Seu maior risco de pesquisa de IA são informações conflitantes sobre sua marca

As marcas tratam a visibilidade da IA ​​como um problema de produção de conteúdo. Não é. Você não pode corrigir informações incorretas ou desatualizadas nos LLMs “simplesmente” publicando páginas mais confiáveis, adicionando mais perguntas frequentes e conteúdo de comparação e explicando o produto “mais uma vez” mas com sentimento.

Em muitos casos em que as informações sobre uma marca estão desatualizadas ou erradas, o problema não é falta de dados. O problema é demais dados. O problema é que a marca já possui muitas versões da verdade, e a versão que melhor corresponde à dúvida do usuário não é atual.

O site diz uma coisa. Um PDF antigo diz outro. A documentação do produto usa uma linguagem que a equipe de marketing abandonou há dois anos. As biografias executivas preservam títulos que não existem mais. As páginas de parceiros descrevem recursos que foram alterados. Algumas dessas afirmações estão erradas. Outros eram perfeitamente precisos quando foram publicados, mas isso foi há três anos e não descreve mais a empresa hoje.

A pesquisa tradicional poderia classificar várias dessas páginas simultaneamente e deixar que o usuário decidisse qual delas era a atual. Mas agora, os produtos de pesquisa de IA recuperam fontes e as utilizam para construir uma resposta única. A resposta parecerá estabelecida mesmo quando a evidência subjacente não o for.

Portanto, este não é apenas um problema de conteúdo. É um problema de recuperação e governança de conteúdo, e a pesquisa de IA também o tornou um problema de SEO.

O prompt determina qual versão da verdade será recuperada

Quando alguém faz uma pergunta a um LLM, o prompt fornece a estrutura e grande parte do vocabulário usado para encontrar informações de apoio. O sistema pode reescrever um pouco a pergunta ou executar várias pesquisas relacionadas, mas ainda está tentando responder à pergunta que lhe foi feita.

Isso é importante quando a pergunta contém uma suposição que o usuário não sabe que está desatualizada. Se alguém perguntar: “Quem é o CEO da (empresa)?” eles presumem que a empresa ainda tem um CEO. Eles não sabem o suficiente para perguntar quem atualmente “lidera a marca”, se a liderança foi transferida para uma empresa-mãe ou qual função mais recente carrega a responsabilidade equivalente mais próxima, muito menos um nome correspondente.

Uma pesquisa centrada no nome da empresa e na palavra “CEO” irá naturalmente favorecer páginas que contenham exatamente essa relação. Biografias antigas, comunicados de imprensa, entrevistas, perfis de conferências e anúncios de aquisições podem nomear um ex-CEO. A página de liderança atual pode usar uma linguagem diferente que não seja mapeada para “CEO”. As novas informações podem usar “gerente geral”, “presidente da marca”, “vice-presidente sênior da marca” ou outro título que o usuário não sabia incluir.

Se as fontes que descrevem a nova estrutura não a conectam explicitamente à terminologia antiga, elas nunca poderão entrar no conjunto de recuperação. O LLM não pode citar uma fonte que não recuperou.

O resultado é que a resposta antiga vencerá porque corresponde ao idioma da pergunta. A realidade atual não corresponde e portanto não estará conectada.

Um exemplo real de uma empresa que permanecerá sem nome

Eu vi isso acontecer IRL. Se você perguntasse a um LLM quem é o CEO da empresa (não era, *é*), ele poderia nomear qualquer um dos quatro ex-executivos. Nenhuma das respostas foi inventada. Todas as pessoas detinham esse título em algum momento, e a empresa e sua organização-mãe ainda têm páginas historicamente precisas que documentam essas funções.

A actual estrutura empresarial, contudo, utiliza uma linguagem diferente – nomes completamente diferentes para essas funções de liderança. A página da equipe da empresa identifica seu novo líder sênior como vice-presidente sênior e gerente geral, enquanto a história da empresa descreve uma equipe de liderança (atual) mais ampla que inclui diretores seniores de engenharia e produto. As páginas de liderança da organização controladora descrevem os executivos responsáveis ​​pelo grupo empresarial maior que contém a empresa. Nenhum desses fatos é formulado de uma forma que possa ser interpretado como uma resposta à pergunta “Quem é o CEO da (empresa)?”

O registro público também não é totalmente consistente. O perfil do líder atual é encabeçado pelos títulos de SVP e GM, mas ainda se refere a essa pessoa como CEO em alguma cópia introdutória em algumas páginas. A página de histórico preserva (e nomeia) corretamente os ex-CEOs e os períodos em que ocuparam o cargo. Portanto, um usuário que faz a pergunta óbvia aciona a recuperação de diversas afirmações explícitas do CEO, enquanto o equivalente atual é descrito usando outra terminologia.

Isto parece complicado e, para ser justo, realmente é. E, se isso é difícil para as pessoas acompanharem, por favor, acredite que é quase impossível para um LLM descobrir. É por isso que o problema é mais complicado do que apenas atualizar uma página Sobre.

O próprio prompt contém um modelo organizacional obsoleto. A menos que uma fonte atual faça uma ponte explícita entre a velha questão e a nova estrutura, a recuperação continuará a devolver o vocabulário antigo e as pessoas ligadas a ele.

As informações atuais precisam responder à velha questão

Como corrigimos o registro neste caso? A resposta instintiva é publicar uma nova página de liderança e presumir que a correção chegará às respostas de IA. Às vezes isso ajuda, mas publicação não é o mesmo que correção, e informações precisas escritas no vocabulário errado podem permanecer invisíveis à pergunta que as pessoas realmente fazem.
As marcas precisam de conteúdo-ponte que conecte a linguagem obsoleta à realidade presente.

No exemplo da liderança, a frase que você precisa publicar (para corrigir o registro) não é apenas “Jane Smith é vice-presidente sênior e gerente geral”. É: “Após a aquisição, a (empresa) não tem mais um CEO independente. Jane Smith agora lidera a (empresa) como vice-presidente sênior e gerente geral dentro do (grupo da empresa-mãe)”.

Essa frase encontra o usuário onde começa o mal-entendido. Ele contém:

• O antigo papel.
• Explica por que não se aplica mais.
• E nomeia o equivalente atual.

Fornece aos sistemas de recuperação uma fonte que corresponde a “CEO” sem atribuir falsamente o título a outra pessoa. Este mesmo princípio se aplica quando os produtos são renomeados, os planos são desativados, as empresas se fundem, as certificações expiram, as áreas de serviço mudam ou os recursos são transferidos para pacotes diferentes.

Não presuma que os usuários conheçam o novo nome o suficiente para procurá-lo. Publique a relação entre o termo que ainda usam e a realidade que o substituiu.

Corrija a cadeia de evidências, não apenas a página mais recente

Assim que uma resposta imprecisa for identificada, rastreie-a através das citações e dos resultados de pesquisa que a apoiam. O objetivo é encontrar a cadeia de evidências que produz a resposta, e não enterrá-la em outra página recém-publicada.

As páginas de propriedade podem ser atualizadas, consolidadas, redirecionadas ou anotadas. Um anúncio antigo não deve ser reescrito para fingir que a história aconteceu de forma diferente, mas pode conter uma data clara, uma nota de status ou um link para informações atuais. As biografias atuais não devem reter títulos obsoletos na cópia introdutória. Perfis e diretórios de parceiros ativos podem ser corrigidos. PDFs e materiais de vendas que não deveriam mais representar o negócio podem ser retirados ou rotulados como arquivo.

Os relatórios de terceiros exigem mais julgamento. Você não pode exigir que uma publicação reescreva uma história precisa de cinco anos atrás porque a organização mudou posteriormente. Você pode tornar a explicação canônica atual fácil de encontrar e solicitar aos parceiros, diretórios e perfis que devem permanecer atualizados que atualizem seus registros.

Às vezes, a estratégia de conteúdo mais forte é consertar o conteúdo antigo que você esqueceu de publicar.

Uma auditoria de visibilidade da marca não é suficiente, você precisa de uma auditoria de reivindicação da marca

Um inventário de conteúdo tradicional registra URLs, títulos, tráfego, classificações e talvez dados de conversão. Uma auditoria de reivindicação de marca registra as afirmações factuais feitas por esses ativos. Para a pesquisa de IA, também deve registar a linguagem que as pessoas provavelmente usarão quando perguntarem sobre esses factos.

Para cada reivindicação importante, documente:

• A pergunta ou sugestão que uma pessoa provavelmente usará.
• Qualquer suposição desatualizada contida nessa pergunta.
• A terminologia antiga e o equivalente atual.
• O fato atual aprovado e sua fonte pública canônica.
• Outras páginas de sua propriedade, PDFs, feeds, biografias ou perfis onde aparecem versões mais antigas.
• As fontes atualmente citadas em respostas imprecisas de IA.
• A ação necessária: atualizar, anotar, consolidar, redirecionar, retirar ou criar conteúdo de ponte.
• A equipe responsável por manter a reclamação e revisá-la quando as condições mudarem.

Não limite a auditoria às páginas HTML. Pesquise kits de mídia, materiais de vendas para download, conteúdo da central de ajuda, valores de esquema, feeds de produtos, listagens de lojas de aplicativos, biografias de palestrantes, listas de empregos e subdomínios antigos. Pergunte a vendas, suporte, RH, produto, jurídico e comunicações quais materiais eles publicam sem envolver a equipe da web.
O objetivo não é forçar todas as frases em todos os lugares a serem idênticas. Públicos diferentes precisam de diferentes níveis de detalhe. Os factos subjacentes deveriam dar origem à mesma resposta, e a linguagem que as pessoas ainda usam deveria levá-las à explicação actual, em vez de aprisionar a recuperação no passado.

Meça a precisão, não apenas a presença

Os relatórios de visibilidade de IA tendem a se concentrar em saber se uma marca foi mencionada, citada ou incluída em um conjunto de solicitações. Estas são observações úteis, mas a presença por si só pode criar uma falsa confiança.

Para solicitações de alto valor, avalie a própria resposta. É preciso? É atual? Responde à real intenção do usuário ou apenas aceita uma premissa falsa embutida na pergunta? Quando a resposta estiver errada, inspecione as citações e reproduza as prováveis ​​pesquisas antes de assumir que o modelo foi alucinado.

Uma menção à marca não é uma vitória se a resposta nomear um ex-executivo, usar um preço antigo, atribuir um recurso descontinuado ao produto atual ou interpretar mal o relacionamento entre uma marca e sua empresa-mãe.

Você não pode controlar todas as frases publicadas sobre sua marca e não pode garantir que um sistema de IA sempre produzirá a resposta que você prefere. Você pode garantir que as perguntas que as pessoas realmente fazem tenham um caminho claro para a verdade atual.

Esse trabalho não gerará um gráfico comemorativo mostrando que a equipe de conteúdo publicou 200 novas páginas. Isso tornará a marca mais fácil de ser compreendida pelos mecanismos de pesquisa, sistemas de IA, clientes, jornalistas e até mesmo por seus próprios funcionários. No ambiente de pesquisa de IA, essa clareza faz parte da visibilidade.

Mais recursos:

Imagem em destaque: Colagem/Shutterstock