¿Que son los Indexadores?
Una de las preguntas mas frecuentes que nos hacen nuestros clientes al leer nuestras propuestas de GEO, es ¿que son los indexadores?
La primera respuesta que damos es "Es como el google de ChatGPT" es intuitivo de entender, asi como nosotros "googleamos" para buscar contexto de informacion de un tema y luego elegimos cual link pinchar según nuestro criterio, los LLMs como chtgpt hacen lo mismo pero con otras herramientas, no van a Google a buscar info, pero tampoco responden 100% con su propio conocimiento
Hacen dos cosas:
1- Buscan contexto en su cache cercana (Suele llamarse RAG a esta metodologia, donde guardan comprimidos en vectores numericos el significado semantico de muchas cosas relevantes a un determinado tema y buscan por similitud a ese significado)
2- Buscan en servicios de terceros como Google pero mas rapidos y baratos para traer contenido fresco de la web
Bueno, los indexadores son estos segundos casos, ejemplos hay decenas, los mas conocidos con los que tenemos integraciones nativas en ClarisData son Exa, Parallel, Tavily, You, Keenable, Langsearch, Brave, Mojeek, Kagi, Baidu, entre otros.
Y los chats de IA los necesitan consultar en tiempo real para traer información fresca de la web en forma masiva, ahora bien, por mas que nuestra web este 100% optimizada con H1s, json LD, enlazado interno, breadcrumbs y toda la historia SEO tradicional, si no estan correctamente indexadas en estos indexadores, el LLM nunca se va a enterar que existimos, por lo que hay que hacer un trabajo de indexación que no es simple porque no es darse de alta en un servicio, sino crear agentes que constantemente consulten y monitoricen nuestra presencia en estos hasta confirmar no solo la indexacion sino que se haga en forma correcta, este tipo de cosas es lo que diferencia a una empresa que hace GEO de una que hace SEO y lo llama de otro nombre
¿Y que son los agregadores?
Como dijimos los LLMs usan un método de recuperacion de info comprimida en vectores llamado RAG (Viene de Retrieval Augmented Generation, y es la forma en que los LLMs consultan entre millones de "pedazos de informacion" existente en su cache o base de datos interna
Imaginad por un instante que somos el LLM, nos preguntan por un tipo de producto de una empresa dentro de los cuales hay millones de opciones en la web, si quisieramos guardar toda esa info en texto plano y buscar similitudes, sería muy costoso en memoria y tiempo, por eso se usan representaciones vectoriales del significado semántico de esas frases o textos, y esos vectores ocupan mucho menos espacio y por sobre todo son mucho mas simples de ordenar por simulitud
Estos módulos de RAG que usan los LLMs o chats de IA, son un estandar, y la clave antes que nada es saber entender como funciona, esto no lo sabe hacer una agencia SEO tradicional porque es un tema muy técnico pero en ClarisData tenemos equipos de ingenieros que se dedican a entrenar modelos de embeddings que justamente sirven para este tipo de herramientas por lo cual sabemos preparar en forma mucho mas eficiente el contenido para ser consumido por estas herramientas, que como dijimos, no consumen texto, consumen vectores que representan el significado de ese texto, por eso es clave saber traducir un lenguaje a otro para poder luego optimizar los contenidos para que en ese lenguaje de LLMs se pueda agregar mejor
Sabemos que es un tema muy técnico pero intentamos explicarlo de modo simple, en el fondo es como si fueran dos idiomas, el idioma del marketing tradicional (palabras) y el idioma de los LLMs (vectores de embeddings) y la clave de saber optimizar el contenido para "Agregadores" (RAG) es saber transformar uno a otro de diferentes formas y entender como lo hacen las herramientas de IA
¿Por que necesito entonces indexar y optimizar para agregadores?
Porque indexar es hacerse ver en ChatGPT (y otros) cuando consultan a "Su Google" y optimizar para agregadores es saber generar el contenido para que cuando se use en modo "lenguaje de IA" esté el contenido perfecto tal como lo pensamos y no recortado o parcial