В последнее время вы, вероятно, много слышали о агентах искусственного интеллекта — будь то в ваших разговорах на рабочем месте или прокручивая свои социальные каналы (надеюсь, оба).

Хотя нет недостатка в статьях, обсуждающих их общие преимущества, удивительно мало охвата о том, что они имеют в виду конкретно для SEO — где их влияние не просто значительное, но и усилено.

Прежде чем мы погрузимся в две ключевые причины, по которым агенты ИИ настолько важны для того, чтобы понять SEO (и да, вы, вероятно, уже используете их — даже если вы не понимаете этого), давайте сначала прояснитесь, что на самом деле являются агенты ИИ.

Что такое агенты ИИ?

По их душу, агенты искусственного интеллекта являются автономными системами, оснащенными доступом к внешним инструментам, данным, функциям и многим другим.

Они работают с четким пониманием конечной цели и обеспечивают ресурсы, необходимые для ее достижения.

В некоторых случаях им также дают инструкции о том, как использовать эти инструменты. В других они остаются, чтобы понять это самостоятельно.

Вместо того, чтобы погружаться в диаграмму или техническую диаграмму системы агентации образца, я думаю, что более простая — и удивительно точная — иллюстрация может быть найдена в одном из самых сложных, но упущенных форм жизни природы: скромного муравья.

Представьте себе колонию муравья: королева, очень похожая на алгоритм мастера ИИ, ставит всеобъемлющую цель. Рабочие муравьи — каждая из которых оснащена своими собственными специализированными инструментами — являются отдельными агентами, которым поручено конкретные функции.

Рассмотрим параллели:

• Queen = агент оператор: Направляет и корректирует общую стратегию.
• Рабочие муравьи = суб-агенты: Каждый имеет специализированный инструмент или функцию, будь то сборы данных, анализ контента или передачи результатов.
• Эффективность колонии = оптимизация системы: По мере того, как муравьи работают вместе, система оптимизирует ресурсы и информационные потоки, отражая, как координируются агенты ИИ для выполнения сложных задач.

Королева передает цель каждому «инструменту», который затем пытается достичь каждый муравей.

Они возвращаются со своими запрошенными ресурсами, общаются и оценивают свой статус, делятся информацией для достижения своей цели макроскую цель и быстрее сообщать.

Общий статус сообщается королеве, которая сообщает скорректированные команды с ее инструментами.

Это не совсем отличается от агента искусственного интеллекта, кроме как в целом более изощренным (хотя и не так впечатляет, как это только поддерживает вид и не производит автоматическую торговлю акциями 56 наносекунд быстрее после того, как поймал новую тенденцию и применив настроение как положительное).

Я плохо параллею этому с агентами искусственного интеллекта ниже.

Но прежде чем я это сделаю, позвольте мне ответить, почему одно из моих утверждений выше.

Почему влияние агентов искусственного интеллекта в SEO много раз умножается на большинство других профессий

Я не могу думать о отрасли, которая не будет затронута агентами, по крайней мере, косвенно.

• Адвокаты будут использовать агентов для поиска и обобщения суждений и анализа лазейков, используемых для их клиентов.
• Инженеры -программисты будут использовать их, чтобы помочь в разработке кода и систем, ссылаются на их внутренние документы, репо и внешние знания.
• Пекари получат свои ингредиенты через грузоотправители, координированные с использованием агентов.
• SEOS будет использовать их в качестве инструментов для выполнения своей работы быстрее и лучше — как я покажу ниже.

Кроме того, нам также необходимо учиться и адаптироваться к маркетингу в агентские системы.

Генеративная оптимизация двигателя (GEO) вошла в сцену не так давно.

Но то, что он развивается, — это нечто другое — что -то гораздо более мощное.

Что -то, что заставляет нас оптимизировать оптимизацию для алгоритма, даже один из которых управляется LLM, таким как обзоры ИИ или CHATGPT, и оптимизации для агентов, их функций и их инструментов.

Мы видим эту эволюцию в годы малыша прямо сейчас, и если вы на первом этаже, это отличное место.

Несмотря на то, что есть исключения, по большей части, генеративные двигатели работают очень похожи на поисковые системы в своем представлении решений.

• Пользователь входит в запрос.
• Пользователь получает ответ.
• В этом ответе может быть несколько ссылок.

Конечно, система может проверить в Интернете дополнительные ссылки за пределами своей текущей базы знаний, но ничего революционного.

Опять же, он функционирует очень похож на традиционный поиск с лучшим пользовательским опытом.

Я ожидаю, что следующие шаги в этой эволюции будут постепенными, так как такие инструменты, как Google и CHATGPT, добавляют новые возможности, такие как недавно анонсированная функция, в которой система, управляемая искусственным интеллектом, может вызвать магазин, чтобы собрать для вас дополнительную информацию.

Тем не менее, новые произведения постепенно встанут на свои места, пока мы не достигнем точки, когда предоставление вашему агенту понимание ваших целей или потребностей вызовет действия таким образом, как мы, вероятно, пока не можем полностью понять.

Вот простой пример.

Вы даете агенту Google (например) свою цель, желание или необходимость.

Допустим, вам нужна новая обувь для свадьбы. Агент может тогда:

• Проверьте свой календарь на дату свадьбы.
• Проверьте погоду в этом городе в эту дату, или, вероятно, погоду в зависимости от времени года, если специфика недоступна.
• Спросите, что вы будете носить.
• Знание вашего размера, общего стиля и предпочтительных брендов и магазинов — варианты источников, которые поступят вовремя для свадьбы.
• Поиск и храните локальную резервную копию, на случай, если что -то пойдет не так с доставкой или посадкой, чтобы подготовить эту информацию в случае, если она обнаружит проблему.
• Спросите, хотите ли вы увидеть варианты:
  • Если да, отправьте их на дисплей по вашему выбору.
  • Если нет, перейдите к следующему шагу.
• Как только обувь выбрана, заполните заказ.
• Проверьте, какие другие общие предметы могут потребоваться для свадеб, основываясь на вашем статусе на нем (гость, лучший человек, жених или невеста и т. Д.), И, необязательно, отправьте вам список адресов электронной почты, если у него нет доказательств, которые они завершены.

Представляя этот мир, у меня есть несколько вопросов к вам:

• Как вы приписываете это Google?
• Был ли это их гусеницу, который всплыл на информацию для них? Какую оптимизацию это занимается с LLMS?
• Был ли это каналом продукта через Google Merchant Center?
• Они использовали оператора для навигации по вашему сайту, чтобы добраться до него? Есть ли оптимизация, которая должна применить к фильтрам, чтобы упростить это?
• Если вы продаете зонтики, как вы гарантируете, что вы являетесь частью этих по электронной почте предложения ранее, если будет дождь.
• О, и как вы даже получаете атрибуцию для этого?

Этот простой пример подчеркивает огромную сложность того, что ждет впереди.

Появятся новые технологии, что компании и команды должны будут принять и оптимизировать.

Кроме того, благодаря разработке новых протоколов, таких как модельный протокол модели Anpropic (MCP), добавление канала вашего магазина на рынок — или даже создание собственных инструментов для других агентов — станет намного проще.

Это открывает дверь для большего распределения, хотя это может возникнуть с такими проблемами, как сложная атрибуция и непроверенная эффективность.

Вопрос:

• Вы действительно хотите подождать и посмотреть, сначала ли ваши конкуренты погрузитесь, или вы воспользуетесь этой возможностью сейчас?

Хотя я не могу предсказать точную форму маркетингового мира в ближайшие две недели, не говоря уже о год, я могу с уверенностью сказать, что мы уже вошли в агентскую эру.

Уровень принятия и развития в этом пространстве не похож на то, что я видел за два десятилетия онлайн -маркетинга.

Это даже более разрушительно, чем изменения, внесенные в обновления Google Panda и Penguin.

Копайте глубже: от поиска до агентов искусственного интеллекта — будущее цифрового опыта

---

SEO и GEO также используют агент

А на другой стороне монеты у нас также есть SEO, использующие их собственные агентские системы.

В качестве примера я поделюсь созданной системой агента, чтобы помочь создать схемы статьи для авторов в Weews & Mizees.

То, что началось как простая замена для сценария, который я ранее писал для той же задачи, с тех пор развивалось.

Я также выставлю несколько предстоящих расширений, чтобы лучше проиллюстрировать потенциал агентов искусственного интеллекта.

Эта агентская система начинается с того, что спросит пользователя у пяти вещей:

• Основная фраза, которую они надеются ранжировать с статьей.
• Любые вторичные термины.
• Тип статьи, которую они писали.
• Название (если они имеют в виду).
• Автор.

Он использует эту информацию для информирования других агентов в системе, что делать и какие данные доступают.

Я создал несколько агентов и источников данных для агента для доступа.

Основными (в том числе несколько все еще закончено после некоторого тестирования) являются:

Поисковый агент

Этот агент имеет доступ к поиску Google и удаляет социальные платформы, которые, как правило, блокируют наши веб -скребки.

Анализованный агент

Этот агент делает несколько вещей:

• Извлекает сущности со страниц, используя API Google Natural Language.
• Суммирует контент.
• Извлекает вопросы из контента.

Скорее всего, я разделю их на их собственные агенты по мере расширения возможностей, но объединение их хорошо работает в текущей итерации.

Хранилище примеров

Для каждого автора я создал папку с 10 файлами разметки, которые включают:

• Входные данные, которые они предоставили (первичная фраза, вторичные термины, заголовок и т. Д.).
• Очертания, сгенерированные системой.
• Окончательные очертания, которые я сдал после ручного редактирования.
• Первые абзацы из опубликованных статей, основанные на моих критериях того, как следует читать раздел.

Эта коллекция обучает агентскую систему понимать предпочтительную структуру и тон каждого автора. Это также помогает предложить первые абзацы, которые соответствуют их стилю письма.

Я регистрирую все это — входные данные, извлеченные объекты, вопросы и схемы — чтобы W & B Weave, чтобы контролировать производительность и направлять улучшения.

Агент сброса

Этот агент получает информацию от пользователя, результаты поиска, объекты, вопросы и резюме и генерирует схему статьи.

Вскоре

Некоторые агенты, которых я добавляю в настоящее время,:

• Агент ключевого слова Это будет иметь доступ к API Google Ads, чтобы получить дополнительные идеи ключевых слов и объемы поиска.
• Агент социального слушания Это будет отслеживать социальные каналы для трендов и автогенерировать и наброски, когда кто-то пересекает порог, вероятно,.
• Слаба/агент по электронной почте: Когда наброски статьи генерируются автоматически, агентская система сообщит мне, включая список известных людей, говорящих о этой теме и резюме.
• Агент конкурента Это проверит, будут ли известные конкуренты ранжированы для контента, и отправить их мне с контуром.

Я уверен, что это еще не все. (Я подумал о том, чтобы ждать, пока все не будет закончено, прежде чем написать это, но новые идеи продолжают появляться, и эта статья никогда не будет написана.)

Вы должны (и можете) построить агентов тоже

Я не одинок в развивающихся агентах, и хотя некоторые инструменты SEO утверждают, что являются агентскими, я еще не нашел, за что стоит заплатить.

Реальная выгода от строительных агентов заключается в том, что они помогают мне понять окружающую среду, в которой я маркетинг.

Если вы хотите попробовать разработать один, я использовал obot.ai, который просто и отлично подходит для создания основных, полезных агентов для различных задач.

Большое спасибо Марку Сиркину, генеральному директору Third Door Media, за то, что познакомил меня с ним.

По крайней мере, это даст вам представление о том, как работают агенты, что является большим преимуществом перед конкурентами, которые не понимают, что происходит за кулисами.