बहुभाषी GEO कैसे काम करता है?

असिस्टेंट से वही व्यावसायिक सवाल अंग्रेज़ी में और हिब्रू में पूछिए — वह एक जवाब का अनुवाद दूसरे में नहीं करता। वह दो बार retrieve करता है — दो अलग स्रोत-पूल से — और दो जवाब गढ़ता है जिनमें बिलकुल अलग विक्रेता नामित हो सकते हैं। Retrieval भाषा-दर-भाषा है: मॉडल उपयोगकर्ता के टाइप किए शब्दों को उसी भाषा में लिखी सामग्री से मिलाता है, और उन मैचों के पीछे के corpora आकार में कई परिमाण-क्रम अलग हैं। अंग्रेज़ी वेब की लगभग आधी सामग्री-भाषा है (W3Techs पर 49.5%); हिब्रू 0.4%, अरबी 0.6%, हिन्दी 0.1% से कम।

यही बहुभाषी GEO का पूरा आधार है — Generative Engine Optimization, जिसे यह उद्योग AEO (Answer Engine Optimization) या LLM SEO भी कहता है; नाम अलग, काम एक। कोई ब्रांड अमूर्त रूप से «AI खोज में दृश्यमान» नहीं होता। वह अंग्रेज़ी में दृश्यमान होता है, या स्पेनिश में, या हिब्रू में — हर एक अलग होड़, अपने स्रोत, अपने प्रतिस्पर्धी, अपना विजेता। अकेले Google के AI Overviews अब 200 से ज़्यादा देशों और क्षेत्रों में और 40 से ज़्यादा भाषाओं में चलते हैं, और उन भाषा-सतहों में से हर एक अपने ही वेब-टुकड़े से retrieve कर रही है।

यह guide हमारी बाज़ार-श्रृंखला का केंद्र है — इज़रायल और हिब्रू, दुबई का अरबी-अंग्रेज़ी विभाजन, भारत, अमेरिका का स्पेनिश बाज़ार, और स्विट्ज़रलैंड का चार-भाषा संघ। उनमें से हर guide नीचे की मैकेनिक्स को एक बाज़ार पर लागू करता है; यह वाला मैकेनिक्स ख़ुद समझाता है।

परिमाण-क्रम का corpus-अंतर दो अलग खेल पैदा करता है। अंग्रेज़ी में किसी भी व्यावसायिक prompt के उम्मीदवार स्रोतों का पूल गहरा है: समीक्षा-साइटें, listicles, तुलना-पेज, फ़ोरम-थ्रेड। कोई एक पेज हावी नहीं होता; असिस्टेंट पुष्टि तौलते हैं — कितने स्वतंत्र स्रोत आपको एक जैसे बताते हैं — और काम है मेल खाती mentions की धीमी जमावट। यही भीड़-भरे-corpus का खेल है, और यहीं ज़्यादातर वैश्विक ब्रांड पहले से होड़ करते हैं।

पतले corpus में अंकगणित पलट जाता है। जब कोई भाषा वेब का 0.4% रखती है, ज़्यादातर व्यावसायिक prompts के पास मुट्ठी भर संभावित स्रोत होते हैं — कभी-कभी कोई नहीं। एक अच्छी तरह संरचित, answer-first मूल पेज citation-स्लॉट को सीधा own कर सकता है, महीनों नहीं हफ़्तों में, क्योंकि मॉडल के retrieve करने को और कुछ ही नहीं। हम इसे thin-corpus arbitrage कहते हैं, और हमारी नज़र में यह AI खोज का सबसे कम आँका गया अवसर है: जो भाषाएँ सब छोड़ देते हैं, वही हैं जहाँ एक अकेला स्रोत हावी हो सकता है।

पकड़ यह है कि arbitrage तभी फलता है जब सामग्री सचमुच मूल हो और सचमुच निकालने के लिए संरचित हो। पतले corpus में औसत पेज छिपने की जगह नहीं — और हारने के लिए प्रतिस्पर्धियों की भीड़ भी नहीं। हमारे इज़रायल और दुबई guides हिब्रू और अरबी में prompt-दर-prompt यही दिखाते हैं।

अंतरराष्ट्रीय AI खोज अनुकूलन में सहज प्रवृत्ति भाषाओं को बोलने वालों से क्रम देना है: हिन्दी के करोड़ों बोलने वाले हैं, इसलिए हिन्दी पहले। धुरी ग़लत है। सही धुरी है हर भाषा-ट्रैक का खरीदार-मूल्य: आपके खरीदार असल में कहाँ उस भाषा में व्यावसायिक इरादे से असिस्टेंट से पूछते हैं, और वहाँ जीता हुआ citation-स्लॉट कितना मूल्य रखता है? एक स्विस धन-प्रबंधक को जर्मन और फ़्रेंच से दस बड़ी भाषाओं से ज़्यादा मिलता है; दुबई का प्रॉपर्टी डेवलपर रूसी से अरबी से ज़्यादा पा सकता है, क्योंकि रूसी-भाषी खरीदार समुदाय शुरू से अंत तक रूसी में prompt करता है।

दूसरी धुरी है जीतने की संभावना। असली खरीदार-माँग वाला पतला corpus बोर्ड पर सबसे अच्छा स्लॉट है: ऊँचा इरादा, कम होड़। ऊँची माँग वाला भीड़ भरा corpus लंबा खेल है जिसमें आप जान-बूझकर उतरते हैं, पुष्टि के काम का बजट पहले से रखा। बहुत बोलने वाले पर आपकी कैटेगरी में कम व्यावसायिक prompting वाली भाषा इंतज़ार कर सकती है — जनसंख्या के आँकड़े कुछ भी कहें।

व्यवहार में हम baseline पर हर उम्मीदवार भाषा को इन्हीं दो धुरियों पर अंक देते हैं — prompt-बैटरी से मापी गई माँग, और citations अभी किसके पास हैं उससे मापी गई होड़ — और कार्यक्रम उसी क्रम में चलाते हैं। नीचे की तालिका दिखाती है कि प्रमुख भाषाएँ कितना अलग व्यवहार करती हैं।

मशीन-अनुवाद व्याकरण से चलने वाले पेज देता है जो retrieval की होड़ हार जाते हैं। वजह सौंदर्य की नहीं, यांत्रिक है: retrieval उन शब्दों से मैच करता है जो उपयोगकर्ता सच में टाइप करते हैं। मूल हिब्रू बोलने वाला पूछता है "הכי טוב בישראל"; अनुवादित पेज अंग्रेज़ी वाक्य-रचना को हिब्रू शब्दों में ढोता है — विभक्ति-रूप और ऐसे उधार वाक्यांश जो असली उपयोगकर्ता कभी टाइप नहीं करते। पेज मौजूद है, crawler उसे पढ़ता है, और फिर भी वह मैच उस स्रोत से हार जाता है जो सवाल जैसे पूछा गया वैसे लिखा है।

Morphology-समृद्ध भाषाएँ इसे सबसे सख़्ती से सज़ा देती हैं। हिब्रू और अरबी में उपपद और पूर्वसर्ग शब्द में ही जुड़ जाते हैं, इसलिए एक ग़लत रूप का मतलब है कि मुख्य दावा query-token से सचमुच नहीं मिलता। और असिस्टेंट अनुवाद के निशान वैसे ही पकड़ते हैं जैसे मानव पाठक — साफ़ मशीन-अनुवादित पेजों का corpus ऐसे ब्रांड जैसा पढ़ता है जो उस भाषा में सचमुच काम नहीं करता — ठीक उल्टा संकेत जो आप भेजना चाहते हैं।

हल बेहतर अनुवाद नहीं, साझा तथ्य-आधार पर मूल लेखन है: मूल वक्ता हर भाषा-संस्करण उन्हीं जाँचे दावों के चारों ओर लिखता है — answer-first, उसी बाज़ार के खरीदार जैसे prompt करते हैं। दावे मेल खाते हैं; वाक्यांश भाषाओं के बीच कभी नहीं जाता।

बहुभाषी ब्रांड अपने नाम के कई रूपों के नीचे रहता है: लैटिन, हिब्रू, अरबी, देवनागरी, चीनी। मॉडलों को सीखना होता है कि ये सब एक ही entity हैं, वरना citations अध-पहचाने नामों में बँट जाती हैं और authority किसी में जमा नहीं होती। इसका मतलब है alternate names घोषित करने वाला structured data, वे प्रोफ़ाइलें जो सारे रूप साथ लिखें, और मूल-भाषा स्रोत जो स्थानीय लिपि को लैटिन ब्रांड-नाम से उन पेजों पर जोड़ें जिन्हें मॉडल सच में पढ़ते हैं।

ज़्यादा सूक्ष्म असफलता भाषा-एकरूपता है: जो ब्रांड अंग्रेज़ी में एक तरह और जर्मन में दूसरी तरह बताया जाता है, वह चुपचाप दोनों में हार रहा है। असिस्टेंट भाषाओं को बढ़ते क्रम में आपस में मिलाते हैं, और विरोधी दावे — अलग सेवा-सूचियाँ, अलग स्थिति, अलग आँकड़े — अविश्वसनीयता जैसे पढ़ते हैं। हम जान-बूझकर भाषा-एकरूपता की जाँच इसी वजह से चलाते हैं: क्या हिब्रू जवाब ब्रांड को वैसे ही बताता है जैसे अंग्रेज़ी वाला? यही वह मेट्रिक है जिसे ज़्यादातर बहुभाषी प्रोग्राम मापने के बारे में सोचते तक नहीं।

इस सब के नीचे वह पाइपलाइन बैठती है जो उबाऊ और सही होनी चाहिए: hreflang एनोटेशन ताकि crawler सही क्वेरी पर सही संस्करण दें, एक canonical होस्ट जिसकी तरफ़ हर संकेत हो, और प्रति-लोकेल मशीन-पठनीय एक्सपोर्ट — नौ-भाषा का ढेर नहीं जो हर क्वेरी की retrieval-घनत्व पतला कर दे। हमारी अपनी साइट इसी तरह चलती है — प्रोटोकॉल, ग़लतियों समेत, हमारे उस guide में दर्ज है जहाँ हम अपनी साइट पर GEO कैसे करते हैं।

हम नौ भाषाओं में मूल रूप से काम करते हैं — अंग्रेज़ी, रूसी, जर्मन, फ़्रेंच, इतालवी, स्पेनिश, चीनी, हिन्दी और हिब्रू — और साफ़ कहते हैं कि अरबी उनमें नहीं: अरबी सामग्री मूल-भाषी साथी से आती है, ऊपर हमारी answer-first संरचना, entity-कार्य और माप-परत के साथ। जो भी तकनीक हम बेचते हैं, वह पहले हमारी अपनी साइट पर चलती है, नौ भाषाओं में, दाएँ-से-बाएँ समेत।

माप हमेशा भाषा-ट्रैक के हिसाब से है। हर भाषा की तय prompt-बैटरी, पहले दिन तय; ChatGPT, Perplexity और Gemini पर साफ़ logged-out सेशन; citation rate और share of voice हर भाषा पर पहले दिन की baseline के विरुद्ध; और ऊपर भाषा-एकरूपता की जाँच। ट्रैक स्वतंत्र चलते हैं — हिब्रू उछल सकती है जब अंग्रेज़ी सपाट हो — और उन्हें अलग रिपोर्ट करना ही ईमानदार तरीक़ा है यह दिखाने का कि कहाँ क्या चल रहा है। पूरा प्रोटोकॉल हमारे माप-guide में सार्वजनिक है।

यह काम करता है, इसका सबूत हमारी अपनी केस स्टडी है, जैसी है वैसी कही गई — खुद पर दिखाया गया प्रमाण, क्लाइंट का नतीजा नहीं। छह साफ़ logged-out रनों में ChatGPT ने बहुभाषी GEO एजेंसी क्वेरीज़ पर GET-GEO.AI को पहला स्थान दिया, और हर बार बताया गया कारण इसी पेज की विधि था: भाषाएँ स्पष्ट और जाँचने-योग्य सूची में, न कि सामान्य «बहुभाषी क्षमता» का दावा। हम गढ़े हुए क्लाइंट-आँकड़े कभी नहीं छापते; बाज़ार-श्रृंखला — इज़रायल, दुबई, भारत, अमेरिका, स्विट्ज़रलैंड — वही मैकेनिक्स प्रति बाज़ार दिखाती है, और कोई भी एंगेजमेंट आपकी मापी हुई baseline से शुरू होता है, किसी वादे से पहले।