Безопасно размещаем отзывы и Работаем с репутацией!
LLMO
Также: LLM-оптимизация, оптимизация под нейросети
Коротко
Large Language Model Optimization — работа над тем, чтобы языковые модели (ChatGPT, Алиса, GigaChat) знали о бренде и корректно упоминали его в ответах.
Языковая модель отвечает на вопрос не списком ссылок, а готовым текстом. Если бренд в этом тексте не упомянут, для пользователя его как будто нет.
Упоминается в статьях
🎯GEO GEO · AEO
GEO-насыщение: признаки того, что приёмы оптимизации перестали работать
Когда все конкуренты в нише применяют одни и те же приёмы GEO, их эффект стремится к нулю. Как распознать насыщение и на что переключиться: данные, отзывы,…
🎯GEO GEO · AEO
Доля заработанных цитат: как посчитать и повысить независимые упоминания
Метрика показывает, на чьи публикации опираются ИИ-поисковики, когда говорят о бренде. Разбираем расчёт на 20 запросах, разметку доменов и площадки, которые поднимают долю.
🎯GEO GEO · AEO
Покрытие подзапросов: как подготовить контент под веер вопросов, которые задаёт нейросеть
Как собрать веер вопросов вокруг услуги, разложить его по кластерам и закрыть пробелы в контенте, чтобы бренд попадал в ответы нейросетей.
🎯GEO GEO · AEO
Как измерять GEO: метрики видимости в нейросетях, промпт-мониторинг и отчёт
Какие метрики показывают результат GEO, как собрать набор промптов, как часто проверять ответы нейросетей, как учесть случайность ответов и как сделать понятный отчёт.
🧠LLMO LLMO
Что такое LLMO и чем оно отличается от SEO
Почему клиенты всё чаще спрашивают нейросеть, а не поисковик, и как сделать так, чтобы в ответе прозвучал ваш бренд.
🎯GEO GEO · AEO
GEO, AEO, LLMO, AIO — в чём разница
Четыре аббревиатуры про одно и то же? Разбираем, где они пересекаются.
💬 Термины и жаргон SERM
Словарь репутационщика: 15 слов, которые вы услышите на созвоне
Профессиональный жаргон SERM простыми словами: от «выдачи» и «отработки» до «вытеснения» и «посевов».
Упоминается в исследованиях
Рецензируемое исследование
2022
Эффект единственного ответа: блок ответа и голосовой помощник меняют мнение
Epstein и др. · PLOS ONE, 17(6), e0268081
до 38,6%Сдвиг предпочтений участников под влиянием смещённого блока ответа над выдачей (эксперименты 1 и 2).
Рецензируемое исследование
2024
Проклятие обращения: модель знает «A — это B», но не «B — это A»
Berglund и др. · International Conference on Learning Representations (ICLR 2024)
79% против 33%Доля правильных ответов GPT-4 на прямой вопрос («кто мать знаменитости») и обратный («кто сын этой женщины»).
Рецензируемое исследование
2024
Чтобы модель извлекала факт, он должен встречаться в разных формулировках
Allen-Zhu, Li · Proceedings of the 41st International Conference on Machine Learning (ICML 2024), PMLR 235, 1067–1077
0%Без разнообразия формулировок знание может быть запомнено, но не извлекаться: точность ответов на вопросы нулевая независимо от последующего…
Рецензируемое исследование
2023
Языковые модели плохо запоминают редкие факты: всё решает число упоминаний
Kandpal и др. · Proceedings of the 40th International Conference on Machine Learning (ICML 2023), PMLR 202, 15696–15707
Сильная связьТочность ответа на вопрос коррелирует и причинно связана с числом релевантных документов в данных предобучения.
Рецензируемое исследование
2023
Когда не доверять модели: о малоизвестных сущностях ИИ знает хуже
Mallen и др. · Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 9802–9822
14 тыс. вопросовРазмер датасета PopQA с сущностями разной популярности.