Penulisan yang mendahulukan jawapan: susun halaman supaya manusia dan AI sama-sama boleh memetiknya

Penulisan yang mendahulukan jawapan meletakkan jawapan kepada soalan utama halaman dalam perenggan pertamanya, memberikan satu idea bagi setiap bahagian, dan menyusun kata bagi setiap definisi dan angka supaya masih masuk akal apabila diambil keluar daripada halaman. Pembaca yang mengimbas lebih cepat menemui inti pati, dan sistem yang mengekstrak satu petikan mendapat petikan yang lengkap. Ia tidak memerlukan penanda khas.

Apakah maksud penulisan yang mendahulukan jawapan?

Ia bermaksud tiga amalan, yang masing-masing mudah diuji pada draf.

Perenggan pertama menjawab soalan dalam tajuk. Jika halaman bertanya berapa lama sesuatu semakan mengambil masa, ayat pembuka memberikan tempohnya, diikuti latar belakang. Satu idea bagi setiap bahagian memastikan setiap tajuk menepati janjinya: tajuk menjanjikan satu perkara, bahagian itu menyampaikannya dan berhenti. Definisi berdiri sendiri: "X ialah Y" dalam satu ayat, dengan X dinamakan sepenuhnya dan bukannya "ia" atau "pendekatan ini", supaya ayat itu tetap bermakna apabila disalin ke halaman lain, jawapan perbualan atau petikan carian.

Mengapa struktur membantu orang yang mengimbas?

Nielsen Norman Group (NN/g) melaporkan pada 1997 bahawa orang mengimbas halaman web: Jakob Nielsen menulis bahawa 79% pengguna ujian sentiasa mengimbas setiap halaman baharu dan 16% membaca perkataan demi perkataan (dibuka dalam tab baharu)^[6]. Halaman itu tidak menyatakan jumlah peserta. Sebuah kertas oleh John Morkes dan Jakob Nielsen (dibuka dalam tab baharu)^[7] lebih khusus. Dalam kajian keduanya, 15 daripada 19 peserta sentiasa cuba mengimbas teks yang tidak dikenali dan 3 membacanya perkataan demi perkataan, sepadan dengan 79% dan 16% apabila dibundarkan, walaupun halaman 1997 tidak menyatakan bahawa ia menggunakan data tersebut. Kajian pengukurannya melibatkan 51 pengguna web berpengalaman yang masing-masing menggunakan satu daripada lima versi laman pelancongan tujuh halaman yang sama. Pada skor kebolehgunaan keseluruhan (min geometri lima ukuran ternormal: masa tugasan, kesilapan tugasan, ingatan, masa peta laman dan kepuasan subjektif, dengan versi kawalan yang bersifat promosi ditetapkan pada 100), versi yang mudah diimbas mendapat skor 147. Versi yang menggabungkan penulisan ringkas, mudah diimbas dan objektif mendapat skor 224.

Penjejakan mata menunjukkan arah yang sama. Artikel NN/g tentang corak berbentuk F (dibuka dalam tab baharu)^[8] (Kara Pernice, diterbitkan 2017, disemak Ogos 2026) melaporkan tumpuan pandangan berkumpul di bahagian atas dan kiri halaman. Ia menyarankan agar perkara paling penting diletakkan dalam dua perenggan pertama dan tajuk dimulakan dengan perkataan yang paling bermaklumat. Tajuknya sendiri menyebut corak itu "disalah faham", dan ia menyenaraikan corak imbasan lain, jadi anggaplah ia sebagai kecenderungan, bukan hukum.

Ujian 1997 menggunakan satu laman kecil dan tugasan mencari fakta. Kedua-dua sumber NN/g tidak menguji halaman yang mendahulukan jawapan terhadap pembantu AI.

Mengapa ia membantu sistem mendapatkan maklumat?

Sistem soal jawab berasaskan pencarian maklumat sering memilih petikan, bukan seluruh halaman. Kertas Dense Passage Retrieval (Karpukhin et al., 2020 (dibuka dalam tab baharu)^[9]) menerangkan bahawa soal jawab domain terbuka bergantung pada "pencarian petikan yang cekap untuk memilih konteks yang berpotensi". Petikan yang bermula dengan jawapannya dan menamakan subjeknya boleh dipilih dan dibaca tanpa perenggan di sekelilingnya. Petikan yang menyebut "seperti yang dinyatakan di atas" lebih sukar digunakan secara berasingan.

Liu et al. (2023) (dibuka dalam tab baharu)^[10] menguji model bahasa dengan input panjang dan mendapati bahawa "prestasi sering paling tinggi apabila maklumat yang relevan berada pada awal atau akhir konteks input." Ini berkaitan susunan teks dalam input model, bukan susun atur halaman web, jadi ia menyokong peletakan jawapan di awal hanya melalui analogi.

Kertas-kertas ini tidak menerangkan cara mana-mana pembantu tertentu memecahkan halaman web. Hujah bagi struktur di sini ialah inferens reka bentuk, bukan hasil yang diukur. Untuk mengetahui apa yang dikira dan tidak dikira oleh kajian trafik rujukan AI, lihat apa yang diukur oleh kajian.

Apakah yang ditemui oleh kertas GEO?

Kertas GEO (Aggarwal et al., arXiv 2311.09735 (dibuka dalam tab baharu)^[2], diserahkan November 2023, diterima ke KDD 2024) menguji sama ada penulisan semula halaman mengubah sejauh mana halaman itu kelihatan dalam jawapan yang dijana AI. Penulis membina GEO-bench, 10,000 pertanyaan merentas 25 domain, dan saluran tersuai yang memperoleh lima hasil Google teratas dan meminta gpt-3.5-turbo menulis jawapan bersitasi. Mereka menulis semula teks sumber menggunakan sembilan kaedah: Authoritative, Statistics Addition, Keyword Stuffing, Cite Sources, Quotation Addition, Easy-to-Understand, Fluency Optimization, Unique Words dan Technical Terms. Hasil utama datang daripada pecahan ujian 1,000 pertanyaan, dipuratakan merentas lima seed rawak, dengan satu sumber yang dipilih secara rawak bagi setiap pertanyaan ditulis semula.

Keterlihatan dinilai dengan dua cara. Position-Adjusted Word Count mengira perkataan dalam ayat yang memetik sumber, dengan pemberat mengikut kedudukan sitasi. Subjective Impression ialah set tujuh skor daripada GPT-3.5, seperti relevansi dan kemungkinan klik. Kertas itu menskalakan semula Subjective Impression kepada min dan varians yang sama seperti metrik pertama, jadi kedua-duanya bermula daripada garis dasar 19.3 dan skor mentahnya tidak boleh dibandingkan. Jadual di bawah menggunakan lajur Overall untuk Position-Adjusted Word Count dan lajur Average untuk Subjective Impression.

Skor diambil daripada Jadual 1 kertas itu; peratusan dikira di sini berdasarkan garis dasar yang tidak berubah. Teks dan jadual kertas itu tidak sepenuhnya sepadan. Teks menyatakan Cite Sources, Quotation Addition dan Statistics Addition masing-masing meningkat 30-40% pada Position-Adjusted Word Count dan 15-30% pada Subjective Impression, tetapi Jadual 1 memberikan Cite Sources +27% dan +13%, di bawah Fluency Optimization pada metrik pertama. Teks itu juga melaporkan "tiada peningkatan ketara" untuk Authoritative, sedangkan Jadual 1 menunjukkan +10% dan +19%. Peratusan di atas berdasarkan jadual.

Pada enjin Perplexity.ai yang digunakan secara langsung, diuji pada subset 200 pertanyaan daripada pecahan ujian dengan teks sumber dibekalkan sebagai fail yang dimuat naik, Quotation Addition mencatat prestasi terbaik pada Position-Adjusted Word Count dengan peningkatan 22% berbanding garis dasar.

Ujian berasingan menulis semula setiap sumber bagi satu pertanyaan dengan kaedah yang sama serentak. Jadual 2 kertas itu melaporkan perubahan relatif dalam "keterlihatan" mengikut kedudukan dalam hasil Google, tanpa menyatakan metrik mana antara dua metriknya digunakan. Sumber di kedudukan kelima meningkat 115.1% (Cite Sources), 99.7% (Quotation Addition) dan 97.9% (Statistics Addition). Sumber di kedudukan pertama kehilangan 30.3%, 22.9% dan 20.6% dengan tiga kaedah yang sama. Penulis berhujah bahawa ini memihak kepada laman berkedudukan lebih rendah; kedudukan tidak sama dengan saiz, dan angka tersebut datang daripada satu saluran simulasi. Gambaran lebih luas ada dalam pengoptimuman enjin generatif untuk perniagaan pakar.

Empat batasan terpakai:

• Kaedah tersebut ialah penulisan semula susunan kata dan kandungan oleh model: gaya, statistik, petikan, sitasi. Tiada satu pun diterangkan sebagai mengubah tajuk, ringkasan, jadual atau susunan jawapan, jadi struktur yang mendahulukan jawapan tidak diuji secara langsung. Easy-to-Understand dan Fluency Optimization ialah yang paling hampir.
• Ujian dijalankan pada satu saluran simulasi dan satu enjin sebenar. Penulis menyatakan enjin akan berubah, dan mereka tidak mengukur kesan terhadap kedudukan carian klasik.
• "Keterlihatan" bermaksud berapa banyak jawapan memetik sesuatu sumber, bukan klik atau jualan.
• Petikan, angka dan sitasi hanya membantu jika benar dan boleh disemak. Yang direka-reka akan mengelirukan pembaca.

Apakah kata Google tentang penanda dan struktur?

Dokumentasi Google tentang ciri AI dalam Search menyatakan "Tiada keperluan tambahan untuk muncul dalam AI Overviews atau AI Mode" (dibuka dalam tab baharu)^[3], bahawa tiada data berstruktur schema.org khas diperlukan, dan anda tidak memerlukan fail baharu yang boleh dibaca mesin atau fail teks AI (terakhir dikemas kini 10 Disember 2025). Ia mengesyorkan agar kandungan penting tersedia dalam bentuk teks dan data berstruktur sepadan dengan teks yang kelihatan. Untuk aspek berasaskan fail, lihat adakah llms.txt penting.

Panduan mengoptimumkan ciri AI generatif (dibuka dalam tab baharu)^[1] Google yang lebih baharu (ditambah 15 Mei 2026, terakhir dikemas kini 10 Julai 2026) membincangkan struktur secara langsung: "Tiada keperluan untuk memecahkan kandungan anda kepada bahagian kecil supaya AI lebih memahaminya." Ia menambah bahawa orang umumnya menghargai halaman yang disusun mengikut perenggan dan bahagian, dengan tajuk yang memberikan struktur jelas. Hujah bagi penulisan yang mendahulukan jawapan di sini ialah ia membantu pembaca; Google tidak menyatakan ciri AInya memerlukannya.

Dasar data berstruktur (dibuka dalam tab baharu)^[4] Google menjadikan perkara kedua itu peraturan: "Data berstruktur anda mesti mewakili kandungan halaman dengan tepat." Kandungan yang tidak dapat dilihat pembaca tidak sepatutnya ditandakan (terakhir dikemas kini 10 Julai 2026).

Hasil kaya FAQ sudah tiada. Dalam entri bertarikh 8 Mei 2026, log kemas kini Search (dibuka dalam tab baharu)^[5] menyatakan "Ciri ini tidak lagi akan muncul dalam Google Search mulai 7 Mei 2026", dan entri 15 Jun mengalih keluar dokumentasinya. Bahagian FAQ masih membantu pembaca yang datang dengan beberapa soalan yang sama, jadi tulislah untuk mereka. Sebarang penanda perlu sepadan dengan soalan dan jawapan pada halaman.

Elemen halaman manakah yang membentuk struktur?

Had 60 perkataan dan 40 hingga 70 perkataan ialah panduan editorial, bukan ambang daripada kajian. Nama penulis dan butiran perniagaan yang konsisten juga berkaitan entiti, yang dibincangkan dalam SEO entiti untuk pakar.

Bagaimanakah contoh sebelum dan selepas?

Contoh ilustrasi ini menggunakan studio dan angka rekaan. Soalan halaman ialah berapa lama semakan portfolio mengambil masa.

Sebelum

Portfolio setiap insan kreatif berbeza, dan kami sentiasa percaya maklum balas yang baik tidak boleh dibuat tergesa-gesa. Selama bertahun-tahun kami telah memperhalusi proses yang mengimbangi ketelitian dengan fleksibiliti. Tempoh bergantung pada saiz portfolio, bilangan pusingan yang diperlukan dan kesibukan kami, jadi sebaiknya hubungi kami dan kami akan menentukan apa yang sesuai untuk anda.

Selepas

Semakan portfolio mengambil masa lima hari bekerja dari hari fail anda diterima. Anda menerima laporan bertulis sehingga enam halaman dan satu panggilan selama 45 minit. Satu semakan meliputi sehingga 20 karya; portfolio yang lebih besar dibahagikan kepada dua pusingan, yang menambah lima hari bekerja. Jika anda mempunyai tarikh akhir, nyatakannya semasa membuat tempahan dan kami akan mengesahkan secara bertulis sama ada kami boleh memenuhinya.

Versi Sebelum tidak mempunyai apa-apa yang boleh dipetik oleh pembaca atau sistem pengekstrakan: tiada tempoh, tiada subjek yang dinamakan, dan ada arahan untuk menghubungi. Versi Selepas bermula dengan tempoh, menamakan perkara yang diukur masanya supaya ayat pertama berdiri sendiri, memberikan angka tersendiri bagi setiap syarat dan menggantikan "hubungi kami" dengan tindakan khusus.

Apakah yang terkandung dalam senarai semak halaman sepuluh perkara?

1. Perenggan pertama menjawab soalan tajuk dalam 60 perkataan atau kurang.
2. Setiap H2 ialah soalan yang akan ditanya pembaca, dengan perkataan bermaklumat di hadapan.
3. Setiap bahagian mengandungi satu idea dan berhenti setelah menyampaikannya.
4. Setiap definisi berbunyi "X ialah Y" dan menamakan X sepenuhnya, tanpa bergantung pada "ia", "ini" atau "seperti di atas".
5. Ringkasan 40 hingga 70 perkataan berada di bahagian atas dan masuk akal secara berasingan.
6. Perbandingan berada dalam jadual dengan atribut yang sama bagi setiap pilihan.
7. Tarikh penerbitan, kemas kini dan semakan serta nama penulis kelihatan.
8. Setiap angka disertakan tahun, populasi dan metriknya, dengan sumber dipautkan pada pernyataan.
9. Sebarang FAQ ialah teks yang kelihatan dan ditulis untuk pembaca, dan sebarang penanda sepadan dengannya.
10. Fakta utama berada dalam teks, bukan hanya dalam imej atau video.

Bagi perniagaan pakar, penulisan semula yang sama terpakai pada bahan yang dipelajari oleh Digital Mind. Panduan Plandora untuk dokumen dalam Drive sesuatu Mind ialah mengekalkan satu topik bagi setiap dokumen dan menggunakan tajuk atau senarai untuk apa-apa yang akan diimbas pelawat. Uji hasilnya dalam pratonton perbualan: jawapan AI boleh salah.

Blog ini mengikuti format yang diterangkan di sini. Setiap artikel bermula dengan ringkasan, menyenaraikan perkara utama, berakhir dengan FAQ dan senarai sumber bernombor, serta memaparkan tarikh penerbitan, kemas kini dan semakan. Itu menerangkan cara halaman dibina. Ia bukan bukti bahawa format ini mendapat petikan sebagai sumber, dan artikel ini tidak mendakwa demikian.