Таргетувати треба групи питань та intent, а не окремі ключі. Це практична стратегія, виведена з SEO- й IR-досліджень, а не доведена формула.
Один ключ ≠ один intent: користувачі формулюють запити по-різному. Перевірка однієї фрази не репрезентує весь кластер питань. Без кластерів неможливо системно міряти покриття intent у AI-відповідях.
Стратегія запитів - довгострокова. Erdmann et al. досліджують довгострокову стратегію вибору ключових слів у SEO та її вплив на конкурентність і стійкість трафіку [61]. Для AEO/GEO це переноситься так: оптимізуємось під групи питань та intent (prompt/query clusters), а не під окремі ключі - це практична стратегія, не гарантія результату.
AEO виросло з QA-логіки. Natural Questions побудований на реальних питаннях користувачів і Wikipedia-документах [30]. Формулюйте елементи кластера як природні питання («як…», «що краще…», «X проти Y»), бо системи шукають фрагмент, що дає прямий відповідь.
Якість retrieval не можна міряти на одній групі ключів. BEIR - бенчмарк для оцінки retrieval-моделей на різних задачах і доменах; він показує, що retrieval-якість не зводиться до одного набору даних [28]. Кластер має покривати різні типи intent, а не одну вузьку групу.
«найкращий інструмент для…» - високий intent, висока ставка.
«як вирішити…» - ловить рішення-шукачів до назви категорії.
«X проти Y», «альтернативи Y» - показує позиціонування відносно ринку.
Прямі запити про бренд - контроль точності й тональності, не лише покриття.
ORCAS описує великий набір агрегованих query-document click pairs і показує роль кліків у навчанні та оцінці класичних систем [64]. У генеративному пошуку кліки по документах зменшуються, а feedback стає менш прямим - тому кластер вимірюють по присутності у відповіді, а не лише по кліках.
LLM-відповіді корисні не скрізь однаково. Caramancion досліджує, коли користувачі віддають перевагу LLM-відповідям, а коли класичному пошуку [15]. Найбільший ефект AEO - на складних, порівняльних і пояснювальних питаннях, де користувач хоче готову відповідь.
Довгострокова стратегія вибору ключів.
BEIR: retrieval-якість на різних задачах/доменах. arxiv.org/abs/2104.08663
Коли користувачі обирають LLM проти пошуку. arxiv.org/abs/2401.05761
Natural Questions: реальні питання користувачів.
ORCAS: роль кліків у навчанні/оцінці пошуку. arxiv.org/abs/2006.05324
Група запитів і формулювань, що відображають один intent («найкращий X», «X проти Y», «як зробити X»). Таргетують кластер, а не окремий ключ [61].
Бо одна фраза не репрезентує intent-кластер, а retrieval-якість залежить від типу запиту й домену [28].
Як природні питання користувачів - answer engines шукають фрагмент, що дає прямий відповідь; QA-датасети будуються саме на реальних питаннях [30].
На складних, порівняльних і пояснювальних запитах, де користувач хоче готову відповідь, а не список посилань [15].