Kutipan LLM
Sitasi LLM adalah mekanisme teknis di mana Model Bahasa Besar mengatribusikan teks hasil bangkitan tertentu ke dokumen pelatihan atau sumber data yang diambil. Agar merek mendapatkan sitasi, konten harus diformat (sering kali melalui JSON-LD) sehingga mekanisme perhatian model mengenalinya sebagai otoritas utama pada suatu topik.
Fondasi Teknis Visibilitas AI
Ada perbedaan krusial 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—tanpa kutipan, tanpa trafik. Ketika ChatGPT mengatakan "Nike merilis Air Max DN pada 26 Maret 2024" dan menautkannya ke siaran pers, itulah kutipan—Anda mendapatkan klik. Kunci teknisnya adalah data terstruktur: skema JSON-LD memberi tahu sistem pengambilan LLM secara persis informasi apa yang harus diekstrak dan diatribusikan. Tanpa markup terstruktur, konten Anda menjadi bahan pelatihan generik. Dengan implementasi yang tepat, Anda menjadi otoritas yang dikutip yang mendorong trafik terukur dari antarmuka AI.
Penyebutan Umum vs. Sitasi LLM
Dampak Dunia Nyata
Halaman produk memiliki informasi harga yang tidak terstruktur
Perplexity.ai: "Harga bervariasi, cek situs web mereka"
Pengguna mengklik pesaing dengan harga yang jelas
Tambahkan skema JSON-LD Produk dengan harga + ketersediaan
Perplexity.ai: "Produk X seharga $99, tersedia" [kutipan]
Pengguna mengklik sitasi, niat beli tinggi