Orkas Orkas
ดาวน์โหลด GitHub
หน้าแรก บล็อก AI อธิบายสินค้าของคุณอย่างไร
การมองเห็น

ChatGPT และ Gemini อธิบายสินค้าของคุณอย่างไร

Search Console ไม่ได้บอกว่าเกิดอะไรขึ้นเมื่อผู้ซื้อถามผู้ช่วย นี่คือวิธีตรวจสอบที่คุณทำเองได้ และคอลัมน์เดียวในนั้นที่เปลี่ยนสิ่งที่คุณจะทำต่อ

เจ้าของร้านมักถามสองคำถามซ้ำ ๆ ข้อแรก: “เราใช้ Search Console และระบบวิเคราะห์ร้านค้าอยู่แล้ว แต่ไม่มีตัวไหนบอกว่าเกิดอะไรขึ้นเมื่อมีคนขอให้ ChatGPT หรือ Gemini แนะนำสินค้า” ข้อที่สองมาจากผู้ขายที่เกือบจ่ายเงินให้เอเจนซี $3,000 เพื่อตรวจประเมิน และอีกเดือนละ $400 เพื่อติดตามต่อ: คุ้มหรือไม่?

คำตอบที่ดีที่สุดสำหรับข้อที่สองมาจากผู้ขายอีกคนในกระทู้เดียวกัน: ถ้าสิ่งที่ส่งมอบเป็นแค่รายงาน คุณข้ามไปได้เลย ไม่ว่าจะราคา £450 หรือ $3,000 และการจ่ายเงินเพื่อติดตามตัวเลขทั้งที่ยังไม่ได้เปลี่ยนอะไรนั้นเป็นการทำผิดลำดับ ต่อไปนี้คือวิธีตรวจสอบ เราทดลองกับตัวเราเองบนสามแพลตฟอร์ม และข้อค้นพบสองข้อทำให้เราเปลี่ยนสิ่งที่ทำ

สรุปสั้น ๆ ถ้าสิ่งที่ส่งมอบเป็นแค่รายงาน คุณข้ามไปได้เลย การจ่ายเงินเพื่อติดตามตัวเลขการมองเห็นทั้งที่ยังไม่ได้เปลี่ยนอะไรเป็นการทำผิดลำดับ ทุ่มแรงไปที่หน้าที่คำตอบอ้างอิงจริงก่อน แล้วค่อยเริ่มวัดผล
ดาวน์โหลด Orkas — ฟรี

ขั้นที่ 1 — เขียนคำถามที่ผู้ซื้อของคุณถามจริง

ไม่ใช่ “แบรนด์ของฉันมีคนเห็นไหม” แต่เป็นคำถามยี่สิบถึงสี่สิบข้อที่เขียนเหมือนผู้ซื้อพิมพ์ถามก่อนตัดสินใจซื้อ: <product type> ที่ดีที่สุดสำหรับ <use case>, <product type> ที่ <constraint they care about>, ตัวเลือกอื่นแทน <the obvious mainstream product>. เก็บคำถามที่ระบุชื่อแบรนด์ไว้ด้วยสักสองสามข้อ เพราะให้ผลต่างกันอย่างสิ้นเชิง และความต่างนี้มีความสำคัญ

บันทึกรายการลงในไฟล์ รายการนี้คือทรัพย์สินที่มีค่า เพราะคุณจะนำกลับมาทดสอบซ้ำ

ขั้นที่ 2 — บันทึกสิ่งที่ได้ ไม่ใช่แค่ว่าคุณปรากฏหรือไม่

ถามแต่ละคำถามบน ChatGPT และ Gemini แล้วบันทึกสี่อย่างสำหรับทุกคำตอบ: คุณถูก กล่าวถึง; คุณถูก ได้รับการอ้างอิง อ้างอิงพร้อมลิงก์จริงในแหล่งข้อมูลหรือไม่; มีคู่แข่งรายใดปรากฏและเรียงลำดับอย่างไร; และมีการอ้างอิง URL ใดบ้าง ไม่ว่าจะเป็นของใคร

การกล่าวถึงกับการอ้างอิงไม่เหมือนกัน และช่องว่างระหว่างสองอย่างนี้คือส่วนที่นำไปลงมือทำได้ ในการทดสอบของเราเอง เราพบคำตอบที่ถ่ายทอดจุดยืนของเราแทบจะคำต่อคำ แต่เรียกเราแบบกว้าง ๆ โดยไม่มีชื่อแบรนด์และไม่มีลิงก์ นี่คือปัญหาของข้อความต้นทาง ไม่ใช่ปัญหาอันดับ และไม่มีแดชบอร์ดการมองเห็นใดบอกเราได้ว่าเป็นปัญหาแบบไหน

ขั้นที่ 3 — คอลัมน์ที่เปลี่ยนสิ่งที่คุณจะทำ

คอลัมน์ที่สี่คือจุดที่ให้ผลคุ้มค่า เมื่อเราถามคำถามระดับหมวดหมู่ที่ไม่ระบุแบรนด์บนสามแพลตฟอร์ม ทุกการอ้างอิงชี้ไปยังคลังโค้ด GitHub และบทความรวมรายการของบุคคลภายนอก ไม่ใช่เว็บไซต์ของเราเอง ส่วนคำถามที่ระบุชื่อแบรนด์ให้ผลต่างออกไปและอ้างอิงหน้าของเรา

เรื่องนี้ส่งผลต่อร้านค้าสองอย่าง หากคำตอบที่ไม่ระบุแบรนด์ในหมวดหมู่ของคุณอ้างอิงบทความรวมสินค้าของผู้ค้าปลีก รายการสินค้าบนมาร์เก็ตเพลซ และเว็บไซต์รีวิว การเขียนหน้าแรกใหม่จะไม่เปลี่ยนคำตอบเหล่านั้น ช่องทางเผยแพร่ที่สำคัญคือสิ่งที่โมเดลนำมาอ้างจริง และต้องทดสอบคำถามสองประเภทแยกกัน หากเฉลี่ยรวมเป็นคะแนนการมองเห็นเดียว คุณจะได้ตัวเลขที่เปลี่ยนไปด้วยเหตุผลที่นำไปลงมือแก้ไม่ได้

ขั้นที่ 4 — แก้แหล่งข้อมูล ไม่ใช่แดชบอร์ด

ผู้ขายรายงานปัญหาสองรูปแบบ ซึ่งแก้ได้ที่แหล่งข้อมูลทั้งคู่

ข้อเท็จจริงที่ล้าสมัย ผู้ขายรายหนึ่งเจอลูกค้าที่อ้างราคาซึ่งร้านไม่ได้ใช้อีกเลยนับตั้งแต่เปิดร้านเมื่อกว่าหนึ่งปีก่อน อีกรายพบว่า ChatGPT แนะนำสินค้าที่เลิกขายไปหลายเดือนแล้ว เมื่อตรวจสอบก็พบว่าอีกสองโมเดลแสดงสินค้าที่เลิกขายชิ้นเดียวกัน หากราคาเก่าหรือสินค้าที่เลิกขายยังอยู่ในหน้าที่แคชไว้ โพสต์เก่า หรือรายการสินค้าของบุคคลภายนอก สิ่งนั้นจะถูกบอกต่อกลับไปยังลูกค้าของคุณ

ขาดเนื้อหาเปรียบเทียบ โมเดลที่ตอบคำถาม “X เทียบกับ Y” ต้องมีสิ่งให้อ้างอิง หากไม่มีใครในหมวดหมู่ของคุณเขียนการเปรียบเทียบอย่างตรงไปตรงมา คำตอบก็จะถูกประกอบขึ้นจากข้อมูลของคนที่เขียนไว้

ดังนั้นรายการสิ่งที่ต้องทำคือ: แก้ข้อเท็จจริงที่ล้าสมัยทุกแห่งที่ข้อมูลนั้นอยู่จริง รวมถึงหน้าที่คุณไม่ได้เป็นเจ้าของ แล้วสร้างเนื้อหาเปรียบเทียบหรือกรณีใช้งานที่ยังขาดบนพื้นที่ที่การอ้างอิงชี้ไปจริง ส่วนกลไกที่ทำให้ข้อความหนึ่งถูกอ้างแต่อีกข้อความไม่ถูกอ้างอยู่ใน บทความของเราเรื่องการทำให้ ChatGPT อ้างอิงคุณ.

ขั้นที่ 5 — วัดซ้ำ แต่อย่าเพิ่งทำสัปดาห์หน้า

เมทาดาทาที่โมเดลมองเห็นล่าช้ามาก ในการตรวจสอบของเราเอง แพลตฟอร์มต่าง ๆ รายงานจำนวนดาวและวันที่เผยแพร่ที่เก่าไปหลายเดือน อย่าประเมินผลการแก้ไขภายในหนึ่งสัปดาห์หลังแก้ ให้ใช้รายการคำถามเดิมทดสอบซ้ำหลังผ่านไปสองสามสัปดาห์ แล้วเทียบอัตราการกล่าวถึง อัตราการอ้างอิง และลำดับคู่แข่งกับรอบแรก นี่จึงเป็นเหตุผลที่ขั้นที่ 1 บอกให้เก็บรายการไว้ในไฟล์

ข้อควรยึดถืออีกอย่าง: นี่คือการสุ่มตัวอย่าง ไม่ใช่การวัดผล คำตอบแตกต่างกันในแต่ละรอบ จึงควรถามแต่ละคำถามซ้ำอย่างน้อยสามครั้งในวันต่างกัน ก่อนจะเชื่อว่ามีการเปลี่ยนแปลง การทดสอบเพียงรอบเดียวแทบไม่บอกอะไร

ใช้งานใน Orkas

Orkas มี SeoGeoAgent ในตัว และรายการคำถาม บันทึกแต่ละรอบ และรายการแก้ไขอยู่ในโฟลเดอร์โปรเจกต์เดียวกัน จึงเปรียบเทียบรอบสองกับรอบแรกได้แทนที่จะเริ่มใหม่ ส่วนกระบวนการโดยรวมที่ติดตามว่าคุณปรากฏในคำถามใดและเปลี่ยนช่องว่างให้เป็นหน้าเนื้อหาคือ กรณีใช้งานด้านการมองเห็นในการค้นหาและคำตอบ AI.

สิ่งที่วิธีนี้ไม่ได้ให้คุณ

  • ไม่มีตัวเลขการเข้าชม รายงาน AI เชิงกำเนิดของ Google Search Console ไม่มี API และโดยโครงสร้างแล้วรายงานเพียงจำนวนการแสดงผล จึงใช้คำนวณอัตราการคลิกผ่านจาก AI ไม่ได้
  • ไม่มีส่วนแบ่งจริงของคู่แข่ง คุณกำลังสุ่มตัวอย่างคำตอบ ไม่ได้วัดประชากรทั้งหมด
  • ไม่มีการรับประกันว่าการแก้ไขจะส่งต่อไปถึงทุกแห่ง แหล่งข้อมูลที่ถูกอ้างบางแห่งอยู่นอกเหนือการควบคุมของคุณโดยสิ้นเชิง