Az előadó új, rendhagyó ötleten gondolkodik: hogyan befolyásolhatjuk a nagy nyelvi modelleket (LLM), például a ChatGPT-t, a Perplexity-t vagy a Claude-ot. Személyes tapasztalatokat és kutatási eredményeket is felhoz, amelyeket különféle közösségi média platformokról, például a YouTube-ról, a LinkedInről vagy a Facebookról gyűjtött.
Külön figyelmet szentel annak a felismerésnek, hogy a nyelvi modellek kifejezetten kedvelik a strukturált összehasonlító táblázatokat, amikor különböző márkák speciális tulajdonságait, szolgáltatásait vagy árait hasonlítják össze. Felveti, mennyire jelentős hatással lehet, ha ilyesfajta táblázatokat nem csak szokványos blogcikkekbe, hanem inkább váratlan helyekre, például YouTube-videók leírásába, LinkedIn- vagy Facebook-posztokba is elhelyezünk.
A témában felmerülő kulcskérdés az, hogyan irányíthatjuk vagy szabhatjuk meg, hogy milyen információk kerülnek be a nyelvi modellekbe, amikor különféle márkák közül választanak a felhasználók. Az UGC (felhasználók által generált tartalom) szerepe és a keresőoptimalizálásban rejlő potenciálja is hangsúlyt kap.
Egy kutatás is szóba kerül, amely szerint a LLM-alapú lekérdezések lényegesen jobban konvertálnak, mint a hagyományos keresések, bár a keresési volumen eltér. Az ötletet a gyakorlatban is tesztelte, sőt, konkrét példákat is említ, hogyan lehetne a saját vagy a versenytárs márkák összehasonlító táblázatát kihasználni mind a saját weboldalon, mind közösségi médián keresztül. A gondolat lényege, hogy a márkák saját maguk legyenek az elsődleges adatforrások, amikor a modellek információt keresnek róluk.
