Hoffman Agency Korea推出GEO诊断工具“GEDI”
向12种人工智能提出相同问题……比较竞争对手提及情况及引用来源
检查人工智能是否准确介绍产品规格和交付业绩
当数据中心建设公司的采购团队员工向人工智能提出这样的问题时，最先出现的企业可能会成为首批考察对象。对企业而言，客户还不知道自家品牌时，人工智能是否会将公司列为候选对象，以及能否准确介绍产品和交付业绩，都变得至关重要。
检查这类回答并改进企业公开资料的技术，称为生成式引擎优化。搜索引擎优化着眼于让网页在搜索结果中更容易被看到，而生成式引擎优化还会关注人工智能综合多个来源生成回答时，引用了哪些信息。
美国普林斯顿大学、印度理工学院德里分校等机构的研究人员于2024年在国际学术会议“知识发现与数据挖掘大会”上发表论文，对生成式引擎优化进行了系统梳理。在网页中补充来源、引文和统计数据后，一项综合反映相关资料在人工智能回答中所占篇幅及位置的指标提升了30%至40%。相比之下，搜索引擎优化中常用的重复插入关键词几乎没有效果。有效方法则因问题主题而异。
企业应用生成式引擎优化的第一步，是确定客户在购买过程中可能提出的问题。考察数据中心冷却设备时，客户可能会询问冷却能力和安装条件；缩小供应商候选范围时，则可能会关注交付业绩和售后支持。人工智能提及的企业及引用的资料可能因问题而异，因此有必要按采购阶段检查信息的传达情况。
专注于科技企业公关的Hoffman Agency Korea于11日宣布，将在韩国推出一款自动化生成式引擎优化诊断工具“GEDI”。该工具会向ChatGPT、Gemini、Claude等12种生成式人工智能提出相同的问题，比较自家公司和竞争对手在何种语境下被提及，以及人工智能引用了哪些资料。
公司方面表示，该工具会逐句、逐段分析人工智能作为回答依据列出的企业官网和媒体报道等资料。例如，人工智能介绍称一款已停产产品仍在销售，并引用了企业官网上过时的规格表，企业便能据此判断应优先更新哪些资料。
企业还可以按市场调整问题的表述并比较结果，或在一段时间后再次提出相同问题，以追踪回答的变化。不过，人工智能只有在通过网络搜索回答问题时才会标注来源；如果回答依赖模型已学习的知识，那么即使更新资料，内容也可能要到模型下次训练后才会改变。
Hoffman Agency Korea代表Kwon Gijeong表示：“理解企业希望传达的信息与生成式人工智能实际说明的内容之间的差距，是人工智能时代品牌传播的新起点。”
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
