A ascensão da IA generativa e dos grandes modelos de linguagem (LLMs) abriu a possibilidade de perturbar o domínio de longa data do Google no mercado de motores de busca. Um desses desafiantes é o Perplexity, uma plataforma de pesquisa alimentada por IA que visa fornecer aos usuários respostas resumidas e fontes citadas, em vez da tradicional lista de links de páginas da web.
Embora ainda ofuscada pelo enorme volume de pesquisas do Google, a abordagem da Perplexity oferece um vislumbre de como a IA poderia remodelar a experiência de pesquisa e a indústria multibilionária de publicidade em pesquisas.
O que é Perplexidade AI?
Perplexity se descreve como “seu canivete suíço com tecnologia de IA para descoberta de informações e curiosidade”. Ele se baseia no ChatGPT 3.5 e em seu próprio modelo. A versão premium também inclui acesso ao GPT-4, Claude 3, Mistral Large e um Modelo Experimental de Perplexidade.
Embora já esteja obtendo uma tração significativa, respondendo a mais de 2 milhões de consultas por dia, ainda há um longo caminho a percorrer para causar impacto no Google, que consegue tantas pesquisas em 20 segundos. No entanto, os consumidores estão começando a encontrar valor no resumo de dados e informações. Chegar a uma “resposta” resumida mais rapidamente pode ser valioso.
Como abordar plataformas de pesquisa baseadas em IA, como Perplexity
Então, como as marcas e os profissionais de marketing de mecanismos de busca deveriam pensar sobre uma plataforma como a Perplexity? Há três coisas a considerar:
1. Faça sua pesquisa
Você deve estar usando essas ferramentas. Não estou sugerindo que você tenha que usá-los exclusivamente, mas você simplesmente não pode presumir que fará isso mais tarde. Essas ferramentas estão aqui e estão evoluindo rapidamente.
Faça alguma pesquisa, faça algumas consultas e depois refine-as com critérios diferentes. Veja quais são as respostas.
- As respostas favorecem o seu negócio?
- As respostas citam sua empresa?
- Há novas informações que você não havia considerado antes e que deveriam ser incluídas em sua estratégia de marketing e conteúdo?
Abaixo estão dois exemplos simples de pesquisas: “melhor seguro de carro” e “lava-jato perto de mim”.
Comparando os dois resultados do Google e do Perplexity, noto primeiro a falta de anúncios no exemplo do seguro automóvel.
Allstate ocupa praticamente toda a página com seu anúncio de pesquisa. A perplexidade dá ao usuário uma resposta melhor com citações. As informações que o usuário pode achar úteis e se aprofundar, mas chegar a um site específico é mais difícil.
Em alguns casos, isso pode melhorar a experiência do usuário, removendo o clique e resumindo as informações mais “úteis” (conforme consideradas pelo modelo).
Os detalhes do mapa na pesquisa de lavagem de carros são semelhantes, mas o Google Maps oferece a capacidade de vincular ou ligar para a empresa diretamente dos resultados da pesquisa. Isso requer um clique dos resultados do Perplexity para chegar lá.
2. Fontes = classificações
Em Perplexidade, uma das principais diferenças são as citações ou fontes. Isso é crítico por dois grandes motivos:
- Ele fornece informações valiosas sobre o raciocínio por trás da resposta. Embora muitos modelos de linguagem agora ofereçam alguns insights sobre suas fontes, apresentá-los com destaque permite que os usuários entendam melhor a resposta e explorem mais, se desejarem.
- Do ponto de vista do profissional de marketing de busca, essas fontes podem ser comparadas às novas listagens de busca orgânica. Se o Perplexity fornecer a resposta diretamente, os usuários talvez não precisem visitar seu site para agir. No entanto, ser citado como a fonte da resposta pode tornar-se a próxima melhor opção para as marcas, à medida que os consumidores se familiarizam mais com estes modelos e as marcas pretendem reter o seu tráfego de pesquisa.
Aprofunde-se: Otimização LLM: você pode influenciar os resultados generativos da IA?
3. Conversas x pesquisas
Perplexidade segue uma abordagem semelhante a outros LLMs, permitindo que você mantenha uma “conversa”. Isso significa que você pode fazer uma pergunta e a próxima carrega o contexto da pergunta anterior.
Por exemplo, quando perguntei: “Sou um homem de 45 anos que corre cerca de 32 quilômetros por semana. Quais são os melhores tênis de corrida para mim? Então, segui essa resposta simplesmente dizendo: “E se eu aumentar minha milhagem, caso minhas opções mudem?”
A modelo manteve o conhecimento de que tenho 45 anos e procuro recomendações de calçados. Não precisei reenviar esse contexto. Também sugeriu algumas perguntas relacionadas relevantes para a conversa e me aprofundou em minha pesquisa com respostas simples.
O que vem a seguir para Perplexidade?
A Perplexity desenvolveu um modelo robusto e uma interface de usuário, facilitando o aprendizado e a utilização pelos usuários. Mas o que vem a seguir? Eles precisam determinar seu modelo de receita.
No exemplo do tênis de corrida, você deve ter notado o que não aconteceu. A Perplexity não ofereceu link direto para compra dos calçados, mesmo quando questionada sobre a compra de um tipo específico. Apesar do pedido de compra dessa marca, não foi possível fornecer um link direto para a Asics. Mesmo as fontes não tinham links diretos para o site da Asics.
O comércio e as conversões não estão na vanguarda desses modelos no momento. O modelo de receita do Perplexity é o mesmo do OpenAI e outros. Eles oferecem um modelo freemium, com capacidade de atualização para recursos adicionais por US$ 20 por mês.
À medida que eles obtêm alguma receita com esse modelo, espero que surjam coisas que impulsionem mais transações comerciais. Eles podem mudar para um afiliado ou modelo PPC para essas consultas, onde a Asics pode comprar acesso a esta “resposta” com um link direto para Asics.com.
Não pense por um segundo que o mercado de buscas de US$ 110 bilhões irá chegar a zero. Na verdade, a velocidade e a taxa com que essas ferramentas podem fornecer respostas devem gerar mais volume de pesquisas e transações, e não menos.
A grande questão não é o que isso faz com o volume de pesquisas, mas sim o que faz com o modelo de receita. Por enquanto, temos que esperar e ver o que acontece.