Słownik GEO

Vector Embedding

(Reprezentacja wektorowa)

Vector Embedding (reprezentacja wektorowa) to zapis znaczenia fragmentu tekstu jako listy liczb, czyli punktu w przestrzeni o setkach lub tysiącach wymiarów. Teksty o podobnym znaczeniu dostają podobne wektory, nawet jeśli używają innych słów. „Ile kosztuje audyt energetyczny budynku” i „cena świadectwa energetycznego dla biurowca” trafią blisko siebie, choć prawie nie mają wspólnych słów.

Embeddingi tworzą osobne modele (modele embeddingowe). Ich wynik nie jest odpowiedzią dla użytkownika. To narzędzie do wyszukiwania i porównywania znaczeń.

Gdzie embeddingi spotykają się z Twoją stroną

Najważniejsze zastosowanie dla firm to wyszukiwanie semantyczne w systemach RAG, z których korzystają asystenci AI z dostępem do sieci. W uproszczeniu:

  1. Strony z indeksu dzieli się na krótkie fragmenty (akapity, sekcje).
  2. Każdy fragment zamienia się na embedding.
  3. Pytanie użytkownika też zamienia się na embedding.
  4. System wybiera fragmenty o wektorach najbliższych pytaniu i przekazuje je modelowi językowemu, który na ich podstawie pisze odpowiedź.

Szczegóły różnią się między dostawcami i nie są w pełni publiczne. Zasada jest jednak wspólna: do odpowiedzi trafia fragment, a nie cała strona. Liczy się to, czy pojedynczy akapit sam w sobie odpowiada na pytanie.

Co z tego wynika dla treści

  • Jeden akapit, jedna odpowiedź. Fragment „Audyt kosztuje 990 zł netto i trwa 5 dni roboczych” jest bliski pytaniu o cenę. Fragment „Zapraszamy do kontaktu, przygotujemy indywidualną wycenę” nie jest bliski niczemu konkretnemu.
  • Nazwa firmy w środku fragmentu. Akapit z „naszą firmą” zamiast nazwy może zostać wybrany, ale nie przypisze kompetencji konkretnej marce (patrz Entity Salience).
  • Język klientów, nie żargon branżowy. Klient pyta „ile kosztuje”, „kto zrobi”, „czy warto”. Jeśli strona mówi wyłącznie językiem specjalistów, embedding pytania i strony mogą się rozminąć.
  • Treść w HTML. Fragment, który pojawia się dopiero po uruchomieniu JavaScriptu, może w ogóle nie zostać pobrany. W naszym badaniu 17% stron producentów przemysłowych miało mniej niż 300 słów widocznych bez JavaScriptu.
  • Pytania i odpowiedzi. Sekcja FAQ z konkretnymi odpowiedziami to gotowe, samodzielne fragmenty.

Czego embeddingi nie robią

Embedding nie ocenia, czy treść jest prawdziwa ani czy firma jest dobra. Mierzy tylko podobieństwo znaczeń. Wybór źródeł zależy też od innych czynników, takich jak pozycja strony w wyszukiwarce, aktualność i wiarygodność domeny. Dobrze napisany akapit zwiększa szansę, że zostanie znaleziony. Nie gwarantuje rekomendacji.

FAQ

Czy muszę sam liczyć embeddingi swojej strony?

Nie. Robią to systemy wyszukiwania. Twoim zadaniem jest pisanie fragmentów, które dobrze odpowiadają na konkretne pytania klientów.

Czy embeddingi zastąpiły słowa kluczowe?

W wyszukiwaniu semantycznym dokładne słowa mają mniejsze znaczenie niż sens. Słowa klientów dalej się liczą, bo pomagają trafić w znaczenie pytania. Upychanie fraz nie pomaga.

Od czego zacząć?

Od listy pytań, które zadają Twoi klienci. Przygotuje ją bezpłatnie Generator pytań zakupowych. Potem sprawdź, czy na każde pytanie na Twojej stronie jest akapit z jasną odpowiedzią. To, które fragmenty i źródła faktycznie trafiają do odpowiedzi AI, pokazuje Audyt Start.

Powiązane hasła: Query fan-out i Grounding.

Szerszy kontekst: GEO vs SEO i Czym jest GEO.

Sprawdź, co AI mówi o Twojej firmie

Audyt Start: 20 pytań zakupowych w ChatGPT, Gemini, Perplexity i Google AI Overviews, raport w 5 dni roboczych, 990 zł netto.

Audyt Start za 990 zł Bezpłatna konsultacja GEO