Uma análise de 380 categorias de software revelou que os modelos de IA dependem fortemente de sites de baixo ranqueamento e blogs de marketing de fornecedores para gerar recomendações de produtos. O estudo, que examinou 7.534 citações em 2.055 domínios distintos, encontrou que 59,8% dessas citações apontam para domínios classificados pior do que #100.000 na lista Tranco top-1M, enquanto 23,4% apontam para domínios que não estão no top milhão.

A investigação, que usou dois modelos Perplexity, também identificou um blog de marketing de fornecedor, guideflow.com, como a terceira maior fonte de citações, com 194 citações em 96 categorias. Guideflow, que vende demonstrações interativas de produtos, não é um site de revisão, diretório ou editor, e não compete em nenhuma das categorias analisadas.

Além disso, o estudo descobriu três sites - wifitalents.com, worldmetrics.org e gitnux.org - que parecem estar sob controle comum, com cada site publicando milhares de páginas "melhor " geradas por máquina. Esses sites, que foram registrados entre dezembro de 2023 e maio de 2024, compartilham os mesmos servidores DNS, modelo de página e navegação, e cada um tem um blog com exatamente seis posts, todos sobre as outras marcas no conjunto.

A escala desses sites é notável, com cada site listando mais de 100.000 URLs, principalmente na forma de páginas /melhor/-software/. A autodescrição desses sites, que usam títulos como "Fatos e Página de Fundamentação" e metadescrições que mencionam "registros legíveis por máquina", sugere que eles são otimizados para recuperação por IA em vez de leitores humanos.

O estudo também encontrou que as recomendações geradas pelos modelos de IA frequentemente apontam para páginas iniciais de fornecedores que não estão mais acessíveis ou foram redirecionadas para diferentes domínios. Em alguns casos, os modelos recomendaram produtos com nomes de domínio que resolvem para sites não relacionados, como um portal de jogos online indonésio.

Finalmente, o estudo destaca a importância de entender a base de evidências usada pelos modelos de IA para gerar recomendações. Embora o estudo não tenha testado se a remoção dessas fontes produziria recomendações diferentes, sugere que o uso de sites de baixo ranqueamento e blogs de marketing de fornecedores pode ter implicações significativas para a qualidade e confiabilidade das recomendações de produtos impulsionadas por IA.

O conjunto de dados completo e a metodologia usada no estudo estão disponíveis online, junto com uma versão em PDF do relatório. As descobertas do estudo têm implicações para o desenvolvimento de modelos de IA e a otimização de sites para recuperação por IA, destacando a necessidade de maior transparência e responsabilidade no uso de recomendações geradas por IA.

Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.