نایب رئیس بخش محصولات گوگل به یک سوال کلیدی در مورد بهینه سازی برای پاسخهای هوش مصنوعی (AEO/GEO) در جستجوی گوگل پاسخ داد و مشخص کرد که تولید کنندگان محتوا باید چه مواردی را برای آینده سئو در نظر بگیرند. این موضوع به خصوص پس از معرفی آپدیت هسته (Core Update) جدید اهمیت بیشتری پیدا کرده است.
نایب رئیس بخش محصولات گوگل، رابی استاین (Robby Stein)، اخیرا به سوالی پاسخ داد که ذهن بسیاری از فعالان حوزه سئو و تولید محتوا را به خود مشغول کرده است: برای بهینه سازی برای هوش مصنوعی گوگل یا همان AEO/GEO باید چه اقداماتی انجام دهیم؟ او یک پاسخ جامع و چند بخشی ارائه کرد که با توضیح فرآیند تولید پاسخ توسط هوش مصنوعی گوگل آغاز شد و در نهایت به ارائه راهنماییهای عملی برای تولید کنندگان محتوا ختم شد. درک این راهنماییها برای موفقیت در لینک سازی داخلی و کسب رتبه های بهتر ضروری است. این پاسخ به ما کمک میکند تا استراتژیهای خرید بک لینک خود را با الگوریتمهای جدید هماهنگ کنیم.
مبانی جستجوی هوش مصنوعی گوگل: انقلابی بر پایه سئو سنتی
سوال اصلی پیرامون مفهوم AEO/GEO مطرح شد که میزبان پادکست آن را به عنوان مرحله تکامل یافته سئو توصیف کرد. رابی استاین (Robby Stein) از گوگل در پاسخ، به جای ارائه یک راهکار سریع، پیشنهاد کرد که باید به زمینه و اساس پاسخهای تولید شده توسط هوش مصنوعی عمیق تر فکر کنیم. این دیدگاه برای هر کسی که به دنبال بهینه سازی برای هوش مصنوعی گوگل است، حیاتی محسوب میشود.
سوال مطرح شده این بود:
“نظر شما در مورد ظهور پدیده AEO (بهینه سازی برای موتور پاسخ) و GEO (بهینه سازی برای پاسخهای تولیدی) که به نوعی تکامل سئو هستند، چیست؟ حدس میزنم پاسخ شما این است که فقط محتوای فوق العاده تولید کنید و نگران چیز دیگری نباشید. اما همه میدانیم که نمایش داده شدن در این پاسخهای هوش مصنوعی، خود یک مهارت جداگانه است. به نظر شما تولید کنندگان محتوا باید روی چه چیزی تمرکز کنند؟”
استاین پاسخ خود را با تشریح مبانی و زیرساختهای فنی جستجوی هوش مصنوعی گوگل آغاز کرد تا درک بهتری از نحوه عملکرد آن ارائه دهد:
“اجازه دهید کمی از پشت صحنه و نحوه کار این سیستم برایتان بگویم، چون معتقدم این موضوع به افراد کمک میکند تا بدانند چه کاری باید انجام دهند. زمانی که هوش مصنوعی ما یک پاسخ را ایجاد میکند، در واقع فرآیندی به نام توسعه کوئری یا (Query Fan-out) را اجرا میکند. در این فرآیند، مدل از خود جستجوی گوگل به عنوان یک ابزار برای اجرای جستجوهای متعدد دیگر استفاده میکند. برای مثال، شاید شما در مورد یک مدل کفش خاص سوال بپرسید. مدل هوش مصنوعی ده ها کوئری مرتبط دیگر را به سوال اصلی شما اضافه میکند و در پس زمینه شروع به جستجو میکند. این سیستم به بک اند داده های ما درخواست ارسال میکند و اگر به اطلاعات لحظه ای نیاز داشته باشد، فورا آن را استعلام میکند. پس در نهایت، یک چیزی واقعا در حال جستجو کردن است؛ این یک انسان نیست، اما جستجوها به طور مداوم در حال انجام هستند.”
توضیحات استاین نشان میدهد که هوش مصنوعی گوگل همچنان به شدت به فرآیندهای بازیابی اطلاعات در موتور جستجوی کلاسیک وابسته است؛ تنها تفاوت این است که این فرآیند اکنون به صورت خودکار و در مقیاسی بسیار بزرگتر انجام میشود. سیستم ده ها جستجو در پس زمینه اجرا میکند و دقیقا همان سیگنالهای کیفیتی را ارزیابی میکند که در رتبه بندی نتایج جستجوی عادی نیز به کار میروند.
این یعنی “بهینه سازی برای موتور پاسخ” یا AEO در هسته خود، تفاوتی با سئوی سنتی ندارد. زیرا فاکتورهای بنیادی مانند ایندکس شدن، رتبه بندی و معیارهای کیفیتی که در اصول سئو وجود دارند، همچنان برای کوئریهایی که خود هوش مصنوعی در فرآیند Query Fan-out ارسال میکند، معتبر و کاربردی هستند.
برای متخصصان سئو، این یک دیدگاه کلیدی است: موفقیت و دیده شدن در پاسخهای هوش مصنوعی، کمتر به تلاش برای دور زدن یک الگوریتم جدید و بیشتر به تولید محتوایی بستگی دارد که نیت کاربر (User Intent) را به قدری کامل و جامع پوشش دهد که جستجوهای خودکار گوگل آن را به عنوان بهترین پاسخ ممکن شناسایی کنند. همانطور که در ادامه خواهیم دید، اصالت محتوا نیز در این فرآیند نقش حیاتی ایفا میکند.
نقش سیگنالهای جستجوی سنتی در عصر هوش مصنوعی
بخش بسیار جالب این گفتگو به نقش سیگنالهای کیفیتی میپردازد که گوگل در دستورالعملهای ارزیابان کیفیت (Quality Raters Guidelines) خود به آنها اشاره کرده است. برای مثال، استاین به شدت بر اهمیت اصالت و اورجینال بودن محتوا تاکید میکند.
او در این باره میگوید:
“هر جستجو در نهایت به یک محتوا متصل میشود. بنابراین، اگر برای یک کوئری مشخص، صفحه وب شما به گونه ای طراحی شده باشد که فوق العاده مفید و کاربردی باشد، شانس بیشتری خواهید داشت. شما میتوانید راهنمای ارزیابان انسانی گوگل را مطالعه کنید تا بفهمید چه چیزی یک محتوای عالی را میسازد. این موضوعی است که گوگل بیش از هر شرکت دیگری روی آن تحقیق کرده است. این معیارها شامل موارد زیر است:
- آیا شما نیت کاربر و هدف او از جستجو را برآورده میکنید؟
- آیا منابع معتبری برای اطلاعات خود دارید؟
- آیا به منابع خود استناد میکنید؟
- آیا محتوای شما اصیل است یا صرفا تکرار مطالبی است که صدها بار در وب تکرار شده اند؟
اینها بهترین شیوه هایی هستند که به اعتقاد من هنوز هم کاملا کاربرد دارند، زیرا در نهایت این هوش مصنوعی است که در حال تحقیق و پیدا کردن اطلاعات است. بسیاری از سیگنالهای اصلی که مشخص میکنند آیا یک محتوا برای یک سوال خاص مناسب است یا نه، همچنان معتبر هستند. آنها به شدت معتبر و به شدت مفیدند و پیروی از آنها باعث میشود شما شانس بسیار بیشتری برای نمایش در نتایج مبتنی بر هوش مصنوعی داشته باشید.”
اگرچه استاین در حال توصیف نتایج جستجوی هوش مصنوعی (AI Search) است، اما پاسخ او به وضوح نشان میدهد که این سیستم همچنان برای همان فاکتورهای کیفی بنیادی در جستجوی سنتی ارزش قائل است. اصالت، استناد به منابع و برآورده کردن نیت کاربر، همچنان پایه و اساس چیزی هستند که گوگل آن را اطلاعات “خوب” میداند. هرچند هوش مصنوعی ظاهر جستجو را تغییر داده و کاربران را به پرسیدن سوالات پیچیده تر تشویق کرده، اما فاکتورهای رتبه بندی همچنان همان سیگنالهای شناخته شده مرتبط با تخصص و اعتبار هستند که برای خرید رپورتاژ آگهی و بهبود سئو سایت حیاتی اند.
جزئیات بیشتر از نحوه عملکرد جستجوی هوش مصنوعی گوگل
میزبان پادکست، لنی (Lenny)، با سوالی دیگر بحث را ادامه داد تا تفاوت رویکرد جستجوی هوش مصنوعی گوگل با یک چت بات معمولی را بهتر درک کند.
او پرسید:
“این نکته که گفتید سیستم خودش به جستجو میپردازد بسیار جالب است. انگار وقتی از آن استفاده میکنید، هزاران صفحه را همزمان جستجو میکند. آیا این یک مکانیزم بنیادی متفاوت نسبت به سایر چت باتهای محبوب است؟ چون به نظر میرسد بقیه آنها هنگام پاسخ دادن، به صورت زنده وبسایتها را جستجو نمیکنند.”
استاین با ارائه جزئیات بیشتری فراتر از مفهوم Query Fan-out، به توضیح نحوه کار این سیستم پرداخت و فاکتورهایی را که برای انتخاب بهترین پاسخها استفاده میشود، مشخص کرد. برای مثال، او به حافظه پارامتریک (Parametric Memory) اشاره کرد. حافظه پارامتریک به دانشی گفته میشود که هوش مصنوعی در طول فرآیند آموزش خود کسب کرده است. این دانش در واقع درون خود مدل ذخیره شده و از منابع خارجی در لحظه بازیابی نمیشود.
استاین توضیح داد:
“بله، این چیزی است که ما به طور منحصر به فرد برای هوش مصنوعی خودمان توسعه داده ایم. این سیستم قطعا توانایی استفاده از حافظه پارامتریک، تفکر، استدلال و تمام کارهایی که یک مدل هوش مصنوعی انجام میدهد را دارد. اما یکی از ویژگیهای منحصر به فرد آن که برای وظایف اطلاعاتی طراحی شده، این است که ما میخواهیم در پاسخ به نیازهای اطلاعاتی بهترین باشد. این تمام فلسفه وجودی گوگل است.
- این سیستم چگونه اطلاعات را پیدا میکند؟
- از کجا میداند که یک اطلاعات درست است؟
- چگونه کار خود را بازبینی و بررسی میکند؟
اینها همه مواردی هستند که ما درون مدل تعبیه کرده ایم. بنابراین یک دسترسی منحصر به فرد به گوگل وجود دارد، چون این سیستم بخشی از جستجوی گوگل است. این یعنی تمام سیگنالهای جستجوی گوگل، از تشخیص محتوای اسپم که نمیخواهیم در پاسخها استفاده شود گرفته تا شناسایی معتبرترین و مفیدترین محتوا، همگی در این فرآیند دخیل هستند. ما به آن محتوای برتر لینک میدهیم و توضیح میدهیم که بر اساس این وبسایت، میتوانید اطلاعات بیشتر را بررسی کنید. اینگونه است که ما این سیستم را طراحی کرده ایم.”
توضیحات استاین کاملا روشن میکند که هدف از طراحی جستجوی هوش مصنوعی گوگل، تقلید از سبک مکالمه چت باتهای عمومی نیست، بلکه تقویت هدف اصلی گوگل یعنی ارائه اطلاعات قابل اعتماد، معتبر و مفید است.
جستجوی هوش مصنوعی گوگل با تکیه بر سیگنالهای جستجوی گوگل مانند تشخیص اسپم و میزان مفید بودن محتوا، پاسخهای تولیدی خود را بر پایه همان چارچوب ارزیابی و رتبه بندی موجود در جستجوی معمولی بنا میکند. این رویکرد، بهینه سازی برای هوش مصنوعی گوگل را نه به عنوان یک نسخه جداگانه از جستجو، بلکه به عنوان یک توسعه و گسترش از زیرساخت بازیابی اطلاعات گوگل معرفی میکند که در آن، استدلال و رتبه بندی با هم همکاری میکنند تا پاسخهایی دقیق و مبتنی بر واقعیت ارائه دهند.
توصیه کلیدی برای تولید کنندگان محتوا
استاین در بخشی از صحبت هایش تایید میکند که تولید کنندگان محتوا میخواهند یک راهنمای عملی برای موفقیت در جستجوی هوش مصنوعی داشته باشند. او اساسا توصیه میکند که به سوالاتی که مردم واقعا میپرسند فکر کنند. در گذشته، این به معنای تمرکز بر کلمات کلیدی بود که کاربران جستجو میکردند. اما او توضیح میدهد که این دوران به سر آمده، زیرا امروزه مردم از کوئریهای طولانی و مکالمه ای استفاده میکنند.
او توضیح داد:
“تنها توصیه ای که میتوانم بکنم این است: به این فکر کنید که مردم از هوش مصنوعی برای چه کارهایی استفاده میکنند. من قبلا به این دوران به عنوان یک “لحظه گسترشی” اشاره کردم؛ مردم اکنون سوالات بسیار بیشتری میپرسند، به خصوص در مورد موضوعاتی مانند دریافت مشاوره، راهنماییهای “چگونه” (how-to) یا نیازهای پیچیده تر. بنابراین، اگر من یک تولید کننده محتوا بودم، از خودم میپرسیدم: کاربران برای چه نوع محتوایی به سراغ هوش مصنوعی میروند؟ و سپس، چگونه میتوانم محتوای خودم را به بهترین پاسخ ممکن برای آن نیازها تبدیل کنم؟ به نظرم این یک روش فکری بسیار ملموس و عملی است.”
توصیه استاین شاید نکته کاملا جدیدی را مطرح نکند، اما اصول پایه سئو را برای عصر جستجوی هوش مصنوعی بازتعریف میکند. به جای بهینه سازی برای کلمات کلیدی منفرد، تولید کنندگان محتوا باید تلاش کنند تا نیت کامل کاربر و سفر اطلاعاتی او را در سوالات مکالمه ای پیش بینی کنند. این به معنای ساختاردهی محتوا به گونه ای است که مستقیما به نیازهای اطلاعاتی پیچیده، به خصوص کوئریهای آموزشی و مشورتی که کاربران به طور فزاینده ای از سیستمهای هوش مصنوعی میپرسند، پاسخ دهد.
نکات کلیدی و جمع بندی
- هوش مصنوعی هنوز بر پایه سیگنالهای سئو سنتی است: جستجوی هوش مصنوعی گوگل بر همان اصول رتبه بندی کلاسیک مانند برآورده کردن نیت کاربر، اصالت محتوا و استناد به منابع معتبر تکیه دارد.
- نحوه عملکرد Query Fan-Out: برای هر کوئری، هوش مصنوعی ده ها جستجوی پس زمینه انجام میدهد و از جستجوی گوگل به عنوان ابزاری برای استخراج داده های لحظه ای و ارزیابی سیگنالهای کیفی استفاده میکند.
- ترکیب حافظه پارامتریک و سیگنالهای جستجو: مدل هوش مصنوعی دانش ذخیره شده خود را با داده های زنده جستجوی گوگل ترکیب میکند تا با استفاده همزمان از استدلال و سیستمهای رتبه بندی، دقت پاسخها را تضمین کند.
- جستجوی هوش مصنوعی، توسعه ای از جستجوی سنتی است: این سیستم یک چت بات ساده نیست، بلکه یک سیستم استدلالی مبتنی بر جستجو است که مدل اعتماد اطلاعاتی گوگل را تقویت میکند.
- راهنمای تولید محتوا در عصر هوش مصنوعی: بهینه سازی برای هوش مصنوعی گوگل به معنای درک عمیق نیت کاربر در پس کوئریهای طولانی و مکالمه ای است. تمرکز باید بر تولید محتوای آموزشی و مشورتی باشد که به طور مستقیم نیازهای پیچیده اطلاعاتی کاربران را برطرف کند.
در نهایت، جستجوی هوش مصنوعی گوگل بر همان پایه هایی ساخته شده که سالهاست جستجوی سنتی را تعریف کرده اند. این سیستم با استفاده از بازیابی اطلاعات، رتبه بندی و سیگنالهای کیفی، محتوایی را نمایش میدهد که اصالت و اعتبار بالایی دارد. با ترکیب سیگنالهای زنده جستجو با دانش داخلی مدل، گوگل سیستمی ساخته که هم اطلاعات را توضیح میدهد و هم به وبسایتهای منبع لینک میدهد. برای تولید کنندگان محتوا، این یعنی موفقیت در آینده به تولید محتوایی بستگی دارد که بتواند به طور کامل به سوالات پیچیده و مکالمه ای که مردم از سیستمهای هوش مصنوعی میپرسند، پاسخ دهد.
من، جعفر جلالی، سایت ایران بک لینک را راه‌اندازی کردم. با تکیه بر تجربیاتی که طی سال‌ها در کسب‌وکارهای آنلاین به دست آورده‌ام و همچنین استفاده از منابع اصلی و معتبر انگلیسی، تلاش کردم بهترین مقالات و منابع آموزشی در زمینه سئو را به زبان فارسی گردآوری کنم. هدف من از ایجاد ایران بک لینک این است که به کسب‌وکارهای آنلاین کمک کنم تا با دسترسی به اطلاعات کاربردی و جامع، به موفقیت بیشتری دست پیدا کنند. امیدوارم که ایران بک لینک بتواند به منبعی قابل‌اعتماد برای شما تبدیل شود.