LLM 친화적 요약 추가
LLM 친화적 요약 추가 기회는 간결한 구조화된 요약이 부족한 트래픽이 많은 페이지를 식별하므로 AI 에이전트가 페이지의 주요 정보를 빠르게 이해하기가 더 어렵습니다. 기존 페이지 콘텐츠에 기반을 둔 명확한 요약 및 주요 사항을 소개합니다. 이를 통해 에이전트는 중요한 브랜드 주장을 보다 효율적으로 해석하고 캡처할 수 있으며, 콘텐츠가 AI 응답에 정확하게 포함될 가능성이 높아집니다.
영향을 받는 각 URL에 대해 AI가 생성한 제안을 검토한 다음 Edge에서 최적화를 사용하여 이를 배포할 수 있으므로 콘텐츠 관리 시스템(CMS) 변경 없이 에이전트 트래픽이 명확하고 훑어볼 수 있는 컨텍스트를 얻을 수 있습니다.
문제 해결 방법
수정 사항은 Edge에서 최적화를 사용하여 적용됩니다.
- 사전 렌더링된 HTML 스냅샷을 AI 에이전트에 제공합니다.
- 검색한 HTML의 요약 및/또는 주요 지점을 사용하여 페이지를 강화합니다.
- CDN 계층에서 작동합니다(CMS 변경 사항 없음).
- AI 전용 — 사람 방문자나 SEO 봇에 영향을 주지 않습니다.
- 몇 분 후에 배포되며 LLM Optimizer 인터페이스에서 완전히 취소 가능합니다.
작동 방식
LLM Optimizer은 페이지 또는 섹션 수준 요약 및 주요 지점이 AI 이해에 도움이 되는 트래픽이 많은 페이지를 식별합니다. 영향을 받는 URL은 현재 제안 탭의 제안 있는 URL 테이블에 표시되며 행을 확장하여 각 권장 사항을 검사할 수 있습니다.
제안이 있는 URL 표에는 요약이 에이전트 검색에 도움이 되는 페이지가 나열되어 있습니다. 제안은 현재 제안, 수정 제안 및 무시된 제안으로 구성됩니다. 각 URL에 대해 다음 작업을 수행할 수 있습니다.
- 분석 및 제안된 요약 텍스트(및 포함된 경우 주요 사항)를 보려면 행을 확장하십시오.
- 에이전트 트래픽에 대한 이전 및 이후 비교를 미리 보기합니다.
- LLM Optimizer 외부의 영업 기회를 해결한 경우 고정으로 표시.
- 관련성이 없는 제안 무시개
확장된 각 항목에는 라이브 페이지에 연결된 페이지 수준 및 섹션 수준 요약 지침, AI 생성 복사, 편집 컨트롤 및 컨텍스트가 표시됩니다.
최적화 미리 보기를 열려면 작업 열에서 미리 보기를 클릭하십시오. 이 보고서는 현재 페이지에서 집계 트래픽을 찾는 모습과 최적화 후 보기(예: 제안된 배치에 맞게 삽입된 요약 및 키 지점 콘텐츠 삽입)를 비교합니다. 배포하기 전에 언제든지 해당 미리보기를 열거나 닫을 수 있습니다.
게시할 준비가 되면 확인란을 사용하여 요약 및 주요 라인 항목을 선택합니다. 바닥글은 선택한 항목의 수를 보여주며 수정으로 표시, 제안 무시 및 최적화 배포를 제공합니다.
최적화 배포
Edge에 게시할 준비가 되면 최적화 배포를 클릭합니다. Edge에 배포 대화 상자에 선택한 URL 및 최적화 세부 정보가 나열됩니다. 목록을 검토한 다음 배포 또는 취소를 선택하십시오.
배포에 성공하면 배포 완료에서 최적화 실행 횟수를 확인하고 AI 에이전트가 업데이트를 인덱싱하는 데 시간이 걸릴 수 있습니다. 대화 상자를 닫고 수정 제안을 열어 상태를 확인합니다.
수정된 제안 사항 및 라이브 보기
수정된 제안에서 배포된 URL은 상태 열에 최적화됨을(를) 표시합니다. 행을 확장하여 배포된 요약 사본과 지침을 검토합니다.
검증에 제공된 대로 현재 페이지 콘텐츠의 읽기 전용 보기를 열려면 행의 실시간 보기를 클릭하십시오(적용된 경우 요약 및 키 포인트 블록 포함). 분석에 세부 정보을(를) 사용합니다. 가장자리 변경 내용을 일괄적으로 되돌리려면 확인란을 사용하여 최적화된 행을 선택한 다음 헤더에서 롤백을 사용합니다.
롤백
마음이 바뀌면 배포된 모든 최적화를 롤백할 수 있습니다. 수정 제안 보기에서 되돌릴 최적화된 행을 선택한 다음 헤더에서 롤백을 클릭합니다.
롤백 대화 상자에는 롤백할 제안 사항이 나열되며 배포된 최적화가 되돌아갈 것이라는 짧은 경고가 표시됩니다. 목록을 확인한 다음 롤백 또는 취소를 클릭합니다.
되돌리기 제안을 나열하는
작업이 완료되면 성공적으로 롤백됨 요약이 나타납니다. 대시보드로 돌아가려면 닫으십시오.
데모에서 사용해 보기
Frescopa 데모에서 LLM 친화적인 요약 추가 워크플로우를 살펴보십시오.