SEO / GEO tip: в коде ChatGPT можно подсмотреть, из какого именно источника данных он взял страницу для цитирования.
И да — это очень полезная штучкка, если вы пытаетесь понять, откуда ChatGPT вообще находит сайты и как он выбирает, что показать в ответе.
Недавно наткнулась на классное наблюдение у коллег в Линктине.
В посте разбиралось, из каких источников ChatGPT может подтягивать URL, и обнаружилось, что там есть несколько разных пайплайнов:
1. Labrador — training data
(Скорее всего, это данные, которые попали в обучающую / предобучающую базу модели. То есть страница или её фрагменты могли быть известны модели ещё до текущего запроса пользователя.)
2. SERP — search data
(Это похоже на данные, пришедшие из search results page — то есть из поисковой выдачи. Проще говоря, ChatGPT мог найти страницу через обычный поиск по вебу во время ответа.)
3. Bright — BrightData scraper
(Bright Data — это известный провайдер web data / scraping infrastructure. Если result_source = Bright, это может значить, что URL или контент был получен через scraping pipeline)
4. Oxylabs — Oxylabs scraper
(Oxylabs — тоже крупный инфраструктурный провайдер для scraping / proxy / web extraction. Если источник помечен как Oxylabs, это может означать, что страница была найдена или обработана через этот пайплайн)
Для каждого URL ChatGPT может показывать, из какого именно источника он его взял.
Это помечается через тег result_source.
Как это посмотреть:
1. Открой ChatGPT и задай нужный prompt
2. Кликни правой кнопкой → Inspect (в Хроме)
3. Скопируй числовой путь после /c/ в URL чата
4. Открой вкладку Network, вставь туда это значение и найди нужный запрос
5. Потом просто поищи по слову result_source
И ты увидишь, какой именно источник данных использовал ChatGPT, когда нашёл эту страницу. И в эти источники - можно размещать - нужным нам данные!
Это очень классная прикладная находка, помогает чуть лучше понять, как устроена механика цитирования внутри ChatGPT.
Если работаешь с GEO / AI Visibility / AI search, такие вещи можно смотреть руками, а МОЖНО(!) научить своего агента - делать это за вас, и объяснять вам смыслы найденного. Вот такие и другие полезные штуки я упаковала в навык для агента и плейбук (читай - учебник) для его человека:) 2 по цене одного, так сказать!
Больше знайки про GEO:
вот здесь
И да — это очень полезная штучкка, если вы пытаетесь понять, откуда ChatGPT вообще находит сайты и как он выбирает, что показать в ответе.
Недавно наткнулась на классное наблюдение у коллег в Линктине.
В посте разбиралось, из каких источников ChatGPT может подтягивать URL, и обнаружилось, что там есть несколько разных пайплайнов:
1. Labrador — training data
(Скорее всего, это данные, которые попали в обучающую / предобучающую базу модели. То есть страница или её фрагменты могли быть известны модели ещё до текущего запроса пользователя.)
2. SERP — search data
(Это похоже на данные, пришедшие из search results page — то есть из поисковой выдачи. Проще говоря, ChatGPT мог найти страницу через обычный поиск по вебу во время ответа.)
3. Bright — BrightData scraper
(Bright Data — это известный провайдер web data / scraping infrastructure. Если result_source = Bright, это может значить, что URL или контент был получен через scraping pipeline)
4. Oxylabs — Oxylabs scraper
(Oxylabs — тоже крупный инфраструктурный провайдер для scraping / proxy / web extraction. Если источник помечен как Oxylabs, это может означать, что страница была найдена или обработана через этот пайплайн)
Для каждого URL ChatGPT может показывать, из какого именно источника он его взял.
Это помечается через тег result_source.
Как это посмотреть:
1. Открой ChatGPT и задай нужный prompt
2. Кликни правой кнопкой → Inspect (в Хроме)
3. Скопируй числовой путь после /c/ в URL чата
4. Открой вкладку Network, вставь туда это значение и найди нужный запрос
5. Потом просто поищи по слову result_source
И ты увидишь, какой именно источник данных использовал ChatGPT, когда нашёл эту страницу. И в эти источники - можно размещать - нужным нам данные!
Это очень классная прикладная находка, помогает чуть лучше понять, как устроена механика цитирования внутри ChatGPT.
Если работаешь с GEO / AI Visibility / AI search, такие вещи можно смотреть руками, а МОЖНО(!) научить своего агента - делать это за вас, и объяснять вам смыслы найденного. Вот такие и другие полезные штуки я упаковала в навык для агента и плейбук (читай - учебник) для его человека:) 2 по цене одного, так сказать!
Больше знайки про GEO:
вот здесь