Czym jest Adobe LLM Optimizer i czy jest potrzebny?
Prawie każda interakcja wyszukiwania, którą konsumenci podejmują w dzisiejszych czasach, ma swoje dane wejściowe lub wyjściowe ukształtowane przez LLM i absolutnie FUNDAMENTALNIE zmienia sposób, w jaki strony internetowe muszą prezentować dane. Te duże modele językowe (LLM) i zaawansowana orkiestracja wokół nich próbują nadać sens zawartości witryny, aby przedstawić odpowiedzi, których szukają potencjalni klienci. Ale czy Twoje treści są zorganizowane i przedstawione w taki sposób, aby roboty mogły z nich korzystać?
W tym podcaście zagłębiamy się i eksperymentujemy właśnie z tym: czym jest Adobe LLM Optimizer, jakie problemy rozwiązuje i czy w ogóle jest potrzebny.
A ponieważ mam naturalną nieufność do fantazyjnych "przykładowych stron", które syntetyzują dane i wyniki, w tym odcinku przeprowadziliśmy eksperymenty i pokazaliśmy wyniki z naszej własnej strony internetowej - więc są to żywe, prawdziwe dane - w niektórych przypadkach potępiające. :)
Dostępny również w serwisie Apple Podcasts oraz jako podcast audio lub wideo w serwisie Spotify.
Optymalizacja LLM: Podstawy & Nasz eksperyment
Istnieje kilka głównych elementów do omówienia w tym temacie:
- Jak dowiedzieć się, czego ludzie szukają w LLM, co MOŻE doprowadzić ich do Twoich treści?
- Jak zmierzyć, ilu z nich wpisuje te rzeczy?
- Jak uzyskać wgląd w to, jakie interakcje ludzie podejmują w różnych narzędziach wyszukiwania AI, takich jak Google AI Mode, Perplexity, Grok, Copilot, ChatGPT itp.
- Jak dowiedzieć się, czy Twoje treści mogą w ogóle zostać odebrane przez LLM? Czy treści, które stworzyłeś, są w ogóle wyświetlane w tych narzędziach wyszukiwania? TO JEST KRYTYCZNY FRAGMENT
- Jeśli treści nie są wyświetlane w LLMS, jak sobie z tym poradzić?
Dokładnie to staraliśmy się pokazać w naszym podcaście i podczas naszych eksperymentów. Usługi Edge Delivery Services są TAK FAJNE do rozwijania, ponieważ można szybko generować nowe i wysoce wydajne, wysoce atrakcyjne doświadczenia w ŻADNYM CZASIE, łącząc treści z wielu źródeł w bardzo wydajny sposób. Czasami jednak te szybkie wzorce projektowe wymagające użycia klienta mogą skutkować KRYTYCZNĄ ZAWARTOŚCIĄ, której LLM NIE MOGĄ ZOBACZYĆ.
Przykładem, który omawialiśmy w podcaście, była ta strona zasobów usług Edge Delivery, na której używamy prostego podejścia opartego na arkuszach danych do agregowania witryn Adobe Edge Delivery w arkuszu kalkulacyjnym i wyświetlania tych danych na stronie. Jedyny problem - 100% SUBSTANTYWNYCH treści na stronie, które chciałbyś pokazać LLM, było dla nich KOMPLETNIE NIEWIDOCZNE. Można to sprawdzić za pomocą świetnej wtyczki AI Visibility Checker wydanej przez Adobe (link poniżej).
Inne punkty, które omówiliśmy:
- 0:00 - Wprowadzenie do programu Adobe LLM Optimizer
- 2:30 - Czym jest generatywna optymalizacja silnika (GEO)?
- 5:45 - Problem: Dlaczego LLM brakuje treści (przykłady AEM/Edge Delivery)
- 9:20 - Demo: Podłączanie LLM Optimizer do strony/bloga
- 14:00 - Przeprowadzanie eksperymentów - przed & po wynikach
- 20:15 - Jak optymalizacja krawędzi sprawia, że zawartość jest widoczna w LLM (pliki PDF, problemy z JS)
- 27:40 - Rzeczywiste wyniki testów: Odpowiedzi LLM & poprawa cytowań
- 34:10 - Integracja z CDN i wieloma LLM (ChatGPT, Grok, Gemini)
- 40:25 - Kluczowe wskaźniki: Wyniki czytelności, wgląd w widoczność, sentyment
- 46:50 - Kto tego potrzebuje? Użytkownicy AEM Cloud & szczegóły bezpłatnej warstwy
- 50:00 - Przyszłość SEO/GEO i końcowe przemyślenia
- 52:30 - Podsumowanie & Najważniejsze dyskusje
Materiały z podcastu
Poniżej wymieniono zasoby wspomniane w podcaście:
- Informacje o Adobe LLM Optimizer
- Czym jest optymalizacja krawędzi (Adobe Docs)
- Wtyczka Adobe AI Content Visibility Checker omówiona w podcaście
- Nasz eksperyment z optymalizacją krawędzi LLMO w celu zwiększenia integracji EDS / DAM
- Lista EDS / AEM Assets Integration & PDF, o której wspomnieliśmy w podcaście
- Świetny wykład Adobe DevLive Cedrica na temat LLMO
Prelegenci podcastów
Tad Reeves
Główny architekt w Arbory Digital
Tad jest dwukrotnym mistrzem AEM i pracuje z Adobe Experience Manager & CQ od 2010 roku. Począwszy od 1996 roku, nosił prawie każdy kapelusz w dostarczaniu stron internetowych, od architektury rozwiązań po zarządzanie produktem, a także lata w devops i administrowaniu systemem. Uwielbia to, że Arbory Digital daje mu możliwość dostarczania uczciwych i skutecznych rozwiązań, nawet jeśli oznacza to kwestionowanie dominujących perspektyw sprzedaży. Kiedy Tad nie pracuje (a czasami, kiedy pracuje), lubi jeździć na rowerze górskim i odkrywać przyrodę ze swoją żoną & 3 dzieci.
Frank Townsend
Edge Delivery Developer & A/V Ninja w Arbory Digital
Frank ma duże doświadczenie w tworzeniu i projektowaniu stron internetowych. Przed dołączeniem do Arbory zdobył doświadczenie w InstantOrder w zakresie projektowania i rozwoju, zanim rozpoczął pracę jako freelancer. Żądny nowych możliwości, Frank przeszedł do Arbory Digital, gdzie docenia dynamiczną atmosferę współpracy. Poza pracą, hobby Franka obejmuje stolarstwo, fotografię, wideografię, rolnictwo, zarządzanie trasami koncertowymi dla Always Loretta Show i inne projekty poboczne.
Hank Thobe
CMO w Arbory Digital
Hank uzyskał certyfikat praktyka biznesowego AEM w 2022 roku, specjalizując się w interfejsie użytkownika i przepływach pracy. Wkrótce potem objął stanowisko kierownika projektu w firmie Zaxby's w zespole DevOps. W przeszłości pomógł uruchomić startup technologiczny o nazwie InstantOrder, który obsługiwał restauracje typu mom-and-pop z zamawianiem jedzenia online i zapoczątkował jego motywację do innowacji. Obecnie Hank lubi chodzić na plażę, podróżować, spędzać czas na łonie natury i uprawiać sporty wewnętrzne.
Podoba ci się to, co usłyszałeś? Masz pytania dotyczące tego, co jest dla Ciebie odpowiednie? Chętnie porozmawiamy! Skontaktuj się z nami