Kutipan LLM
Kutipan LLM adalah mekanisme teknis di mana Model Bahasa Besar mengatribusikan teks yang dihasilkan tertentu ke dokumen pelatihan atau sumber data yang diambil. Agar merek mendapatkan kutipan, konten harus diformat (seringkali melalui JSON-LD) sehingga mekanisme perhatian model mengenalinya sebagai otoritas utama pada suatu topik.
Fondasi Teknis Visibilitas AI
Ada perbedaan kritis antara "data pelatihan" (pengetahuan latar belakang yang diserap LLM) dan "sumber yang dikutip" (referensi aktif yang ditampilkan kepada pengguna). Ketika ChatGPT mengatakan "Nike membuat sepatu", itu adalah data pelatihan umum—tidak ada kutipan, tidak ada lalu lintas. Ketika dikatakan "Nike merilis DNA Air Max pada 26 Maret 2024" dan menautkan ke siaran pers, itu adalah kutipan—Anda mendapatkan kliknya. Kunci teknisnya adalah data terstruktur: Skema JSON-LD memberi tahu sistem pengambilan LLM dengan tepat informasi apa yang harus diekstrak dan diatribusikan. Tanpa markup terstruktur, konten Anda menjadi umpan pelatihan generik. Dengan implementasi yang tepat, Anda menjadi otoritas yang dikutip yang mengarahkan lalu lintas terukur dari antarmuka AI.
Sebutan Umum vs. Kutipan LLM
Dampak Dunia Nyata
Halaman produk memiliki informasi harga tidak terstruktur
Perplexity.ai: "Harga bervariasi, periksa situs web mereka"
Pengguna mengklik pesaing dengan harga yang jelas
Menambahkan skema Produk JSON-LD dengan harga + ketersediaan
Perplexity.ai: "Produk X adalah $99, dalam stok" [rujukan]
Kutipan klik pengguna, niat pembelian yang tinggi