit dohledání aktuální verze a požádat o úpravu záznamů také oborové adresáře, katalogy nebo důležité partnerské profily, od kterých se očekává čerstvost a autoři z nich čerpají.

Někdy bývá tou nejsilnější obsahovou strategií prostá oprava starého obsahu, o kterém už ani nevíte, že ho na webu máte.

Prověrka viditelnosti značky nestačí. Potřebujete mít pod palcem její prezentaci

Tradiční inventura obsahu mapuje URL adresy, titulky, návštěvnost, pozice a případně i konverzní data. Audit informací o značce naproti tomu zaznamenává konkrétní tvrzení, která z těchto podkladů vycházejí. A v případě AI vyhledávání byste měli sledovat i jazyk, jakým se lidé na tato fakta ptají.

Pro každé klíčové tvrzení o firmě si podrobně zdokumentujte:

• Dotaz nebo prompt, který člověk s největší pravděpodobností zadá.
• Jakýkoliv neaktuální předpoklad, který tento dotaz obsahuje.
• Původní staré názvosloví a jeho dnešní odpovídající náhradu.
• Schválený aktuální fakt a jeho hlavní veřejný zdroj.
• Další vlastní webové stránky, PDF dokumenty, datové feedy, medailonky či profily, kde "straší" staré verze údajů.
• Zdroje citované v nepřesných odpovědích umělé inteligence.
• Požadovaný krok k nápravě: aktualizace, doplnění poznámky, sloučení, přesměrování, stáhnutí z oběhu nebo vytvoření přemosťujícího obsahu.
• Tým odpovědný za správnost daného tvrzení a jeho revizi při jakékoliv změně.

Při kontrole se neomezujte pouze na klasické HTML stránky. Důkladně prohledejte press kity, prodejní materiály ke stažení, nápovědy, strukturovaná data (schema), produktové feedy, zápisy v obchodech s aplikacemi, profily řečníků na konferencích, pracovní nabídky i staré subdomény. Zeptejte se obchoďáků, zákaznické podpory, HR, produktového, právního i PR týmu, jaké podklady samostatně publikují, aniž by o tom webový tým věděl.

Nejde o to natlačit všude každou větu v naprosto identickém znění. Různá publika logicky vyžadují různou míru detailu. Základní fakta by však měla vždycky vést ke stejné odpovědi. A jazyk, který lidé stále běžně používají, je musí nasměrovat k aktuálnímu vysvětlení, ne je nechat zaseknuté v minulosti.

Měřte přesnost, nejen samotnou přítomnost

Zprávy o viditelnosti v AI vyhledávání se obvykle soustředí na to, jestli byla značka zmíněná, citovaná nebo zahrnutá do výběru odpovědí na konkrétní prompty. To jsou sice užitečná pozorování, ale samotná přítomnost může snadno vyvolat falešný pocit uspokojení.

U byznysově nejdůležitějších dotazů proto vyhodnocujte celou odpověď. Je přesná? Je aktuální? Odpovídá na skutečný záměr uživatele, nebo slepě přejímá chybný předpoklad obsažený v otázce? Jestliže je odpověď vedle, projděte si citované zdroje a zkuste si namodelovat pravděpodobné vyhledávací dotazy. Nemávněte nad tím rukou, jen protože máte pocit, že si AI model prostě jenom vymýšlí neboli halucinuje.

Zmínka o značce není žádné vítězství, jestliže odpověď jmenuje bývalého manažera, operuje se starou cenou, připisuje dnešnímu produktu funkci, která se už roky nevyrábí, nebo úplně zkomolí vztah mezi firmou a její mateřskou společností.

Nemůžete mít pod kontrolou každou větu, která se o vaší značce kdekoliv objeví, a nemůžete 100% zaručit, že umělá inteligence dá člověku vždycky přesně takovou odpověď, jakou byste si přáli. Co ale udělat můžete (a musíte), je zajistit, aby dotazy, které lidé skutečně pokládají, měly přímou a jasnou cestu k aktuální pravdě.

Z této práce sice nevzejde chlubivý graf ukazující, že obsahový tým publikoval tři stovky nových stránek. Značku ale díky ní snáze pochopí vyhledávače, AI systémy, zákazníci, redaktoři a koneckonců i zaměstnanci. V éře vyhledávání ovládaného umělou inteligencí je jasno v informacích nezbytnou součástí skutečné viditelnosti.

Často kladené otázky (FAQ)

Proč k opravě chybných informací o značce v AI vyhledávání nestačí jen přidat na web nové aktuální články?

Umělá inteligence nepoužívá pouze nejnovější obsah, ale prochází a vyhodnocuje veškeré dostupné zdroje na internetu. Jakmile v online prostoru koluje přebytek starých neplatných údajů, AI z nich poskládá odpověď, která odpovídá znění uživatelského dotazu, ale už neodpovídá dnešní realitě. Náprava proto vyžaduje úklid a aktualizaci celého řetězce datových stop vedoucích k chybám, ne jenom publikaci dalších stránek.

Co je to přemosťující obsah a jak pomáhá správnému zobrazování značky v AI?

Přemosťující obsah je text, který přímo propojuje zastaralé názvosloví či neplatné předpoklady uživatelů s novou skutečností (například vysvětluje, jaká nová role nahradila původní pozici CEO). Lidé i AI modely často hledají informace pomocí přežitých výrazů, které při absenci vysvětlení nasměrují vyhledávač na staré zdroje. Přemosťující věta zachytí původní výraz v dotazu, ale AI systému okamžitě předloží i správný aktuální fakt.

Jaké materiály je potřeba zkontrolovat v rámci auditu informací o značce?

Kromě klasických webových stránek musíte prověřit i soubory PDF, press kity, prezentace ke stažení, strukturovaná data, zápisy v katalozích a profily vedení či firmy na webech třetích stran. Často opomíjeným zdrojem chyb bývají také produktové feedy, nabídky práce nebo staré tiskové zprávy. Cílem je sjednotit základní fakta napříč celým online prostředím tak, aby AI čerpala vždy ze stejného pravdivého základu.

Zdroj: searchengineland.com, searchenginejournal.com, marketingland.com, facebook.com, cpcstrategy.com

Autor: Martin Kulhánek

Foto zdroj: AI, pixabay.com