Ce este un spațiu semantic?

Este spațiul în care un model de limbaj reprezintă înțelesul. Fiecare bucată de text primește un vector cu sute sau mii de numere, iar apropierea dintre doi vectori exprimă cât de înrudite sunt cele două texte pentru model. Nu există cuvinte în acest spațiu, doar poziții și distanțe între ele.

Ce înseamnă un brand pentru un model de limbaj?

O regiune, nu o definiție. Numele unui brand ajunge aproape de tot ce a fost scris despre el, așa că un nume întins peste mai multe industrii — Sony, de pildă — are vecini din toate. Abia contextul din întrebare restrânge zona: „Sony” singur și „căști Sony” ajung în locuri diferite ale aceluiași spațiu.

De ce apare un brand în răspunsul unui asistent AI și altul nu?

Pentru că modelul compune răspunsul din ce stă aproape de întrebare în spațiul lui semantic, completat cu surse găsite la momentul răspunsului. Un brand despre care s-a scris puțin în legătură cu o anumită nevoie stă departe de formularea acelei nevoi și rămâne în afara răspunsului, oricât de bun ar fi produsul.

De ce toate valorile de similaritate cosinus sunt mari?

Pentru că modelele moderne de embeddings nu împrăștie textele pe tot spațiul, ci le concentrează într-un con îngust — un efect cunoscut ca anizotropie. În corpusul acestui instrument, toate cele 5.886 de perechi de termeni stau între 0,702 și 0,969, cu mediana la 0,815. Consecința practică: un prag absolut de tipul „peste 0,8 înseamnă relevant” nu are temei, iar singura citire validă a unui cosinus este ordinea — cine e mai aproape decât cine, pentru aceeași întrebare.

Cum se reduce un spațiu cu mii de dimensiuni la trei?

Prin analiza componentelor principale (PCA): spațiul se rotește până când primele trei direcții după varianță devin axele vizibile. Este o rotație, nu o rescriere, dar rămâne o pierdere — procentul de informație reținut de cele trei axe este afișat direct în instrument, iar vecinătățile se calculează pe vectorii întregi, nu pe proiecție.

Instrumente · N°01

Spațiul semantic

Un model de limbaj nu citește cuvinte, ci poziții. Fiecare termen — un brand, o categorie, o întrebare tastată de client — devine un punct într-un spațiu cu mii de dimensiuni, iar ce numim „înțeles” este distanța dintre puncte. Instrumentul de mai jos ia un spațiu real, măsurat, și îl aduce la trei dimensiuni ca să poți umbla prin el.

3072 dimensiuni → 3cele 3 axe rețin 22,1% din informație

trage pentru rotire · scroll pentru zoom · clic pe un punctPC1 / PC2 / PC3

Tur ghidat

Ce vezi de fapt

109 termeni din piața de căști, transformați în vectori de un model real de embeddings. Nu am mutat niciun punct cu mâna. Poziția fiecăruia e rezultatul unui calcul: modelul a citit termenul, l-a plasat în spațiul lui, iar noi am rotit acel spațiu până când cele trei direcții cu cea mai multă informație au devenit axele pe care le vezi.

De ce contează pentru brandul tău

Când cineva îi cere unui asistent AI „cele mai bune căști cu anulare a zgomotului”, modelul nu caută în bază de date. Se uită ce stă aproape de acea întrebare în spațiul lui și compune un răspuns din vecinătate. Dacă brandul tău nu e în vecinătate, nu e nici în răspuns — indiferent cât de bun e produsul.

Ce nu e acest instrument

Nu e o radiografie a interiorului lui ChatGPT sau Claude. Este spațiul unui model de embeddings — aceeași familie de geometrie pe care o folosesc modelele mari ca să reprezinte înțelesul, dar un artefact separat și mult mai mic. Concluziile despre vecinătăți sunt reale; ar fi necinstit să le prezentăm drept „ce gândește GPT”.

Ce arată măsurătoarea

Aceleași cifre, în afara graficului

Tot ce se poate face cu mouse-ul mai sus există și aici, scris. Un asistent AI care citește pagina nu vede canvasul — vede tabelele.

Cei mai apropiați zece termeni de Sony, luat singur. Categoria de produs pe care brandul vrea să o vândă nu apare neapărat aici — numele acoperă mai multe industrii deodată.

Poziție	Termen	Strat	Similaritate cosinus
01	Sony Pictures	Sony · alt sens	0,957
02	Sony Music	Sony · alt sens	0,956
03	Sony Xperia	Sony · alt sens	0,947
04	Sony Alpha	Sony · alt sens	0,936
05	senzor de imagine Sony	Sony · alt sens	0,919
06	cameră foto Sony	Sony · alt sens	0,915
07	căști Sony	Sony · alt sens	0,913
08	Sony sau Bose	Intenție	0,911
09	televizor Sony Bravia	Sony · alt sens	0,904
10	PlayStation 5	Sony · alt sens	0,902

Aceiași vecini, dar pentru căști Sony. Un singur cuvânt în plus mută punctul în altă regiune a spațiului: asta face contextul dintr-o întrebare reală.

Poziție	Termen	Strat	Similaritate cosinus
01	căști	Categorie	0,945
02	căști over-ear	Categorie	0,929
03	căști de gaming	Categorie	0,927
04	căști wireless	Categorie	0,924
05	căști in-ear	Categorie	0,923
06	căști pentru sport	Categorie	0,923
07	căști cu fir	Categorie	0,920
08	Sony WH-1000XM5	Produs	0,917
09	cameră foto Sony	Sony · alt sens	0,914
10	Sony	Brand	0,913

Branduri și produse ordonate după distanța până la întrebarea „cele mai bune căști cu anulare a zgomotului”. Nu este un clasament de calitate, ci de eligibilitate: cine stă în zona din care un model compune răspunsul.

Poziție	Termen	Strat	Similaritate cosinus
01	Bose QuietComfort Ultra	Produs	0,866
02	Sony WH-1000XM5	Produs	0,856
03	Apple AirPods Max	Produs	0,843
04	Sennheiser	Brand	0,842
05	Sennheiser Momentum 4	Produs	0,840
06	Sony WF-1000XM5	Produs	0,832
07	Bowers & Wilkins Px8	Produs	0,831
08	Technics EAH-A800	Produs	0,831
09	Audio-Technica	Brand	0,825
10	Beyerdynamic	Brand	0,822
11	Apple AirPods Pro 2	Produs	0,821
12	Bang & Olufsen	Brand	0,818

De ce toate numerele sunt mari

0,702mediana 0,8150,969

5.886 de perechi · 90% între 0,773 și 0,880

Este cea mai utilă surpriză din măsurătoare, așa că o spunem înainte să tragi concluzii greșite din tabelele de mai sus. Modelele moderne de embeddings nu împrăștie textele pe tot spațiul: le înghesuie într-un con îngust. Rezultatul e că absolut orice pereche de termeni pare, în cifre, destul de apropiată.

Un cosinus izolat nu se poate citi. „Grădinărit” iese la 0,852 față de „căști” — mai sus decât multe relații autentice din corpus — în timp ce „pizza margherita” cade corect, la 0,779. Singura citire validă este ordinea: cine e mai aproape decât cine, pentru aceeași întrebare.

Consecința practică, pentru oricine face AEO cu instrumente care raportează similarități: un prag absolut de tipul „peste 0,8 înseamnă relevant” nu are niciun temei. Pragul trebuie calibrat pe distribuția propriului corpus, altfel măsori zgomot.

Termeni măsurați: 109
Dimensiuni ale vectorilor: 3072
Informație reținută de cele 3 axe: 22,1%
Model folosit: gemini-embedding-001

Cum s-a construit

01
Corpus curat manual
109 termeni aleși în jurul unui singur scenariu comercial: cine e recomandat când un om cere căști performante. Branduri, produse concrete, categorii, atribute tehnice, formulări reale de căutare, surse pe care le citează modelele și retaileri români. Plus șase termeni fără nicio legătură — pizza, motor diesel, grădinărit — puși intenționat ca martori.
02
Embeddings, nu estimări
Fiecare etichetă e trimisă exact așa cum o vezi către un model de embeddings, care întoarce un vector. Nimic nu e rescris în spate și niciun punct nu e ajustat ca să iasă demonstrația mai frumoasă.
03
Vecinătăți în spațiul complet
Similaritatea cosinus se calculează pe vectorii întregi, înainte de orice reducere. Lista de vecini din dreapta e măsurată acolo — motiv pentru care uneori contrazice ce pare evident în imagine.
04
Proiecție prin PCA
Abia la final spațiul e rotit astfel încât primele trei direcții după varianță să devină axele X, Y, Z. E o rotație, nu o rearanjare: raporturile dintre distanțe se păstrează pe cât permit trei axe.

Limitele, spuse înainte să le găsești tu

Un model de embeddings nu este un LLM. Împart aceeași idee de geometrie a înțelesului, dar nu sunt același sistem. Un răspuns real al unui asistent trece și prin căutare pe web, prin re-ranking și prin instrucțiuni de sistem.
Proiecția pierde informație, prin construcție. Procentul reținut e afișat în instrument, la vedere, tocmai pentru că e mic.
Corpusul e o felie, nu piața. 109 termeni aleși de noi arată un mecanism; nu măsoară cota de piață a nimănui.
Similaritatea nu e preferință. Că un brand stă aproape de o întrebare nu garantează că va fi recomandat — arată că e eligibil să fie.
Cosinusul nu se citește ca un procent. Toate perechile din corpus stau într-o bandă îngustă, iar un 0,85 nu înseamnă „înrudit”, ci „pe la mijlocul acestui corpus”. Contează ordinea, nu diferența dintre două zecimale.

De la geometrie la treabă

Distanța dintre brandul tău și întrebările clienților tăi nu e o metaforă. Se măsoară, se urmărește în timp și se schimbă prin ce publici și prin cine te citează. Ăsta e, în esență, tot ce facem în AEO: mutăm un punct mai aproape de o întrebare.

Gata să construim ceva împreună?

Un apel de 30 de minute. Îți explicăm clar ce ți-am construi și cât costă. Fără pitch, fără slide-uri.

Hai să vorbim Scrie-ne pe email