What Gets Cited: Competitive GEO in AI Answer Engines
यह शोध पत्र छह एलएलएम (LLMs) के माध्यम से 252,000 परीक्षणों के एक बड़े पैमाने के नियंत्रित अध्ययन के माध्यम से प्रतिस्पर्धी जनरेटिव इंजन ऑप्टिमाइजेशन (GEO) की जांच करता है, जो यह प्रकट करता है कि विषयगत प्रासंगिकता और सूची स्थिति एआई उत्तर इंजनों में उद्धरण चयन के प्राथमिक चालक हैं, जबकि स्पष्ट मूल्य जानकारी और हालिया टाइमस्टैम्प भी उद्धरण की संभावना को महत्वपूर्ण रूप से बढ़ाते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक भीड़ भरे कमरे में जा रहे हैं जहाँ एक बहुत ही बुद्धिमान, लेकिन थोड़ी चयनात्मक (picky) रोबोट एक समूह के लिए प्रश्न का उत्तर देने की कोशिश कर रही है। उस रोबोट के पास एक शेल्फ से निकाले गए 500 पर्चों (वेबसाइटों) का ढेर है, लेकिन वह भीड़ को दिखाने के लिए अपने हाथ में केवल कुछ ही पकड़ सकती है। वह उन्हें पढ़ती है, उत्तर का सारांश देती है, और फिर केवल एक या दो पर्चों की ओर इशारा करके उन्हें "सत्य के स्रोत" (source of truth) के रूप में दर्शाती है।
यदि आपका पर्चा वह नहीं है जिसकी ओर रोबोट इशारा करता है, तो कोई भी उसे नहीं देखेगा। इससे कोई फर्क नहीं पड़ता कि आपका पर्चा शेल्फ पर 5वाँ था; यदि रोबोट उसका उल्लेख नहीं करता है, तो आप अदृश्य हैं।
यह शोध पत्र इस बारे में है कि यह कैसे सुनिश्चित किया जाए कि आपका पर्चा चुना जाए जब वह दूसरे पर्चे के साथ सीधे प्रतिस्पर्धा कर रहा हो। लेखक इसे "जेनरेटिव इंजन ऑप्टिमाइज़ेशन" (GEO) कहते हैं। पारंपरिक SEO की तरह सूची में शीर्ष पर पहुँचने की कोशिश करने के बजाय, आप रोबोट का ध्यान खींचने के लिए एक आमने-सामने के द्वंद्व को जीतने की कोशिश कर रहे हैं।
प्रयोग: एक नियंत्रित टेस्टिंग मेनू
यह समझने के लिए कि क्या चीज़ रोबोट को एक पर्चे को दूसरे के ऊपर चुनने के लिए प्रेरित करती है, शोधकर्ताओं ने एक विशाल, नियंत्रित टेस्टिंग मेनू तैयार किया।
- सेटअप: उन्होंने 1,440 अलग-अलग परिदृश्य बनाए। प्रत्येक परिदृश्य में, उन्होंने रोबोट को ठीक दो पर्चे दिए।
- नियम: दोनों पर्चे जुड़वां भाई-बहन की तरह समान थे, सिवाय एक एकल अंतर के। शायद एक में कीमत लिखी थी और दूसरे में नहीं। शायद एक 2026 में लिखा गया था और दूसरा 2019 में। शायद एक आत्मविश्वास से भरा था और दूसरा अनिश्चित लग रहा था।
- ब्लाइंड टेस्ट: उन्होंने सभी ब्रांड नामों (जैसे "Nike" या "Apple") को हटा दिया और उन्हें "Brand X" जैसे नकली नामों से बदल दिया। इससे यह सुनिश्चित हुआ कि रोबत किसी प्रसिद्ध लोगो को पहचानने के कारण पर्चे को नहीं चुन रहा है।
- पैमाना: उन्होंने छह अलग-अलग AI मॉडल (रोबोटों) का उपयोग करके इस प्रयोग को 252,000 बार चलाया।
परिणाम: रोबोट किसकी ओर इशारा करता है?
संख्याओं को चलाने के बाद, शोधकर्ताओं ने पाया कि रोबोट का चुनाव यादृच्छिक (random) नहीं है। यह एक सख्त पदानुक्रम का पालन करता है, जैसे क्लब में प्रवेश देने वाला एक बाउंसर।
1. "गेटकीपर्स" (निर्णायक कारक)
ये वे चार कारक हैं, जो यदि अनुपस्थित हों, तो लगभग निश्चित रूप से आपके पर्चे को खारिज कर देंगे, चाहे बाकी सब कुछ कितना भी अच्छा क्यों न हो। इन्हें प्रवेश टिकट के रूप में समझें। यदि आपके पास ये नहीं हैं, तो आप खेल में शामिल नहीं हो सकते।
- विषय का मिलान (Topic Match): यदि पर्चा गलत विषय पर बात करता है (उदाहरण के लिए, आपने "रनिंग शूज" के बारे में पूछा और पर्चा "किचन ब्लेंडर" के बारे में है), तो रोबोट उसे तुरंत अनदेखा कर देता है।
- कीमत (Price): यदि पर्चा कीमत का उल्लेख नहीं करता है, तो रोबोट द्वारा उसे चुनने की संभावना बहुत कम है। उसे आंकड़ों की आवश्यकता होती है।
- ताजगी (Freshness): 2026 का पर्चा 2019 के मुकाबले बहुत अधिक पसंद किया जाता है। पुरानी खबरों को अनदेखा कर दिया जाता है।
- स्थान (Position): यदि आपका पर्चा रोबोट के दृश्य में दूसरे स्थान पर सूचीबद्ध है, तो उसे पहले वाले की तुलना में जीतने में बहुत अधिक कठिनाई होती है। (रोबोट में पहली चीज़ देखने का झुकाव होता है)।
2. "डिफरेंशिएटर्स" (टाई-ब्रेकर्स)
एक बार जब आपके पास प्रवेश टिकट होता है (आप प्रासंगिक हैं, आपके पास कीमत है, आप ताज़ा हैं, और आप एक अच्छी स्थिति में हैं), तो ये कारक आपको उस प्रतियोगी के विरुद्ध टाई-ब्रेकर जीतने में मदद करते जिसके पास भी प्रवेश टिकट है।
- पूर्णता (Completeness): क्या पर्चा तकनीकी विशिष्टताओं (specs) को सूचीबद्ध करता है? क्या यह अन्य उत्पादों के साथ तुलना करता है? रोबोट को "पूरी कहानी" पसंद है।
- विश्वास (Trust): क्या पर्चा आत्मविश्वास से भरा और साक्ष्यों द्वारा समर्थित लगता है? या क्या यह अनुमान लगाता हुआ प्रतीत होता है ("शायद," "संभवतः")? रोबोट आत्मविश्वास से भरी, साक्ष्य-आधारित आवाज़ को प्राथमिकता देता है।
- गहराई (Depth): एक गहरा, व्यापक विश्लेषण सतही विश्लेषण को हरा देता है।
3. "शोर" (जिससे कोई फर्क नहीं पड़ता)
शोधकर्ताओं ने पाया कि कुछ चीजें जिन्हें लोग सोचते हैं कि महत्वपूर्ण हैं, वास्तव में रोबोट का निर्णय नहीं बदलती हैं।
- फॉर्मेटिंग (Formatting): टेक्स्ट बड़े पैराग्राफ में है या बुलेट पॉइंट्स में, या यह "सुंदर" दिखता है या नहीं, इससे लगभग कोई अंतर नहीं पड़ता। रोबोट सामग्री पढ़ता है, डिज़ाइन नहीं।
- बिक्री वाला लहजा (Salesy Tone): अत्यधिक उत्साही होना या "सेल्स जैसा" होना बहुत अधिक मदद नहीं करता, और न ही थोड़ा कम उत्साही होना।
लेखकों के लिए सीख
यह शोध पत्र उन सभी के लिए एक सरल कार्यप्रवाह (workflow) का सुझाव देता है जो AI द्वारा उद्धृत (cite) होने की कोशिश कर रहे हैं:
- पहले गेटकीपर्स की जाँच करें: अपनी लेखन शैली की चिंता करने से पहले, सुनिश्चित करें कि आप सही विषय पर बात कर रहे हैं, आपके पास मूल्य टैग है, आपके पास हाल की तारीख है, और आप आसानी से मिल सकते हैं। यदि आप यहाँ विफल होते हैं, तो कुछ भी मायने नहीं रखता।
- टाई-ब्रेकर्स जोड़ें: एक बार बुनियादी बातें पूरी हो जाने के बाद, अपने प्रतियोगी को हराने के लिए विशिष्ट विवरण, तुलना और स्पष्ट साक्ष्य जोड़ें।
- फालतू चीजों को अनदेखा करें: अपने पैराग्राफ को पुनर्व्यवस्थित करने या फ़ॉन्ट बदलने में समय बर्बाद न करें। इससे रोबोट को आपको चुनने में मदद नहीं मिलेगी।
संक्षेप में, AI खोज के युग में जीतने के लिए, आपको सबसे सुंदर पर्चा होने की आवश्यकता नहीं है; आपको सबसे प्रासंगिक, विशिष्ट और अद्यतित (up-to-date) पर्चा होने की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।