MENU

Bing Webmaster Tools में AI खोज के उद्धरणों का विषयवार विश्लेषण करने वाला “Topics Portfolio” बीटा

Bing Webmaster ToolsにAI検索の引用状況をテーマ別に分析する「Topics Portfolio」ベータ版

Microsoft Bing ने घोषणा की है कि Bing Webmaster Tools की “AI Performance” रिपोर्ट में नए फ़ीचर “Topics Portfolio” का बीटा संस्करण जोड़ा गया है। इसमें AI जवाबों के आधार के रूप में इस्तेमाल होने वाले खोज शब्दों (ग्राउंडिंग क्वेरीज़) को विषय के अनुसार समूहित किया जाता है, जिससे किसी साइट की मौजूदगी, विषय का आकार, प्रतिस्पर्धा की तीव्रता और विकास की गुंजाइश देखी जा सकती है। यह फ़ीचर तभी उपलब्ध होगा, जब संबंधित साइट के लिए पर्याप्त डेटा मौजूद हो।

目次

खोज शब्दों के समूह से साइट की मौजूदगी को समझना

AI खोज में, उपयोगकर्ता के सवाल का जवाब देने के लिए पर्दे के पीछे कई खोज शब्द इस्तेमाल किए जाते हैं। उन शब्दों के लिए उद्धरण स्रोत के रूप में चुनी गई साइटों को जवाब का आधार बताकर दिखाया जाता है। Topics Portfolio इस तरह के “जवाब का आधार बने खोज शब्दों” को फ़ुटबॉल, करों और AI चैटबॉट जैसे बड़े विषयों में समूहित करके दिखाता है।

अब तक विश्लेषण का मुख्य तरीका हर खोज शब्द को अलग-अलग देखना रहा है। सैकड़ों या हज़ारों शब्दों के बीच यह समझना मुश्किल हो सकता है कि साइट किन क्षेत्रों में मज़बूत या कमज़ोर है—कई साइट संचालकों को ऐसा अनुभव हुआ होगा। विषय के आधार पर समूहित करने से पूरी साइट की रूपरेखा एक नक्शे की तरह सामने आती है।

रिपोर्ट में डेटा तभी दिखेगा, जब साइट पर पर्याप्त डेटा जमा हो चुका हो। स्वाभाविक रूप से, इस फ़ीचर का इस्तेमाल पहले कुछ हद तक बड़ी साइटें ही कर पाएँगी।

आकार, प्रतिस्पर्धा और विकास की गुंजाइश—एक ही स्क्रीन पर

टेबल में कई मेट्रिक्स दिखाई देते हैं। Topic Size उस विषय के लिए सभी साइटों पर किए गए उद्धरणों की कुल संख्या का अनुमान है और AI खोज में मांग का आकार बताता है। Sites Cited उस विषय में दिखाई देने वाली साइटों की संख्या है, जो प्रतिस्पर्धा की तीव्रता का संकेत देती है। Queries उस विषय के अंतर्गत आने वाले खोज शब्दों की संख्या बताता है।

जिन विषयों की मांग बड़ी हो और जिनमें उद्धृत साइटें कम हों, वे अवसर बन सकते हैं। इसके उलट, जिन विषयों में उद्धृत साइटें अधिक हैं, उन्हें पहले से ही भीड़भाड़ वाला बाज़ार माना जा सकता है। दुकानों के चयन की मिसाल लें, तो यह ऐसा ही है जैसे बाज़ार क्षेत्र के विश्लेषण में ग्राहकों की संख्या और प्रतिस्पर्धी दुकानों की संख्या एक साथ देखना।

### छूट रहे खोज शब्दों को ढूँढ़ने वाला Opportunity Queries

एक और पहलू है “Top Opportunity Queries”। यह उन खोज शब्दों की सूची बनाता है, जिनमें अन्य साइटों को उद्धृत किया गया है, लेकिन आपकी साइट दिखाई नहीं देती—और ऐसा विभिन्न विषयों में करता है। उद्धरणों की संख्या सटीक आंकड़े के बजाय एक अनुमानित दायरे के रूप में दिखाई जाती है।

किसी विषय के विस्तृत पेज पर उस विषय का आकार, उसमें आपकी साइट के उद्धरणों की संख्या और खोज शब्दों की संख्या दिखाई जाती है। खोज शब्दों को दो टेबलों में बाँटा जाता है। इस तरह एक ही स्क्रीन पर उन क्षेत्रों की तुलना की जा सकती है जहाँ आपकी कंपनी जगह बना चुकी है और जहाँ अवसर छूट रहे हैं।

AI खोज का विश्लेषण: रैंकिंग से उद्धरणों की ओर

पारंपरिक वेब विश्लेषण में खोज रैंकिंग और क्लिक की संख्या प्रमुख रही है। यह फ़ीचर इस बात को देखता है कि AI जवाबों में किसी स्रोत के रूप में कितनी बार इस्तेमाल किया गया। इसे देखे जाने या साइट पर आने की संख्या के बजाय “चुने जाने” के तथ्य को मापने का दृष्टिकोण कहा जा सकता है—यानी मूल्यांकन का आधार थोड़ा अलग है।

साइट संचालकों के लिए, लेखों के आधार पर ट्रैफ़िक के अलावा यह समझने का एक और आधार मिलता है कि किन विषयों में उन्हें भरोसेमंद सूचना स्रोत माना जाता है। विषयवार सामग्री योजना बनाते समय यह उपयोगी आधार साबित हो सकता है।

ध्यान देने वाली बात यह है कि उद्धरणों को समझना और उनसे मिलने वाले ट्रैफ़िक के प्रभाव को मापना अलग-अलग बातें हैं। फ़िलहाल इसमें क्लिक डेटा शामिल नहीं है, इसलिए उद्धरणों का वास्तविक ट्रैफ़िक या नतीजों से क्या संबंध है, यह समझने के लिए दूसरे मेट्रिक्स की ज़रूरत होगी। यह फ़ीचर अभी बीटा में है, इसलिए आगे इसमें क्या विस्तार होता है, यह देखना दिलचस्प होगा।

Bing Webmaster Tools की विकास टीम के अनुसार, साइट की खूबियों, विषयवार प्रतिस्पर्धा की तीव्रता और विकास की गुंजाइश को एक साथ देखने से AI में दृश्यता को समझने में मदद मिलती है। इसकी एक खासियत यह भी है कि वास्तविक डेटा पर आधारित Opportunity Queries हर साइट के लिए अलग-अलग, व्यक्तिगत रूप से दिखाई जाती हैं।

Bing Webmaster ToolsにAI検索の引用状況をテーマ別に分析する「Topics Portfolio」ベータ版

この記事が気に入ったら
フォローしてね!

よかったらシェアしてね!

コメント

コメントする

目次