Tre søgelag og maskinparitet
En side kan være fundet af en søgemaskine, uden at dens oplysninger indgår i et AI-svar. TRAQ skelner mellem tre søgelag for at gøre den forskel forståelig: at finde en kilde, at hente dens indhold og at formulere et svar. Det er en forklaringsmodel, ikke en beskrivelse af alle motorers interne systemer.
De tre søgelag
| Lag | Hvad der sker | Hvad I kan undersøge |
|---|---|---|
| Søgning | Et system finder mulige kilder | Om relevante sider kan findes og tilgås |
| Hentning og udtræk | Indhold hentes fra en kilde | Om centrale oplysninger er tilgængelige og stemmer med den viste side |
| Svar | Et system sammensætter en besvarelse | Hvilke omtaler og kildehenvisninger der faktisk fremgår |
Systemer kan kombinere lagene på forskellige måder. Adgang til en side er ikke bevis på, at den er blevet hentet. En hentning er ikke bevis på, at den er brugt eller citeret.
Agenten som digital indkøbschef
Tænk på en assistent som en digital indkøbschef: Den kan indsamle muligheder, sammenligne oplysninger og forelægge dem for den person, der træffer beslutningen.
Analogien hjælper med at stille konkrete spørgsmål til jeres eget indhold: Kan pris, variant, levering og vilkår forstås uden at gætte? Stemmer oplysningerne overens? Den fortæller ikke, hvor mange forhandlere en bestemt agent undersøger, eller hvorfor den vælger én frem for en anden.
Maskinparitet
Maskinparitet er overensstemmelse mellem de fremstillinger af samme oplysning, som indgår i undersøgelsen. Det kan være den synlige produktside, strukturerede data og en eventuel tekstudgave.
En udløbet tilbudspris, der stadig står i strukturerede data, er en konkret uoverensstemmelse. Jeres udvikler kan spore og rette den. Vi kan ikke udlede en automatisk straf fra en søgemodel alene af, at forskellen findes.
Sammenligningen skal angive vare, variant, valuta, tidspunkt og de undersøgte flader. Læs webshopmetoden.
Hvad bør I gøre med resultatet?
Start med dokumenterede fejl i oplysninger eller adgang. Skeln mellem noget, der er blokeret, noget der ikke blev undersøgt, og noget der blev hentet korrekt uden at optræde i svaret.
En robots.txt angiver crawlregler, men beviser ikke faktisk adgang eller indeksering. En llms.txt kan fungere som indholdsoversigt; TRAQ tillægger den ikke en dokumenteret synlighedseffekt. Google angiver, at særlige AI-tekstfiler ikke er nødvendige for at optræde i deres AI-søgeflader.[13][14]
Der er heller ikke et fast offentligt antal crawlere, som alle websites skal åbne for. Adgang skal vurderes efter det konkrete formål og den relevante udbyders dokumentation.
Begrænsninger
Vi kan dokumentere det indhold og de svar, der faktisk observeres. Vi kan ikke se en models fulde kildevalg eller slutte fra manglende citation til én bestemt teknisk årsag. Måledefinitionerne og støjgulvet beskriver, hvordan resultatet skal læses.