A keresőoptimalizálás célja sokáig elsősorban az volt, hogy egy weboldal minél előkelőbb helyen jelenjen meg a találati listán. Az AI-alapú keresők azonban gyakran már kész választ adnak a felhasználóknak, amelyhez különböző webes forrásokból gyűjtik össze és foglalják össze az információkat. A márkák számára így az is egyre fontosabbá válik, hogy megbízható forrásként bekerüljenek ezekbe a válaszokba.

Ehhez adott ki új, B2B-marketingeseknek szóló útmutatót a LinkedIn. A dokumentum megjelenéséről beszámoló Social Media Today szerint a platform a „Credibility Stack”, vagyis egyfajta hitelességi rendszer felépítését ajánlja: a céges oldal, a vezetők és munkatársak profiljai, a szakértői tartalmak, valamint a külső médiamegjelenések egymást erősítve tehetnek láthatóbbá egy márkát az AI-rendszerek számára.

Miért éppen a LinkedIn?

A Semrush 89 ezer, AI-keresők által idézett LinkedIn-URL-t vizsgáló elemzése szerint a platform átlagosan a válaszok 11 százalékában jelent meg forrásként a vizsgált ChatGPT Search-, Google AI Mode- és Perplexity-találatokban. Ezzel a kutatás szerint a LinkedIn volt a második leggyakrabban idézett domain a vizsgált mintában. Egy másik, a Profound által végzett elemzés a szakmai témájú kereséseknél már az első helyre sorolta a platformot. A két állítás tehát eltérő kérdéskörre és mintára vonatkozik, ezért nem közvetlenül összevethető.

Az adatokban érdekelt vállalatok saját kutatásairól van szó, így az eredményeket nem valamennyi AI-rendszer működésére érvényes, általános szabályként, hanem pillanatfelvételként érdemes kezelni. Azt ugyanakkor jelzik, hogy a nyilvános, szakmai LinkedIn-tartalmak az AI-alapú információkeresés forrásai között is szerepet kaphatnak.

A hosszabb cikk a tudásbázis, a poszt a terjesztési eszköz

A LinkedIn útmutatója szerint a platformról származó tartalmi hivatkozások körülbelül 60 százaléka cikkekre, 40 százaléka rövidebb posztokra mutatott a cég vizsgálatában. A két formátumnak ezért különböző szerepet szánnak.

A LinkedIn a 800–1200 szavas, jól tagolt cikkeket javasolja egy-egy szakterület mélyebb feldolgozására. Ezeknél előnyt jelenthet a kérdésre épülő cím, a rövid összefoglaló, a közönség valós kérdéseit követő alcímstruktúra, valamint a konkrét példák, meghatározások és lépések használata.

A 200–300 szavas posztok ezzel szemben egyetlen gondolat terjesztésére szolgálhatnak. A platform ajánlása szerint a legfontosabb állítást már a nyitómondatban érdemes megfogalmazni, majd egyszerű kérdés–válasz vagy listás szerkezettel kibontani. Egy hosszabb cikkből így három–öt önálló poszt is készülhet, a közönség reakciói pedig visszacsatolást adhatnak a következő nagyobb anyaghoz.

Az egyedi szakértelem fontosabb lehet a generikus tartalomnál

A LinkedIn álláspontja szerint önmagában a megfelelő formázás nem elég az idézhetőséghez. Az AI-rendszerek számára is értékesebb lehet az a tartalom, amely világos, megkülönböztethető álláspontot képvisel, és azt saját adatokkal, tapasztalatokkal, kutatásokkal vagy esettanulmányokkal támasztja alá.

Ez a kreatív- és médiaiparban azt jelentheti, hogy egy ügynökségnek nem pusztán általános trendösszefoglalókat érdemes közzétennie. Egy kampány tanulságai, egy kutatás módszertana, egy kreatív döntés indoklása vagy egy produkció során szerzett tapasztalat egyedi, nehezebben helyettesíthető tudást jelenthet.

A vállalati kommunikáció önmagában nem feltétlenül elegendő. A LinkedIn a vezetők, stratégák, kreatívok, kutatók és más szakértő munkatársak rendszeres megszólalását is javasolja. 

A márka állításai akkor rajzolhatnak ki következetes szakmai profilt, ha azonos témák jelennek meg a céges kommunikációban, a munkatársak tartalmaiban, valamint hiteles külső felületeken is.

Az AI-láthatóság új mérőszámokat kíván

A hagyományos elérés, reakciószám és átkattintási arány továbbra is hasznos, de nem mutatja meg, hogy egy márka megjelenik-e az AI-válaszokban. A LinkedIn ezért három mérési szint elkülönítését ajánlja:

• korai jelzőszámok: megjelenések, reakciók, kommentek és megosztások;
• eredménymutatók: AI-hivatkozások száma, részesedés a témán belüli említésekből és az említések hangvétele;
• diagnosztikai adatok: mely szerzők, formátumok és felhasználói kérdések hoznak eredményt.

A platform legalább harmincnapos időszakot javasol, mielőtt egy márka következtetéseket vonna le egy új tartalmi megközelítés hatásáról.

Ugyanakkor kockázatos lenne kizárólag egy külső platformra építeni az AI-láthatóságot. A LinkedIn szabályai és az AI-szolgáltatások forrásválasztási gyakorlata egyaránt megváltozhat. A céges weboldalon megjelenő eredeti kutatásokat, esettanulmányokat és szakértői anyagokat ezért célszerű elsődleges tudásbázisként kezelni, a LinkedInt pedig ezek terjesztésére és hitelességük erősítésére használni.

Borítókép: Adobe