A vezető Axios hírportált alapító Nicholas Johnston a PressGazette-nek arról beszélt, hogy a SEO „nem megoldás többé” a hírportálok számára, ha jobb helyezést szeretnének elérni a hagyományos keresőmotorok, például a Google találati listáján. A médiacégeknek – fogalmazott Johnston – villámgyorsan meg kell érteniük, hogyan találják meg, dolgozzák fel és jelenítik meg tartalmaikat a nagy nyelvi modellek, vagyis az LLM-ek. Más szóval: hogyan kerülhetnek be ezek a tartalmak az AI által generált szöveges válaszokba, lehetőleg a kiadó vagy médium nevével és a hivatkozással együtt.
Megállapodtak az OpenAI-jal
Az Axios ezért 2025 januárjában három évre szóló megállapodást kötött az OpenAI-jal. A paktum lényege, hogy az Axios cikkei csak forrásmegjelöléssel és linkekkel együtt jelenhetnek meg a ChatGPT válaszaiban.
Mindez amellett, hogy új megjelenési felületet biztosít a hírportálnak, annak technológiai fejlődését is elősegíti: az Axios az OpenAI technológiájához való hozzáférést összekapcsolta helyi hírszolgáltatása, az Axios Local bővítésével: a hálózat azóta kilenc új egységgel, összesen 43 helyi kiadásra bővült.
Jim VandeHei Axios-vezérigazgató sietett leszögezni, az álláspontjuk e tekintetben egyértelmű:
ha egy LLM olvassa, tanításra használja vagy idézi az Axios tartalmait, akkor a vállalat cserébe elvárja, hogy forrásként jelöljék meg, valamint megfelelő ellentételezést kapjon.
3 új szabály a GEO kapcsán
Johnston arra hívta fel a figyelmet, hogy
- a kiadók egyrészt nem spórolhatják meg a GEO-láthatóságuk felmérését, azaz tisztában kell lenniük azzal, mely LLM-ek hivatkoznak rájuk, milyen témákban teszik ezt, és hogyan viszonyul mindez a versenytársak teljesítményéhez.
- a megjelenést befolyásoló tényezőket ugyancsak fel kell tárni, például, miért fordulhat elő, hogy ugyanaz a kiadó az egyik modellben gyakran, a másikban viszont csak elvétve jelenik meg. Erre a különböző mintázatok elemzése adhat közelítő választ.
- alaposan át kell gondolni, hogyan lehet mindebből bevételt szerezni.
A legkézenfekvőbb variáció, hogy az AI-szolgáltató közvetlenül fizet a tartalom minden egyes alkalommal való felhasználásáért. Másik, de hasonlóan járható út lehet az is, ha a kiadó megelégszik azzal, hogy a nevének és a konkrét cikkeire mutató linkeknek a gyakoribb feltüntetése új közönséget terelhet felé.
Okos, rövid és gyorsan feldolgozható
Az Axios nem véletlenül állt elő zászlóshajóként a témában: Smart Brevity néven alkalmazott szerkesztői alapelve – vagyis rövid, jól strukturált, csak a szükséges információkat tartalmazó és gyorsan feldolgozható cikkek létrehozása – az LLM-ek világában kétségkívül óriási előnyt jelenthet. Míg ugyanis a hagyományos keresőoptimalizálás gyakran a hosszabb írásoknak kedvezett, a generatív keresés során ennek akár az ellenkezője is igaz lehet.
Johnston mégsem gondolja úgy, hogy a jó GEO-stratégia az volna, ha innentől mindenki kizárólag a gépeknek írna.
Az Axios példája inkább arra mutat rá, hogy az emberi olvasók számára készített, világos és jól szerkesztett tartalom a gépek számára is könnyebben feldolgozható.
Megbízható válaszok, növekvő ismertség
A hagyományos online médiában mindeddig a kattintás volt az egyik, ha nem a legfontosabb mérőszáma a sikernek. Egy LLM-alapú mesterségesintelligencia-rendszer esetében azonban a felhasználó többnyire azonnali választ kap, így nem feltétlenül van oka megnyitni az eredeti forrást.
Ez azonban nem jelenti azt, hogy a kattintás nélküli hivatkozás értéktelen volna.
Egy márka ismertségét és hitelességét jelentősen növelheti, ha a neve rendszeresen megjelenik megbízható válaszok forrásaként. Az olvasók így később nagyobb bizalommal kereshetik fel a weboldalát, vagy fizethetnek elő a különböző szolgáltatásokra.
Johnston mindezt a hírlevelek működéséhez hasonlította; azoknak sem kell feltétlenül minden olvasót a weboldalra irányítaniuk, ha a kiadó közvetlenül is bevételhez juthat általuk.
Kell-e még ember?
Johnston válasza erre az, hogy nagyon is. Az LLM-alapú rendszerek számára ugyanis éppen az a tartalom a legértékesebb, amelyet más gépektől nem tudnak megszerezni. A nyilvánosan elérhető adatok egyszerű újrafogalmazása kevésbé értékes, mert ezt az AI sok más forrásból is összeállíthatja.
Az eredeti újságírói munka ezzel szemben nehezen helyettesíthető:
Egy mesterséges intelligencia nem tud személyesen kérdéseket feltenni egy szenátornak, helyszíni riportot készíteni vagy saját tapasztalata alapján értékelni egy éttermet. Nem tud emberi kapcsolatokat kialakítani, bizalmas forrásokkal beszélni vagy átélni egy eseményt.
A kiadók legfontosabb kincse ezért várhatóan az eredeti, emberek által megszerzett információ lesz. Minél több általános és könnyen hozzáférhető tartalmat képesek előállítani a gépek, annál nagyobb jelentőségre tehet szert a kizárólag emberi munkával megszerezhető tudás.
Aki kimarad, lemarad
Mindez megint csak nem jelenti azt, hogy bármely médiacégnek ne kellene kiemelten foglalkoznia a digitális átalakulással, pláne mert az LLM-ek térnyerése minden eddigi technológiai változásnál gyorsabban tűnik végbemenni. Arról nem beszélve, hogy a generatív mesterséges intelligencia alapjaiban változtathatja meg azt, hogyan találkozik a közönség a hírekkel, és hogyan ítéli meg azok forrásait.
Összefoglalva: ebben a minden szempontból új információs ökoszisztémában azok a médiavállalatok kerülhetnek előnybe, amelyek eredeti információkat állítanak elő, világosan strukturálják tartalmaikat, mérik az LLM-ekben elért láthatóságukat, és időben kialakítják saját üzleti stratégiájukat.
Ez azért is fontos, mert a brit nemzetközi médiahatóság friss felmérése szerint a lakosság több mint ötöde mesterségesintelligencia-eszközök segítségével igyekszik naprakész maradni a legújabb történéseket illetően.
