گوگل پاسخ می‌دهد: راهنمای کامل AEO/GEO (چه کار کنیم؟)
رابی استاین (Robby Stein)، معاون محصول گوگل، اخیراً به این سوال جواب داده که فعالان حوزه محتوا و سئو باید چه رویکردی نسبت به AEO/GEO (بهینه‌سازی برای موتور پاسخ/موتور تولیدکننده) داشته باشن. اون یه جواب چند قسمتی و جالب داد که از نحوه ساختن پاسخ‌ها توسط هوش مصنوعی گوگل شروع شد و با راهنمایی‌هایی برای تولیدکنندگان محتوا تموم شد.
پایه‌های جستجوی هوش مصنوعی گوگل
سوالی که از رابی پرسیده شد، در مورد AEO/GEO بود؛ مفهومی که میزبان پادکست اون رو نسل جدید و تکامل‌یافته SEO معرفی کرد. جواب رابی استاین نشون میده که باید به زمینه و نحوه ساخته شدن پاسخ‌های هوش مصنوعی فکر کنیم.
این سوالی بود که پرسیده شد:
«نظرت در مورد این موج جدید AEO و GEO که به نوعی نسل جدید SEO به حساب میاد، چیه؟
حدس می‌زنم جوابت این باشه که فقط محتوای عالی بسازید و نگران چیزی نباشید، اما خب، اینکه چطور توی این جواب‌ها دیده بشیم، خودش یه مهارته. به نظرت اینجا بچه‌ها باید به چی فکر کنن؟»
استاین جوابش رو با توصیف پایه‌های نحوه کار جستجوی هوش مصنوعی گوگل شروع کرد:
«حتماً. بذار یه کم از پشت پرده و نحوه کارکرد این سیستم برات بگم، چون فکر می‌کنم این موضوع کمک می‌کنه که بفهمیم باید چیکار کنیم.
وقتی هوش مصنوعی ما یه جواب رو می‌سازه، در واقع یه کاری به اسم «انشعاب کوئری» (query fan-out) انجام میده. توی این فرآیند، مدل هوش مصنوعی از جستجوی گوگل به عنوان ابزاری برای انجام جستجوهای دیگه استفاده می‌کنه.
مثلاً فرض کن تو داری در مورد یه کفش خاص سوال می‌پرسی. هوش مصنوعی میاد کلی کوئری دیگه بهش اضافه می‌کنه، شاید ده‌ها کوئری، و شروع می‌کنه به جستجو کردن در پس‌زمینه. و از بک‌اندِ دیتای ما درخواست اطلاعات می‌کنه. مثلاً اگه به اطلاعات لحظه‌ای نیاز داشته باشه، میره و اون رو به دست میاره.
پس در نهایت، یه چیزی واقعاً داره جستجو می‌کنه. آدم نیست، ولی جستجوهایی در حال انجامه.»
رابی استاین نشون میده که هوش مصنوعی گوگل هنوز به همون روش‌های سنتی بازیابی اطلاعات در موتورهای جستجو متکیه، فقط این فرآیند خودکار و مقیاس‌پذیر شده. این سیستم ده‌ها جستجو در پس‌زمینه انجام میده و همون سیگنال‌های کیفیتی رو ارزیابی می‌کنه که در رتبه‌بندی جستجوی عادی نقش دارن.
این یعنی «بهینه‌سازی برای موتور پاسخ» (AEO) در عمل همون سئو (SEO) خودمونه، چون اصول پایه‌ای ایندکس، رتبه‌بندی و فاکتورهای کیفیتی که در سئوی سنتی وجود دارن، برای کوئری‌هایی که خود هوش مصنوعی در فرآیند «انشعاب کوئری» ارسال می‌کنه هم صدق می‌کنن.
نکته‌ای که سئوکارها باید بهش توجه کنن اینه که دیده شدن در پاسخ‌های هوش مصنوعی، کمتر به بازی با یه الگوریتم جدید ربط داره و بیشتر به تولید محتوایی بستگی داره که قصد کاربر رو اونقدر کامل برآورده کنه که جستجوهای خودکار گوگل اون رو به عنوان بهترین جواب ممکن در نظر بگیرن. همونطور که جلوتر می‌بینیم، اصالت محتوا هم نقش مهمی بازی می‌کنه.
نقش سیگنال‌های سنتی جستجو
بخش جالب این گفتگو روی سیگنال‌های کیفیتی متمرکزه که گوگل در راهنمای ارزیابان کیفیت (Quality Raters Guidelines) توضیح داده. برای مثال، استاین در مورد اصالت و اورجینال بودن محتوا صحبت می‌کنه.
این چیزیه که اون گفت:
«و بعد، هر جستجو با یک محتوا جفت می‌شه. پس اگه برای یک جستجوی مشخص، صفحه وب شما طوری طراحی شده باشه که فوق‌العاده مفید باشه، شانس بیشتری دارید.
شما می‌تونید برید و راهنمای ارزیابان انسانی گوگل رو بخونید تا ببینید… چه چیزی یک محتوا رو عالی می‌کنه؟ این چیزیه که گوگل بیشتر از هر کس دیگه‌ای روش مطالعه کرده.
و اون موارد این‌ها هستن:
- آیا قصد کاربر از جستجو رو برآورده می‌کنید؟
- آیا منبع دارید؟
- آیا به منابعتون ارجاع میدید؟
- آیا محتواتون اصیله یا فقط چیزهایی رو تکرار می‌کنه که ۵۰۰ بار قبلاً تکرار شده؟
این‌ها بهترین روش‌هایی هستن که به نظرم هنوز هم تا حد زیادی کاربرد دارن، چون در نهایت همه چیز به این برمی‌گرده که یک هوش مصنوعی داره تحقیق می‌کنه و اطلاعات پیدا می‌کنه.
و خیلی از سیگنال‌های اصلی، مثل اینکه «آیا این محتوا برای این سوال خوبه؟»، هنوز معتبرن. فوق‌العاده معتبر و فوق‌العاده مفید. و همین باعث می‌شه پاسخی تولید بشه که شما شانس بیشتری برای دیده شدن در اون تجربیات کاربری جدید داشته باشید.»
اگرچه استاین داره در مورد نتایج جستجوی هوش مصنوعی صحبت می‌کنه، اما جوابش نشون میده که این سیستم هنوز برای همون فاکتورهای کیفیتی جستجوی سنتی ارزش قائله. اصالت محتوا، ارجاع به منابع و برآورده کردن قصد کاربر، همچنان پایه‌های یک «اطلاعات خوب» از نظر گوگل هستن. هوش مصنوعی شاید ظاهر جستجو رو تغییر داده و کاربران رو به پرسیدن سوال‌های پیچیده‌تر تشویق کرده، اما فاکتورهای رتبه‌بندی همون سیگنال‌های شناخته‌شده مرتبط با تخصص و اعتبار هستن.
جزئیات بیشتر از نحوه کار جستجوی هوش مصنوعی گوگل
لنی، میزبان پادکست، با یه سوال دیگه بحث رو ادامه داد و پرسید که رویکرد جستجوی هوش مصنوعی گوگل چطور ممکنه با یه چت‌بات معمولی متفاوت باشه.
او پرسید:
«اینکه گفتی سیستم میره و جستجوهای مختلف انجام میده جالبه. وقتی ازش استفاده می‌کنی، انگار داره هزاران صفحه رو می‌گرده. آیا این یک مکانیک اصلی متفاوته نسبت به نحوه کار بقیه چت‌بات‌های محبوب؟ چون بقیه موقعی که ازشون سوال می‌پرسی، نمیرن کلی وب‌سایت رو جستجو کنن.»
استاین با جزئیات بیشتری در مورد نحوه کار جستجوی هوش مصنوعی جواب داد و از مفهوم «انشعاب کوئری» فراتر رفت و به فاکتورهایی اشاره کرد که برای نمایش بهترین پاسخ‌ها استفاده می‌شن. برای مثال، اون به «حافظه پارامتریک» (Parametric Memory) اشاره کرد. حافظه پارامتریک دانشیه که هوش مصنوعی به عنوان بخشی از آموزشش به دست آورده. در واقع، این دانشیه که درون خود مدل ذخیره شده و از منابع خارجی دریافت نمی‌شه.
استاین توضیح داد:
«آره، این چیزیه که ما به طور منحصربه‌فرد برای هوش مصنوعیمون انجام دادیم. واضحه که این سیستم توانایی استفاده از حافظه پارامتریک، تفکر، استدلال و همه کارهایی که یک مدل انجام میده رو داره.
اما یکی از چیزهایی که اون رو برای کارهای اطلاعاتی خاص می‌کنه، اینه که ما می‌خوایم در پاسخ به نیازهای اطلاعاتی بهترین باشه. این تمام هدف گوگل هست.
- پس چطور اطلاعات پیدا می‌کنه؟
- چطور می‌فهمه که اطلاعات درسته یا نه؟
- چطور کار خودش رو بررسی می‌کنه؟
این‌ها همه چیزهایی هستن که ما در این مدل تعبیه کردیم. برای همین، یک دسترسی منحصربه‌فرد به گوگل وجود داره. طبیعتاً، این بخشی از جستجوی گوگل هست.
بنابراین از سیگنال‌های جستجوی گوگل استفاده می‌کنه؛ از همه چیز، از سیگنال‌های اسپم گرفته (مثلاً چه محتوایی ممکنه اسپم باشه و ما احتمالاً نباید در پاسخ ازش استفاده کنیم) تا معتبرترین و مفیدترین اطلاعات.
ما به اون محتوا لینک می‌دیم و توضیح می‌دیم که هی، طبق گفته این وب‌سایت، این اطلاعات رو بررسی کن و احتمالاً خودت هم میری و اون رو می‌بینی.
اینطوریه که ما این سیستم رو طراحی کردیم.»
توضیحات استاین روشن می‌کنه که جستجوی هوش مصنوعی گوگل برای تقلید از سبک مکالمه چت‌بات‌های عمومی طراحی نشده، بلکه هدف اصلی شرکت یعنی ارائه اطلاعات قابل اعتماد، معتبر و مفید رو تقویت می‌کنه.
جستجوی هوش مصنوعی گوگل این کار رو با تکیه بر سیگنال‌های جستجوی گوگل، مثل تشخیص اسپم و میزان مفید بودن محتوا، انجام میده. این سیستم پاسخ‌های تولید شده توسط هوش مصنوعی رو بر اساس همون چارچوب ارزیابی و رتبه‌بندی که در جستجوی عادی وجود داره، ارائه میده.
این رویکرد، جستجوی هوش مصنوعی رو کمتر به عنوان یه نسخه مستقل از جستجو و بیشتر به عنوان افزونه‌ای برای زیرساخت بازیابی اطلاعات گوگل معرفی می‌کنه؛ جایی که استدلال و رتبه‌بندی با هم کار می‌کنن تا پاسخ‌های دقیق و مبتنی بر واقعیت رو نمایش بدن.
توصیه‌ای برای تولیدکنندگان محتوا
استاین در بخشی از صحبت‌هاش به این نکته اشاره می‌کنه که تولیدکنندگان محتوا می‌خوان بدونن برای جستجوی هوش مصنوعی باید چیکار کنن. اون در واقع توصیه می‌کنه که به سوالاتی که مردم می‌پرسن فکر کنیم. در گذشته، این به معنی فکر کردن به کلمات کلیدی بود که کاربران استفاده می‌کردن. اما اون توضیح میده که دیگه اینطور نیست، چون مردم حالا از کوئری‌های طولانی و محاوره‌ای استفاده می‌کنن.
اون توضیح داد:
«فکر می‌کنم تنها توصیه‌ای که می‌تونم بکنم اینه که به این فکر کنید که مردم برای چه چیزهایی از هوش مصنوعی استفاده می‌کنن.
من به این موضوع به عنوان یک نقطه عطف و گسترش اشاره کردم… اینکه مردم الان سوالات خیلی بیشتری می‌پرسن، به خصوص در مورد چیزهایی مثل مشاوره، آموزش‌های «چگونه» یا نیازهای پیچیده‌تر، در مقابل چیزهای ساده‌تر.
بنابراین اگه من یک تولیدکننده محتوا بودم، به این فکر می‌کردم که یک نفر برای چه نوع محتوایی از هوش مصنوعی استفاده می‌کنه؟ و بعد، چطور محتوای من می‌تونه برای اون مجموعه از نیازهای جدید، بهترین باشه؟
و به نظرم این یک روش فکری خیلی ملموس و کاربردیه.»
توصیه استاین چیز جدیدی به ما نمیگه، اما اصول اولیه سئو رو برای دوران جستجوی هوش مصنوعی بازتعریف می‌کنه. به جای بهینه‌سازی برای کلمات کلیدی مجزا، تولیدکنندگان محتوا باید سعی کنن قصد کامل کاربر و مسیر اطلاعاتی اون رو در سوالات محاوره‌ای پیش‌بینی کنن. این یعنی محتوا رو طوری ساختاردهی کنیم که مستقیماً نیازهای اطلاعاتی پیچیده رو برآورده کنه، به خصوص کوئری‌های آموزشی (How to) یا مشاوره‌ای که کاربران به طور فزاینده‌ای به جای جستجوی کلیدواژه‌ای سنتی، از سیستم‌های هوش مصنوعی می‌پرسن.
نکات کلیدی این گفتگو
- جستجوی هوش مصنوعی هنوز بر پایه سیگنال‌های سنتی سئو ساخته شده
جستجوی هوش مصنوعی گوگل به همون اصول رتبه‌بندی اصلی جستجوی سنتی متکیه: برآورده کردن قصد کاربر، اصالت محتوا و ارجاع به منابع. - «انشعاب کوئری» چطور کار می‌کنه
جستجوی هوش مصنوعی برای هر کوئری، ده‌ها جستجوی پس‌زمینه انجام میده و از جستجوی گوگل به عنوان ابزاری برای به دست آوردن داده‌های لحظه‌ای و ارزیابی سیگنال‌های کیفیت استفاده می‌کنه. - ترکیب حافظه پارامتریک و سیگنال‌های جستجو
این مدل، دانش ذخیره شده خودش (حافظه پارامتریک) رو با داده‌های زنده جستجوی گوگل ترکیب می‌کنه و استدلال رو با سیستم‌های رتبه‌بندی ادغام می‌کنه تا از دقت اطلاعات اطمینان حاصل کنه. - جستجوی هوش مصنوعی گوگل، مثل یک افزونه برای جستجوی سنتیه
جستجوی هوش مصنوعی یک چت‌بات نیست؛ بلکه یک سیستم استدلال مبتنی بر جستجوئه که مدل اعتماد اطلاعاتی گوگل رو تقویت می‌کنه، نه اینکه جایگزینش بشه. - راهنمایی برای تولیدکنندگان محتوا در عصر جستجوی هوش مصنوعی
بهینه‌سازی برای هوش مصنوعی یعنی درک قصد کاربر پشت کوئری‌های طولانی و محاوره‌ای. باید روی محتوای مشاوره‌ای و آموزشی (How-to) تمرکز کنید که مستقیماً نیازهای اطلاعاتی پیچیده رو برطرف می‌کنه.
جستجوی هوش مصنوعی گوگل بر همان پایه‌هایی بنا شده که جستجوی سنتی را برای سال‌ها تعریف کرده‌اند؛ یعنی استفاده از بازیابی، رتبه‌بندی و سیگنال‌های کیفیت برای نمایش اطلاعاتی که اصالت و اعتبار دارند. گوگل با ترکیب سیگنال‌های جستجوی زنده با دانش ذخیره‌شده خود مدل، سیستمی ساخته که اطلاعات را توضیح می‌دهد و به وب‌سایت‌هایی که آن را ارائه کرده‌اند، ارجاع می‌دهد. برای تولیدکنندگان محتوا، این یعنی موفقیت حالا به تولید محتوایی بستگی دارد که به طور کامل به سوالات پیچیده و محاوره‌ای که مردم از سیستم‌های هوش مصنوعی می‌پرسند، پاسخ دهد.
این بخش از پادکست رو از حدود دقیقه ۱۵:۳۰ تماشا کنید.
پاسخی بگذارید