Wie Menschen LLMs wirklich verwenden und was das für Verlage bedeutet

OpenAI hat die bisher größte Studie veröffentlicht, wie Benutzer ChatGPT wirklich verwenden. Ich habe sorgfältig diejenigen synthetisiert, die Sie und ich beachten sollten, sodass Sie nicht durch die Fülle nützlicher und sinnloser Erkenntnisse waten müssen.

Tl; dr

1. LLMs ersetzen keine Suche. Aber sie verändern, wie Menschen zugreifen und Informationen konsumieren.
2. Fragen zu fragen (49%) und (40%) Abfragen dominieren den Markt und steigen in der Qualität.
3. Die drei besten Anwendungsfälle – praktische Anleitung, Suche nach Informationen und Schreiben – machen 80% aller Gespräche aus.
4. Verlage müssen verlinktbare Vermögenswerte erstellen, die einen Mehrwert schaffen. Es kann nicht mehr nur darum gehen, den Verkehr aus Artikeln zu verfolgen.

Bildnachweis: Harry Clarkson-Bennett

Chatbot 101

Ein Chatbot ist ein statistisches Modell, das geschult wurde, um eine Textantwort bei einer Texteingabe zu generieren. Affen See, Affe tun.

Die fortgeschritteneren Chatbots haben einen zwei oder mehr Stufe Trainingsprozess. In Stufe eins (Weniger umgangssprachlich bekannt als „Pre-Training“), LLMs werden geschult, um das nächste Wort in einer Zeichenfolge vorherzusagen.

Wie der beste Buchhalter der Welt sind sie sowohl vorhersehbar als auch langweilig. Und das ist nicht unbedingt eine schlechte Sache. Ich möchte, dass meine Köche fett, meine Piloten nüchtern und meine Geldmänner sind so langweilig, dass sie als nächstes in der Schlange stehen, um die grüne Party zu führen.

Stufe zwei ist der Ort, an dem die Dinge ein wenig schicker werden. In der Phase „Nach der Schulung“ werden Modelle geschult, um „Qualitäts“ -Anantworten auf eine Eingabeaufforderung zu generieren. Sie sind in verschiedenen Strategien wie Verstärkungslernen eingestellt, um Antworten zu unterstützen.

Im Laufe der Zeit werden die LLMs wie Pavlovs Hund entweder belohnt oder veranlasst, basierend auf der Qualität ihrer Antworten zu verweisen.

In Phase 1 „versteht“ das Modell (definitiv in umgekehrten Kommas) eine latente Darstellung der Welt. In Phase zwei wird sein Wissen geschätzt, um die beste Qualität zu erzielen.

Ein kurzes Wort über die Temperatur

Ohne Temperatureinstellungen erzeugt LLMs immer wieder gleich, solange der Trainingsprozess gleich ist.

Höhere Temperaturen (näher an 1,0) erhöhen die Zufälligkeit und Kreativität. Niedrigere Temperaturen (näher an 0) machen das Modell (en) weitaus prädiktiver und präziser.

Ihr Anwendungsfall bestimmt also die entsprechenden Temperatureinstellungen. Die Codierung sollte näher an Null gesetzt werden. Kreative, inhaltsgerichtete Aufgaben sollten näher an einem sein.

Ich habe bereits in meinem Artikel darüber gesprochen, wie man eine Markenpost -KI erstellt. Ich empfehle jedoch dringend, diese sehr gute Anleitung zu lesen, wie Temperaturskalen mit LLMs funktioniert und wie sie sich auf die Benutzerbasis auswirken.

Was sagen uns die Daten?

Dass LLMs kein direkter Ersatz für die Suche sind. Nicht einmal so nah imo. In dieser Semrush -Studie wurde hervorgehoben, dass LLM Super Users erhöht Die Menge an traditionellen Suchanfragen, die sie machten. Die Expansionstheorie scheint wahr zu sein.

Aber sie haben eine grundlegende Veränderung bei der Zugriffe und Interaktion von Menschen mit Informationen gebracht. Konversationsschnittstellen haben einen unglaublichen Wert. Besonders in einem Arbeitsplatzformat.

Wer wusste, dass wir so faul waren?

1. Anleitung, suchen nach Informationen und das Schreiben dominieren

Diese drei besten Anwendungsfälle machen 80% aller Gespräche zwischen Mensch und Robot aus. Praktische Anleitung, suchen Sie nach Informationen und bitte helfen Sie mir, etwas langweiliges zu schreiben und keine Leidenschaft oder Einsicht, wundersamen Roboter.

Ich werde zugeben, dass die meisten Schreibanfragen zur Bearbeitung bestehender Arbeiten dienen. Trotzdem. Wenn ich etwas von KI lese, werde ich mich betrogen fühlen. Und Täuschung ist keine attraktive Qualität.

2. Die Nichtarbeitsnutzung nimmt zu

• Nicht arbeitsbezogene Nachrichten stiegen von 53% aller Nutzungen auf mehr als 70% bis Juli 2025.
• LLMs sind gewohnheitsmäßig geworden. Besonders wenn es darum geht, uns die richtigen Entscheidungen zu treffen. Sowohl innerhalb als auch außerhalb der Arbeit.

3. Schreiben ist die häufigste Anwendung am Arbeitsplatz

• Das Schreiben ist der häufigste Arbeitsfall in Arbeit, der berücksichtigt wird 40% der arbeitsbedingten Nachrichten im Durchschnitt im Juni 2025.
• Um Zwei Drittel aller Schreibnachrichten sind Anfragen, um vorhandenen Benutzertext zu ändern, anstatt neuen Text von Grund auf neu zu erstellen.

Ich kenne genug Leute, die nur LLMs verwenden, um bessere E -Mails zu schreiben. Die technischen Brüder haben mir fast leid, dass die primären Anwendungsfälle für diese Tools so mangelnde Kreativität.

4. Weniger so codieren

• Computercodierung Anfragen sind nur bei nur einem relativ geringen Anteil, bei denen nur 4,2% aller Nachrichten.*
• Dies fühlt sich sehr kontraintuitiv an, aber Spezialisten wie Claude oder Tools wie Liebensable sind bessere Alternativen.
• Dies ist ein Hinweis. Die Nutzung von Spezialisten LLM wird wachsen und wahrscheinlich bestimmte Branchen dominieren, da sie in der Lage sein werden, qualitativ hochwertige Ergebnisse zu entwickeln. Das spezialisierte Training im zweiten Stil ist ein weit überlegenes Produkt.

*Im Vergleich zu 33% der arbeitsbedingten Claude-Gespräche.

Es ist wichtig zu beachten, dass andere Studien einige sehr unterschiedliche Einnahmen über das, wofür LLMs verwenden. Das ist also nicht so geschnitten und trocken, wie wir denken. Ich bin sicher, dass sich die Dinge weiter ändern werden.

5. Männer dominieren nicht mehr

• Frühe Anwender waren überproportional männlich (um 80% mit typisch männlichen Namen).
• Diese Zahl lehnte ab zu 48% Bis Juni 2025 haben aktive Benutzer jetzt etwas wahrscheinlicher, dass sie in der Regel femininische Namen haben.

Sicher, wir Männer haben unsere Mängel. Im Laufe der Geschichte waren wir vielleicht ein bisschen schnell zu kämpfen und ein wenig dominierend. Aber gut, Parität zu sehen.

6. Fragen und Fragen dominieren

• 89% aller Anfragen fragen und tun verwandt.
• 49% fragen und 40% tun es, mit nur 11% zum Ausdruck.
• Das Befragen von Nachrichten ist schneller gewachsen als Nachrichten im letzten Jahr und wird von höherer Qualität bewertet.

Eine Chatgpt-Tabelle mit Beispielen für jeden Abfragetyp-Fragen, Tun und Ausdruck (Bildnachweis: Harry Clarkson-Bennett)

7. Beziehungen und persönliche Reflexion sind nicht prominent

• Es gab eine Reihe von Studien, in denen LLMs zu Personaltherapeuten für Menschen geworden sind (siehe oben).
• Beziehungen und persönliche Reflexionen machen jedoch nach OpenAI nur 1,9% der Gesamtnachrichten aus.

8. Die blutige Jugend (*schüttelt Faust*)

• Fast die Hälfte aller von Erwachsenen gesendeten Nachrichten stammte von Nutzern unter 26 Jahren.
• Dies stimmt perfekt mit der Forschung von Kevin Indig zusammen, wie unterschiedliche demografische Typen KI -Übersichten konsumieren. Junge Menschen vertrauen es eher und b) es eher annehmen.

Imbiss

Ich glaube nicht, dass LLMs eine Katastrophe für Verlage sind. Sicher, sie senden keinen Empfehlungsverkehr und haben begonnen, Zitate außerhalb bezahlter Benutzer (klassisch) zu entfernen. Aber keiner dieser Tech-Köpfe wird uns etwas geben.

Es ist ein Rennen zum Mond und wir sind der Hund, den sie auf dem Testflug geschickt haben.

Aber wenn Sie ein Verlag mit einer Meinung, einem Publikum und – hoffentlich – eine Markentiefe und ein paar Vermögenswerte zur Hand sind, werden Sie in Ordnung sein. Obwohl ihr Krabbelverhalten außer Kontrolle gerät.

Verkehr in Scheißqualität und nicht viel davon (Bildnachweis: Harry Clarkson-Bennett)

Eines der praktischsten Ergebnisse, die wir als Verlage aus diesen Daten nehmen können, ist die offensichtliche Änderung der Absichten. Für Äonen wurden wir mit Navigation, Information, Handels- und Transaktionsnähe verwickelt.

Jetzt haben wir das tun. Oder erzeugen. Und es ist riesig.

Sogar einfache Tools können immer noch fantastischen Verkehr und Einnahmen treiben (Bildnachweis: Harry Clarkson-Bennett)

SEO ist für Verlage nicht tot. Aber wir müssen mehr tun, als nur Inhalte zu veröffentlichen. Es gibt viel zu sagen, wenn man sich für die Werte von AI einsetzt und sie auf Armlänge hält.

Denken Sie, dass BBC verifizieren. Inhalte, die nicht von Maschinen synthetisiert werden können, da er so viel Wert ergibt. Werkzeuge und verknüpfbare Vermögenswerte. Wirkliche Meinungen von Experten haben in den Vordergrund gedrängt.

Aber es ist schwierig, diese Qualität zu skalieren. Programmatische SEO kann einen erstaunlichen Wert erzielen. Wie Tools. Tools, mit denen die Benutzer von Benutzern beantwortet werden, fragt immer wieder an. Wir müssen Dinge bauen, die einen Mehrwert außerhalb des vorhandenen Korpus schaffen.

Und wenn Ihr Publikum im Allgemeinen jünger und vertrauensvoller ist, müssen Sie sich mehr darauf einlassen.

Weitere Ressourcen:

• Wie Menschen Chatgpt verwenden und was es für die C-Suite bedeutet
• Der Gründer der KI -Plattform erklärt, warum wir uns auf menschliches Verhalten konzentrieren müssen, nicht auf LLMs
• Der Zustand der KI im Marketing

Dieser Beitrag wurde ursprünglich zur Führung in SEO veröffentlicht.

Ausgewähltes Bild: Roman Samborskyi/Shutterstock