Cos'è Adobe LLM Optimizer e ne hai bisogno?
Quasi ogni interazione di ricerca che i consumatori fanno oggi ha il suo input o output influenzato da un LLM, e questo sta assolutamente CAMBIANDO FONDAMENTALMENTE il modo in cui i siti web devono presentare i dati. Questi grandi modelli linguistici (LLM), e l'orchestrazione avanzata che li circonda, cercano di dare un senso ai contenuti del tuo sito web per presentare le risposte che i tuoi potenziali clienti cercano. Ma i tuoi contenuti sono organizzati e presentati in modo che i robot possano usarli?
È proprio questo che approfondiamo e sperimentiamo in questo podcast: cos'è l'ottimizzatore LLM di Adobe, quali problemi risolve e se ne hai bisogno o meno.
E poiché ho una naturale diffidenza verso i sofisticati "siti campioni" che sintetizzano dati e risultati, in questo episodio abbiamo fatto gli esperimenti e mostrato i risultati dal nostro sito web - quindi questi sono dati reali e reali - in alcuni casi in modo davvero dannoso. :)
Disponibile anche su Apple Podcasts e come podcast audio o video su Spotify.
Ottimizzazione LLM: Nozioni di base e il nostro esperimento
Ci sono alcuni elementi principali da discutere su questo argomento:
- Come si scopre cosa cercano le persone negli LLM che POTREBBERO portarle ai tuoi contenuti?
- Come si misura quanti di loro stanno digitando queste cose?
- Come si ricavano informazioni dalle interazioni che le persone hanno con i vari strumenti di ricerca AI come Google AI Mode, Perplexity, Grok, Copilot, ChatGPT, ecc.?
- Come si fa a scoprire se i tuoi contenuti possono essere acquisiti dagli LLM? I contenuti che hai creato vengono anche solo mostrati su quegli strumenti di ricerca? QUESTA È LA PARTE CRITICA
- Se i tuoi contenuti non vengono mostrati agli LLMS, come gestisci la situazione?
È esattamente quello che abbiamo cercato di farvi raccontare nel nostro podcast e con i nostri esperimenti. Edge Delivery Services è DAVVERO DIVERTENTE da sviluppare, perché puoi generare rapidamente nuove esperienze ad alte prestazioni e coinvolgenti in POCHISSIMO TEMPO, unendo contenuti da più fonti in modo molto performante. Tuttavia, a volte questi rapidi pattern di progettazione lato client possono portare a CONTENUTI CRITICI che gli LLM NON POSSONO VEDERE.
Un esempio di cui abbiamo parlato nel podcast è stata questa pagina Risorse di Edge Delivery Services, dove usiamo un semplice approccio basato su tabelle dati basato su fogli per aggregare i siti Adobe Edge Delivery in un foglio di calcolo e visualizzare quei dati sulla pagina. L'unico problema: il 100% del contenuto SOSTANZIALE sulla pagina che vorresti far emergere negli LLM era COMPLETAMENTE INVISIBILE per loro. Lo vedresti usando l'ottimo plugin AI Visibility Checker rilasciato da Adobe (link qui sotto).
Altri punti di cui abbiamo parlato:
- 0:00 - Introduzione ad Adobe LLM Optimizer
- 2:30 - Cos'è l'Ottimizzazione del Motore Generativo (GEO)?
- 5:45 - Il problema: perché gli LLM perdono contenuti (esempi di AEM/Edge Delivery)
- 9:20 - Demo: Inserimento di LLM Optimizer nel sito/blog
- 14:00 - Esperimenti – Risultati prima e dopo
- 20:15 - Come l'ottimizzazione dei margini rende i contenuti visibili tramite LLM (PDF, problemi JS)
- 27:40 - Risultati reali del test: risposte e citazioni LLM migliorate
- 34:10 - Integrazione con CDN e più LLM (ChatGPT, Grok, Gemini)
- 40:25 - Metriche chiave: punteggi di leggibilità, insight sulla visibilità, sentiment
- 46:50 - Chi ne ha bisogno? Utenti AEM Cloud e dettagli sui livelli gratuiti
- 50:00 - Futuro della SEO/GEO e considerazioni finali
- 52:30 - Conclusione e punti salienti della discussione
Risorse dal podcast
Di seguito sono riportate le risorse menzionate nel podcast:
- Informazioni su Adobe LLM Optimizer
- Cos'è l'ottimizzazione dei bordi (Adobe Docs)
- Il plugin Adobe AI Content Visibility Checker discusso nel podcast
- Il nostro esperimento di ottimizzazione dei bordi LLMO per l'integrazione EDS / DAM con superfici
- L'integrazione degli asset EDS / AEM e la lista PDF che abbiamo menzionato nel podcast
- La grande conferenza di Cedric su Adobe DevLive su LLMO
Relatori di podcast
Tad Reeves
Architetto Principale presso Arbory Digital
Tad è due volte campione AEM e lavora con Adobe Experience Manager & CQ dal 2010. A partire dal 1996, ha ricoperto quasi ogni ruolo nella consegna di siti web, dall'architettura delle soluzioni alla gestione del prodotto, oltre a anni di esperienza in devops e amministrazione di sistema. Ama che Arbory Digital gli dia l'opportunità di offrire soluzioni oneste ed efficaci, anche se ciò significa mettere in discussione le prospettive di vendita prevalenti. Quando Tad non lavora (e a volte quando lavora), gli piace andare in mountain bike ed esplorare la natura con sua moglie e i 3 figli.
Frank Townsend
Sviluppatore Edge Delivery & Ninja A/V presso Arbory Digital
Frank ha una solida esperienza nello sviluppo e nel design di siti web. Prima di entrare in Arbory, ha acquisito esperienza lavorando in InstantOrder nel design e sviluppo prima di intraprendere lavori freelance. Desideroso di nuove opportunità, Frank è passato ad Arbory Digital, dove apprezza l'atmosfera collaborativa e dinamica. Al di fuori del lavoro, gli hobby di Frank includono la falegnameria, la fotografia, la videografia, l'agricoltura, la gestione di tour per il Always Loretta Show e altri progetti paralleli.
Hank Thobe
CMO di Arbory Digital
Hank ha ottenuto la certificazione di AEM business practitioner nel 2022, specializzandosi in UI e workflow. Poco dopo, ha assunto il ruolo di project manager presso Zaxby's per il team DevOps. In passato, ha contribuito a lanciare una startup tecnologica chiamata InstantOrder, che serviva i ristoranti familiari con ordini di cibo online e ha dato il via alla sua motivazione all'innovazione. Attualmente, Hank ama andare in spiaggia, viaggiare, trascorrere del tempo nella natura e praticare sport intramurali.
Ti è piaciuto quello che hai sentito? Hai domande su cosa sia giusto per te? Ci piacerebbe parlare! Contattaci