Grounding w kontekście AI to pojęcie oznaczające „uziemienie” modeli językowych w rzeczywistości, czyli zdolność do powiązania generowanych odpowiedzi z faktami, kontekstem lub światem zewnętrznym. LLM (ang. Large Language Models, czyli duże modele językowe) same z siebie nie opierają się na faktach, tylko na prawdopodobieństwie wystąpienia danych słów w określonej kolejności. Oczywiście wysokiej jakości dane treningowe i odpowiednia skala zwiększają szanse, że model napisze coś sensownego, ale jak podkręcimy mu temperaturę (poprosimy o wyższą kreatywność), to zacznie tworzyć bzdury.
Dlatego używa się różnych technik groundingu. Można do tego wykorzystać RAG lub dać modelom możliwość wyszukiwania informacji w sieci ad hoc – w kontekście zadanego pytania / promptu.
Jak grounding przekłada się na SEO?
Dla SEO, szczególnie w obliczu AI Overviews i zmian takich jak AI Mode w Google, grounding ma kilka kluczowych implikacji. Przede wszystkim, wysoko wypozycjonowane strony mają większe szanse, aby być cytowanymi (a marki rekomendowanymi) w odpowiedziach AI.
- Wiarygodność treści – Google coraz bardziej premiuje treści oparte na faktach i autorytatywnych źródłach. Modele AI, które potrafią „groundować” odpowiedzi, preferują cytowanie źródeł. W SEO oznacza to konieczność podpierania contentu badaniami, cytatami, danymi, szczególnie w branżach YMYL. Ponadto Google weryfikuje content poprzez ocenę spójności treści z Grafem Wiedzy (chociażby za pomocą trójek semantycznych).
- Semantic SEO i struktura danych – grounding AI polega także na lepszym zrozumieniu kontekstu i relacji między pojęciami. Dobrze zorganizowane dane (znaczniki schema, nesting, dane strukturalne, właściwa architektura informacji) wspierają lepsze dopasowanie do zapytań użytkowników, co jest fundamentem SEO semantycznego. Co do zasady, Google powinno ufać bardziej stronom, które w danej tematyce się specjalizują, niż tym, na których dane pojęcie wystąpiło w zupełnie innym kontekście.
- AI content i E-E-A-T – można generować content za pomocą AI, ale aby efektywnie wspierał pozycjonowanie, powinien być „uziemiony” w autorytecie autora lub marki domeny (popartej wyszukiwaniami brandowymi, wzmiankami, linkami etc.). W mojej praktyce, rekomenduję m.in. uzupełnianie AI-contentu autorskimi komentarzami i wykorzystanie profili ekspertów jako autorów tekstów oraz budowanie autorytetu domeny czynnikami offsite.
- Przygotowanie do AI Mode – nowe formaty odpowiedzi AI w Google wymagają dostosowania treści nie tylko do klasycznego rankingu SERP, ale do tego, by były zrozumiałe i przydatne dla modelu językowego generującego odpowiedzi. W praktyce oznacza to m.in. optymalizację pod tzw. trójki semantyczne (subject-predicate-object) i logikę odpowiadania na pytania. Dobrą weryfikacją dopasowania do AI Mode jest wcześniejsza obecność w Featured Snippets, People Also Asked, czy AI Overviews, gdyż Tryb AI był budowany z tych „klocków”.
- RAG, humanizacja i testy SEO – z mojego doświadczenia wynika, że skuteczne wdrożenie strategii AI-contentu wymaga połączenia dobrze zaprojektowanego RAG, prompt engineeringu, analizy danych z testami wpływu na widoczność. Do tego, na wszelki wypadek dobrze dołożyć techniki humanizacji, gdyż algorytm widząc typowe wzorce pisania AI, będzie mniej ufał danemu tekstowi (zakładając, że LLM są podatne na halucynacje). Dlatego też warto stosować humanizację, aby zmniejszyć ryzyka „bycia posądzonym” o publikowanie niezweryfikowanych i niepoprawnych treści (poprzez szereg klasyfikatorów). Poprawie ulegają także doświadczenia użytkowników, czyli UX.
Jeśli chcesz przygotować się do zmian w Google Search, zapisz się na konsultacje SEO i porozmawiajmy o Twoim contencie.