چگونه در دنیای هوش مصنوعی بهترین جایگاه را کسب کنیم؟
اگه بخوایم خیلی ساده بگیم گوگل چطور محتوا رو رتبه‌بندی می‌کنه، باید بگیم بر اساس درک عبارت‌های جستجو شده و صفحات وب، به علاوه‌ی یک سری سیگنال‌های رتبه‌بندی خارجی این کار رو انجام می‌ده. اما با ظهور هوش مصنوعی گوگل (AI Mode)، این تازه اول داستان رتبه‌بندی وب‌سایت‌هاست. حتی کلمات کلیدی هم دارن کم‌کم از دور خارج می‌شن و جاشون رو به عبارت‌های جستجوی پیچیده‌تر و حتی تصاویر می‌دن. خب، حالا چطور باید برای چنین چیزی بهینه‌سازی کنیم؟ در ادامه، چندتا راهکار رو با هم بررسی می‌کنیم که به این سوال جواب می‌ده.
سوالات پنهان؛ یک تغییر بزرگ و اساسی در سئو
کلمه «Latent» (یا پنهان) به چیزی گفته می‌شه که وجود داره اما دیده نمی‌شه. وقتی یک کاربر یک عبارت پیچیده رو جستجو می‌کنه، مدل زبانی بزرگ (LLM) نه تنها باید اون عبارت رو بفهمه، بلکه باید سوالات بعدی که ممکنه کاربر در مسیر پیدا کردن اطلاعات در مورد اون موضوع بپرسه رو هم پیش‌بینی و ترسیم کنه. این سوالاتِ تکمیلی همون «سوالات پنهان» هستن. می‌شه گفت تقریباً هر جستجویی، کلی سوال پنهان تو دل خودش داره.
پتنت «Information Gain» گوگل
موضوع «کوئری‌های پنهان» یک چالش جدید برای سئو ایجاد کرده: چطور می‌شه برای سوال‌هایی که نمی‌دونیم چی هستن بهینه‌سازی کرد؟ بهینه‌سازی برای جستجوی هوش مصنوعی یعنی بهینه‌سازی برای تمام سوالاتی که به کوئری اصلی یا اولیه مرتبط هستن.
اما حتی مفهوم «کوئری اصلی» هم داره کم‌رنگ می‌شه، چون کاربرها دارن سوال‌های پیچیده‌تری می‌پرسن که جواب‌های پیچیده‌تری هم می‌طلبه. دقیقاً به همین دلیله که برای سئوی هوش مصنوعی، بهتره به جای بهینه‌سازی برای یک کوئری خاص، روی نیازهای اطلاعاتی فوری کاربر تمرکز کنیم.
حالا سوال اینه که گوگل چطور نیاز اطلاعاتی پنهان شده در کوئری کاربر رو درک می‌کنه؟ جواب این سوال در پتنت Information Gain گوگل پیدا می‌شه. این پتنت در مورد رتبه‌بندی یک صفحه وب مرتبطه و بعد از اون، رتبه‌بندی صفحات دیگه‌ای که محتوای متفاوت اما مرتبط دارن، صحبت می‌کنه.
چطور سوالات پنهان (Latent) رو پیدا کنیم؟
یک راه خوب برای تحلیل نتایج جستجوی هوش مصنوعی اینه که اون‌ها رو به سوالات کوچیک‌تری که هوش مصنوعی بهشون جواب داده، تقسیم کنیم. اینطوری می‌تونیم سوالات پنهان منشعب شده از کوئری اصلی رو پیدا کنیم.
مثلاً، اگه از هوش مصنوعی گوگل بپرسید چطور خمیر پیتزا درست کنیم، یک دستور پخت کامل به شما می‌ده. این جواب در واقع از ترکیب جواب به چندین کوئری مختلف ساخته شده.
یک راه برای استخراج این سوالات پنهان وجود داره که بهش می‌گن «پرامپت پاسخ به سوال معکوس» (Reverse Question Answering Prompt). در ادامه بهتون نشون می‌دم چطور کار می‌کنه.
این یک مثال از کوئری اولیه و سوالات منشعب شده از اونه:
کوئری اولیه: چطور خمیر پیتزا درست کنیم؟
سوالات منشعب شده:
- برای درست کردن خمیر پیتزا به چه موادی نیاز داریم؟
- با این دستور پخت چقدر خمیر پیتزا به دست میاد؟
- از کجا بفهمیم مخمر فعاله؟
- خمیر رو با دست چقدر باید ورز بدیم؟
- خمیر رو با همزن چقدر باید ورز بدیم؟
- در مرحله اول استراحت، خمیر چقدر باید ور بیاد؟
- چطور می‌تونیم طعم بهتری به خمیر بدیم؟
- دمای فر برای پخت پیتزا چقدر باید باشه؟
- پیتزا چقدر باید تو فر بمونه؟
نمونه واقعی سوال و جواب در هوش مصنوعی گوگل
در ادامه چندتا از این سوالات پنهان رو به همراه جوابی که هوش مصنوعی گوگل بهشون داده، می‌بینید.
سوال: برای درست کردن خمیر پیتزا به چه موادی نیاز داریم؟
جواب: «۱ و ۱/۳ فنجان آب گرم (حدود ۴۰-۴۳ درجه سانتی‌گراد)؛ ۱ قاشق غذاخوری شکر (یا عسل)؛ ۱ بسته مخمر خشک فعال یا فوری (۲ و ۱/۴ قاشق چای‌خوری)؛ ۳ و ۱/۲ تا ۴ فنجان آرد همه‌منظوره یا آرد نان، به علاوه‌ی مقداری برای آردپاشی؛ ۲ قاشق غذاخوری روغن زیتون فرابکر، به علاوه‌ی مقداری برای چرب کردن؛ ۱ قاشق چای‌خوری نمک.»
سوال: با این دستور پخت چقدر خمیر پیتزا به دست میاد؟
جواب: «این دستور پخت برای دو پیتزای ۱۰ تا ۱۲ اینچی (۲۵ تا ۳۰ سانتی‌متری) کافیه.»
سوال: از کجا بفهمیم مخمر فعاله؟
جواب: «روی اون رو بپوشونید و حدود ۵-۱۰ دقیقه بذارید بمونه، تا زمانی که مخلوط کف کنه و حباب بزنه. این نشون می‌ده که مخمر فعاله.»
اسکرین‌شات از جواب واقعی هوش مصنوعی گوگل
پرامپت پاسخ به سوال معکوس (Reverse Question Answering)
شما می‌تونید از «پرامپت پاسخ به سوال معکوس» استفاده کنید تا سوالات پنهان در هر جواب هوش مصنوعی رو پیدا کنید. حتی می‌تونید از یک پرامپت مشابه اما دقیق‌تر برای تحلیل محتوای خودتون هم استفاده کنید تا بفهمید مطلبتون دقیقاً به چه سوالاتی جواب می‌ده. این یک راه عالی برای اینه که چک کنید آیا محتواتون به سوالاتی که مد نظرتون بوده جواب می‌ده یا نه.
پرامپتی برای استخراج سوالات از جواب هوش مصنوعی
این پرامپتیه که می‌تونید برای استخراج سوالات پنهان از جواب هوش مصنوعی استفاده کنید:
این متن رو تحلیل کن و یک لیست از سوالاتی در بیار که جوابشون به طور مستقیم و کامل تو خود متن وجود داره. فقط سوال‌هایی رو بیار که جوابشون یک یا چند جمله‌ی کامل و واضح توی متنه. سوال‌هایی که جوابشون ناقصه، یا باید از متن حدس بزنی رو نیار.
هر سوالی که پیدا می‌کنی باید خلاصه‌ی دقیق همون اطلاعاتی باشه که تو متنه. این یک کار «تولید سوال معکوس» هست: فقط از محتوای خود متن استفاده کن.
برای هر سوال، اون جمله‌هایی از متن که دقیقاً جوابش هستن رو هم کنارش بنویس. فقط سوال‌هایی رو بیار که جواب کامل و مستقیمشون به صورت یک یا چند جمله کامل تو متن اومده.
تحلیل محتوای وب با پرامپت پاسخ به سوال معکوس
پرامپت قبلی رو می‌تونید برای استخراج سوالاتی که محتوای شما یا رقیبتون بهشون جواب داده استفاده کنید. اما اون پرامپت بین کوئری‌های اصلی که سند بهشون مرتبطه و سوالات فرعی و جانبی، فرقی قائل نمی‌شه.
برای تحلیل محتوای خودتون با این روش، این نسخه دقیق‌تر از پرامپت رو امتحان کنید:
این متن رو تحلیل کن و فقط لیستی از سوال‌های «اصلی» مربوط به موضوع مرکزی متن رو در بیار که جوابشون مستقیم و کامل تو متن اومده.
فقط سوال‌هایی رو بیار که جوابشون یک یا چند جمله کامل و واضح توی متنه. سوال‌هایی که جوابشون ناقصه یا باید حدس بزنی رو نیار. خیلی مهمه که سوال‌های مربوط به داستان‌های فرعی، نظرات شخصی، یا اطلاعات عمومی که ربطی به موضوع اصلی ندارن رو کلاً حذف کنی.
هر سوالی که پیدا می‌کنی باید خلاصه‌ی دقیق همون اطلاعاتی باشه که تو متنه. این یک کار «تولید سوال معکوس» هست: فقط از محتوای خود متن استفاده کن.
برای هر سوال، اون جمله‌هایی از متن که دقیقاً جوابش هستن رو هم کنارش بنویس. فقط سوال‌هایی رو بیار که جواب کامل و مستقیمشون به صورت یک یا چند جمله کامل تو متن اومده.
این پرامپت طوری طراحی شده که مثل یک LLM یا سیستم بازیابی اطلاعات عمل کنه؛ یعنی سوالات اصلی یک صفحه وب رو استخراج کنه و بخش‌هایی که به هدف اصلی اطلاعاتی اون سند ربطی ندارن (مثل نظرات حاشیه‌ای که به موضوع اصلی کمکی نمی‌کنن) رو نادیده بگیره.
کاری کنید که سایت‌های دیگه از شما اسم ببرن
یک چیزی که روز به روز داره واضح‌تر می‌شه اینه که جستجوی هوش مصنوعی تمایل داره شرکت‌هایی رو رتبه بده که وب‌سایتشون توسط سایت‌های دیگه توصیه شده. تحقیقات Ahrefs یک همبستگی قوی بین سایت‌هایی که در AI Overviews (خلاصه‌های هوش مصنوعی) ظاهر می‌شن و «منشن‌های برند» (Branded Mentions) پیدا کرده.
به گفته Ahrefs:
«ما فاکتورهایی که با تعداد دفعات ظاهر شدن یک برند در خلاصه‌های هوش مصنوعی همبستگی دارن رو بررسی کردیم، کلی چیز مختلف رو تست کردیم و با اختلاف، قوی‌ترین همبستگی، یک همبستگی خیلی خیلی قوی، نزدیک به ۰.۶۷، مربوط به «منشن‌های وب برند» بود.
پس اگه از برند شما در جاهای مختلف وب اسم برده بشه، این موضوع همبستگی خیلی بالایی با منشن شدن برند شما در مکالمات هوش مصنوعی هم داره.»
داده‌ها نشون می‌ده که منشن شدن برند، رتبه رو در جستجوی هوش مصنوعی بالا می‌بره.
این یافته به شدت نشون می‌ده که دیده شدن در جستجوی هوش مصنوعی ممکنه کمتر به بک‌لینک‌ها و بیشتر به تعداد دفعاتی که از یک برند در سراسر وب صحبت می‌شه، بستگی داشته باشه. به نظر می‌رسه مدل‌های هوش مصنوعی با دیدن اینکه چقدر از یک سایت در سایت‌های دیگه (از جمله سایت‌هایی مثل Reddit) اسم برده می‌شه، یاد می‌گیرن که کدوم برندها رو توصیه کنن.
عصر رتبه‌بندیِ پسا-کلمات کلیدی
ما در عصر رتبه‌بندی پسا-کلمات کلیدی هستیم. جستجوی ارگانیک گوگل از قبل هم داشت از هوش مصنوعی و یک سیستم اصلی موضوع‌بندی (core topicality system) برای درک بهتر کوئری‌ها و موضوع صفحات وب استفاده می‌کرد. تفاوت بزرگ الان اینه که هوش مصنوعی گوگل به کاربرها این امکان رو داده که با کوئری‌های طولانی، پیچیده و محاوره‌ای جستجو کنن؛ کوئری‌هایی که لزوماً توسط صفحاتی که تمرکزشون روی کلمات کلیدی بوده (به جای تمرکز روی چیزی که مردم واقعاً دنبالش هستن) جواب داده نمی‌شن.
درباره «موضوعات» بنویسید، نه کلمات کلیدی
نوشتن در مورد موضوعات شاید به نظر ساده بیاد، اما معنی دقیقش به زمینه و بستر اون موضوع بستگی داره.
منظور از «موضوع‌نویسی» اینه که به جای نوشتن در مورد کلمه کلیدی «ویجت آبی»، نویسنده باید در مورد «موضوع ویجت آبی» بنویسه.
روش قدیمی سئو این بود که به «ویجت آبی» و تمام عبارت‌های کلیدی مرتبط با اون فکر کنیم:
عبارت‌های کلیدی مرتبط
- چطور ویجت آبی بسازیم
- ویجت آبی ارزان
- بهترین ویجت آبی
تصاویر و ویدیوها رو دست کم نگیرید
روش به‌روز اینه که موقع نوشتن، به «جواب دادن» و «مفید بودن» فکر کنیم. مثلاً، آیا تصاویر یک سایت گردشگری می‌تونن حس و حال یک مقصد رو منتقل کنن؟ آیا کاربر روی عکس مکث می‌کنه؟ در یک سایت فروشگاهی، آیا تصاویر اطلاعات مفیدی می‌دن که به خریدار کمک کنه بفهمه یک لباس اندازه‌اش هست یا تو تنش چطور به نظر می‌رسه؟تصاویر و ویدیوها، اگه مفید باشن و به سوالات جواب بدن، می‌تونن روز به روز مهم‌تر بشن. چون کاربرها دارن بیشتر با تصویر جستجو می‌کنن و انتظار دارن ویدیوهای بیشتری (چه کوتاه و چه بلند) در نتایج جستجو ببینن.
پاسخی بگذارید