SEO विशेषज्ञ Dan Petrovic (DEJAN) ने Google Gemini API के raw data का विश्लेषण करके पहली बार व्यावहारिक रूप से दिखाया है कि Google AI Search (Gemini-आधारित) वेबपेज से किन वाक्यों को उत्तर के आधार (grounding snippet) के रूप में चुनता है।
मुख्य निष्कर्ष:
- सवाल → query fanout के ज़रिए कई sub-query में विभाजित होता है
- हर sub-query के लिए 5~20 पेज चुने जाते हैं → वाक्य-स्तर पर query relevance score दिया जाता है
- सबसे महत्वपूर्ण मानदंड = वाक्य की semantic similarity (query से असंबंधित sections को पूरी तरह नज़रअंदाज़ किया जाता है)
- शुरुआती हिस्सा (पहला पैराग्राफ) कम relevance होने पर भी लगभग हमेशा निकाला जाता है → मज़बूत lead bias मौजूद है
- table of contents, headers, code snippets जैसे structural elements को भी सामान्य वाक्यों की तरह score दिया जाता है
- चुने गए वाक्य
…से जोड़कर snippet बनाया जाता है → अंतिम उत्तर बनाते समय citation आधार के रूप में इस्तेमाल होता है
निष्कर्षतः, Google AI Search AI की स्वतंत्र व्याख्या पर नहीं, बल्कि वाक्य-स्तर की सटीक relevance scoring + चयन प्रक्रिया पर काम करता है।
→ इससे एक व्यावहारिक insight मिलती है कि मुख्य संदेश को शुरुआत में मज़बूती से रखना और हर वाक्य को query के साथ अर्थपूर्ण रूप से क़रीबी बनाना AI उत्तर में उद्धृत होने की संभावना बढ़ाता है।
Petrovic ने इस mechanism की नकल करने वाला एक demo tool भी जारी किया है.
अभी कोई टिप्पणी नहीं है.