Como a IA realmente lê as avaliações do seu produto (não é como pensa)

O que a IA vê quando acede à minha página de produto?

Vê texto, não píxeis. Os sistemas que alimentam os motores de resposta com IA obtêm a sua página e leem o código presente naquele momento. Não esperam que o utilizador faça scroll, não clicam em separadores e, com frequência, não executam os scripts que carregam o Widget de avaliações.

A questão relevante nunca é "as avaliações ficam com bom aspeto no ecrã". É "qual o texto que está no documento no momento em que ele é acedido". Renderizar é o que um navegador faz para o utilizador: executa os scripts, obtém as avaliações de uma API e apresenta estrelas e textos no ecrã. Extrair é o que uma máquina faz: lê o texto do documento, com frequência sem aguardar qualquer renderização. Uma página pode estar repleta de provas sociais visíveis e praticamente vazia na forma em que um modelo a lê.

• Renderização: os scripts executam, o Widget faz o pedido, as avaliações aparecem no ecrã.
• Extração: o texto é lido do documento, com frequência antes dos scripts terminarem, ou sem que cheguem a executar.
• O utilizador experiencia a renderização. O motor de resposta com IA costuma experienciar a extração.
• Quando os dois divergem, a máquina prevalece, e vê menos do que pensa.

Por que razão a IA não vê as avaliações do Widget e como pondera o texto?

A maioria das aplicações de avaliação injeta o conteúdo através de um Widget JavaScript depois de a página carregar. Antes desse script executar, o espaço onde as avaliações deveriam estar é normalmente um contentor vazio: uma div sem qualquer texto. O utilizador aguarda meio segundo e vê os depoimentos. A extração lê o contentor vazio e avança.

Quando um modelo tem texto legível, não lê a página como um bloco único. Divide o texto em excertos e trata cada um como candidato a resposta. Quando uma consulta chega, pontua esses excertos e extrai o que responde mais diretamente. A posição importa porque o texto no início de um excerto tem mais peso do que o texto no final. Uma avaliação específica e útil que aparece cedo é muito mais citável do que a mesma avaliação trezentas palavras abaixo.

• A página é dividida em excertos, não lida como um bloco contínuo.
• Cada excerto é pontuado de acordo com o quanto responde diretamente à consulta.
• O excerto mais direto é extraído, com frequência de forma quase literal.
• Excertos que começam com a resposta superam os que a deixam para o final.

O que determina se uma avaliação é citada e o que significa para as que já tem?

Texto específico responde a uma pergunta, e texto vago não responde a nada. Uma avaliação como "adorei, ótima qualidade" não corresponde a nenhuma consulta em particular, pelo que o modelo não tem motivo para a citar. Uma avaliação como "estas botas mantiveram os meus pés secos durante uma semana de chuva e não precisaram de período de adaptação" responde a uma dúvida real de compra, e é o tipo de frase que um modelo vai citar.

Não é possível fabricar isto, mas é possível recolher para isso. Perguntas de avaliação que incentivem o cliente a descrever casos de utilização e detalhes concretos, em vez de apenas uma classificação por estrelas, fornecem à extração algo que vale a pena citar. As avaliações que já tem podem não estar a contribuir em nada para a pesquisa por IA, não porque sejam fracas, mas porque são ilegíveis, não corroboradas ou demasiado vagas. O conteúdo existe. O formato está errado. A solução fiável é renderizar o HTML das avaliações no servidor, para que as palavras estejam presentes antes de qualquer script executar.