مزایا و ریسک‌های محتوای تولید شده توسط هوش مصنوعی

محتوای تولید شده با هوش مصنوعی همه جا رو گرفته؛ اما آیا برای سئو خوبه؟ تو این مطلب قراره یاد بگیریم محتوای تولید شده با هوش مصنوعی چطور کار می‌کنه، چه مزایا و معایبی داره و چطور می‌تونیم بدون اینکه به رتبه‌هامون تو گوگل آسیب بزنیم، ازش استفاده کنیم.

تولید محتوا با قدرت هوش مصنوعی دیگه یه واقعیته و به نظر میاد که حالا حالاها موندگاره. بر اساس تحقیقی که یوروپل (پلیس اتحادیه اروپا) انجام داده، تا سال آینده ممکنه ۹۰ درصد از محتوای اینترنت توسط هوش مصنوعی تولید یا ویرایش بشه.

تازه، محتوای هوش مصنوعی فقط متن نیست. می‌تونه هر چیزی باشه؛ از یه متن کوتاه روی دکمه‌ای تو سایت شما گرفته تا یه ویدیوی آموزشی یا یه مقاله ۳۰۰۰ کلمه‌ای با کلی عکس و تصویر.

اگه با دقت و در راستای اهداف کسب‌وکار و برندتون از هوش مصنوعی استفاده کنید، می‌تونه بهتون کمک کنه تولید محتواتون رو گسترش بدید، رتبه کلمات کلیدی‌تون رو بهتر کنید و ترافیک و نرخ تبدیل بیشتری بگیرید. اما اگه این کار رو سرسری و بد انجام بدید، ممکنه به رتبه‌هاتون یا حتی تصویر برندتون آسیب بزنه.

در ادامه، بهترین روش برای استفاده از محتوای تولید شده با هوش مصنوعی رو توضیح می‌دیم و به سوال‌هایی مثل اینا جواب می‌دیم:

• محتوای هوش مصنوعی چطور کار می‌کنه؟
• آیا استفاده ازش اخلاقی و پایداره؟
• گوگل در موردش چی میگه؟
• می‌تونه به سئوی شما کمک کنه یا بهش آسیب بزنه؟
• چه کاربردهایی برای محتوای هوش مصنوعی وجود داره؟
• چطور می‌تونیم به طور مؤثر ازش استفاده کنیم؟

آماده‌اید؟ پس بزن بریم.

محتوای تولید شده با هوش مصنوعی چیه؟

محتوای تولید شده با هوش مصنوعی به متن، تصویر، صدا یا ویدیویی گفته می‌شه که به جای انسان، توسط ماشین ساخته شده. این محتوا توسط سیستم‌های یادگیری ماشین تولید می‌شه که می‌تونن تا حدی نحوه نوشتن، نقاشی کردن، صحبت کردن، آهنگسازی، عکاسی و حتی حرکت و بازیگری ما آدم‌ها رو تقلید کنن.

این روزا ابزارهای زیادی برای تولید این نوع محتوا وجود داره و انواع مختلفی از محتوا رو هم می‌شه باهاشون تولید کرد.

مثلاً:

• ChatGPT یه پلتفرم هوش مصنوعی مولد همه‌کاره است که می‌تونید ازش برای هر کاری، از تولید پست وبلاگ و تحقیق گرفته تا نوشتن کدهای سفارشی، استفاده کنید. پلتفرم‌های چت‌بات مشابه دیگه‌ای هم مثل Claude، Google Gemini، Microsoft Copilot و Perplexity وجود دارن.
• Jasper AI یه پلتفرم بازاریابی با هوش مصنوعیه که می‌تونه تو کارهایی مثل نوشتن متن برای شبکه‌های اجتماعی بهتون کمک کنه.
• MidJourney و DALL-E ابزارهای تبدیل متن به تصویر هستن که می‌تونن برای پست‌های وبلاگ، ایمیل‌ها و کمپین‌های شبکه‌های اجتماعی شما عکس تولید کنن.
• Lumen5 می‌تونه انواع ویدیوهای تبلیغاتی برای برند شما بسازه.

تفاوت تولید، خودکارسازی و دستیاری با هوش مصنوعی

شما می‌تونید از یه ابزار هوش مصنوعی بخواید که مستقیماً براتون محتوا تولید کنه. اما این گزینه رو هم دارید که ازش برای کارهای جانبی مثل تحقیق، ایده‌پردازی، بررسی صحت اطلاعات و ویراستاری استفاده کنید.

همیشه به یه مقدار دخالت انسان نیازه، این شما هستید که تصمیم می‌گیرید این دخالت چقدر باشه.

• محتوای تولید شده با هوش مصنوعی (AI-generated): شما به ابزار هوش مصنوعی یه سری دستورالعمل در قالب «پرامپت» می‌دید و اون براتون محتوا تولید می‌کنه تا شما ویرایش یا منتشرش کنید.
• محتوای خودکارسازی شده با هوش مصنوعی (AI-automated): این نوع محتوا با دخالت کم یا بدون دخالت انسان تولید می‌شه. مثلاً اگه ابزاری روی سایتتون تنظیم کنید که برای هر محصول جدیدی که آپلود می‌شه، یه تگ عنوان بنویسه.
• محتوای با کمک هوش مصنوعی (AI-assisted): هوش مصنوعی تو فرآیند تولید کمک می‌کنه اما خودش مستقیماً محتوا رو تولید نمی‌کنه. این کمک می‌تونه به کوچیکی پیدا کردن یه آمار برای پشتیبانی از یه نکته کلیدی باشه، یا به بزرگی نوشتن یه طرح کلی و باجزئیات برای یه مطلب.

یه نکته حرفه‌ای: اگه به جای تولید مستقیم محتوا، دنبال تحقیق در مورد یه موضوع هستید، بهتره پلتفرم‌های دیگه‌ای غیر از ChatGPT رو هم امتحان کنید. مثلاً Perplexity منابع خودش رو ذکر می‌کنه و جواب‌هاش رو بر اساس اطلاعاتی که به صورت زنده از وب جمع‌آوری کرده، ارائه می‌ده.

هوش مصنوعی چطور محتوا تولید می‌کنه؟

برای اینکه بفهمیم پلتفرم‌های هوش مصنوعی چطور محتوا تولید می‌کنن، اول باید یه کم بدونیم که خودشون چی هستن و چطور کار می‌کنن.

این یه موضوع فنیه، اما به طور خلاصه، به این پلتفرم‌ها حجم عظیمی از داده‌ها خورانده شده و بهشون یاد داده شده که الگوها و روابط رو درک کنن. همین درک بهشون اجازه می‌ده محتوای جدید تولید کنن.

شبیه‌سازی تفکر

پلتفرم‌های هوش مصنوعی فکر نمی‌کنن، اما اینطور به نظر میاد که دارن فکر می‌کنن. دلیلش اینه که بر اساس چیزی به نام «شبکه عصبی» ساخته شدن.

شبکه عصبی یه سیستم کامپیوتریه که از نحوه کار مغز انسان الهام گرفته. تو مغز، نورون‌ها به هم متصل می‌شن و همین اتصالات به ما اجازه می‌ده فکر کنیم، به یاد بیاریم، احساسات رو تجربه کنیم و غیره.

شبکه‌های عصبی هم عناصر مختلفی دارن که با هم کار می‌کنن تا یه کل بزرگ‌تر رو تشکیل بدن. نورون‌های مصنوعی که بهشون «گره» (node) گفته می‌شه، تو لایه‌های مختلفی چیده شدن. مثلاً ممکنه یه لایه شکل‌ها رو درک کنه، در حالی که لایه دیگه‌ای رنگ‌ها یا لبه‌ها رو می‌فهمه.

پس، اگه یه شبکه عصبی برای تشخیص تصاویر طراحی شده باشه، ورودی ممکنه تصویری از یه وسیله با چهار پایه، یه نشیمن و یه پشتی باشه. لایه‌های مختلف شبکه، عناصر مختلف تصویر رو شناسایی می‌کنن و خروجی، تصویر رو به عنوان «صندلی» برچسب‌گذاری می‌کنه.

پلتفرم‌های هوش مصنوعی عمومی مثل ChatGPT بر اساس نوع خاصی از شبکه‌های عصبی به نام «مدل‌های زبانی بزرگ» (LLM) ساخته شدن. این مدل‌ها برای درک زبان انسان طراحی شدن؛ نه فقط اصول اولیه املا، گرامر و ساختار جمله، بلکه ارتباطات عمیق‌تر معنایی.

پردازش زبان طبیعی (NLP)

خب، هوش مصنوعی مولد چطور زبان رو اینقدر خوب می‌فهمه؟ این به لطف چیزی به نام «پردازش زبان طبیعی» ممکنه.

این یه اصطلاح کلیه که به انواع تکنیک‌های هوش مصنوعی مربوط به نحوه درک زبان انسان توسط کامپیوترها اشاره داره. این شامل مواردی مثل ترجمه، تحلیل خودکار احساسات، نرم‌افزاری که برای ویدیوها زیرنویس تولید می‌کنه و غیره می‌شه.

گوگل NLP رو اینطور تعریف می‌کنه:

«NLP (پردازش زبان طبیعی) به عنوان شاخه‌ای از هوش مصنوعی، از یادگیری ماشین برای پردازش و تفسیر متن و داده‌ها استفاده می‌کنه. تشخیص زبان طبیعی و تولید زبان طبیعی، انواعی از NLP هستن.»

مدل‌های زبانی بزرگ (LLM) با ترکیب اصول NLP و دو چیز دیگه، این قابلیت رو گسترش می‌دن:

• یه شبکه عصبی بسیار بزرگ
• حجم عظیمی از داده‌های آموزشی

منظور از داده‌های آموزشی، محتوای وب، مقالات علمی، پست‌های شبکه‌های اجتماعی و… هر نوع متنیه. وقتی همه این مطالب در اختیار LLM قرار می‌گیره، می‌تونه با استفاده از تکنیک‌های تشخیص الگو، درک پیچیده‌ای از نحوه کار زبان به دست بیاره.

موتورهای پیش‌بینی

پلتفرم‌های هوش مصنوعی مولد، با داشتن درک پیچیده‌ای از زبان انسان، این توانایی رو دارن که یه قطعه متن رو بگیرن و پیش‌بینی کنن که بعدش چی میاد. و همین تواناییه که بهشون اجازه می‌ده از صفر محتوا بنویسن.

بیشتر پلتفرم‌های هوش مصنوعی یه رابط کاربری شبیه به چت یا API دارن که به شما اجازه می‌ده بهشون دستور بدید؛ معمولاً در قالب یه «پرامپت». تو دنیای بازاریابی، بهتره پرامپت رو شبیه به «بریف» یا خلاصه‌ای بدونید که به یه کپی‌رایتر انسانی می‌دید.

پلتفرم پرامپت شما رو می‌گیره، سعی می‌کنه بفهمه چی ازش خواستید و بعد محتوا رو تولید می‌کنه.

هوش مصنوعی مولد فراتر از متن: تصویر، صدا و ویدیو

با اینکه ابزارهای تولید تصویر، ویدیو و صدا ممکنه از NLP برای درک پرامپت یا سناریوی شما استفاده کنن، اما برای تولید خروجی به تکنولوژی‌های دیگه‌ای هم نیاز دارن.

ابزارهای محبوب تولید تصویر با هوش مصنوعی، مثل DALL-E و MidJourney، از چیزی به نام «مدل انتشاری» (diffusion model) استفاده می‌کنن. این هوش‌های مصنوعی با اضافه کردن تدریجی نویزهای تصادفی به تصاویر و یادگیری معکوس کردن این فرآیند، آموزش می‌بینن.

یه لحظه یه تلویزیون قدیمی رو تصور کنید. اون برفک‌های سیاه و سفید تصادفی، یه چیزی شبیه همین نویزیه که ازش حرف می‌زنیم. وقتی کاربر یه پرامپت می‌نویسه، تولیدکننده تصویر با نویز تصادفی شروع می‌کنه و اون رو «نویززدایی» می‌کنه تا یه تصویر بسازه. تصور کنید که از یه صفحه پر از برفک شروع می‌کنید و کم‌کم کانال رو تنظیم می‌کنید تا به یه تصویر واضح برسید.

ابزارهایی هم وجود دارن که می‌تونن وب‌سایت، مواد چاپی بازاریابی، لوگو و غیره طراحی کنن؛ چیزهایی که قبلاً تو حوزه کاری طراحان گرافیک و وب بود.

همونطور که می‌تونید تصور کنید، ساختن ویدیو حتی از این هم پیچیده‌تره، چون به دنباله‌ای از تصاویر پشت سر هم نیاز داره.

در نهایت، همه این‌ها به «تشخیص الگو» برمی‌گرده. یه هوش مصنوعی اگه با مطالب مرتبط کافی آموزش دیده باشه، می‌تونه تقریباً هر چیزی رو تولید کنه. فقط کافیه بدونه اون چیزها باید چطوری باشن.

مثلاً در مورد صدا، مدل‌های هوش مصنوعی با موسیقی، گفتار و صداهای دیگه آموزش می‌بینن. می‌شه بهشون یاد داد که نت‌ها، سازها، ریتم‌ها، صداها و ویژگی‌های دیگه اون محتوای شنیداری رو تشخیص بدن. و مثل LLM‌ها، می‌تونن پیش‌بینی کنن که بعدش چی میاد.

دقت و سوگیری در مدل‌های زبانی بزرگ (LLM)

یه ضرب‌المثل قدیمی میگه: «آشغال بدی، آشغال تحویل می‌گیری.» این موضوع صددرصد در مورد محتوای تولید شده با هوش مصنوعی صدق می‌کنه. از اونجایی که LLM‌ها و مدل‌های دیگه هوش مصنوعی با مجموعه خاصی از محتوا آموزش می‌بینن، بعضی از نقاط قوت و ضعف ذاتی اون محتوا رو به ارث می‌برن.

پلتفرم‌های هوش مصنوعی مولد به هیچ وجه بی‌نقص نیستن، اما سطح دقتشون واقعاً خیلی بالاست.

آزمون‌های استانداردی طراحی شده که شامل پرسیدن سوالات چندگزینه‌ای مختلف، از دانش پایه تا سطح تخصصی، در موضوعات متنوعه. هوش‌های مصنوعی مولد محبوب تو این آزمون‌ها به دقتی حدود ۸۵ تا ۸۸ درصد می‌رسن.

اما LLM‌ها می‌تونن سوگیری‌هایی که تو محتوای آموزشی وجود داره رو هم به ارث ببرن.

مثلاً، این تحقیق در مورد سوگیری LLM‌ها نشون داد که این مدل‌ها تمایل دارن موضوعات هنر و علوم انسانی رو به زنان و علوم و ریاضیات رو به مردان مرتبط کنن. همچنین سوگیری‌هایی مربوط به نژاد، دین، سن و معلولیت هم کشف کردن.

LLM‌ها اگه در مورد یه موضوع خاص اطلاعاتی نداشته باشن، می‌تونن «توهم بزنن» (hallucinate). به عبارت دیگه، از خودشون چیزهایی رو سر هم می‌کنن. این تا حدی به این دلیله که طوری آموزش دیدن که همیشه یه جوابی بدن.

نتیجه‌گیری؟ همیشه با یه کم شک و تردید به قابل اعتماد بودن محتوای هوش مصنوعی نگاه کنید. معمولاً بهتره یه انسان واقعی قبل از اینکه محتوا به دنیای بیرون عرضه بشه، اون رو ویرایش کنه.

محتوای تولید شده با هوش مصنوعی و سئو

شاید تعجب کنید اگه بدونید که گوگل ذاتاً با محتوای هوش مصنوعی مخالف نیست. در واقع، برای گوگل خیلی فرقی نمی‌کنه محتوای شما از کجا اومده، فقط مهمه که کیفیت بالایی داشته باشه و برای کاربر مفید باشه.

موضع گوگل در مورد محتوای هوش مصنوعی

ChatGPT، سیستمی که هوش مصنوعی مولد رو به اطلاع عموم مردم رسوند، اواخر سال ۲۰۲۲ راه‌اندازی شد. در فوریه ۲۰۲۳، گوگل یه بیانیه در مورد محتوای هوش مصنوعی تو وبلاگ Search Central خودش منتشر کرد.

«سیستم‌های رتبه‌بندی گوگل با هدف پاداش دادن به محتوای اصیل و باکیفیت طراحی شدن…»

«تمرکز ما بر کیفیت محتوا، به جای نحوه تولید اون، یه راهنمای مفیده که سال‌هاست به ما کمک کرده تا نتایج قابل اعتماد و باکیفیتی رو به کاربران ارائه بدیم.»

«مثلاً، حدود ۱۰ سال پیش، نگرانی‌های قابل درکی در مورد افزایش محتوای تولید انبوه اما انسانی وجود داشت. هیچ‌کس فکر نمی‌کرد منطقی باشه که ما در پاسخ، هرگونه محتوای تولید شده توسط انسان رو ممنوع کنیم. به جای اون، منطقی‌تر بود که سیستم‌هامون رو برای پاداش دادن به محتوای باکیفیت بهبود بدیم.»

پس، اساساً، تا زمانی که محتوا کیفیت کافی داشته باشه، مشکلی نیست. اما اخیراً، راهنمایی‌های گوگل از «ما به کیفیت پاداش می‌دیم» به «اسپمر نباشید» تغییر کرده.

اینجا راهنمایی از بخش مستندات Search Central رو می‌بینید که در مارس ۲۰۲۴ به‌روزرسانی شده:

«استفاده از ابزارهای هوش مصنوعی مولد یا ابزارهای مشابه برای تولید صفحات زیاد بدون افزودن ارزش برای کاربران، ممکنه سیاست گوگل در مورد سوءاستفاده از محتوای انبوه (scaled content abuse) رو نقض کنه.»

همون صفحه به طور مشخص در مورد استفاده از هوش مصنوعی برای تحقیق و ساختاردهی صحبت می‌کنه، که اینطور به نظر میاد که سپردن خودِ نوشتن محتوا به هوش مصنوعی می‌تونه یه نکته منفی باشه.

این دیدگاه با این واقعیت که گوگل اخیراً به تیم بازبینی دستی خودش گفته که محتوای هوش مصنوعی رو به عنوان محتوای بی‌کیفیت علامت‌گذاری کنن، تقویت می‌شه.

این برای شما چه معنی‌ای داره؟

به جای کمیت، روی کیفیت تمرکز کنید. از هوش مصنوعی بیشتر برای تحقیق و برنامه‌ریزی استفاده کنید تا اینکه به شدت برای نوشتن بهش تکیه کنید. و اگه هم ازش خواستید چیزی براتون بنویسه، حتماً توسط یه انسان ویرایش بشه تا لحن انسانی پیدا کنه.

چطور محتوای هوش مصنوعی (در صورت اجرای ضعیف) می‌تونه به رتبه‌ها آسیب بزنه

الگوریتم‌های گوگل، یعنی سیستم‌هایی که برای تصمیم‌گیری در مورد اینکه کدوم وب‌سایت‌ها باید برای کدوم جستجوها رتبه بالایی بگیرن استفاده می‌شن، روی ارائه محتوای باکیفیت برای کاربران تمرکز دارن. اگه قرار باشه سایت‌های بی‌کیفیت رو تو نتایج جستجو نشون بدن، کاربراشون احتمالاً به سراغ یه موتور جستجوی دیگه می‌رن.

این یعنی اگه الگوریتم‌ها محتوا (یا سایت) شما رو بی‌کیفیت تشخیص بدن، رتبه پایینی بهش می‌دن.

سیاست گوگل در مورد سوءاستفاده از محتوای انبوه به طور خاص به «استفاده از ابزارهای هوش مصنوعی مولد… برای تولید صفحات زیاد بدون افزودن ارزش برای کاربران» اشاره می‌کنه.

مثلاً، SE Ranking یه آزمایش انجام داد که تو اون ۲۰ وب‌سایت جدید رو که تماماً با محتوای تولید شده با هوش مصنوعی پر شده بودن، ایجاد کرد. در ابتدا، به نظر می‌رسید که وب‌سایت‌ها عملکرد خوبی دارن. اما ناگهان، در فوریه ۲۰۲۴، تمام رتبه‌های کلمات کلیدی که به دست آورده بودن رو از دست دادن.

دلیل دقیق این افت عملکرد مشخص نیست؛ شاید به خاطر بازبینی دستی سایت‌ها یا به‌روزرسانی الگوریتم‌های تشخیص اسپم گوگل بوده. چیزی که واضحه اینه که، با اینکه زیر پا گذاشتن قوانین گوگل گاهی ممکنه به دستاوردهای کوتاه‌مدت منجر بشه، اما استراتژی مناسبی برای بلندمدت نیست.

از اونجایی که هوش مصنوعی بر اساس محتوای موجود آموزش دیده، محتوایی که تولید می‌کنه واقعاً منحصربه‌فرد نیست. می‌تونید با نوشتن یه پرامپت عالی که از همون اول اطلاعات و ایده‌های منحصربه‌فرد رو به هوش مصنوعی می‌ده، این مشکل رو کم کنید. اما اگه از ChatGPT یه لیست ایده برای پست وبلاگ بخواید و بعد ازش بخواید یکیش رو بنویسه، محتوای نهایی احتمالاً شبیه پست‌هایی می‌شه که از قبل وجود دارن، چون هوش مصنوعی اینطوری کار می‌کنه.

و اگه محتوای شما منحصربه‌فرد یا باارزش نباشه، بعیده که رتبه خوبی بگیره، یا اصلاً رتبه‌ای بگیره.

چطور محتوای هوش مصنوعی (در صورت اجرای خوب) می‌تونه به رتبه‌ها کمک کنه

اگه تمرکز روی محتوای باکیفیت باشه، که باید هم باشه، ابزارهای هوش مصنوعی مولد می‌تونن به شما کمک کنن تا محتوای بیشتری رو سریع‌تر تولید کنید. داشتن محتوای بیشتر می‌تونه راه خوبی برای گرفتن رتبه روی کلمات کلیدی متنوع‌تر باشه و در نتیجه ترافیک بیشتری به سایت شما بیاره. همچنین می‌تونید از هوش مصنوعی برای بهبود رتبه محتوای فعلی‌تون هم استفاده کنید.

نکته کلیدی اینجا «اضافه کردن ارزش» برای کاربرانه. محتوای باارزش شانس بیشتری برای گرفتن رتبه و جذب بازدیدکننده‌های جدید داره.

مثلاً، می‌تونید از هوش مصنوعی بخواید بر اساس یه پرامپت دقیق و باجزئیات که از همون اول ملاحظات سئو رو در نظر گرفته، یه مطلب بنویسه. یا می‌تونید از هوش مصنوعی برای ایده‌پردازی، تحقیق، تولید طرح کلی، بررسی صحت اطلاعات یا بهبود یه صفحه موجود استفاده کنید.

گرفتن ایده برای بهبود سئوی یه صفحه موجود می‌تونه به سادگی کپی/پیست کردن متن تو ChatGPT و درخواست راهنمایی باشه. اما ابزارهای هوش مصنوعی‌ای هم هستن که مخصوص این کار طراحی شدن، مثل Content Toolkit از Semrush.

محتوای هوش مصنوعی و AI Overviews

شاید فکر کنید که AI Overviews، یعنی همون محتوای تولید شده با هوش مصنوعی که الان بالای نتایج جستجوی گوگل نشون داده می‌شه، اطلاعاتش رو عمدتاً از محتوایی که توسط انسان‌ها نوشته شده، می‌گیره.

اما، یه تحقیق جدید نشون داد که حدود ۹۱.۴٪ از محتوایی که تو AI Overviews بهش ارجاع داده شده، حداقل تا حدی توسط هوش مصنوعی تولید شده (که البته تو اکثر موارد دخالت انسان هم وجود داشته).

نکته جانبی: یه توضیح کوچیک اینجا لازمه: این تحقیق به یه سیستم تشخیص هوش مصنوعی متکیه. مشخص نیست که این سیستم چقدر دقیقه. بعضی تحقیقات نشون می‌دن که بهترین ابزارها نرخ تشخیص هوش مصنوعی تا ۹۹٪ دارن، اما این نرخ‌ها خیلی متغیرن.

اگه نتایج این تحقیق دقیق باشه، نشون می‌ده که استفاده از تکنولوژی هوش مصنوعی برای تولید محتوای باکیفیت بیشتر، ممکنه شانس شما رو برای ظاهر شدن تو AI Overviews و در نتیجه افزایش دیده شدن سایتتون، بیشتر کنه.

اخلاق و پایداری

«دانشمندهای شما اونقدر درگیر این بودن که ببینن «می‌تونن» یا نه، که یه لحظه هم به این فکر نکردن که آیا «باید» این کار رو بکنن یا نه.» – فیلم پارک ژوراسیک

باید قبول کرد که بحث‌های زیادی در مورد اخلاقی و پایدار بودن هوش مصنوعی مولد و اینکه آیا باید ازش استفاده کرد یا نه، وجود داشته.

مالکیت معنوی

بیشتر بحث‌های اخلاقی حول محور مطالبی می‌چرخه که برای آموزش LLM‌ها و ابزارهای دیگه استفاده شده. خیلی از این محتواها به صورت رایگان در اینترنت در دسترسن، اما همچنان مالکیت معنوی خالقشون محسوب می‌شن. بعضی‌ها معتقدن که استفاده از محتوا برای آموزش هوش مصنوعی بدون اجازه، قوانین کپی‌رایت رو نقض می‌کنه.

این موضوع به خصوص برای نویسنده‌ها، هنرمندان و بقیه افراد خلاق نگران‌کننده است. مثلاً، اسم گرگ روتکوفسکی، هنرمند فانتزی، بیش از ۴۰۰,۰۰۰ بار تو پرامپت‌های هوش مصنوعی استفاده شده و آثار زیادی تو اینترنت به اسم اون وجود داره که خودش خلق نکرده.

قابل درکه که هنرمندان نخوان زحمتشون بدون اجازه کپی بشه. و این ترس وجود داره که شغلشون در آینده از بین بره.

از طرف دیگه، بعضی‌ها معتقدن که همه آثار هنری تا حدی بر اساس کارهای دیگران ساخته می‌شن. هنرمندان از هم الهام می‌گیرن و کپی کردن اغلب راهی برای پیدا کردن سبک شخصی هنرمندانه.

یکی از مشکلات، نبود قوانین مشخص تو صنعت هوش مصنوعیه. این قوانین احتمالاً به مرور زمان وضع می‌شن، اما فعلاً این خود کاربرها هستن که باید تصمیم بگیرن با چی راحتن.

یه نکته حرفه‌ای: اگه نگران مالکیت معنوی هستید، از ابزارهایی استفاده کنید که منابع رو ذکر می‌کنن (مثل Perplexity یا Gemini) و اون‌ها رو تو متن خودتون هم بیارید.

پایداری

در مورد پایداری، تحقیقات زیادی مثل این تحقیق از MIT، به مصرف بالای برق، آب و منابع دیگه تو صنعت هوش مصنوعی اشاره کردن. اما، بر اساس مقاله‌ای از دانشگاه آکسفورد در این زمینه، میزان مصرف از یه پلتفرم به پلتفرم دیگه متفاوته و خیلی از داده‌ها بر اساس تخمین‌هاست. سخته که بگیم استفاده هر کاربر از این ابزارها دقیقاً چقدر روی محیط زیست تأثیر می‌ذاره.

مقاله دانشگاه آکسفورد با این نقل قول از پروفسور چارلی ویلسون تموم می‌شه که به نظر توصیه معقولی میاد:

«مثل هر فعالیت پرمصرف دیگه‌ای، از هوش مصنوعی با احتیاط استفاده کنید. اما اگه نگران ردپای کربنی خودتون هستید، اول به سفرها، رژیم غذایی و مصرف انرژی خونه‌تون نگاه کنید؛ این‌ها مشارکت‌کننده‌های اصلی تو آلایندگی‌های خانگی هستن.»

آیا با برند شما جور در میاد؟

شما به عنوان یه برند، باید تصمیم بگیرید که آیا می‌خواید از هوش مصنوعی استفاده کنید یا نه و به چه شکلی.

اگه شما یه خیریه فعال در زمینه محیط زیست هستید، استفاده از هوش مصنوعی احتمالاً با استقبال خوب مخاطبانتون روبرو نمی‌شه. از طرف دیگه، یه کسب‌وکار با فناوری پیشرفته که می‌خواد به‌روز به نظر برسه، ممکنه سریع‌تر اون رو بپذیره.

بهترین روش‌ها برای استفاده مسئولانه از محتوای هوش مصنوعی

تا اینجا تئوری‌ها رو بررسی کردیم. حالا بریم سراغ عمل.

برای چند تا نکته کاربردی، با مثال‌هایی از کافه گربه خیالی ما، Purrcolator Café، آماده بشید.

استفاده از هوش مصنوعی رو به اهداف کسب‌وکار گره بزنید، نه به حجم محتوا

تولید محتوا با هوش مصنوعی نسبتاً سریع و آسونه. اما اگه از اهداف کسب‌وکار شما پشتیبانی نکنه، فقط وقت و انرژی‌تون رو هدر دادید.

اگه کافه Purrcolator کلی محتوای تولید شده با هوش مصنوعی در مورد نگهداری از گربه‌ها تولید کنه، ممکنه علاقه و تعامل ایجاد کنه، اما به فروش واقعی قهوه منجر نمی‌شه. چرا؟ چون افرادی که از قبل گربه دارن، کمتر احتمال داره بخوان به یه کافه گربه سر بزنن.

به جای تمرکز روی مقدار محتوا، به این فکر کنید که برای رسیدن به اهدافتون به چه نوع محتوایی نیاز دارید.

هدف	نوع محتوا	مثال
جذب لید (مشتری راغب)	صفحات فرود (Landing Page)	«یه سر به ما بزن.»
دیده شدن در نتایج جستجو	پست‌های اطلاعاتی	«گربه‌ها چطور سلامت روان رو بهبود می‌بخشن.»
نشان دادن اعتبار و تخصص برند	محتوای رهبری فکری (Thought Leadership)	«ما چطور یه کسب‌وکار گربه‌پسند ساختیم، شما هم می‌تونید.»

هدف سئو رو از اول تو پرامپت‌هاتون لحاظ کنید

یه اشتباهی که خیلی‌ها می‌کنن اینه که یه پرامپت ساده مثل «برام یه مقاله در مورد ۱۰ نژاد محبوب گربه بنویس» می‌نویسن. این نوع پرامپت کنترل خیلی کمی به شما می‌ده که آیا مطلب نهایی برای سئو خوبه یا نه، چون به هوش مصنوعی نگفتید که به چیزهایی مثل کلمات کلیدی و ساختار توجه کنه.

به عنوان یه قانون کلی، اگه به طور واضح به ابزار هوش مصنوعی نگید کاری رو انجام بده، انجامش نمی‌ده.

به همین دلیله که مهمه سئو رو به یه جزء کلیدی از پرامپت خودتون تبدیل کنید. حتماً مواردی مثل این‌ها رو لحاظ کنید:

• کلمات کلیدی: تحقیق کلمات کلیدی خودتون رو انجام بدید، بعد به ابزار هوش مصنوعی بگید از کدوم کلمات کلیدی استفاده کنه. با هدف قرار دادن مؤثر این کلمات، شانس بیشتری برای جذب ترافیک ارگانیک خواهید داشت.
• قصد کاربر (Intent): علاوه بر کلمات کلیدی، به قصد کاربر هم فکر کنید. این مطلب چطور به مخاطبان شما مرتبطه و هوش مصنوعی باید چیکار کنه تا مطمئن بشه که این نیاز رو برآورده می‌کنه؟
• ساختار: به ابزار یه طرح کلی از چیزی که می‌خواید تو مطلب باشه، شامل تیترهای H2 و H3، بدید. به هوش مصنوعی بگید که این محتوا قراره یه پست وبلاگ، یه صفحه پرسش و پاسخ (FAQ) یا چیز دیگه‌ای باشه.
• موجودیت‌ها (Entities): تو دنیای جستجو، موجودیت‌ها «چیزها» هستن: مکان‌ها، افراد، محصولات، سازمان‌ها، رویدادها و مفاهیم. موتورهای جستجو درکی از این موجودیت‌ها و نحوه ارتباطشون با هم دارن. برنامه‌ریزی کنید که کدوم‌ها رو می‌خواید تو مطلبتون بیارید.
• لینک‌های داخلی: به ابزار بگید به کدوم صفحات سایتتون لینک بده و از چه انکر تکستی استفاده کنه تا به گوگل نشون بدید کدوم صفحات مهمن و چطور به هم مرتبط هستن.
• لینک‌های خارجی: به همین ترتیب، برنامه‌ریزی کنید که به چه سایت‌های دیگه‌ای لینک بدید. این لینک‌های خارجی می‌تونن به تقویت نکاتی که تو مطلب گفته شده کمک کنن و باعث بشن معتبرتر و تحقیقی‌تر به نظر برسه.
• اسکیما (Schema): هوش مصنوعی فقط نباید متن بنویسه. می‌تونه کدهای مرتبط رو هم بنویسه. نشانه‌گذاری اسکیما به موتورهای جستجو و LLM‌ها کمک می‌کنه محتوای صفحه شما رو بهتر بفهمن. ممکنه سایت شما با یه افزونه یا به صورت خودکار این کار رو انجام بده، اما اگه نه، می‌تونید از هوش مصنوعی بخواید که کد رو براتون بنویسه.

خب، این در عمل چطوری می‌شه؟

برای کافه Purrcolator، پرامپت ممکنه این شکلی باشه:

«یه پروفایل بین ۲۵۰ تا ۵۰۰ کلمه برای گربه مین‌کون ما، مانتی، بنویس. ما یه کافه گربه هستیم و مانتی بین مشتری‌ها خیلی محبوبه. کلمات کلیدی ‘کافه گربه با مین کون’ و ‘کافه گربه مین کون’ رو تو متن بیار. سبک نوشتار رو خودمونی و صمیمی نگه دار.»

«یه لینک به این مقاله CFA بده (https://cfa.org/cat-talk/most-popular-breeds-for-2024/) که میگه مین‌کون‌ها محبوب‌ترین نژاد گربه هستن.»

«بخش‌هایی با تیتر H2 در مورد ظاهر، اخلاق و چیزهای مورد علاقش بذار. اینم یه سری اطلاعات دقیق در موردش…»

مجبور نیستید اولین نسخه رو منتشر کنید

اولین پرامپت شما لازم نیست آخرینش باشه.

مثلاً، پرامپت ما در مورد مانتی مین‌کون، ممکنه اون کیفیتی که دنبالش بودیم رو تولید نکنه. اگه اینطوره، هیچ اشکالی نداره که با یه پرامپت جدید دوباره شروع کنید، پرامپت رو یه کم تغییر بدید یا از ابزار هوش مصنوعی بخواید که یه جنبه خاص از محتوا رو عوض کنه. حتی می‌تونید یه ابزار هوش مصنوعی دیگه رو امتحان کنید.

مثلاً، فرض کنید پروفایل مانتی مین‌کون لحن خیلی تبلیغاتی داشته و چند بار به اومدن به کافه برای نوازش کردنش و لذت بردن از یه قهوه اشاره کرده. می‌تونید پرامپت رو اصلاح کنید و بگید که نباید لحن تبلیغاتی داشته باشه. یا می‌تونید به جملات خاصی که می‌خواید بازنویسی بشن، اشاره کنید.

روی E-E-A-T تمرکز کنید

یه مفهوم مهم تو سئوی مدرن چیزیه که گوگل بهش میگه E-E-A-T:

«سیستم‌های رتبه‌بندی گوگل با هدف پاداش دادن به محتوای اصیل و باکیفیتی طراحی شدن که ویژگی‌هایی رو که ما بهش E-E-A-T می‌گیم، نشون بده: تخصص (Expertise)، تجربه (Experience)، اعتبار (Authoritativeness)، و اعتماد (Trustworthiness).»

شما احتمالاً برای مشاوره پزشکی پیش آرایشگرتون نمی‌رید. یا برای یه مدل موی جدید پیش دکترتون. وقتی دنبال اطلاعات هستید، بیشتر به کسی اعتماد می‌کنید که تو اون زمینه خاص یه متخصص آموزش‌دیده و حرفه‌ای باشه. به عبارت دیگه، شما دنبال E-E-A-T هستید.

به همین ترتیب، گوگل هم بیشتر احتمال داره محتوایی رو نشون بده که توسط متخصصان مرتبط و معتبر نوشته شده تا یه غیرمتخصص که فقط یه نظری داره.

با اینکه یه مدل هوش مصنوعی خودش یه متخصص معتبر نیست، اما محتوایی که باهاش آموزش دیده شامل انواع متخصصان می‌شه. یه مطلب با E-E-A-T قوی، نقل‌قول‌ها، آمارها و نظراتی از افراد مشخص داره که ترجیحاً هر کدوم به منبعشون لینک داده شدن.

یا این موارد رو تو پرامپت تأکید کنید یا به صورت دستی بعد از تولید محتوا، اون‌ها رو اضافه کنید.

این کار پتانسیل بهبود رتبه شما تو گوگل رو داره و به جلب اعتماد خواننده‌های انسانی شما هم کمک می‌کنه. یه معامله برد-برده.

به هوش مصنوعی به چشم یه موتور غنی‌سازی داده نگاه کنید، نه فقط یه کپی‌رایتر

شما می‌تونید از هوش مصنوعی برای نوشتن همه متناتون استفاده کنید. اما احتمالاً نباید این کار رو بکنید.

هوش مصنوعی مولد می‌تونه مقاله، پست وبلاگ، پست شبکه‌های اجتماعی و غیره بنویسه. درسته. اما می‌تونه بهتون کمک کنه استراتژی پشت محتواتون رو هم برنامه‌ریزی کنید؛ از نظر خوشه‌های کوئری (query clusters)، موجودیت‌ها (entities) و قصد کاربر (user intent). اینجاست که هوش مصنوعی واقعاً می‌تونه بدرخشه.

وقتی خوشه‌های کوئری رو در نظر می‌گیرید، در واقع به جای یه کلمه کلیدی، دارید به تعدادی کلمه کلیدی به هم پیوسته فکر می‌کنید. این به صفحه شانس می‌ده که برای بیش از یه عبارت رتبه بگیره. و حتی می‌تونید مجموعه‌ای از صفحات به هم پیوسته حول یه موضوع اصلی تولید کنید.

موجودیت‌ها اشیاء، برندها، سازمان‌ها یا چیزهای مرتبط هستن. با گنجوندن اون‌ها تو مطلبتون، به پایگاه دانش گوگل (Knowledge Base) وصل می‌شید؛ یه پایگاه داده از موجودیت‌ها و ارتباطات بینشون. موجودیت‌ها به الگوریتم‌های یادگیری ماشین گوگل اجازه می‌دن محتوای شما رو از نظر زمینه‌ای بهتر بفهمن و شما رو به عنوان یه مرجع معتبرتر تو اون موضوع نشون بدن.

و با در نظر گرفتن قصد کاربر، می‌تونید مطمئن بشید که محتواتون نیازهای خواننده‌هاتون رو برآورده می‌کنه.

مثلاً، ممکنه برای یه پست وبلاگ یه کلمه کلیدی تو ذهنتون داشته باشید: «گربه و سلامت روان». برای گسترش این ایده، می‌تونید خیلی ساده از یه چت‌بات هوش مصنوعی مثل Google Gemini بخواید که این ایده رو بسط بده:

من دارم یه پست وبلاگ بر اساس کلمه کلیدی «گربه و سلامت روان» می‌نویسم. لطفاً خوشه‌های کوئری و موجودیت‌هایی که باید تو مطلب بیارم رو پیشنهاد بده و به قصد کاربر هم توجه کن.

وقتی ما این پرامپت رو استفاده کردیم، Gemini با تعدادی پیشنهاد برای خوشه‌های کوئری و ملاحظات قصد کاربر، مثل مزایای داشتن گربه، جواب داد.

Gemini همچنین ایده‌هایی برای موجودیت‌ها ارائه داد، از اصطلاحات علمی مثل «اکسی‌توسین» و «کورتیزول» گرفته تا نژادهای خاص گربه و مفاهیمی مثل «ذهن‌آگاهی» (mindfulness).

گنجوندن بعضی یا همه این موارد تو مطلبتون باید باعث بشه که محتوای نهایی هم برای کاربران و هم برای موتورهای جستجو ارزش بیشتری داشته باشه.

از گردش‌کارهای ترکیبی برای مقیاس‌پذیری استفاده کنید

بهترین راه برای ایجاد تعادل بین کیفیت محتوا و مقیاس‌پذیری، ایجاد یه گردش‌کاره که هم عناصر انسانی و هم عناصر هوش مصنوعی داشته باشه.

راه‌های مختلفی برای این کار وجود داره و گردش‌کار دقیق به این بستگی داره که می‌خواید به چی برسید و با چه منابعی. اما به عنوان مثال:

1. با همکاری هوش مصنوعی یه استراتژی محتوا تدوین کنید.
2. از هوش مصنوعی بخواید پیش‌نویس یه مقاله رو بر اساس استراتژی بنویسه.
3. مقاله رو ویرایش کنید و/یا پرامپت رو اصلاح کنید تا به کیفیت مطلوب برسید.
4. بهینه‌سازی برنامه‌ریزی‌شده (programmatic optimization) رو در نظر بگیرید (مثلاً، ابزارهای هوش مصنوعی‌ای وجود دارن که می‌تونن لینک‌های داخلی به مقالات اضافه کنن، نشانه‌گذاری اسکیما تزریق کنن و پتانسیل کلی سئوی مطلب رو ارزیابی کنن).
5. از یه انسان بخواید که مطلب رو برای کنترل کیفیت نهایی بررسی کنه.
6. مطلب رو منتشر کنید.

این نوع رویکرد به این معنیه که شما روی کیفیت محتوا کنترل دارید و در عین حال محتوا رو خیلی کارآمد تولید می‌کنید.

کاربردهای هوش مصنوعی رو بر اساس مراحل قیف فروش تقسیم‌بندی کنید

قیف فروش یا بازاریابی اساساً یه استعاره است که توضیح می‌ده یه مشتری بالقوه تو کدوم مرحله از فرآیند خرید قرار داره.

وقتی تصمیم می‌گیرید که برای یه محتوای خاص از هوش مصنوعی استفاده کنید یا نه، خوبه که به مرحله‌ای از قیف فروش که اون محتوا براش در نظر گرفته شده فکر کنید. به عنوان یه قانون کلی، هرچی کاربر به سمت پایین قیف حرکت می‌کنه، باید کمتر از محتوای هوش مصنوعی استفاده کنید.

در بالای قیف (TOFU)، کاربر برای اولین بار با برند شما آشنا می‌شه. اون محتوا بیشتر برای آگاهی از برند (brand awareness) و می‌تونه ماهیت اطلاعاتی بیشتری داشته باشه. پس استفاده بیشتر از هوش مصنوعی اینجا ضرری نداره.

مثلاً، یه مطلب کلی در مورد اینکه چطور گربه‌ها می‌تونن سلامت روان رو بهبود ببخشن، محتوای TOFU محسوب می‌شه. این اطلاعات کلیه و کمتر به برند ما مرتبطه، پس استفاده از هوش مصنوعی مناسب‌تره.

در وسط قیف (MOFU)، کاربر داره گزینه‌هاش رو می‌سنجه. رویکردهای نیمه‌خودکار اینجا خوب جواب می‌دن. می‌تونید از هوش مصنوعی برای کمک به تولید جداول مقایسه (که تو اون پکیج‌ها یا گزینه‌های مختلف مشخص شدن) یا پرسش و پاسخ‌ها استفاده کنید. اما باید اطلاعات رو برای ابزار هوش مصنوعی فراهم کنید تا باهاش کار کنه.

مثلاً، پروفایل گربه‌های کافه Purrcolator می‌تونه محتوای MOFU باشه. افرادی که از قبل برند رو می‌شناسن ممکنه از این فرصت که بیشتر در مورد گربه‌هایی که ممکنه باهاشون روبرو بشن بدونن، استقبال کنن. ما باید اطلاعات هر گربه رو به ابزار هوش مصنوعی بدیم تا شروع به کار کنه.

در پایین قیف (BOFU)، کاربر تقریباً تصمیمش رو گرفته و فقط به یه تلنگر کوچیک برای تبدیل شدن (convert) نیاز داره. اینجاست که دقت، اعتماد و قدرت اقناع بیشترین اهمیت رو دارن. دخالت واقعی انسان به احتمال زیاد اون نوع ارتباط صمیمی با کاربر رو ایجاد می‌کنه که به فروش منجر می‌شه. پس، بهتره از هوش مصنوعی اجتناب بشه.

یه مثال از محتوای BOFU صفحه «رزرو بازدید» کافه Purrcolator هست که کاربران می‌تونن از یه ابزار برای تعیین تاریخ و ساعت برای تجربه کافه گربه‌شون استفاده کنن. مهمه که کاربرانی که تا این مرحله اومدن رو پشیمون نکنیم، پس باید از هوش مصنوعی اجتناب کرد.

یه سیستم بازبینی برای بررسی صحت اطلاعات ایجاد کنید

احتمالاً متوجه شدید که هوش مصنوعی گاهی اوقات اشتباه می‌کنه. همونطور که قبلاً گفتیم، این به عنوان «توهم» (hallucination) شناخته می‌شه و اغلب زمانی اتفاق می‌افته که جوابی برای یه سوال نداره یا پاسخش رو بر اساس «حقایق» نادرستی که تو داده‌های آموزشیش بوده، بنا می‌کنه.

خیلی مهمه که چیزهایی که هوش مصنوعی می‌نویسه رو از نظر صحت اطلاعات بررسی کنید.

وقتی ما پرسیدیم «چه نوع گربه‌هایی در مریخ پیدا می‌شن؟» Gemini دو گونه گربه مریخی رو توصیف کرد. (البته انصافاً، ما خودمون ازش خواستیم این کار رو بکنه.)

توهم به این دلیل اتفاق می‌افته که مدل‌های هوش مصنوعی مولد با پیش‌بینی کلمه بعدی، متن تولید می‌کنن. پاسخ‌ها بر اساس درک شبکه عصبی‌شون از زبان انسان و مطالبی که باهاشون آموزش دیدن، شکل می‌گیرن. لزوماً بر اساس حقایق نیستن.

این ابزارها همچنین معمولاً سعی می‌کنن به جای گفتن «نمی‌دونم»، یه جوابی بدن.

دو راه مفید برای بررسی صحت محتوای تولید شده با هوش مصنوعی وجود داره:

• محتوا رو به یه ابزار هوش مصنوعی مولد دیگه بدید و ازش بخواید اشتباهاتش رو مشخص کنه.
• مطلب رو به صورت دستی بازبینی کنید تا آمارها، نقل‌قول‌ها و ادعاهای دیگه رو شناسایی کنید. بعد، هر کدوم رو با جستجوی منابع اطلاعاتی معتبر و اصلی، تأیید کنید. کار خوبیه که به اون منابع هم لینک بدید تا کاربران و موتورهای جستجو بدونن که شما تحقیق کردید.

بازگشت سرمایه (ROI) رو فراتر از رتبه‌ها اندازه‌گیری کنید

اینکه فقط محتوای هوش مصنوعی تولید کنید و تأثیرش رو بر کسب‌وکارتون ارزیابی نکنید، هیچ فایده‌ای نداره. شما نمی‌خواید یه روز از خودتون بپرسید چرا کسی به کافه گربه‌تون نمیاد و بعداً بفهمید که به خاطر افت دیده شدن آنلاین شما بوده.

اگه نتایج رو اندازه‌گیری نکنید، ممکنه محتوای هوش مصنوعی شما بدون اینکه متوجه بشید داره بهتون آسیب می‌زنه، یا حداقل اونقدر فایده نداره که ارزش وقت و انرژی شما رو داشته باشه.

رتبه‌های کلمات کلیدی یه نقطه شروع عالیه، اما این رتبه‌ها وسیله‌ای برای رسیدن به یه هدف بزرگترن. شما می‌خواید رتبه‌ها ترافیک بیارن و ترافیک به تبدیل یا فروش منجر بشه.

اینجا چند تا چیز دیگه هست که می‌تونید در نظر بگیرید و رصد کنید:

• بازدیدهای ارگانیک صفحات و تعامل (engagement) صفحات تولید شده با هوش مصنوعی، از طریق گزارش «Pages and Screens» در گوگل آنالیتیکس.
• تعداد رویدادهای کلیدی (key events) یا تبدیل‌ها (conversions) که از محتوای هوش مصنوعی شما به دست اومده، از طریق گزارش «Landing Pages»، باز هم در گوگل آنالیتیکس.
• افت محتوا (Content decay)، که معیاریه برای اینکه عملکرد سئوی یه صفحه با گذشت زمان چقدر کاهش پیدا می‌کنه.
• سهم از صدا (Share of voice) در جستجوی مولد. این معیاریه برای اینکه شما در مقایسه با رقبا برای کوئری‌های غیربرند، در حالت هوش مصنوعی گوگل، ChatGPT و ابزارهای دیگه هوش مصنوعی، چقدر دیده می‌شید.

این یه نمونه از گزارش سهم از صدا از جعبه ابزار سئوی هوش مصنوعی Semrush هست.

این نشون می‌ده که Search Engine Land تو اکثر پلتفرم‌های هوش مصنوعی نسبت به رقبای ما بیشتر دیده می‌شه. با اینکه محتوای ما توسط انسان‌های واقعی نوشته شده، محتوای تولید شده با هوش مصنوعی اغلب تو جستجوی هوش مصنوعی ظاهر می‌شه. ممکنه متوجه بشید که محتوای هوش مصنوعی به بهبود سهم از صدای شما کمک می‌کنه و به شما دیده‌شدن، شناخت برند، ترافیک و در نهایت فروش بیشتری می‌ده.

ایندکس شدن رو کنترل کنید

اگه تصمیم گرفتید از هوش مصنوعی برای تولید محتوا در مقیاس بزرگ استفاده کنید (مثلاً، برای تولید تعداد زیادی مقاله در مورد نژادهای گربه)، در نظر بگیرید که اجازه ندید گوگل فوراً اون محتوا رو ببینه.

به جای اون، می‌تونید یه قانون تو فایل robots.txt وب‌سایتتون تنظیم کنید که به گوگل بگه به یه پوشه خاص تو سایت شما نگاه نکنه. یه چیزی مثل این:

User-agent: *
Disallow: /cat-breeds/

این کار جلوی «خزیدن» (crawling) گوگل تو اون پوشه رو می‌گیره، که یعنی نمی‌تونه اون رو برای دیدن محتویاتش کاوش کنه.

خب، چرا ممکنه بخواید این کار رو بکنید؟

چون نمی‌خواید به طور تصادفی مقادیر زیادی محتوای ضعیف و کم‌ارزش رو به اشتراک بذارید که می‌تونه به رتبه‌هاتون آسیب بزنه. گوگل محتوایی رو دوست داره که کاربران براشون ارزشمند باشه، پس با مسدود کردن اولیه محتوای هوش مصنوعی، می‌تونید ببینید قبل از اینکه گوگل بهش دسترسی پیدا کنه، واقعاً چقدر ارزشمنده.

محتوا رو با گوگل آنالیتیکس رصد کنید. آیا تعامل خوبی می‌گیره؟ آیا کاربران کلش رو می‌خونن؟ آیا به تبدیل منجر می‌شه؟

خوبه که برای این معیارها آستانه‌های مشخصی تعیین کنید تا همه محتواهاتون رو با یه معیار یکسان بسنجید. بعد، وقتی اون آستانه‌های ارزشمندی برآورده شد، می‌تونید با اطمینان بیشتری اون محتوا رو به گوگل نشون بدید.

مثلاً، کافه Purrcolator ممکنه به محتوای تولید شده توسط انسانش نگاه کنه و ببینه که میانگین زمان تعامل یک دقیقه است. در این صورت، ممکنه منطقی باشه که بگه محتوای هوش مصنوعیش باید نرخ تعامل حداقل ۴۰ ثانیه داشته باشه.

با هوش مصنوعی چندوجهی (multimodal) آزمایش کنید تا محتواتون رو برای آینده آماده کنید

کلمات نوشته شده تنها چیزی نیست که می‌تونید با هوش مصنوعی تولید کنید. اگه دارید یه پست وبلاگ ایجاد می‌کنید، به تولید تصاویر یا ویدیوهای پشتیبان برای کنارش هم فکر کنید.

با پیاده‌سازی یه رویکرد چندوجهی، می‌تونید به آینده‌نگری محتواتون کمک کنید و تعامل بیشتری ایجاد کنید.

اما مراقب باشید، چون استفاده ناشیانه از تصاویری که به وضوح توسط هوش مصنوعی تولید شدن، می‌تونه شما رو تنبل نشون بده و به برندتون آسیب بزنه. از چند نفر بخواید به تصاویر نگاه کنن و ببینن آیا می‌تونن بگن که توسط هوش مصنوعی تولید شدن یا نه. اگه تونستن، پرامپتتون رو اصلاح کنید تا بیشتر با برند شما یا یه سبک خاص هماهنگ بشه تا از نتیجه راضی‌تر باشید. اگه شک دارید، از تصاویر استفاده نکنید.

همچنین می‌تونید از هوش مصنوعی برای ساختن قطعات صوتی و فیلمنامه ویدیو، حتی کد یه ابزار تعاملی برای وب‌سایتتون استفاده کنید. فقط حتماً تأثیر سئوی این محتوا رو ارزیابی کنید.

مثلاً، تصاویر می‌تونن تو جستجوی تصاویر گوگل ظاهر بشن، پس خوبه که ببینید اون تصاویر چقدر ترافیک تو گوگل سرچ کنسول ایجاد می‌کنن.

یا، اگه صدا یا ویدیویی برای سایتتون ایجاد کردید، مطمئن بشید که گوگل آنالیتیکس رو برای ردیابی پخش یا بازدیدها تنظیم کردید. این کار رو برای پخش ویدیو به صورت پیش‌فرض انجام می‌ده، به شرطی که Enhanced Measurement روشن باشه.

همچنین می‌تونید عملکرد رو تو یوتیوب هم زیر نظر داشته باشید، اگه ویدیوها رو اونجا هم آپلود کردید.

سیاست‌های استفاده رو مستند و شفاف‌سازی کنید

اگه سازمان شما تصمیم به استفاده از محتوای تولید شده با هوش مصنوعی گرفت، مهمه که ثبات داشته باشید. به هر حال، این ابزاریه که اگه با بی‌دقتی استفاده بشه، می‌تونه به رتبه‌ها یا حتی اعتماد به برند شما آسیب بزنه.

مشتریان کافه Purrcolator ممکنه خیلی به استفاده از هوش مصنوعی اهمیت ندن. اما اگه شما یه وکیل هستید، احتمالاً نمی‌خواید که مشتریانتون فکر کنن دارید از هوش مصنوعی برای تنظیم اسناد قانونی استفاده می‌کنید. اعتماد به برند به خصوص برای شرکت‌های حقوقی، حرفه‌ای و مالی مهمه.

به همین دلیله که توصیه می‌شه یه سری مستندات حاکمیتی داخلی تهیه کنید که مشخص کنه کی، کجا و چطور از هوش مصنوعی استفاده می‌شه. و مطمئن بشید که همه افراد مرتبط تو کسب‌وکار از این سیاست مطلع هستن.

همچنین باید در مورد استراتژی افشاگری (disclosure) تصمیم بگیرید، یعنی اینکه آیا به طور واضح روی مطالب هوش مصنوعی خودتون ذکر کنید که محتوا توسط هوش مصنوعی ایجاد یا کمک شده.

افشاگری مزایا و معایبی داره.

مزایا:

• می‌تونه به برند شما کمک کنه شفاف‌تر و قابل اعتمادتر به نظر برسه.
• نشون می‌ده که شما به سرعت فناوری‌های جدید رو به کار می‌گیرید.
• قوانین در حال تکامل هستن. چه افشاگری تو حوزه قضایی شما یه الزام قانونی باشه یا فقط به طور ضمنی تو قوانین موجود بهش اشاره شده باشه، ممکنه امن‌تر باشه که افشا کنید و از انطباق اطمینان حاصل کنید تا اینکه همه چیز رو به شانس بسپارید.

معایب:

• ممکنه مردم کمتر تمایل به خوندن یا تعامل با محتوا داشته باشن.
• تحقیقات در مورد افشای هوش مصنوعی نشون داده که مردم به محتوای تولید شده با هوش مصنوعی کمتر از محتوای تولید شده توسط انسان اعتماد دارن (هرچند ذکر منابع می‌تونه کمک کنه).

برای کافه Purrcolator، ممکنه تصمیم بگیریم که یه سلب مسئولیت کوتاه ضرری نداره. یه چیزی مثل این: «هوش مصنوعی، و کلی کافئین، به ما در نوشتن این صفحه کمک کردن. طبق معمول، گربه‌ها یه پنجه هم برای کمک بلند نکردن.»

فراتر از چت‌بات‌ها برید و APIها رو کشف کنید

رابط‌های کاربری شبیه به چت ابزارهای هوش مصنوعی مولد مثل ChatGPT ساده هستن، اما تو کاری که می‌تونن انجام بدن، تا حدی محدودن. مثلاً، هر بار فقط می‌تونن یه قطعه محتوا بنویسن.

با اینکه پیچیده‌تره، OpenAI، Google AI Studio، Anthropic و پلتفرم‌های دیگه دسترسی API ارائه می‌دن که به شما اجازه می‌ده به صورت برنامه‌ریزی‌شده‌تر با مسائل برخورد کنید. این یعنی می‌تونید فرآیندهای کارآمدتر و خودکارتر برای تولید یا شخصی‌سازی محتوا توسعه بدید. البته به یه مقدار تخصص فنی نیاز دارید و این APIها رایگان نیستن. پلن‌های قیمتی اغلب بر اساس میزان استفاده هستن.

مثلاً، ما می‌تونیم اطلاعات اولیه در مورد گربه‌های مختلف کافه Purrcolator رو تو یه صفحه گسترده لیست کنیم و از یه API برای خوراندن اون اطلاعات به یه ابزار هوش مصنوعی استفاده کنیم. اینطوری، می‌تونیم همه پروفایل‌های گربه‌هامون رو یکجا بنویسیم.

فقط بحث محتوا نیست

محتوای تولید شده با هوش مصنوعی می‌تونه یه افزونه قدرتمند به گردش‌کارهای سئوی شما باشه، به خصوص وقتی با احتیاط و با نظارت انسان استفاده بشه. اما محتوا تنها راهی نیست که هوش مصنوعی داره روی سئو تأثیر می‌ذاره.

پلتفرم‌های هوش مصنوعی خودشون موتورهای کشف (discovery engines) هستن. کل اکوسیستم نحوه پیدا کردن وب‌سایت‌ها توسط کاربران در حال تغییره. در واقع، پیش‌بینی می‌شه که تا سال ۲۰۲۸ بازدیدکنندگانی که از LLM‌ها میان از جستجوی ارگانیک سنتی پیشی بگیرن.

آیا برای این تغییرات آماده‌اید؟ در مورد آینده سئو و اینکه چطور رشد و دیده شدن تحت تأثیر قرار می‌گیره، بیشتر بدونید.