Sažetak

• Kosinusna sličnost meri ugao između dva vektora, a ne njihovu dužinu. Rezultat blizu 1 znači da dva teksta pokazuju u skoro istom smeru i dele blisko značenje, dok rezultat blizu 0 znači da su potouno nepovezani.
• Generativni pretraživači rangiraju sadržaj po značenju, a ne po tačnim rečima. Vaša stranica i upit postaju vektori, a AI pretraživači biraju samo one pasuse teksta sa najvišim kosinusnim rezultatom.
• Pošto zanemaruje dužinu, kratak korisnički upit i dugačak tekst i dalje mogu da se poklope po značenju.
• Za normalizovane vektore, kosinusna sličnost je jednaka skalarnom proizvodu, zbog čega mnoge vektorske baze podataka koriste skalarni proizvod.
• Kosinusna sličnost se kroisti u RAG procesu koji stoji iza velikog broja AI odgovora.
• U GEO-u, kosinusna sličnost je jedan od najznačajnijih signala citiranja. Sadržaj koji stoji blizu originalnog korisničkog upita biva sintetisan u konačan odgovor i pripisan konkretnom izvoru.
• Da bi vaš sadržaj prošao test kosinusne sličnosti, potrebno je da jedan, jasan koncept, razrađujete po pasusu kako bi njegov vektor završio blizu upita za koje želite da budete prikazani u AI odgovorima.

Zašto Je Kosinusna Sličnost Važna Za GEO?

Kosinusna sličnost je važna za GEO jer je to način na koji generativni pretraživači odlučuju koji su pasusi dovoljno bliski po značenju da bi bili pronađeni i upotrebljeni u odgovoru. GEO je praksa pravljenja vašeg sadržaja izvorom koji AI pretraživač citira, a pre nego što pretraživač može da vas citira, prvo mora da vas pronađe. To pronalaženje se bazira na semantičkoj blizini, a ne na poklapanju ključnih reči, a kosinusna sličnost je rezultat koji rangira koliko svaki pasus stoji blizu korisničkog upita.

Ulog je veliki jer AI odgovori sada čine veliki deo celokupne internet pretraga. Google AI Overviews se pojavljuje u skoro 55% Google pretraga, a modeli poput ChatGPT-a i Perplexity-ja postali su podrazumevana mesta za istraživanje. Pasusi koji dobro prolaze test kosinusne sličnosti su oni koji jasno prezentuju ono što korisnici žele da saznaju.

Šta to konkretno znači za vaš rad:

• Pronalaženje pre citiranja - AI pretraživači mogu da citiraju samo ono što prvo odaberu kao izvor odgovora, a dobar kosinusni rezultat pokreće taj korak.
• Značenje ispred tačnih reči - Vaš sadržaj može biti izabran kao izvor i bez tačnog poklapanja fraza iz korisničkog upita sve dok je semantička sličnost visoka.
• Ocenjivanje na nivou pasusa - Pretraživači prave embedinge i ocenjuju zasebne odeljke teksta, a ne cele stranice, pa svaki pasus samostalno konkuriše procesu kosinusne sličnosti.
• Velika širina uticaja - Pošto AI odgovori dopiru do široke publike, jedan pasus sa visokim rezultatom može da utiče na mnogo odgovora.

Kako Kosinusna Sličnost Funkcioniše?

Kosinusna sličnost uzima dva vektora, meri ugao između njih i vraća rezultat koji pokazuje koliko su im smerovi usklađeni. Formula deli skalarni proizvod dva vektora sa proizvodom njihovih dužina, zapisano kao kosinusna sličnost = (A · B) / (||A|| × ||B||).

Ovo deljenje uklanja veličinu i zadržava samo smer, što je ono što je čini pogodnom za procenu sličnosti teksta i korisničkog upita.

Rezultat se kreće od -1 do 1. Ugao od 0 stepeni daje 1, što znači identičan smer i najbliže moguće značenje. Ugao od 90 stepeni daje 0, što znači da su tekstovi nepovezani. Ugao od 180 stepeni daje -1, što znači suprotan smer. Za uobičajene tekstualne embedinge, rezultati obično idu od 0 do 1.

Evo kako ovaj tok izgleda u jednostavnim koracima:

• Pravljenje embedinga - Svaki deo teksta postaje vektor u višedimenzionalnom prostoru.
• Merenje ugla - Pretraživač poredi vektor korisničkog upita sa svakim vektorom sadržaja preko kosinusa ugla između njih.
• Ocenjivanje i rangiranje - Pasusi se ređaju po rezultatu, a najbliži prelaze u fazu odgovora.
• Normalizacija radi brzine - Kada su vektori skalirani na dužinu 1, kosinus je jednak skalarnom proizvodu, pa pretraživači često koriste skalarni proizvod kao brži put do istog rezultata.

Pravolinijsko, odnosno euklidsko rastojanje izobličeno je dužinom, pa bi kratak isečak i dugačak članak istog značenja mogli da dobiju rezultat kao da su semantički daleko jedan od drugog. Kosinus gleda samo na smer, pa dužina ne remeti poklapanje.

Konkretni Primeri Kosinusne Sličnosti

Najjasniji način da se vidi kosinusna sličnost je kroz mali skup brojeva. Zamislite tri konceptualne ose i korisnički  upit predstavljen vektorom [1, 1, 0].

• Stranica A je [1, 1, 0], isti smer kao upit. Skalarni proizvod je 2, svaka dužina je oko 1,41, a rezultat je 2 podeljeno sa 2, što je jednako 1,0 i predstavlja identično značenje.
• Stranica B je [0, 0, 1] što pokazuje smer u drugom pravcu. Skalarni proizvod je 0, pa je rezultat 0 i ovo znači nepovezan rezultat.
• Stranica C je [1, 0.5, 0] što je blizu, ali nei identično. Skalarni proizvod je 1,5, dužine se množe na oko 1,58, a rezultat je otprilike 0,95. Ovo bi značilo da su sadržaj i upit veoma bliski po značenju.

Ista ideja važi i na običnom jeziku. Upit "zdrave navike u ishrani" dobija visok rezultat u odnosu na stranicu o "savetima za ishranu" ili "uravnoteženoj ishrani", a nizak u odnosu na stranicu o "održavanju automobila", iako se reči razlikuju. Ako kroz alat za sličnost propustite dve srodne fraze, poput "vektorski pretraživač" i "semantička pretraga pomoću vektora", možete videti rezultat blizu 0,88, što ukazuje na snažno preklapanje u značenju bez zajedničke tačne fraze.

Grub način da se ovi rezultati pročitaju u praksi:

• Rezultat blizu 1 - Pasus i korisnički upit znače skoro isto, pa je sadržaj vrhunski kandidat za citiranje u AI modelima.
• Rezultat negde u sredini - Povezano ali ne tačno poklapanje, pa sadržaj i dalje može biti izlistan među odgovorima kada su autoritet i struktura jaki.
• Rezultat blizu 0 - Druga tema, malo verovatno da će uopšte biti pronađeno ikakvo pokplapanje.

Ovi rasponi su ilustrativni pošto svaki AI pretraživač podešava sopstvene kriterijume pretrage.

Prednosti Kosinusne Sličnosti Za GEO i SEO

Kosinusna sličnost nagrađuje sadržaj koji je jasan, fokusiran i potpun, a upravo to donosi pomene i citate u AI pretrazi. Pošto kosinusna sličnost čita značenje umesto da broji reči, ona menja kako izgleda dobar sadržaj, i to sad ide vama direktno u korist.

Praktične prednosti:

• Pravedno poklapanje bez obzira na dužinu i broj reči - Sažet odgovor može da pobedi razvučeni jer broj reči ne utiče na rezultat.
• Detaljno pokrivanje određene teme pobeđuje - Sadržaj koji mapira temu i srodne ideje daje vektore bliske širokom skupu korisničkih upita.
• Manje oslanjanja na ključne reči - Možete se pojaviti za formulacije koje nikada niste otkucali, jer kosinusna sličnost čita nameru i semantičku sličnost.
• Doslednost kroz AI modela - Kosinus i njegova varijanta sa skalarnim proizvodom su standard u vektorskim bazama podataka i RAG sistemima, pa ista pravila važe za Gugl, ChatGPT i Perplexity.
• Snaga pasusa se sabira - Svaki samostalan pasus koji je prercizan, jasan i konkretan daje zasebnu priliku da vaš sadržaj bude citiran.

Praktični Saveti Za Pisanje Sadržaja Pogodnog Za Kosinusnu Sličnost

Da biste pisali sadržaj pogodan za kosinusnu sličnost, nastojte da svaki pasus izražava jednu jasnu ideju objašnjenu običnim jezikom, kako bi njegov vektor završio blizu korisničkih upita za koje želite da budete prikazani i citirani. Cilj je čist signal koji AI pretraživači mogu da pročitaju bez nagađanja.

Potezi koji daju rezultat:

• Jedan jasan koncept po pasusu - Fokusiran blok daje čist vektor, dok se paragrafi koji mešaju različite teme stapaju i daju slabiji rezultat.
• Započnite paragraf odgovorom - Stavite direktan odgovor na početak svakog pasusa kako bi mogao da stoji samostalno kada ga AI modeli izvuku van dodatnog konteksta.
• Dodajte srodne pojmove i entitete - Navedite osobe, proizvode i koncepte koje čitalac očekuje da pronađe u tekstu, čime svoj vektor privlačite ka celokupnoj temi.
• Definišite, objasnite, pa pokažite - Pasus koji definiše neki pojam, zatim objašnjava proces i da nudi konkretne primere, pretraživačima daje čiste jedinice za poklapanje i citiranje.
• Neka formulacije budu što prirodnije - Pišite onako kako ljudi postavljaju pitanja, pošto se korisnički upit embeduje i poredi na isti način kao i vaš tekst.
• Izbegavajte prenatrpavanje ključnim rečima - Ponavljanje ključnih reči ne podiže rezultat kosinusnog ugla i čak može da zamagli značenje koje želite da prenesete.
• Potkrepite tvrdnje konkretnim podacima - Konkretne činjenice i aktuelne brojke čine pasus korisnijim za citiranje.