یک بررسی روی تقریباً دو میلیون سشن نشون میده که چطور «پاسخ‌های کپسولی»، فرمت‌بندی تمیز و داده‌های اختصاصی، باعث ارجاع دادن ChatGPT به یک محتوا میشن.
کشف محتوا با کمک مدل‌های زبانی بزرگ (LLM) داره روش پیدا کردن و ارزیابی اطلاعات توسط خواننده‌ها رو حسابی تغییر میده، اما هنوز بیشتر تیم‌ها نمی‌دونن واقعاً چه چیزهایی باعث میشه ChatGPT به محتواشون ارجاع بده.
با اینکه تئوری‌های اولیه میگفتن ساختار، به‌روز بودن یا سیگنال‌های اعتبار (Authority) عوامل اصلی هستن، اما هنوز مشخص نبود که دقیقاً چه فاکتورهایی تاثیرگذارن.
برای اینکه موضوع رو شفاف‌تر کنم، در ماه سپتامبر ۱۵ دامنه رو در حوزه‌های مختلفی مثل فروشگاه‌های آنلاین، امنیت سایبری و تکنولوژی، سلامت، تحلیل داده، آموزش و کسب‌وکارهای محلی بررسی کردم.
این سایت‌ها روی هم رفته، ماهانه نزدیک به ۲ میلیون سشن ارگانیک و ۷۵۰۰ سشن ورودی مستقیم از ChatGPT داشتن.
تمرکز این تحلیل روی پست‌های وبلاگ بود؛ چون یکی از کنترل‌پذیرترین ابزارها برای دیده شدن در جستجوهای غیربرند (non-branded) به حساب میاد.
با جدا کردن ترافیک ورودی از موتورهای تولید محتوا، این بررسی تونست تاکتیک‌های آن-پیج (On-Page) رو پیدا کنه که بیشترین ارتباط رو با نرخ ارجاع بالای مدل‌های زبانی بزرگ (LLM) داشتن.
اینم از چیزهایی که پیدا کردم:
- پاسخ‌های کپسولی (Answer capsules) قوی‌ترین نقطه مشترک بین پست‌هایی بودن که از ChatGPT ارجاع گرفته بودن.
- لینک‌دهی حداقلی داخل متن کپسول – به‌خصوص حذف لینک‌های داخلی و خارجی – با ورودی بیشتر از ChatGPT ارتباط مستقیم داشت.
- داده‌های اختصاصی و اصیل، دومین عامل مهم و متمایزکننده برای صفحاتی بود که بهشون ارجاع داده شده بود.
چطور در این بررسی، ویژگی‌های موثر در ارجاع گرفتن رو پیدا کردیم؟
در این مجموعه داده، الگوهای مربوط به ویژگی‌های ساختاری و محتوایی زیر رو دنبال کردیم:
- فرمت عنوان اصلی
- وجود پاسخ کپسولی
- چگالی لینک‌ها
- استفاده از داده‌های اختصاصی یا برند شده
ویژگی‌هایی که باعث جذب ترافیک ورودی از ChatGPT می‌شدن، به طرز شگفت‌انگیزی در صنایع مختلف ثابت و یکسان بودن.
این تحلیل منحصراً روی محتوای وبلاگ که در گوگل ایندکس شده و در گوگل آنالیتیکس ۴ (GA4) قابل اندازه‌گیری بود، تمرکز داشت.
برای هر کدوم از ۱۵ دامنه، تمام لندینگ‌پیج‌های وبلاگ که از ChatGPT ورودی داشتن، با استفاده از پارامترهای UTM، گروه‌بندی کانال‌های سفارشی و سگمنت‌بندی بر اساس مسیر ارجاع (referrer path)، استخراج شدن.
هر صفحه به صورت دستی برای موارد زیر بررسی شد:
- وجود و یکپارچگی فرمت پاسخ کپسولی
- چگالی لینک در داخل و بخش بلافاصله بعد از کپسول
- وجود داده‌های اختصاصی یا دیدگاه‌های «تحت مالکیت»
- تاریخ آخرین به‌روزرسانی و ویژگی‌های دیگه
هدف این مطالعه این بود که با اندازه‌گیری این ویژگی‌ها در برابر ارجاعات تایید شده از ChatGPT، بتونیم ویژگی‌های ساختاری‌ای رو شناسایی کنیم که بعضی صفحات رو برای مدل‌های زبانی بزرگ «قابل نقل‌قول‌تر» می‌کنن.
تعریف «پاسخ کپسولی»
قبل از اینکه بریم سراغ یافته‌ها، مهمه که مشخص کنیم منظور ما از «پاسخ کپسولی» چیه.
این اصطلاح هنوز در این صنعت جدیده و تعریف استانداردی نداره، برای همین ما توی این بررسی از یک سری پارامترهای مشخص استفاده کردیم.
پاسخ کپسولی به یک توضیح کوتاه و مستقل با حدود ۱۲۰ تا ۱۵۰ کاراکتر (تقریبا ۲۰ تا ۲۵ کلمه) گفته میشه که دقیقاً بعد از عنوان اصلی یا یک تگ H2 که به شکل سوال مطرح شده، قرار می‌گیره.
این محدوده کاراکتر با میانگین گرفتن از طول اسنیپت‌هایی که اغلب توسط LLMها و ماژول‌های AI Overview در مطالعات مشابه استخراج شدن، به دست اومده.
هدف این بود که فرمتی رو پیدا کنیم که هم زمینه کافی رو به خواننده بده و هم اونقدر کوتاه باشه که LLMها بتونن به طور کامل اون رو تحلیل و نقل‌قول کنن.
منظور از «داده‌های اختصاصی» و «دیدگاه‌های تحت مالکیت» چیه؟
با اینکه پاسخ‌های کپسولی قوی‌ترین عامل برای گرفتن ارجاع بودن، صفحاتی که داده‌های اختصاصی یا برند شده داشتن، به طور مداوم عمق ارجاع بیشتری رو نشون می‌دادن.
داده‌های اختصاصی به اطلاعاتی گفته میشه که منشأ اون‌ها خود همون صفحه است:
- نتایج نظرسنجی‌های منحصربه‌فرد
- معیارهای عملکردی (Performance benchmarks)
- نتایج مطالعات و تحقیقات
- اطلاعیه‌های مطبوعاتی
- معیارهای اختصاصی که جای دیگه‌ای پیدا نمیشن
به جای نظرات و توصیه‌های کلی، به جمله‌ای مثل «بر اساس نظرسنجی صنعتی ما در سال ۲۰۲۵ از ۱۲۰۰ فروشنده…» فکر کنید.
در مقابل، دیدگاه‌های تحت مالکیت (Owned insights) ممکنه اطلاعات شناخته‌شده‌ای رو بازگو کنن، اما به طور واضح به عنوان تفسیر برند شما قاب‌بندی میشن. این‌ها شکل‌هایی مثل این دارن:
- «نکته تحلیلی ما شماره ۱: گروه‌های LTV (ارزش طول عمر مشتری) رو بر اساس کانال خرید دسته‌بندی کنید.»
- «توصیه ما: شفافیت کپسول رو به چگالی کلمات کلیدی ترجیح بدید.»
این نوع قاب‌بندی، یک توصیه عمومی رو به یک قلاب برای ارجاع گرفتن از برند شما تبدیل می‌کنه؛ یک برچسب زبانی که می‌تونه نویسندگی و تخصص شما رو تقویت کنه.
و با اینکه این دیدگاه‌های تحت مالکیت ممکنه کمی زرنگ‌بازی به نظر بیان (چون توصیه‌های بدیهی رو به نام خودمون می‌زنیم)، اما به نظر می‌رسه روی اینکه ChatGPT کدوم صفحات رو نقل می‌کنه و بهشون ترافیک می‌فرسته، تأثیر دارن.
چطور وجود این موارد ارزیابی شد؟
موقع بررسی هر صفحه، هر نمونه‌ای از پاسخ کپسولی، داده اختصاصی یا دیدگاه تحت مالکیت که با تعریف ما همخوانی داشت، به عنوان «موجود» علامت‌گذاری می‌شد.
اگه چند مثال وجود داشت، اون موردی که بیشترین تطابق رو با پارامترهای از پیش تعریف‌شده داشت، برای طبقه‌بندی استفاده می‌شد.
با اینکه همیشه در ارزیابی استراتژی‌های آن-پیج مثل این‌ها کمی انعطاف‌پذیری وجود داره، اما معیارهای ما با اصول قدیمی سئو هماهنگ بودن و همین موضوع ارزیابی رو نسبتاً ساده می‌کرد.
بعد از ارزیابی، هر پست بر اساس چهار متغیر باینری (صفر و یک) کدگذاری شد تا فراوانی‌های نسبی و تعاملات متقابل محاسبه بشه:
- کپسول داره یا نداره.
- لینک داره یا نداره.
- داده اختصاصی داره یا نداره.
- دیدگاه تحت مالکیت داره یا نداره.
تصویر کلی: پاسخ‌های کپسولی بهترین راه برای ارجاع گرفتن هستن
در کل مجموعه داده، ۷۲.۴٪ از پست‌های وبلاگی که ارجاع گرفته بودن، یک پاسخ کپسولی قابل شناسایی داشتن.
بیش از نیمی از اون‌ها (۵۲.۲٪) یا داده اختصاصی داشتن یا دیدگاه برند شده و تحت مالکیت.
وقتی این ویژگی‌ها با هم ترکیب می‌شدن، الگو حتی واضح‌تر هم می‌شد:
- ۳۴.۳٪ از پست‌های ارجاع گرفته شده، هم پاسخ کپسولی داشتن و هم دیدگاه اختصاصی یا تحت مالکیت – که قوی‌ترین ترکیب بود.
- ۳۸.۰٪ کپسول داشتن اما داده اختصاصی نداشتن، ولی باز هم عملکردشون به طور قابل توجهی بهتر از میانگین بود.
- فقط ۱۳.۲٪ از پست‌های ارجاع گرفته شده، نه کپسول داشتن و نه هیچ دیدگاه اختصاصی.
نتیجه‌گیری خیلی واضحه: از بین ویژگی‌هایی که ما ارزیابی کردیم، پاسخ‌های کپسولی به تنهایی ثابت‌ترین عامل برای پیش‌بینی ارجاع از ChatGPT بودن.
داده‌های اختصاصی و/یا تحت مالکیت این اثر رو تقویت می‌کنن، اما حتی بدون اون‌ها هم، وجود یک بلوک پاسخ واضح و مستقل، شانس ارجاع گرفتن یک صفحه رو به شدت افزایش میده.
چگالی لینک داخل پاسخ‌های کپسولی: یک عامل بازدارنده مهم
راهنماهای کپی‌رایتینگ سئو همیشه روی اضافه کردن لینک‌های داخلی یا خارجی برای افزایش اعتبار و اتوریتی تأکید داشتن.
اما این داده‌ها نشون میدن که تیم‌های بازاریابی محتوا باید خیلی مراقب باشن که لینک‌های داخلی و خارجی رو *کجا* قرار میدن.
در بین پست‌های وبلاگ مجموعه داده ما که پاسخ کپسولی داشتن، اکثریت قریب به اتفاق این کپسول‌ها کاملاً بدون لینک بودن:
| نوع لینک | درصد کپسول‌ها |
| بدون لینک | ~۹۱٪ |
| فقط داخلی | ~۵.۲٪ |
| فقط خارجی | ~۳.۵٪ |
| هم داخلی و هم خارجی | <۱٪ |
بیش از ۹ مورد از هر ۱۰ کپسول هیچ لینکی نداشتن – یک الگوی فوق‌العاده ثابت در صنایع و انواع محتوا.
از دید یک LLM، یک بلوک متن کوتاه و مستقل بدون هایپرلینک، برای استخراج و ارجاع دادن راحت‌تر به نظر می‌رسه.
این متن به عنوان یک واحد دانش مستقل خونده میشه، نه یک مرکز ناوبری برای رفتن به صفحات دیگه.
به عبارت دیگه، لینک‌ها ممکنه «قابلیت نقل‌قول شدن» رو کم کنن: اون‌ها این پیام رو میدن که معتبرترین پاسخ در یک صفحه وب دیگه قرار داره.
بنابراین، برای خواننده‌های انسانی، این لینک‌ها مفید هستن.
اما برای ChatGPT، اون‌ها مثل علامت تردید عمل می‌کنن.
این موضوع برای تیم‌های سئو و بهینه‌سازی برای هوش مصنوعی چه معنایی داره؟
جستجوی تولید محتوا (Generative search) معنای «رتبه گرفتن» رو تغییر داده.
اما اصول بنیادی از بین نرفتن.
هدینگ‌های ساختاریافته، فرمت‌بندی واضح و محتوای به‌روز هنوز هم مهمن، اما طراحی پاسخ-محور و سیگنال‌های اعتبار، حالا وزن بیشتری نسبت به تاکتیک‌های سنتی مثل چگالی کلمات کلیدی یا لینک‌سازی دارن.
اصلاحات فوری برای محتواهای برتر شما
این تغییرات سریع می‌تونن به پست‌های پربازدید شما کمک کنن تا برای ChatGPT و بقیه LLMها قابل نقل‌قول‌تر بشن.
- پست‌های برترتون رو برای داشتن کپسول بررسی کنید: ۱۰۰ پست برتر وبلاگتون رو بازبینی کنید. اگه پاسخ کپسولی واضحی وجود نداره، یکی اضافه کنید – ایده‌آل اینه که این کپسول به یک تحقیق کلمات کلیدی که کوئری‌های سوالی با سختی کم رو هدف گرفته، مرتبط باشه.
- هر جا که ممکنه دیدگاه اختصاصی تزریق کنید: داخل کپسول‌های موجود، یک آمار منحصربه‌فرد، یک نکته برند شده یا یک داده دست اول اضافه کنید. حتی یک دیدگاه «تحت مالکیت» کوچیک هم می‌تونه پتانسیل ارجاع گرفتن از ChatGPT رو به شدت افزایش بده.
- کپسول‌ها رو بدون لینک نگه دارید: داده‌های ما نشون میده که بهتره لینک‌های داخلی و خارجی رو زیر کپسول یا در پاراگراف‌های پشتیبان قرار بدید. شاید ارزش داشته باشه که حتی برای صفحات قدیمی‌تر هم لینک‌های داخل پاسخ‌های کپسولی رو اصلاح کنید.
استراتژی‌های مداوم برای تولید محتوای جدید
علاوه بر اصلاحات سریع، تیم‌ها باید فرآیندهای تولید محتواشون رو طوری تنظیم کنن که با نحوه ارزیابی و ارجاع دادن اطلاعات توسط LLMها هماهنگ باشه.
- نویسنده‌هاتون رو آماده (و آموزش) کنید: تیم‌های محتوا باید بریف‌های وبلاگ رو حول یک «پایه» به نام پاسخ کپسولی بسازن. هر پستی که این مورد رو نداشته باشه، ابتدایی‌ترین قلاب ساختاری برای ارجاع گرفتن از ChatGPT رو از دست میده. به نویسنده‌ها (و اگه از LLMها برای تولید پیش‌نویس اولیه استفاده می‌کنید، به اون‌ها) آموزش بدید که پاسخ‌های کپسولی کوتاه و با اطمینان بالا بسازن که هم به درد خواننده‌ها بخوره و هم به درد مدل‌های هوش مصنوعی.
- پست‌ها رو با دیدگاه‌های برند یا داده‌های اختصاصی غنی کنید: یک کپسول شروع خوبیه، اما اگه ممکنه، یک آمار منحصربه‌فرد، نتیجه یک نظرسنجی دست اول، یک نکته برند شده یا یک تحلیل اختصاصی اضافه کنید تا احتمال ارجاع گرفتن رو به طور معناداری افزایش بدید. آمار نظرسنجی‌ها، معیارها یا دیدگاه‌های برند شده رو اضافه کنید – هر چیزی که به مدل‌های هوش مصنوعی یک دلیل محکم برای نسبت دادن اون نقل‌قول به شما بده. این کار کمک می‌کنه تا پست از یک پاسخ عمومی به یک دارایی معتبر تبدیل بشه.
- در استراتژی‌های لینک‌سازی خودتون تجدید نظر کنید: لینک‌سازی هنوز هم مهمه. نکته کلیدی، محل قرارگیری لینکه، نه حذف کردنش. کپسول‌ها رو تمیز و مستقل نگه دارید، بعد از لینک‌ها در پاراگراف‌های پشتیبان برای ساختن زمینه و راهنمایی خواننده‌ها به صفحات عمیق‌تر استفاده کنید. و البته، یادتون باشه که هر کسب‌وکار و مخاطبی استانداردهای لینک‌سازی و نیازهای تجربه کاربری (UX) متفاوتی داره، پس این رو به عنوان یک چارچوب ببینید، نه یک قانون خشک. اولویت رو به شفافیت در کپسول و عمق در بقیه جاها بدید.
شفافیت هنوز هم برنده است
حتی با وجود تغییرات اخیر، به نظر می‌رسه ویژگی‌هایی که قبلاً به صفحات برای رتبه گرفتن کمک می‌کردن، حالا همون‌هایی هستن که به ارجاع گرفتن اون‌ها کمک می‌کنن: شفافیت، ساختار و اعتبار.
در حال حاضر، پاسخ کپسولی به عنوان انتخاب اصلی برای روش‌های ارجاع مورد علاقه الگوریتم‌ها برجسته شده، به خصوص وقتی که با داده‌های اختصاصی یا تحت مالکیت ترکیب بشه تا اعتماد و قابلیت ارجاع رو تقویت کنه.
اما این یعنی LLMها سئو رو زیر و رو نکردن، بلکه اون رو دقیق‌تر کردن: اون‌ها به محتوایی پاداش میدن که یک پاسخ واضح و قابل نقل‌قول ارائه میده و اون رو با تخصص واقعی پشتیبانی می‌کنه.
استاندارد سئو یعنی نوشتن پاسخ-محور و مبتنی بر دیدگاه، حالا دو بار برنده میشه – یک بار با موتورهای جستجو، و بار دیگه با مدل‌های تولید محتوا.
