AI सहायक कैसे तय करते हैं कि किन कारोबारों को सुझाएँ

प्रॉम्प्ट और नाम के बीच के चार चरण

“मैनचेस्टर में कमर्शियल फ़िट-आउट के लिए मुझे किसे चुनना चाहिए?” जैसा प्रॉम्प्ट कोई सर्च क्वेरी नहीं है। कुछ भी लाने से पहले सहायक तय करता है कि उसे वेब की ज़रूरत है भी या नहीं, फिर उस माँग को कई ठोस खोजों में फैलाता है — आम तौर पर श्रेणी के शब्द, जगह बताने वाले शब्द, और “सबसे अच्छा”, “समीक्षाएँ” या “तुलना” जैसे मंशा वाले शब्दों का मेल। OpenAI ChatGPT सर्च को इस तरह बताता है कि वह अपने मॉडल को वेब की जानकारी से जोड़ता है और स्रोतों के लिंक लौटाता है, न कि सिर्फ़ ट्रेनिंग डेटा से जवाब देता है (OpenAI)।

रिट्रीवल एक उम्मीदवार समूह लौटाता है: आम तौर पर कुछ दर्जन URL, जिनमें से मुट्ठी भर ही काम के संदर्भ में समाते हैं। फिर उन्हें छाँटा जाता है — कुछ स्रोत व्यावसायिक दावों के लिए भरोसेमंद माने जाते हैं, कुछ नज़रअंदाज़ होते हैं, कुछ इसलिए छूट जाते हैं कि प्रकाशक ने क्रॉलर रोक रखा है। मिसाल के लिए Claude की वेब सर्च उन्हीं पन्नों के हवालों के साथ जवाब लौटाती है जिन्हें उसने इस्तेमाल किया (Anthropic), यानी स्रोत बोझ उठाते हैं और उन्हें जाँचा जा सकता है।

फिर वह चरण आता है जिसके बारे में ज़्यादातर कारोबार सोचते ही नहीं: एंटिटी सुलझाना। सहायक को तय करना होता है कि “नॉर्थगेट इंटीरियर्स”, “नॉर्थगेट इंटीरियर्स लिमिटेड” और किसी व्यापार पत्रिका के लेख में बिना नाम बताए वर्णित ठेकेदार एक ही कंपनी हैं — या नहीं। आख़िर में संश्लेषण: मॉडल दो से पाँच नाम गद्य में लिखता है, और उनका क्रम इससे बनता है कि लाए गए सबूतों में हर उम्मीदवार कितनी मज़बूती और कितनी एकरूपता से आया।

हर चरण एक छननी है। आप क्रॉल होने लायक हो सकते हैं, आपकी समीक्षाएँ अच्छी हो सकती हैं, और आप सचमुच सबसे अच्छा विकल्प हो सकते हैं — फिर भी एंटिटी सुलझाने पर हार सकते हैं। किस छननी ने आपको हटाया, यह पहचानना “AI के लिए ऑप्टिमाइज़ करने” की किसी भी सामान्य सलाह से ज़्यादा काम का है।

चरण 1: रिट्रीवल — पहले लाया जा सकना, फिर मिल पाना

अगर लाने में ही चूक हो जाए तो आगे की किसी बात का मतलब नहीं। हर सहायक अपने क्रॉलर और अपना इंडेक्स इस्तेमाल करता है, और हर एक शामिल यूज़र एजेंट प्रकाशित करता है: OpenAI ChatGPT सर्च में साइटें दिखाने के लिए OAI-SearchBot को, और ट्रेनिंग के लिए GPTBot को अलग-अलग दर्ज करता है (OpenAI), और एक को रोकना दूसरे को रोकने जैसा नहीं है। 2023 में AI ट्रेनिंग रोकने के लिए लिखा गया robots.txt अक्सर सर्च बॉट को भी बाहर रखता है — यह ख़ुद पर थोपा हुआ बहिष्कार है, जिसे कितनी भी कंटेंट मेहनत ठीक नहीं कर सकती।

सहायक के पीछे का इंडेक्स भी उतना ही मायने रखता है। Google कहता है कि सर्च में उसके AI फ़ीचर वही व्यवस्थाएँ और वही इंडेक्सिंग इस्तेमाल करते हैं जो सर्च ख़ुद करता है, और मार्गदर्शन भी वही Search Essentials वाला है (Google Search Central)। Microsoft Copilot Bing का इंडेक्स विरासत में लेता है, इसलिए क्रॉल होने की क्षमता, कैनोनिकल URL और सामग्री की गुणवत्ता पर Bing के वेबमास्टर दिशानिर्देश ही लागू नियम-पुस्तिका हैं (Bing वेबमास्टर दिशानिर्देश)। Perplexity अपना रिट्रीवल चलाता है और स्रोतों को पाठ के भीतर उद्धृत करता है, और उसने अपने Publishers Program के ज़रिए प्रकाशकों से व्यावसायिक रिश्ते भी बनाए हैं (Perplexity)।

फिर क्वेरी का बेमेल है। सहायक आपकी मार्केटिंग की शब्दावली में नहीं, उपयोगकर्ता की शब्दावली में खोजते हैं। जो कारोबार ख़ुद को “एकीकृत कार्यस्थल समाधान” देने वाला बताता है, वह “ऑफ़िस फ़िट-आउट ठेकेदार मैनचेस्टर”, “कमर्शियल इंटीरियर फ़िट-आउट कंपनियाँ” और “ऑफ़िस के लिए सबसे अच्छी फ़िट-आउट फ़र्में” जैसे फैलाव के लिए अदृश्य है। आपकी सेवा पन्नों पर सीधी-सादी श्रेणी की भाषा, उन्हीं शब्दों में जो ख़रीदार बोलते हैं, वही चीज़ है जो किसी पन्ने को उन क्वेरी के लिए लाने लायक बनाती है जो सचमुच चलती हैं।

यहाँ आपके हाथ में क्या है: क्रॉलर की पहुँच, पन्ना-स्तर पर इंडेक्स होने की क्षमता, मुख्य पन्नों की ताज़गी, और यह कि आपकी शब्दावली उस खोज-भाषा से मेल खाती है या नहीं जो सहायक बना सकता है।

चरण 2: स्रोत का भरोसा — छँटनी-सूची आम तौर पर तीसरे पक्ष के पन्ने चुनते हैं

दस्तावेज़ लाए जाने के बाद वे बराबर नहीं होते। सहायक उन्हीं पन्नों पर ज़्यादा टिकते हैं जो स्वतंत्र आकलन की तरह पढ़े जाते हैं — डायरेक्ट्रियाँ, समीक्षा प्लेटफ़ॉर्म, व्यापार प्रेस, तुलनात्मक लेख, संघों की सदस्य सूचियाँ, मार्केटप्लेस प्रोफ़ाइलें — क्योंकि उन्हीं पन्नों में प्रतिस्पर्धी विकल्पों की सूचियाँ होती हैं। किसी विक्रेता की अपनी साइट ब्योरों की पुष्टि के लिए बढ़िया है और श्रेष्ठता के सबूत के तौर पर बेकार; “हम अग्रणी प्रदाता हैं” वह दावा है जिसे छोटा करके आँकना मॉडल ने सीख रखा है।

इसीलिए व्यावहारिक छँटनी-सूची अक्सर आपकी वेबसाइट पढ़े जाने से पहले ही तय हो चुकी होती है। अगर आपकी श्रेणी पर पाँच सूची-लेख हैं जिनमें आठ कंपनियों का नाम है और आप किसी में नहीं हैं, तो सहायक का उम्मीदवार समूह वही आठ हैं। आपकी साइट फिर सिर्फ़ उसी नाम को समृद्ध करने के लिए लाई जाती है जो पहले ही आ चुका है, या लाई ही नहीं जाती। यह असमानता असहज है पर इस पर काम हो सकता है: “Y में सबसे अच्छा X” पर पहले से रैंक करते पन्नों में एक पंक्ति कमा लेना, होमपेज को एक बार और दोबारा लिखने से आगे ले जाता है।

स्रोतों के आर-पार एकरूपता भरोसे का दूसरा संकेत है। जब छह स्वतंत्र पन्ने आपको एक ही तरह बताते हैं — वही विशेषज्ञता, वही शहर, वही ग्राहक आकार — तो मॉडल उस विवरण को तय हो चुका तथ्य मान लेता है। जब वे आपस में टकराते हैं तो मॉडल हिचकता है, और हिचक वाली एंटिटियाँ छोटे जवाबों से बाहर कर दी जाती हैं, क्योंकि उन्हें समझाने में शब्द ख़र्च होते हैं।

ताज़गी ज़्यादातर टीमों की उम्मीद से ज़्यादा मायने रखती है। व्यावसायिक सवालों के लिए सहायक मौजूदा तारीख़ वाले दस्तावेज़ पसंद करते हैं, इसलिए मरे हुए फ़ोन नंबर वाली 2019 की डायरेक्टरी लिस्टिंग कोई लिस्टिंग न होने से बुरी है। आप कहाँ-कहाँ दिखते हैं इसकी जाँच करना और बासी प्रोफ़ाइलें सुधरवाना बेरौनक़ काम है, पर इसका सीधा असर रिट्रीवल पर पड़ता है। इसका मापन वाला पहलू हमने AI विज़िबिलिटी में समेटा है।

• वे पन्ने जो छँटनी-सूची बनाते हैं: श्रेणी की सूचियाँ, “सर्वश्रेष्ठ” वाली सूचियाँ, तुलना और विकल्प वाले लेख, समीक्षा प्लेटफ़ॉर्म, उद्योग डायरेक्ट्रियाँ और संघों के रजिस्टर।
• वे पन्ने जो ब्योरे की पुष्टि करते हैं: आपके सेवा पन्ने, क़ीमत पन्ना, केस स्टडी, परिचय पन्ना, और स्ट्रक्चर्ड डेटा।
• वे पन्ने जो आपको नुक़सान पहुँचाते हैं: ग़लत संपर्क वाले पुराने प्रोफ़ाइल, छोड़ी हुई नक़ल लिस्टिंग, और ऐसी सेवा बताते पन्ने जो अब आप देते ही नहीं।

चरण 3: एंटिटी सुलझाना — एक ही असंदिग्ध कारोबार होना

अब मॉडल के पास ज़िक्रों का ढेर है और उसे उन्हें एंटिटियों में समेटना है। यहीं मिलते-जुलते नाम, नाम बदलना, कई जगहों पर कामकाज और होल्डिंग कंपनी के ढाँचे चुपचाप नुक़सान करते हैं। अगर आपकी कंपनी के सबूत तीन अधबनी पहचानों में बँटे हैं, तो तीनों में से कोई भी सुझाने लायक मज़बूत नहीं लगती, जबकि जोड़ पर लगती।

मशीन-पठनीय पहचान उपलब्ध सबसे सस्ता इलाज है। स्थानीय कारोबारों के लिए Google का स्ट्रक्चर्ड डेटा दस्तावेज़ बताता है कि किसी भौतिक कारोबार का वर्णन करने वाले गुण क्या हैं — नाम, पता, फ़ोन, खुलने का समय, निर्देशांक, क़ीमत का दायरा (Google Search Central) — और Schema.org की sameAs प्रॉपर्टी ठीक इसीलिए है कि आपके पन्ने को उसी इकाई के आधिकारिक संदर्भों से जोड़ा जा सके, जैसे कोई आधिकारिक प्रोफ़ाइल या ज्ञान-कोश का पन्ना (Schema.org)। इन्हें भरने से हर क्रॉलर को यह असंदिग्ध कथन एक जैसा मिलता है कि आप कौन हैं।

बाक़ी अनुशासन है। हर जगह क़ानूनी और व्यापारिक नाम का एक ही ढर्रा इस्तेमाल कीजिए। अपने टाइटल टैग, डायरेक्टरी प्रोफ़ाइलों और LinkedIn विवरण में श्रेणी के वही शब्द रखिए। पक्का कीजिए कि तीसरे पक्ष की लिस्टिंग पर पता और फ़ोन नंबर आपकी साइट से अक्षर-दर-अक्षर मेल खाएँ। अगर आपकी कई जगहें हैं, तो ड्रॉपडाउन वाले एक पन्ने की जगह हर जगह के लिए अलग, इंडेक्स होने लायक पन्ना और उसका अपना स्ट्रक्चर्ड डेटा दीजिए।

सहायक एंटिटियाँ साथ-साथ आने से भी सुलझाते हैं: वे ब्रांड, तकनीकें, प्रमाणन और ग्राहक-प्रकार जो आपके नाम के आसपास आते हैं। अगर लाए गए सबूत में कुछ भी आपको प्रॉम्प्ट की उस ख़ास सेवा से नहीं जोड़ता, तो आप अपने उद्योग की एक आम कंपनी के रूप में सुलझा दिए जाते हैं — लाए जाने लायक, पर किसी ठोस सवाल का जवाब कभी नहीं।

चरण 4: संश्लेषण — छँटनी-सूची एक वाक्य कैसे बनती है

संश्लेषण के वक़्त मॉडल के पास लाए गए पाँच हज़ार से बीस हज़ार शब्द तक हो सकते हैं और उसे एक सौ बीस शब्द बनाने हैं। सब कुछ संपीड़न तय करता है। जिन उम्मीदवारों के पीछे स्पष्ट, उद्धरण योग्य कथन हैं वे बच जाते हैं; जिनके लिए अनुमान लगाना पड़े वे काट दिए जाते हैं, क्योंकि मॉडल के पास बहस करने की जगह नहीं।

लाए गए संदर्भ के भीतर स्थान का असर नापा जा सकता है। Liu और साथियों ने दिखाया कि भाषा मॉडल जानकारी का सबसे अच्छा इस्तेमाल तब करते हैं जब वह किसी लंबे इनपुट के शुरू या अंत में हो, और जब प्रासंगिक हिस्सा बीच में बैठा हो तो सटीकता साफ़ गिरती है (Liu आदि, “Lost in the Middle”)। व्यवहार में इसका इनाम संरचना को मिलता है: किसी खंड के पहले वाक्य में कहा गया दावा, या साफ़ लेबल वाली तुलना तालिका में रखा दावा, नौवें पैराग्राफ़ के उसी दावे से कहीं ज़्यादा संपीड़न से बच निकलता है।

जवाब का आकार भी अपने स्रोतों के आकार जैसा होता है। अगर लाए गए दस्तावेज़ तुलनात्मक लेख हैं, तो आपको तुलना मिलती है। अगर समीक्षा पन्ने हैं, तो भाव मिलता है। अगर किसी स्रोत ने बाज़ार को पहले ही “तीन एंटरप्राइज़ विकल्प और दो किफ़ायती विकल्प” के रूप में ढाल रखा है, तो सहायक उसी ढाँचे को दोहराता है और उसमें नाम फ़िट कर देता है। जो वह ढाँचा लिखता है जो उठाया जाता है, उसका असर उससे ज़्यादा है जो सबसे अच्छी बिक्री-भाषा लिखता है।

आख़िर में, मॉडल को आपका नाम लेने की कोई वजह चाहिए। “ISO 27001 प्रमाणन के कारण नियामित उद्योगों के लिए उपयुक्त” वह वाक्य है जिसे सहायक उठाकर उसका बचाव भी कर सकता है। “पुरस्कार विजेता और ग्राहक-केंद्रित” वैसा नहीं है। वे ठोस, जाँचे जा सकने वाले मानदंड प्रकाशित कीजिए जिन पर ख़रीदार छाँटता है — क्षेत्र, सौदे का आकार, भूगोल, अनुपालन, इंटीग्रेशन, डिलीवरी समय — यही वे फ़र्क़ हैं जो आपको उद्धरण योग्य बनाते हैं।

एक ही प्रॉम्प्ट पर हर सहायक अलग जवाब क्यों देता है

यह अंतर बेतरतीब नहीं, ढाँचागत है। Copilot Bing के इंडेक्स से जवाब देता है; Gemini के AI फ़ीचर Google की सर्च व्यवस्थाओं और इंडेक्सिंग पर चलते हैं (Google Search Central); Perplexity अपनी व्यवस्था से लाता है और पाठ के भीतर हवाला देता है; Claude वेब खोजता है और जो दावे वहाँ से लेता है उनके साथ हवाले जोड़ता है (Anthropic); ChatGPT सर्च मॉडल को वेब की जानकारी से जोड़ता है और बाहर लिंक करता है (OpenAI)। अलग इंडेक्स में अलग दस्तावेज़ होते हैं, जो अलग-अलग समय पर ताज़ा होते हैं। सवाल वही, सबूत अलग।

इसके ऊपर भिन्नता के चार और स्रोत बैठते हैं। क्वेरी का फैलाव अलग होता है, इसलिए जो खोजें सचमुच चलती हैं वे भी एक जैसी नहीं होतीं। सैंपलिंग से उत्पादन अनिश्चित हो जाता है, इसलिए एक ही सहायक लगातार दो बार अलग क्रम दे सकता है। जगह के अनुमान से नतीजे खिसकते हैं। और वैयक्तिकरण — चैट इतिहास या याद रखने वाली सुविधाएँ — किसी उपयोगकर्ता के जवाबों को उन्हीं ब्रांडों की ओर झुका सकती हैं जिनकी चर्चा वह पहले कर चुका है।

संचालन का नतीजा यह है कि एक बार की जाँच से लगभग कुछ पता नहीं चलता। यह जानने के लिए कि आप सुझाए जा रहे हैं या नहीं, आपको ख़रीदार-मंशा वाले उन्हीं प्रॉम्प्ट को बार-बार, कई सहायकों पर, उन्हीं इलाक़ों से चलाना होगा जहाँ आप बेचते हैं, और हर बार उद्धृत स्रोत दर्ज करने होंगे। Growli यही करता है: हम हर सहायक के लिए ज़िक्र, तुलना और सिफ़ारिशें ट्रैक करते हैं, दिखाते हैं कि जवाब किन स्रोतों से बने, और कमियों को क्रमबद्ध सुधार-सूची में बदल देते हैं — देखिए यह कैसे काम करता है।

निदान भी उन्हीं चार चरणों के साथ चलता है। कहीं भी नहीं लाए जा रहे? क्रॉलर की पहुँच या क्वेरी के बेमेल पर शक कीजिए। लाए जा रहे हैं पर नाम कभी नहीं आता? स्रोत के भरोसे या एंटिटी की उलझन पर शक कीजिए। नाम आता है पर विवरण ग़लत है? कोई एक ख़ास बासी स्रोत जीत रहा है, और उसे हवालों से पहचाना जा सकता है।

चरण दर चरण, आप असल में किसे प्रभावित कर सकते हैं

इस पाइपलाइन में लगभग कुछ भी मनाने से नहीं मानता, और लगभग सब कुछ सबूत से मानता है। काम चरणों के हिसाब से साफ़ बँटता है, और इसे एक साथ करने के बजाय उसी क्रम में करना बेहतर है।

रिट्रीवल पर लीवर तकनीकी और भाषाई हैं: जिन सर्च क्रॉलरों को चाहते हैं उन्हें अनुमति दीजिए (हर प्लेटफ़ॉर्म के दर्ज यूज़र एजेंट देखकर), मुख्य व्यावसायिक पन्नों को इंडेक्स होने लायक और मौजूदा रखिए, और वही सीधी श्रेणी-भाषा इस्तेमाल कीजिए जो आपके ख़रीदार टाइप करते हैं। स्रोत के भरोसे पर लीवर बाहरी हैं: उन सूची-लेखों और डायरेक्ट्रियों में जाइए जो आपकी श्रेणी के सवालों पर पहले से रैंक करते हैं, बासी प्रोफ़ाइलें सुधारिए, और आपके बारे में स्वतंत्र विवरणों को आपस में मिलाइए।

एंटिटी सुलझाने पर लीवर संरचनात्मक हैं: नाम का एक ही ढर्रा, हर जगह मेल खाते संपर्क ब्योरे, LocalBusiness या Organization स्ट्रक्चर्ड डेटा, और अपनी आधिकारिक प्रोफ़ाइलों तक sameAs लिंक। संश्लेषण पर लीवर संपादकीय हैं: शर्त बताने वाले तथ्य खंड के पहले वाक्य में रखिए, तालिकाओं के साथ तुलना के आकार वाली सामग्री प्रकाशित कीजिए, और मॉडल को ऐसे जाँचे जा सकने वाले फ़र्क़ दीजिए जिन्हें वह बिना जोखिम उद्धृत कर सके।

इनमें से कुछ भी चालाकी नहीं है, और कुछ भी स्थायी नहीं। इंडेक्स ताज़ा होते हैं, प्रतिस्पर्धी प्रकाशित करते हैं, और सहायक बिना घोषणा किए रिट्रीवल का बर्ताव बदल देते हैं — इसलिए मापन का चक्र सुधारों जितना ही मायने रखता है। जो कारोबार लगातार सुझाए जाते हैं, वे वही हैं जिनके सबूतों का आधार ढूँढ़ना आसान है, भरोसा करना आसान है, और किसी और से गड्डमड्ड करना नामुमकिन है।

FAQ