پایان پلتفرم Lorelight؛ جرقه‌ای برای طوفانی در دنیای جستجوی هوش مصنوعی
بنجامین هوی، پلتفرم Lorelight رو که برای بهینه‌سازی موتورهای تولید محتوا (GEO) ساخته شده بود، تعطیل کرد. این پلتفرم کارش این بود که میزان دیده‌شدن برندها رو توی چت‌بات‌هایی مثل ChatGPT، Claude و Perplexity ردیابی کنه. اما آقای هوی به این نتیجه رسیده که اکثر برندها اصلاً نیازی به یه ابزار تخصصی برای اینکه ببینن چقدر توی جستجوهای هوش مصنوعی دیده میشن، ندارن.
هوی می‌نویسه که بعد از بررسی صدها جوابی که هوش مصنوعی داده، دیده برندهایی که بیشتر از همه اسمشون میاد، یه سری ویژگی‌های آشنای مشترک دارن: محتوای باکیفیت، منشن شدن توی نشریات معتبر، شهرت قوی و تخصص واقعی و درست‌وحسابی.
او ادعا می‌کنه:
«چیزی به اسم “استراتژی GEO” یا “بهینه‌سازی برای هوش مصنوعی” که از برندسازی جدا باشه، اصلاً وجود نداره… مدل‌های هوش مصنوعی روی همون محتوایی آموزش دیدن که برند شما رو در جاهای دیگه می‌سازه.»
هوی در یک پست وبلاگی توضیح می‌ده که مشتری‌ها از گزارش‌ها و تحلیل‌های Lorelight خوششون میومد، اما خیلی زود اشتراکشون رو لغو می‌کردن (churn)، چون این داده‌ها باعث نمی‌شد که تاکتیک‌هاشون رو تغییر بدن. از نظر اون، کاربرا چه با داشبوردهای GEO و چه بدون اون، همون کارهای اساسی و پایه‌ای همیشگی رو دنبال می‌کردن.
اون معتقده که ردیابی GEO به عنوان یه سیگنال کوچیک داخل ابزارهای جامع سئو منطقی‌تره، تا اینکه بخواد یه محصول مستقل باشه. اون به پلتفرم‌های سئوی سنتی اشاره می‌کنه که سیگنال‌های مربوط به دیده شدن در هوش مصنوعی رو به جای اینکه براش یه دسته بندی جدا بسازن، توی همون ابزارهای فعلی‌شون جا دادن.
یه نگاه سریع به بحث‌ها: صدای موافق‌ها و مخالف‌ها
واکنش‌ها نشون می‌ده که بین دیجیتال مارکترها در مورد نگاه به “جستجوی هوش مصنوعی” یه اختلاف نظر جدی وجود داره.
بعضی از متخصصان سئو از این پیام که “باید به اصول اولیه برگردیم” استقبال کردن. اما بقیه با اشاره به مواردی که ارجاع‌ها از طرف دستیارهای هوش مصنوعی معنادار و مهم به نظر می‌رسید، مخالفت کردن.
اینجا چندتا از واکنش‌هایی که تا الان منتشر شده رو می‌بینید:
- لیلی ری (Lily Ray): «ممنون که صادق بودی و این موضوع رو علنی به اشتراک گذاشتی. صنعت ما واقعاً باید این حرف‌ها رو بلند و واضح بشنوه.»
- رندال چو (Randall Choh): «من کاملاً مخالفم. این یه معیاره که روز به روز داره مهم‌تر می‌شه… جستجوهایی که توی مدل‌های زبانی بزرگ (LLM) انجام می‌شه، معمولاً هدف جستجوی (search intent) بهتری دارن که به نرخ تبدیل بالاتری هم منجر می‌شه.»
- کارل مک‌کارتی (Karl McCarthy): «حق با شماست که محتوای باکیفیت + منشن‌های معتبر + شهرت، فرمول موفقیته… اینا ابزار نیستن، بلکه یه شبکه‌ان.»
- نیکی پیلکینگتون (Nikki Pilkington) هم سوالاتی رو در مورد انصاف در حق مصرف‌کننده بعد از تعطیلی یه محصول مطرح کرد و پرسید که آیا محتواهایی که قبلاً برای تبلیغ GEO تولید شده، باید به‌روزرسانی یا حذف بشن؟
این دیدگاه‌ها تنش موجود توی این صنعت رو به خوبی نشون می‌دن. بعضی‌ها جستجوی هوش مصنوعی رو یه کانال عملکردی جدید می‌بینن که ارزش اندازه‌گیری داره. بقیه هم معتقدن که همون سیگنال‌های همیشگی برندسازی هستن که نتایج رو در سئو، روابط عمومی (PR) و حالا هم دستیارهای هوش مصنوعی رقم می‌زنن.
“دیده شدن در جستجوی هوش مصنوعی” چطور اندازه‌گیری می‌شه؟
از اونجایی که دستیارهای هوش مصنوعی با جستجوی وب فرق دارن، روش‌های اندازه‌گیری هنوز یکدست و دقیق نیست.
این دستیارها برندها رو به دو روش اصلی به کاربر نشون می‌دن: یا مستقیم توی جواب‌هاشون به منابع لینک می‌دن و ازشون اسم می‌برن، یا اینکه کاربرا رو به سمت همون نتایج آشنای وب هدایت می‌کنن.
ردیابی ترافیک ارجاعی (Referral) می‌تونه از طریق لینک‌های مستقیم، کپی و پیست کردن، یا جستجوهای بعدی کاربر برای نام برند (branded search) انجام بشه.
نسبت دادن ترافیک (Attribution) کار سختیه، چون همه دستیارها رفرر (referrer) واضحی رو ارسال نمی‌کنن. تیم‌ها معمولاً برای اینکه بتونن “تأثیر LLM” رو تخمین بزنن، چندتا روش رو با هم ترکیب می‌کنن: از تگ‌های UTM روی لینک‌های اشتراک‌گذاری‌شده استفاده می‌کنن، افزایش جستجوی نام برند رو بررسی می‌کنن، جهش‌های ترافیک مستقیم رو زیر نظر می‌گیرن و به گزارش‌های assisted-conversion نگاه می‌کنن.
این روش‌های تیکه‌پاره باعث می‌شه که کیس استادی‌ها (مطالعات موردی) قانع‌کننده به نظر برسن، اما تعمیم دادنشون به بقیه موارد سخت باشه.
چرا این موضوع مهمه؟
سوال اصلی اینه که آیا جستجوی هوش مصنوعی به یه چارچوب بهینه‌سازی مخصوص خودش نیاز داره یا اینکه بیشتر از همون سیگنال‌های برندسازی همیشگی سود می‌بره؟
اگه حق با هوی باشه، ابزارهای مستقل GEO شاید فقط بتونن داشبوردهای جذابی تولید کنن که به ندرت روی استراتژی تأثیر می‌ذارن.
از طرف دیگه، اگه طرفداران این رویکرد درست بگن، نادیده گرفتن دیده شدن در دستیارهای هوش مصنوعی می‌تونه به معنی از دست دادن فرصت‌های سودآوری باشه که بین جستجوی سنتی و ترافیک ارجاعی از LLMها وجود داره.
در آینده چه اتفاقی می‌افته؟
به احتمال زیاد، پلتفرم‌های سئو همچنان به جای ایجاد یه دسته بندی جدا، قابلیت “دیده شدن در هوش مصنوعی” رو توی همون بخش تحلیل‌های فعلی‌شون ادغام می‌کنن.
امن‌ترین راه برای کسب‌وکارها اینه که به همون کارهای برندسازی که دستیارهای هوش مصنوعی در حال حاضر بهشون پاداش می‌دن، ادامه بدن و همزمان، روش‌های اندازه‌گیری مخصوص این دستیارها رو در جاهایی که احتمالاً نتیجه‌بخش هستن، آزمایش کنن.
پاسخی بگذارید