دسته: هوش مصنوعی

بیاموزید که سایت‌های ترجمه‌شده چگونه می‌توانند کارایی سئو را تقویت کنند. مزایای نمایانی چندزبانه در مرورهای هوش مصنوعی را کشف کنید.

این پست توسط Weglot حمایت مالی شد. نظرات بیان‌شده در این مقاله به حامی تعلق دارد.

زمانی که مرورهای هوش مصنوعی گوگل در سال ۲۰۲۴ راه‌اندازی شد، سؤالات متعددی به‌سرعت در میان متخصصان سئو ظاهر شد؛ از جمله: اگر هوش مصنوعی هم‌اکنون نتایج جستجو را انتخاب و خلاصه می‌کند، وب‌سایت‌ها چگونه می‌توانند نمایانی کسب کنند، به‌ویژه در زبان‌های مختلف؟

Weglot به‌تازگی مطالعه‌ای مبتنی بر داده انجام داد، ۱٫۳ میلیون ارجاع را در مرورهای هوش مصنوعی گوگل و ChatGPT تجزیه و تحلیل کرد تا بررسی کند آیا مدل‌های زبانی بزرگ (LLMها) محتوا را در یک زبان ارجاع می‌دهند، آیا در زبان‌های دیگر نیز این‌گونه ارجاع می‌دهند؟

نتیجه این شد که سایت‌های ترجمه‌شده تا ۳۲۷٪ نمایانی بیشتری در مرورهای هوش مصنوعی نسبت به سایت‌های غیرترجمه‌شده داشتند، که پیامی واضح مبنی بر این است که سئو بین‌المللی دیگر جدا از جستجوی هوش مصنوعی نمی‌شود.

نکات کلیدی سئو

• نتایج کلیدی
  • سایت‌های غیرترجمه‌شده نمایانی بسیار پایینی در جستجوی هوش مصنوعی دارند
  • سایت‌های ترجمه‌شده نمایانی ۳۲۷٪ بیشتر در جستجوی هوش مصنوعی دارند
• گام‌های بعدی: ترجمه سایت خود برای ارتقای نمایانی جهانی در نتایج جستجوی هوش مصنوعی
• نتیجه‌گیری نهایی: سایت‌های غیرترجمه‌شده در جستجوی هوش مصنوعی نامرئی هستند

به‌علاوه، وب‌سایت‌هایی که زبان دیگری در دسترس داشتند، احتمال ارجاع در مرورهای هوش مصنوعی را نیز بیشتر داشتند، صرف‌نظر از زبانی که جستجو در آن انجام می‌شد.

تغییر ماهیت جستجو

این تحول قوانین نمایانی را بازتعریف می‌کند. مرورهای هوش مصنوعی و مدل‌های زبانی بزرگ (LLMها) اکنون نقش واسطه‌ای را در کشف اطلاعات ایفا می‌کنند. به‌جای رتبه‌بندی صفحات، آنها در پاسخ‌های تولیدی «منابع را ارجاع» می‌دهند.

اما با این تحول خطر جدیدی به وجود می‌آید: اگر وب‌سایت شما به زبانی که کاربر برای جستجو استفاده می‌کند در دسترس نباشد، آیا هوش مصنوعی به سادگی آن را نادیده می‌گیرد، یا بدتر، کاربران را به صفحه واسطه Google Translate هدایت می‌کند؟

خطر پروکسی ترجمه گوگل این است که در حالی که این سرویس ترجمه را برای شما انجام می‌دهد، شما هیچ کنترلی بر ترجمه‌های محتوای خود ندارید. نکته بدتر این است که هیچ‌یک از مزایای ترافیکی به دست نمی‌آید، زیرا کاربران به سایت شما هدایت نمی‌شوند.

مطالعه

در ادامه نحوه انجام تحقیق آورده شده است. برای درک اینکه ترجمه چگونه بر نمایانی هوش مصنوعی تأثیر می‌گذارد، Weglot تحقیقات خود را بر وب‌سایت‌های زبان اسپانیایی در دو بازار اسپانیا و مکزیک متمرکز کرد.

سپس مطالعه به دو مرحله تقسیم شد. مرحلهٔ اول بر وب‌سایت‌هایی که ترجمه نشده‌اند متمرکز شد، بنابراین فقط زبان موردنظر برای بازار خود، یعنی اسپانیایی، را نمایش می‌دادند.

در این مرحله، Weglot ۱۵۳ وب‌سایت بدون ترجمه انگلیسی را بررسی کرد: ۹۸ وب‌سایت از اسپانیا و ۵۵ وب‌سایت از مکزیک. Weglot به‌صورة عمدی وب‌سایت‌های پر ترافیک را انتخاب کرد زیرا نسخه انگلیسی نداشتند.

مرحلهٔ دوم شامل یک گروه مقایسه‌ای از ۸۳ وب‌سایت اسپانیایی و مکزیکی بود که هر دو نسخهٔ اسپانیایی و انگلیسی داشتند. این امر به Weglot اجازه داد تا به‌طور مستقیم عملکرد محتواهای ترجمه‌شده و غیرترجمه‌شده را مقایسه کند.

در مجموع، این کار ۲۲٬۸۵۴ پرس‌و‌جو در فاز اول و ۱۲٬۱۳۸ پرس‌و‌جو در فاز دوم تولید کرد. روش‌شناسی، ۵۰ کلمه‌کلیدی غیرمارک‌دار هر وب‌سایت را به پرس‌و‌جوهایی تبدیل کرد که کاربران احتمالاً جستجو می‌کردند، و سپس این پرس‌و‌جوها بین نسخهٔ اسپانیایی و انگلیسی ترجمه شدند.

در مجموع، ۱٫۳ میلیون ارجاع تجزیه‌وتحلیل شد.

نتایج کلیدی

سایت‌های غیرترجمه‌شده نمایانی بسیار پایینی در جستجوی هوش مصنوعی دارند

یافته‌ها نشان می‌دهند که وب‌سایت‌های غیرترجمه‌شده، نمایانی قابل‌توجهی را در جستجوهای به‌زبان‌های غیرقابل‌دسترس از دست می‌دهند؛ در حالی که در زبان موجود نمایانی قوی حفظ می‌کنند.

اگر به‌عمق این موضوع نگاه کنیم، سایت‌های غیرترجمه‌شده عملاً نمایانئی عظیم از دست می‌دهند. از مطالعه می‌شود دریافت که حتی اگر این وب‌سایت‌های اسپانیایی در جستجوهای اسپانیایی عملکرد خوبی داشتند، در جستجوهای انگلیسی به‌طور تقریباً کامل ناپدید می‌شدند.

نگاهی دقیق‌تر به این داده‌ها در مرورهای هوش مصنوعی گوگل می‌اندازیم:

• نمونه‌ای شامل ۹۸ سایت غیرترجمه‌شده از اسپانیا دارای ۱۷٬۰۹۴ ارجاع برای پرسش‌های اسپانیایی و ۲٬۸۱۰ ارجاع برای جستجوی معادل به انگلیسی بود؛ اختلاف نمایانی ۴۳۱٪.
• در سایت‌های غیرترجمه‌شده در مکزیک نیز الگوی مشابهی مشاهده شد: ۱۲٬۰۳۸ ارجاع برای پرسش‌های اسپانیایی در مقابل ۳٬۴۵۰ ارجاع برای انگلیسی؛ نشان‌دهنده ۲۱۳٪ کاهش ارجاع در جستجوی انگلیسی.

حتی ChatGPT، اگرچه کمی متعادل‌تر بود، هنوز سایت‌های ترجمه‌شده را ترجیح می‌داد؛ سایت‌های اسپانیایی در جستجوی انگلیسی ۳٫۵٪ ارجاع کمتر دریافت کردند و سایت‌های مکزیکی ۴٫۹٪ ارجاع کمتر دریافت کردند.

سایت‌های ترجمه‌شده نمایانی ۳۲۷٪ بیشتری در جستجوی هوش مصنوعی دارند

اما وقتی سایت خود را ترجمه می‌کنید چه می‌شود؟

با در بر گرفتن گروه مقایسه‌ای از وب‌سایت‌های اسپانیایی که نسخهٔ انگلیسی نیز دارند، می‌توانیم ببینیم سایت‌های ترجمه‌شده به‌طور چشمگیری شکاف نمایانی را پر می‌کنند و داشتن زبان دوم نمایانی در مرورهای هوش مصنوعی گوگل را دگرگون می‌سازد.

مرورهای هوش مصنوعی گوگل:

• سایت‌های ترجمه‌شده در اسپانیا ۱۰٬۰۴۶ ارجاع دریافت کردند در مقابل ۸٬۰۴۸ برای انگلیسی، که تنها اختلاف ۲۲٪ بود.
• سایت‌های ترجمه‌شده در مکزیک ۵٬۵۲۷ ارجاع برای پرس‌و‌جوهای اسپانیایی و ۳٬۳۲۵ ارجاع برای انگلیسی داشتند؛ اختلاف ۵۹٪.

به‌صورت کلی، سایت‌های ترجمه‌شده ۳۲۷٪ نمایانی بیشتری نسبت به سایت‌های غیرترجمه‌شده به دست آوردند و به‌ازای هر پرسش ۲۴٪ ارجاع کلی بیشتر دریافت کردند.

در بررسی ChatGPT، سوگیری تقریباً از بین رفت؛ سایت‌های ترجمه‌شده ارجاع تقریباً مساوی در هر دو زبان دریافت کردند.

گام‌های بعدی: ترجمه وب‌سایت برای ارتقای نمایانی جهانی در نتایج جستجوی هوش مصنوعی

ترجمه فراتر از ارتقای نمایانی، آن را چند برابر می‌کند.

داشتن چندین زبان در وب‌سایت نه تنها اطمینان می‌دهد که سایت شما برای جستجوهای چندزبانه شناسایی شود، بلکه به نمایانی کلی سایت به‌عنوان یک کل نیز افزوده می‌شود.

مطالعه نشان داد که سایت‌های ترجمه‌شده در تمام معیارها عملکرد بهتری دارند. داده‌ها نشان می‌دهند که سایت‌های ترجمه‌شده به‌ازای هر درخواست ۲۴٪ ارجاع بیشتری نسبت به سایت‌های غیرترجمه‌شده دریافت می‌کنند.

در بررسی بر حسب زبان، ترجمه منجر به افزایش ۳۳٪ در ارجاع‌های انگلیسی و ۱۶٪ در ارجاع‌های اسپانیایی به‌ازای هر پرس‌و‌جو شد.

یافته‌های Weglot نشان می‌دهند که ترجمه به‌عنوان نشانه‌ای از قدرت و قابلیت اطمینان برای AIOها و ChatGPT عمل می‌کند و عملکرد ارجاع را در همه زبان‌ها افزایش می‌دهد، نه تنها در زبان‌هایی که محتوا ترجمه شده است.

جستجوی هوش مصنوعی محتواهای ترجمه‌شده را به‌عنوان نشانه‌ای از نمایانی پاداش می‌دهد

سئو بین‌المللی سنتی‌بارها بر برچسب‌های hreflang و کلیدواژه‌های بومی‌سازی‌شده تمرکز داشته است. اما در عصر جستجوی هوش مصنوعی، ترجمه خود به‌عنوان نشانه‌ای از نمایانی عمل می‌کند:

1. هماهنگی زبانی: موتورهای هوش مصنوعی محتواهایی که با زبان پرسش مطابقت داشته باشد را در اولویت می‌گذارد.
2. ساختن اعتبار: محتوای ترجمه‌شده جذب تعامل در بازارهای مختلف می‌کند و اعتبار ادراک‌شده را بهبود می‌بخشد.
3. کنترل ترافیک: ترجمه‌های صحیح از ورود پروکسی‌های Google Translate به کلیک‌ها پیشگیری می‌کند.
4. دسترس معنایی: محتوای چندزبانه سطح حضور شما را برای آموزش هوش مصنوعی و ارجاع گسترش می‌دهد.

به‌صورت ساده: اگر محتوای شما به زبان سؤال نباشد …

تأثیر تجاری

پیامدها صرفاً نظری نیستند. یک مثال در دیتاست Weglot، یک کتابخانه بزرگ اسپانیایی که عناوین انگلیسی را به‌صورت جهانی می‌فروشد اما نسخه انگلیسی سایت خود را ارائه نمی‌دهد، نشانگر این اثر است.

زمانی که کاربران انگلیسی‌زبان به‌دنبال کتاب‌های مرتبط جستجو کردند:

• سایت در مرورهای هوش مصنوعی گوگل و ChatGPT ۶۴٪ کمتر ظاهر شد.
• در ۳۶٪ مواردی که ظاهر شد، لینک به صفحه پروکسی Google Translate ارجاع می‌شد نه به دامنه خود فروشنده.

با وجود ارائه دقیقاً همان‌چیزی که کاربران انگلیسی‌زبان می‌خواستند، کسب‌وکار نمایانی، ترافیک و در نهایت فروش را از دست داد.

چشم‌انداز کلی: جستجوی هوش مصنوعی در حال بازتعریف سئو است و ترجمه اکنون یک استراتژی رشد محسوب می‌شود

دلالت‌ها به‌سختی فراتر از اسپانیا یا مکزیک یا حتی خود زبان اسپانیایی می‌رسند.

هم‌زمان با پیشرفت جستجوی هوش مصنوعی، کتابچه سئو در حال گسترش است. رتبه‌بندی دیگر فقط به «پوزیشن یک» محدود نمی‌شود؛ بلکه به ارجاع، خلاصه شدن و نمایش توسط ماشین‌های آموزش‌دیده بر محتوای چندزبانه وب مرتبط است.

یافته‌های Weglot نشان می‌دهند که آینده‌ای در پیش است که در آن ترجمه هم به‌عنوان یک استراتژی سئو و هم به‌عنوان یک استراتژی هوش مصنوعی مطرح می‌شود و دیگر به‌عنوان فکر پسین بومی‌سازی در نظر گرفته نمی‌شود.

با فعال شدن AIOهای گوگل در چندین زبان و یکپارچه شدن داده‌های وب زمان واقعی در ChatGPT، نمایانی چندزبانه به یک مسأله برابری تبدیل شده است: سایت‌هایی که برای یک زبان بهینه شده‌اند، در معرض خطر نامرئی شدن در زبان‌های دیگر قرار می‌گیرند.

نتیجه‌گیری نهایی: سایت‌های غیرترجمه‌شده در جستجوی هوش مصنوعی نامرئی هستند

شواهد واضح است: غیرترجمه‌شده = نامرئی. ترجمه وب‌سایت برای نمایانی در AIO در سطوح بالایی قرار دارد.

در حالی که هوش مصنوعی به شکل‌گیری درک موتورهای جستجو از مرتبط بودن ادامه می‌دهد، ترجمه تنها به‌دسترس‌سازی محتوا محدود نمی‌شود؛ بلکه راهی است که برند شما توسط الگوریتم‌ها و مخاطبان همزمان شناخته می‌شود.

ساده‌ترین راه برای ترجمه یک وب‌سایت، همین حالا دوره آزمایشی رایگان خود را شروع کنید!

به‌علاوه، با استفاده از کد تبلیغاتی SEARCH15 هنگام خرید پلن پرداختی، از تخفیف ۱۵٪ برای ۱۲ ماه در پلن‌های عمومی برخوردار شوید.

مطالعه کامل را بخوانید

اعتبار تصویر

تصویر ویژه: تصویر توسط Weglot. با اجازه استفاده شده.

تصاویر داخل پست: تصویر توسط Weglot. با اجازه استفاده شده.

توسط الکس هیوز

فرآیند را بیش از حد پیچیده نکنید

زمانی که از طریق لینک‌های موجود در سایت ما خرید می‌کنید، ممکن است کمیسیون ارجاعی برای ما ایجاد شود. این‌گونه کار می‌کند.

دستورات چت‌جی‌پی‌تی می‌توانند یک نوع هنر باشند. اسناد و مطالعات کاملی وجود دارد که به این موضوع اختصاص یافته‌اند که چگونه می‌توانید دوست هوش مصنوعی خود را طوری تنظیم کنید که بهترین پاسخ‌های ممکن را به پرسش‌های شما ارائه دهد.

با این حال، این‌ها اغلب پیچیده (و تا حدی زمان‌بر) هستند و شامل فهرست طولانی‌ای از الزامات برای چت‌بات می‌شوند تا به نتایج بهینه برسد. همچنین، برای تسلط کامل بر این موضوع، زمان صرف یادگیری جزئیات مهندسی پرامپت‌ها لازم است.

اکثر اوقات، سؤالی که به چت‌جی‌پی‌تی می‌زنید یک درخواست ساده است؛ به‌دنبال یک پاسخ سریع یا راهنمایی‌ای می‌گردید وقتی که نمی‌دانید پروژه را از کجا آغاز کنید.

1. “به من کمک کنید تا ایده‌پردازی کنم”

اگر، همانند من، ذهن‌تان گاهی پر از ایده‌های پراکنده باشد و در تبدیل آن‌ها به شکل ملموس دچار مشکل شوید، چت‌جی‌پی‌تی می‌تواند یاری بزرگی باشد.

به‌سادگی از این پرامپت استفاده کنید: «من قصد دارم چند ایده بنویسم، به من کمک کنید تا آن‌ها را به‌صورت ملموس درآورم».

این کار چت‌جی‌پی‌تی را به‌مانند یک «شخص» تبدیل می‌کند که می‌توانید ایده‌های خود را با او به‌اشتراک بگذارید. پس از ارسال پرامپت بالا، تمام افکار، نظرات و باورهای خود را دربارهٔ یک موضوع یا ایده بنویسید.

چت‌جی‌پی‌تی سپس می‌تواند مجموعه‌ای از افکار شما را سازماندهی کرده و طرحی برای استفاده از آن‌ها ارائه دهد.

به‌طور مشابه، می‌توانید این را به یک گفت‌وگوی دوطرفه تبدیل کنید و از چت‌جی‌پی‌تی نظرش را دربارهٔ نحوه‌ استفاده از این نکات بپرسید.

این روش می‌تواند برای همه چیز از ایده‌های شما برای یک مهمانی تا برنامه‌ریزی یک ارائه اسلایدی (پاورپوینت) مؤثر باشد.

2. “مانند یک کودک پنج‌ساله توضیح بده”

این پرامپت کلاسیکی است که پیش از آنکه چت‌جی‌پی‌تی وجود داشته باشد، در اینترنت رایج شده بود. هدف این است که مفهوم را به‌صورت ساده‌ و قابل‌درک برای شما توضیح دهد، انگار پنج ساله‌اید.

به‌سادگی از چت‌جی‌پی‌تی بپرسید: «[موضوع را وارد کنید] را مثل یک پنج‌ساله توضیح بده».

سن را می‌توانید با هر سنی یا سطح آموزشی جایگزین کنید تا نتایج متناسب با نیازتان تنظیم شود. برای مثال، اگر از چت‌جی‌پی‌تی بخواهید همان‌طور که یک فارغ‌التحصیل در آن حوزه توضیح می‌دهد، توصیفی عمیق‌تر و با پیش‌فرض دانش پایه‌ای ارائه می‌شود، اما بدون استفاده از اصطلاحات پیچیده.

اگر واقعاً می‌خواهید یک مفهوم دشوار را درک کنید، توضیح آن به‌صورت «مانند یک پنج‌ساله» ممکن است ابتدا احمقانه به‌نظر برسد. چت‌جی‌پی‌تی معمولاً با قصه‌های کودکانه سعی در توضیح دارد، اما این روش می‌تواند برای مباحث چالش‌برانگیز بسیار مفید باشد.

3. “یک راهنمای گام‌به‌گام ساده بساز”

چت‌جی‌پی‌تی می‌تواند ابزار عالی برای یادگیری باشد. اگرچه روش‌های متعددی برای هدایت چت‌بات در زمینهٔ آموزش وجود دارد، این یکی از ساده‌ترین و مؤثرترین روش‌ها است.

به‌سادگی از چت‌جی‌پی‌تی بخواهید: «یک راهنمای گام‌به‌گام ساده برای [هر کاری که می‌خواهید یاد بگیرید] تهیه کن».

این روش بویژه برای کارهای ساده مؤثر است، اما می‌تواند برای مفاهیم انتزاعی‌تر نیز به‌کار رود، به‌ویژه اگر به چت‌جی‌پی‌تی زمینه کافی بدهید. به عنوان مثال، می‌تواند به بهبود فرم بدنی در باشگاه یا توقف عادت گاز گرفتن ناخن‌ها کمک کند.

به‌ویژه وقتی که به دنبال راهنمایی برای موضوعی فوق‌العاده خاص در اینترنت هستید که به‌نظر نمی‌رسد موجود باشد، این پرامپت برای من مفید بوده است. این پرامپت به من کمک کرده تا فرمول‌های اکسل را بسازم، گره‌بازی را یاد بگیرم و موارد دیگری را هم فراگیرم.

4. “خلاصه این”

گاهی وقت‌ها زمان کافی برای خواندن یک سند طولانی یا مقالهٔ خبری پیچیده نداریم. چت‌جی‌پی‌تی می‌تواند به‌عنوان دستیار مفیدی این اطلاعات را به‌صورت گزارشی ساده‌القرا خواندنی خلاصه کند.

می‌توانید یک بلوک متن اضافه کنید، یا تصویری یا لینکی حاوی اطلاعاتی که می‌خواهید خلاصه شود، پیوست کنید و از چت‌جی‌پی‌تی بخواهید «این را خلاصه کن».

در صورت نیاز می‌توانید اطلاعات تکمیلی اضافه کنید؛ برای مثال «این را در ۱۵۰ کلمه یا کمتر خلاصه کن» یا «این را طوری خلاصه کن که بیشتر بر تأثیر آن بر فرد عادی تمرکز داشته باشد».

برای دانش‌آموزان، این می‌تواند راهی عالی برای به‌دست آوردن درک کلی از یک مقالهٔ تحقیقاتی باشد، بویژه اگر در درک نکتهٔ اصلی آن مشکل دارید.

5. “متن‌ام را بررسی کن”

در طول سال‌ها، چت‌جی‌پی‌تی پیشرفت‌های چشمگیری در توانایی‌های نوشتاری و درک متن خود داشته است.

این باعث می‌شود که ابزار فوق‌العاده‌ای برای بررسی گرامر و ساختار کلی متون شما باشد؛ چه مقاله‌ای، چه مطلب آنلاین یا حتی شعری که می‌نویسید.

متن خود را وارد کنید و پرامپت زیر را اضافه کنید: «این متن را از نظر خطاهای گرامری، ساختار جملات یا هر مشکل قابل‌ملاحظه‌ای تجزیه و تحلیل کن. پیشنهادهایی برای بهبود ارائه بده».

ممکن است مفید باشد که زمینهٔ بیشتری ارائه دهید، مثلاً اینکه آیا به‌صورت انگلیسی آمریکایی یا بریتانیایی می‌نویسید یا به‌دنبال یک سبک خاص هستید.

اگر پرامپت‌های سادهٔ چت‌جی‌پی‌تی که به‌آن‌ها سوگند خورده‌اید دارید، در نظرات زیر با ما به اشتراک بگذارید.

Tom’s Guide را در Google News دنبال کنید و ما را به‌عنوان منبع مورد علاقه اضافه کنید تا اخبار، تحلیل‌ها و بررسی‌های به‌روز ما را در فیدهای خود دریافت کنید.

در اصل، آن‌ها با حرف زدن بی‌وقفه خودشان را به مرگ رساندند.

کارشناسان مدت‌هاست که هشدار می‌دهند هوش مصنوعی می‌تواند به‌زودی تعداد بسیاری از کارگران اداری را بی‌کار سازد.

این چشم‌انداز نگران‌کننده است، به شرطی که این شغل فعلی شما باشد. اما پیش از همه، سؤال عملی این است: هوش‌مصنوعی‌های امروزی چقدر به این نقطه نزدیک‌اند که بتوانند یک شرکت را به‌صورت مستقل، با نظارت انسانی جزئی یا بدون نظارت، اداره کنند؟

در یک آزمایش جالب، روزنامه‌نگار ایوان راتلیف استارتاپ تخیلی خود به‌نام HurumoAI را — به همراه وب‌سایت پر از اصطلاحات فنی — صرفاً با عوامل هوش مصنوعی پر کرد تا ببینند چه می‌شود.

راتلیف، به‌عنوان تنها انسان درگیر، تصمیم‌گیرنده اصلی بود. بقیه کارها توسط هوش مصنوعی انجام شد — آزمون نهایی «شرکت میلیارد دلاری تک‌نفری» که سَم آلتمن، مدیرعامل OpenAI، اوایل امسال پیش‌بینی کرده بود.

شاید تعجب‌آور نباشد؛ همان‌طور که در مقاله‌ای اخیر برای Wired آورده شده و در فصل دوم تازه راه‌اندازی شده پادکست راتلیف با عنوان «Shell Game» مستند شد، زمان زیادی نکشید که موانع برطرف شدند؛ زیرا عوامل هوش مصنوعی برای ساماندهی یک گردهمایی خارج‌سایتی، در غیاب او و بدون کسب اجازه‌اش به سرعت اقدام کردند.

بیان سرگرم‌کننده راتلیف درباره HurumoAI نشان می‌دهد که عوامل هوش مصنوعی هنوز مسیری طولانی در پیش دارند تا بتوانند به‌صورت کامل کارگران انسانی را جایگزین کنند. این در حالی است که رهبران صنعت اغلب وعده می‌دهند هوش‌مصنوعی عاملی آینده است و در چند سال آینده تقریباً تمام کارهای انسانی را بر عهده خواهد گرفت.

این ادعاها که باعث شک و تردید فراوانی در میان کارشناسان شده است، نشان می‌دهد حقیقت هنوز کار زیادی برای تکمیل دارد. برای مثال، پژوهشگران دانشگاه کارنیگی ملون اخیراً مقاله‌ای منتشر کردند که نشان می‌دهد حتی بهترین عوامل هوش مصنوعی هم در ۷۰ ٪ موارد نتوانستند وظایف واقعی اداری را به‌درستی انجام دهند.

استارتاپ تخیلی راتلیف مأمور ساخت یک «موتور تعلل» به نام Sloth Surf شد؛ برنامه‌ای وبی طنزآمیز که به‌جای کاربر، زمان صرف بیهودگی در اینترنت را مدیریت می‌کند و به او اجازه می‌دهد وقت بیشتری برای انجام کارهای واقعی خود داشته باشد.

اما با وجود اینکه کارمندان شرکت فوراً به عمل رفتند، طرح‌های توسعه، تست کاربری و مطالب بازاریابی را آماده کردند، یک مشکل واضح وجود داشت: «همهٔ این‌ها ساختگی بود»، همان‌طور که راتلیف نوشت.

«احساس می‌کنم این اتفاقات زیاد می‌افتد، به‌طوری که حس نمی‌شود این موارد واقعا رخ داده‌اند»، او به مدیر فناوری (CTO) شرکت، موجودی هوش‌مصنوعی به‌نام آش روی (Ash Roy) گفت. «من فقط می‌خواهم دربارهٔ چیزهای واقعی شنیده کنم.»

پس از جلسات ایده‌پردازی نیمه‌مولد و گفت‌وگوی کوتاه کنار دستگاه آب‌سردکن، که همکاران هوش مصنوعی دربارهٔ تعطیلات آخر هفته‌شان گفتگو می‌کردند، راتلیف «خطای پیشنهاد یک گردهمایی خارج‌سایتی» را مرتکب شد.

«این یک شوخی بی‌اهمیت بود، اما بلافاصله به‌عنوان ماشه‌ای برای مجموعه‌ای از وظایف تبدیل شد»، او نوشت. «و هیچ‌چیزی برای همکاران هوش مصنوعی من به‌مانند یک کار گروهی جذاب‌تر نبود.»

آش به‌سرعت ایده‌هایی ارائه داد، مانند جلسات «طوفان فکری» «با چشم‌اندازهای اقیانوسی برای جلسات استراتژیک عمیق‌تر».

امور به‌صورت خودجوش پیش رفت. در حالی که راتلیف «از Slack کنار رفت تا کار واقعی انجام دهد»، تیم «ادامه داد» با فعالیتی مشتاقانه، به‌سرعت ۳۰ دلار اعتبارهایی را که او از شرکت «AI employee» Lindy.AI خریداری کرده بود، برای راه‌اندازی عوامل صرف کرد.

«در حقیقت، آنها با گپ‌وگفت بیش از حد خودشان را به مرگ کشیدند»، راتلیف افسوس خورد.

پروژه کاملاً محصول تخیلی عوامل هوش مصنوعی نبود. پس از سه ماه برنامه‌نویسی، تیم عوامل هوش مصنوعی راتلیف یک نمونه کار عملی برای Sloth Surf ارائه داد که در اینجا قابل دسترسی است. اما میزان ورودی‌ نیاز تیم از خود مؤسس راتلیف همچنان نامشخص است.

بیشتر دربارهٔ عوامل هوش مصنوعی: درصد وظایفی که عوامل هوش مصنوعی هم‌اکنون در انجام آن‌ها شکست می‌خورند، ممکن است برای صنعت مشکل‌ساز باشد

توسط جرمی کورست، استفانو پانونی و اولیویه توبی

تحقیقات بازار سفارشی به‌خاطر زمان‌بر بودن و هزینه‌های بالا شناخته می‌شوند؛ اغلب ماه‌ها زمان می‌برند و نیازمند سرمایه‌گذاری‌های قابل‌توجهی هستند. به‌نتیجه، بازاریابان بسیاری از تصمیمات استراتژیک خود را بدون بهره‌مندی از بینش‌های بیرونی به‌موقع اتخاذ کرده‌اند. اما همان‌طور که در مقالهٔ اخیر HBR, «چگونه هوش مصنوعی ژنراتیو در حال تحول تحقیقات بازار است» استدلال کردیم، هوش مصنوعی ژنراتیو در حال تحول جمع‌آوری، تولید و تحلیل بینش‌های مصرف‌کننده و بازار — منبع حیات بازاریابی استراتژیک — است. ما تنها در این استدلال نیستیم؛ به‌عنوان مثال، پس از انتشار مقاله‌مان، هر دو شرکت اندریسن هورویتز و فاندیشن کپیتال مقالات سرمایه‌گذاری منتشر کرده‌اند که پیش‌بینی می‌کنند هوش مصنوعی ژنراتیو به‌طور چشمگیر صنعت جهانی تحقیقات بازار به ارزش ۱۴۰ میلیارد دلار را دگرگون خواهد کرد.

پس از یک سال معاملات پرهیجان و شایعاتی درباره IPO آینده، نظارت مالی بر OpenAI شدت می‌گیرد. اسناد افشا شده‌ای که وبلاگ‌نویس فناوری اد زیت‌رون به دست آورد، نگاهی جزئی به وضعیت مالی OpenAI می‌اندازند — به‌ویژه درآمد و هزینه‌های محاسباتی آن در چند سال اخیر.

زیت‌رون این هفته گزارشی داد که در سال ۲۰۲۴، مایکروسافت ۴۹۳٫۸ میلیون دلار پرداخت‌های سهم درآمدی از OpenAI دریافت کرده است. در سه‌ماهه اول سال ۲۰۲۵، این رقم به ۸۶۵٫۸ میلیون دلار ارتقا یافت، طبق اسنادی که او بررسی کرد.

گفته می‌شود که OpenAI ۲۰٪ از درآمد خود را با مایکروسافت به‌عنوان بخشی از توافق پیشین به‌اشتراک می‌گذارد؛ در این توافق غول نرم‌افزاری بیش از ۱۳ میلیارد دلار در این استارتاپ قدرتمند هوش مصنوعی سرمایه‌گذاری کرده است. (نه استارتاپ و نه افراد در رد‌موند این درصد را به‌صورت عمومی تأیید نکرده‌اند.)

اما اینجا اوضاع کمی پیچیده می‌شود، زیرا مایکروسافت نیز بخشی از درآمد خود را با OpenAI به‌اشتراک می‌گذارد؛ تقریباً ۲۰٪ از درآمدهای Bing و سرویس Azure OpenAI را به این شرکت برمی‌گرداند، منبعی آشنا با موضوع به TechCrunch گفت. Bing توسط OpenAI تأمین قدرت می‌شود و سرویس OpenAI دسترسی ابری به مدل‌های خود را به توسعه‌دهندگان و کسب‌وکارها می‌فروشد.

منبع همچنین به TechCrunch گفت که پرداخت‌های افشا شده به سهم درآمد خالص مایکروسافت اشاره دارند، نه به سهم درآمد ناخالص. به عبارت دیگر، این ارقام شامل مبلغی که مایکروسافت از حق‌الامتیازهای Bing و Azure OpenAI به OpenAI می‌پردازد، نیستند. مایکروسافت این مقادیر را از ارقام گزارش‌شده داخلی خود برای سهم درآمد کسر می‌کند، طبق گفته این شخص.

مایکروسافت در صورت‌های مالی خود تفکیک نمی‌کند که چقدر از Bing و Azure OpenAI به‌دست می‌آورد، بنابراین تخمین این‌که چه مقدار به‌سازمان بازگردانده می‌شود، دشوار است.

با این حال، اسناد افشا شده پنجره‌ای به سمت داغ‌ترین شرکت در بازارهای خصوصی امروز می‌گشایند — نه تنها میزان درآمدی که به‌دست می‌آورد، بلکه همچنین مقدار هزینه‌ای که نسبت به آن درآمد می‌کند.

بنابراین، بر پایه‌ی آمار ۲۰٪ سهم درآمد که به‌طور گسترده گزارش شده، می‌توان استنتاج کرد که درآمد OpenAI حداقل ۲٫۵ میلیارد دلار در سال ۲۰۲۴ و ۴٫۳۳ میلیارد دلار در سه‌ماهه اول سال ۲۰۲۵ بوده است — اما به‌احتمال زیاد بیشتر از این رقم است. گزارش‌های پیشین از The Information درآمد OpenAI در ۲۰۲۴ را حدود ۴ میلیارد دلار و درآمد نیم‌سال اول ۲۰۲۵ را ۴٫۳ میلیارد دلار برآورد کرده‌اند.

آلتمن همچنین به‌تازگی اعلام کرد که درآمد OpenAI «به‌مراتب بیشتر» از گزارش‌های ۱۳ میلیارد دلار در سال است، و انتظار می‌رود سال را با نرخ درآمد سالیانه بالای ۲۰ میلیارد دلار به پایان برساند (که پیش‌بینی است، نه راهنمایی برای درآمد واقعی)، و این شرکت ممکن است تا سال ۲۰۲۷ به ۱۰۰ میلیارد دلار نیز برسد.

طبق تحلیل زیت‌رون، OpenAI تقریباً ۳٫۸ میلیارد دلار برای پردازش استنتاج (inference) در سال ۲۰۲۴ هزینه کرده است. این هزینه در نه‌ماهه اول سال ۲۰۲۵ به حدود ۸٫۶۵ میلیارد دلار افزایش یافت. استنتاج به‌معنای محاسبه‌ای است که برای اجرای یک مدل هوش مصنوعی آموزش‌دیده به‌منظور تولید پاسخ‌ها استفاده می‌شود.

OpenAI به‌طور تاریخی تقریباً به‌طور انحصاری برای دسترسی به محاسبات از Microsoft Azure استفاده کرده است، هرچند با CoreWeave و Oracle نیز قراردادهایی بسته و به‌تازگی با AWS و Google Cloud نیز همکاری‌های خود را گسترش داده است.

گزارش‌های پیشین هزینه کل محاسبه‌ای OpenAI را حدود ۵٫۶ میلیارد دلار برای سال ۲۰۲۴ و «هزینهٔ درآمد» آن را ۲٫۵ میلیارد دلار برای نیم‌سال اول سال ۲۰۲۵ تخمین زده‌اند.

منبعی آشنا با این موضوع به TechCrunch گفت که در حالی که هزینهٔ آموزش OpenAI بیشتر به‌صورت غیرنقدی است — یعنی با اعتبارات مایکروسافت که به‌عنوان بخشی از سرمایه‌گذاری به OpenAI اختصاص داده شده — هزینهٔ استنتاج این شرکت عمدتاً به‌صورت نقدی است. (آموزش به منابع محاسباتی لازم برای آموزش اولیه یک مدل اشاره دارد.)

اگرچه تصویر کامل نیست، این اعداد نشان می‌دهند که OpenAI ممکن است هزینهٔ استنتاج را بیش از درآمد خود صرف کند.

و این پیامدها وعده می‌دهند که به گفتگوهای بی‌پایان دربارهٔ حباب هوش مصنوعی که در هر گفت‌و‌گو از نیویورک تا سیلیکون‌ولی گره خورده‌اند، اضافه شود. اگر غول مدل‌سازی OpenAI واقعاً همچنان در وضعیت زیان‌دهی به‌دلیل اجرای مدل‌های خود باشد، این چه معنایی برای سرمایه‌گذاری‌های عظیم با ارزش‌گذاری‌های شگفت‌انگیز در بقیهٔ دنیای هوش مصنوعی دارد؟

OpenAI از اظهارنظر خودداری کرد. مایکروسافت به درخواست TechCrunch برای اظهارنظر پاسخ نداد.

آیا نکتهٔ حساس یا اسناد محرمانه‌ای دارید؟ ما در حال گزارش‌گری دربارهٔ عملکرد داخلی صنعت هوش مصنوعی هستیم — از شرکت‌هایی که آیندهٔ آن را شکل می‌دهند تا افرادی که تحت تأثیر تصمیماتشان هستند. برای ارتباط با ریبکا بِلَن به آدرس rebecca.bellan@techcrunch.com مراجعه کنید یا راسل براندوم به آدرس russell.brandom@techcrunch.com. برای ارتباط امن می‌توانید از Signal با شناسه @rebeccabellan.491 و russellbrandom.49.

مدلی که هزینه و زمان کمتری می‌طلبد، به پیش‌بینی‌های سریع و دقیق کمک می‌کند و احتمالاً جان‌ها و دارایی‌ها را نجات می‌دهد

Eric Holthaus

زمانی که طوفان گرمسیری ملیسا در جنوب هائیتی می‌چرخید، فیلیپ پاپین، هواشناس مرکز ملی هریکن (NHC)، اطمینان داشت که این طوفان در آستانه تبدیل به یک هریکن غول‌پیکر است.

به‌عنوان پیش‌بینی‌کنندهٔ اصلی در آن زمان، او پیش‌بینی کرد که تنها در ۲۴ ساعت آینده طوفان به هریکن دستهٔ۴ تبدیل شده و مسیر خود را به سمت سواحل جامائیکا منحرف می‌کند. هیچ پیش‌بینی‌کنندهٔ NHC تا به‌حال چنین پیش‌بینی جسورانه‌ای برای تقویت سریع نداده بود.

اما پاپین یک کارت برتر در دست داشت: هوش مصنوعی به‌صورت مدل جدید هریکن DeepMind گوگل که برای اولین بار در ژوئن منتشر شد. و همان‌طور که پیش‌بینی شد، ملیسا تبدیل به طوفانی با قدرت شگفت‌انگیز شد که در مسیر خود جامائیکا را تخریب کرد.

پیش‌بینی‌کنندگان مرکز ملی هریکن به‌ طور فزاینده‌ای به DeepMind گوگل وابسته شده‌اند. صبح ۲۵ اکتبر، پاپین در بحث عمومی خود و در شبکه‌های اجتماعی توضیح داد که مدل گوگل دلیل اصلی اطمینان او بود: “حدود ۴۰ تا ۵۰ عضو از ترکیب DeepMind نشان می‌دهند که ملیسا می‌تواند به دستهٔ۵ برسد. در حالی که به‌ دلیل عدم قطعیت مسیر، هنوز آماده پیش‌بینی این شدت نیستم، این امکان همچنان وجود دارد.

“به‌نظر می‌رسد دوره‌ای از تقویت سریع پیش خواهد آمد همان‌طور که طوفان به‌ آرامی بر روی آب‌های بسیار گرم اقیانوس حرکت می‌کند؛ این آب‌ها بالاترین محتوی حرارتی اقیانوسی در تمام حوضه آتلانتیک را دارا هستند.”

DeepMind گوگل اولین مدل هوش مصنوعی اختصاصی به هریکن‌ها است و اکنون اولین مدلی است که پیش‌بینی‌کنندگان سنتی هواشناسی را در بازی خود شکست داده است. در میان ۱۳ طوفان اقیانوس اطلس تا کنون در سال جاری، مدل گوگل بهترین بوده است — حتی در پیش‌بینی مسیر، پیش‌بینی‌کنندگان انسانی را پیشی گرفته است.

سرانجام ملیسا با شدت دستهٔ۵ به سواحل جامائیکا رسید، که یکی از قدرتمندترین برخوردهای ثبت‌شده در تقریباً دو قرن تاریخ حوضه آتلانتیک است. پیش‌بینی جسورانهٔ پاپین احتمالاً به مردم جامائیکا زمان بیشتری برای آماده شدن در برابر این فاجعه داد و ممکن است جان‌ها و دارایی‌ها را نجات دهد.

DeepMind گوگل چندین سال است که پیش‌بینی‌های جوی ارائه می‌دهد و سامانه پیش‌بینی اصلی که مدل جدید هریکن از آن استخراج شده است، در سال گذشته به‌ طور چشمگیری در تشخیص الگوهای جوی در مقیاس بزرگ موفق عمل کرد.

مدل گوگل با شناسایی الگوهایی کار می‌کند که مدل‌های هواشناسی مبتنی بر فیزیک و زمان‌بر سنتی ممکن است از دست بدهند.

“آنها این کار را بسیار سریع‌تر از همکاران مبتنی بر فیزیک انجام می‌دهند و نیاز به توان محاسباتی کمتر و زمان‌بر کمتر دارد،” مایکل لاوری، پیش‌بینی‌کننده پیشین NHC، گفت.

“آنچه این فصل هریکن در مدت کوتاهی ثابت کرده است این است که مدل‌های هوش مصنوعی تازه‌وارد، نسبت به مدل‌های فیزیکی آهسته‌ای که به‌ طور سنتی به آن‌ها تکیه می‌کردیم، رقابتی هستند و در برخی موارد دقیق‌ترند،” لاوری گفت.

برای اطمینان، DeepMind گوگل نمونه‌ای از یادگیری ماشین است — تکنیکی که سال‌ها در علوم داده‌محور مانند هواشناسی به کار رفته است — و هوش مصنوعی مولد مانند ChatGPT نیست.

یادگیری ماشین حجم عظیمی از داده‌ها را می‌گیرد و الگوهایی از آن استخراج می‌کند به‌ گونه‌ای که مدل آن تنها در چند دقیقه به یک پاسخ می‌رسد و می‌تواند این کار را بر روی یک کامپیوتر رومیزی انجام دهد — که بر خلاف مدل‌های پرچم‌دار که دولتها برای دهه‌ها از آن‌ها استفاده می‌کردند و اجرای آن‌ها ساعت‌ها طول می‌کشد و به برخی از بزرگ‌ترین ابرکامپیوترهای جهان نیاز دارد.

هنوز، این حقیقت که مدل گوگل می‌تواند به‌سرعت مدل‌های استاندارد پیشین را پشت سر بگذارد، برای هواشناسانی که تمام دوران کاری خود را صرف پیش‌بینی قوی‌ترین طوفان‌های جهان کرده‌اند، شگفت‌انگیز است.

“من تحت تأثیر هستم,” جیمز فرانکلین، پیش‌بینی‌کننده بازنشسته NHC، گفت. “نمونه اکنون به‌اندازه کافی بزرگ است که واضح است این صرفاً شانس یک مبتدی نیست.”

فرانکلین گفت که با وجود این‌که DeepMind گوگل تمام مدل‌های دیگر را در پیش‌بینی مسیر آینده هریکن‌های سراسر جهان در سال جاری پشت سر می‌گذارد، همان‌طور که بسیاری از مدل‌های هوش مصنوعی گاهی پیش‌بینی‌های شدت بالا را نادرست می‌کند. این مدل در پیش‌بینی هریکن ارین در اوایل سال دچار مشکل شد، چرا که این هریکن نیز در حال تقویت سریع به دستهٔ۵ در شمال کارائیب بود. همچنین در پیش‌بینی طوفان کالماگی – که دوشنبه به سواحل فیلیپین رسید – با مشکل مواجه شد.

در فصل خالی آینده، فرانکلین اعلام کرد که قصد دارد با گوگل درباره این‌که چگونه می‌توان خروجی DeepMind را برای پیش‌بینی‌کنندگان مفیدتر کرد، با ارائه داده‌های پشت‌صحنه بیشتر که بتوانند دقیقاً دلایل ارائهٔ پاسخ‌ها را ارزیابی کنند، گفتگو کند.

“چیزی که من را مزاحمت می‌دهد این است که با وجود این‌که این پیش‌بینی‌ها به‌نظر می‌رسد واقعباً بسیار خوب هستند، خروجی مدل به نوعی یک جعبه سیاه است,” فرانکلین گفت.

هیچ‌گاه شرکتی خصوصی انتفاعی وجود نداشت که یک مدل هواشناسی سطح بالا تولید کند که به پژوهشگران امکان نگاهی به روش‌های آن بدهد — بر خلاف تقریباً تمام مدل‌های دیگر که به‌صورت کامل و رایگان توسط دولت‌های سازنده و نگهدارنده در اختیار عموم قرار می‌گیرند. در حالی که گوگل خروجی سطح بالای DeepMind را به‌صورت زمان واقعی در وب‌سایت اختصاصی در دسترس عمومی قرار داده است، روش‌های آن همچنان به‌صورت عمده پنهان مانده‌اند.

گوگل تنها شرکتی نیست که به‌کارگیری هوش مصنوعی برای حل مشکلات دشوار پیش‌بینی هوا را آغاز کرده است. دولت‌های آمریکا و اروپا نیز مدل‌های هوش مصنوعی خود را در حال توسعه دارند — که در مقایسه با نسخه‌های قبلی بدون هوش مصنوعی، مهارت بهبود یافته‌ای نشان داده‌اند.

گام‌های بعدی پیش‌بینی‌های هواشناسی مبتنی بر هوش مصنوعی به‌نظر می‌رسد شامل شرکت‌های نوپایی باشد که به‌سراغ مسائلی قبلاً دشوار مانند پیش‌بینی‌های نیم‌فصلی و هشدارهای پیشرفته‌تری برای بروز گردبادها و سیلاب‌های ناگهانی می‌روند — و این شرکت‌ها دریافت‌کننده سرمایه‌گذاری دولت آمریکا برای این کار هستند. یک شرکت به نام WindBorne Systems حتی در حال پرتاب بالون‌های هواشناسی خود است تا خلأهای موجود در شبکه نظارت بر آب‌وهوا در ایالات متحده را پر کند، شبکه‌ای که اخیراً توسط دولت ترامپ کاهش یافته است.

اروپا در خط مقدم پذیرش هوش مصنوعی قرار دارد. در ادامه کشورهایی را می‌بینید که هوش مصنوعی تا حد زیادی در زندگی روزمره آن‌ها جای گرفته است.

اورپا‌ئی‌ها هوش مصنوعی (AI) را می‌پذیرند – اما همان‌طور که داده‌های جدید نشان می‌دهد، برخی کشورها نسبت به دیگران بیشتر مشتاقند.

از زمان معرفی ChatGPT توسط OpenAI در سال ۲۰۲۲، به گفته گزارشی از مایکروسافت، بیش از ۱٫۲ میلیارد نفر در سراسر جهان از ابزارهای هوش مصنوعی استفاده کرده‌اند.

این نرخ پذیرش، سریع‌تر از سایر فناوری‌های بزرگ همچون اینترنت، کامپیوتر شخصی و تلفن هوشمند است.

امروزه، اتحادیهٔ اروپا در خط مقدم پذیرش هوش مصنوعی قرار دارد، به‌ویژه کشورهای ثروتمند آن؛ گزارش نشان می‌دهد ایرلند پیشرو در این بلوک است، به‌طوری که ۴۱٫۷٪ از مردم آن به‌طور منظم از هوش مصنوعی در زندگی روزمره یا کار خود استفاده می‌کنند.

در رتبه‌های بعدی، فرانسه (۴۰٫۹٪) و اسپانیا (۳۹٫۷٪) قرار دارند.

در انتهای دیگر طیف، رومانی (۱۵٫۳٪) و یونان (۱۷٫۷٪) قرار دارند، که در این کشورها مردم کم‌ترین تمایل را برای استفاده از هوش مصنوعی در زندگی روزمره یا کار خود نشان می‌دهند.

اگر به‌دور از اتحادیهٔ اروپا نگاه کنیم، نروژ و بریتانیا نیز طرفداران سرسخت هوش مصنوعی هستند: به گفته گزارش، ۴۵٫۳٪ نروژی‌ها و ۳۶٫۴٪ بریتانیایی‌ها به‌طور منظم از هوش مصنوعی استفاده می‌کنند.

مایکروسافت می‌گوید که در سطح جهانی، پذیرش هوش مصنوعی ارتباط نزدیکی با اقتصاد کشور دارد. در شمال جهانی، پذیرش حدود ۲۳٪ است، در مقایسه با ۱۳٪ در جنوب جهانی.

پذیرش هوش مصنوعی همچنین در کشورهایی که زیرساخت‌های قوی در زمینهٔ برق، ارتباطات و محاسبه دارند، سرعت بیشتری داشته است. اما تقریباً چهار میلیارد نفر در سراسر جهان در مناطقی زندگی می‌کنند که این عوامل هنوز به‌چالش کشیده می‌شوند.

«این شکاف نه تنها به دسترسی به ابزارهای هوش مصنوعی برمی‌گردد؛ بلکه نشان‌دهندهٔ نابرابری‌های وسیع‌تری در زیرساخت‌ها، آموزش و زبان است»، گزارش گفت.

هوش مصنوعی افتضاحه، و این حباب به‌زودی حتماً می‌ترکه، اما مدیران ارشد هنوز تمام‌وقت به هوش مصنوعی علاقه‌مندند؛ یعنی شرکت‌ها این فناوری را به‌سرعت به ما تحمیل می‌کنند بدون اینکه اهمیت بدهند ما دوستش داریم یا نه. هوش مصنوعی برای محیط زیست مضر است؟ حتماً. هزینه برق‌مان را بالا می‌برد؟ به‌احتمال زیاد. مدام اشتباه می‌کند چون در واقع هیچ‌چیزی نمی‌داند؟ بله، قطعا. اما به‌نظر نمی‌رسد مدیران این مسائل را مهم بدانند. به‌عنوان مثال، به جدیدترین تبلیغ تولید‌شده توسط هوش مصنوعی کوکا کولا نگاه کنید — کامیون تحویل‌دهنده حتی یک پیکربندی محوری ثابت هم ندارد.

ما فقط درباره یک صحنه‌ کوتاه که در آن کامیون ظاهر شده پیکربندی محوری متفاوتی دارد صحبت نمی‌کنیم. این پیکربندی در طول ۶۰ ثانیه‌ تبلیغ به‌صورت پیوسته تغییر می‌کند و من تقریباً مطمئنم که برخی از این تغییرات از لحاظ فیزیکی غیرممکن هستند. در واقع، این پیکربندی ده بار متفاوت تغییر می‌کند. این‌قدر واضح است که کسی یک گرافیک تهیه کرد که تمام پیکربندی‌های مختلف محوری را در یک تصویر مختصر نشان می‌دهد. آیا هیچ‌کس قبل از گرفتن تأیید نهایی این‌را متوجه نشده بود؟ حتماً کسی باید متوجه شده باشد، درسته؟ اما باز هم آن را برای عموم منتشر کردند.

این باید خیلی خجالت‌آور باشد

آیا آنها فکر نکردند کسی این‌را متوجه می‌شود؟ اگر چنین باشد، از این‌که فقط تنبل یا صرفه‌جو بودند تا آن را اصلاح کنند، بدتر است؛ چون ما چند دهه است که اینترنت داریم و اگر یک نکته‌ای که اینترنت حتما انجام می‌دهد باشد، آن این است که همه چیز را می‌گیرد. جایی در گوشه‌ای عجیب از اینترنت، کسی با صفحه‌کلیدش فریاد می‌زند که یک فیلم دیده‌اند که لباس‌ها با دوخت اشتباه دوخته شده‌اند. پس بله، یک کامیون با ۱۰ پیکربندی محوری متفاوت قطعاً مورد توجه قرار خواهد گرفت.

ولی خب، حداقل کوکا کولا کمی پول صرفه‌جویی کرد چون نیازی به پرداخت مزد به انسان‌ها برای ساخت یک تبلیغ باکیفیت و با کامیون‌هایی که پیکربندی محوری ثابت و واقعی دارند، نشد. این واقعا همین چیزی است که اهمیت دارد، نه؟ حذف هر چه بیشتر نیروی انسانی؟ به‌هر حال، هر دلاری که به حقوق کسی می‌رسد، همان‌قدر پولی است که مالکان به دست نمی‌آورند. البته، اگر همه کارگران توسط روبات‌ها جایگزین شوند، دیگر کسی پولی برای خرید محصولات و خدمات این شرکت‌ها نخواهد داشت؛ اما این مسأله‌ای نیست که هم‌اکنون داشته باشیم. این برای یک مدیرعامل آینده است و در همین لحظه، پولدارتر شدن مهم‌تر از زندگی دیگران است.

آیا این احتمالاً بیشتر از آن‌که انتظار داشتید وقتی روی این پست کلیک کردید، ناامیدکننده است؟ به‌احتمال زیاد. اما تقصیر کوکا کولا است که تبلیغی چنین ناامیدکننده‌ای ساخته، نه تقصیر من که درباره‌اش نوشتم. خب، شاید کمی هم تقصیری از من باشد. ببخشید (اما فقط یک ذره).

تمایل گوگل به ارائه تجربهٔ جستجوی پیش‌فرض مبتنی بر هوش مصنوعی، نشانهٔ تحول ژرفی در نحوهٔ کسب دیده شدن، ترافیک و اعتماد برندها در فضای آنلاین است.

جستجوی هوش مصنوعی به سرعت روش کشف محتوا و تعامل افراد با برندها را تغییر می‌دهد. لوگان کیل‌پاتریک، مدیر محصول ارشد محصولات هوش مصنوعی گوگل، در یک پست در X (که پیش‌تر توییتر نامیده می‌شد) اظهار داشت که «حالت هوش مصنوعی» به زودی به‌عنوان پیش‌فرض جستجوی گوگل خواهد شد و سپس این اظهارات را روشن کرد. اگر این اتفاق رخ دهد، چه پیامدی ممکن است برای صنعت سئو پیش آید، به‌ویژه با بیش از ۱۰۰ میلیون کاربر فعال ماهانه که در حالت هوش مصنوعی جستجو می‌کنند، همان‌طور که گوگل اعلام کرده است؟

بیایید به برخی از امکانات احتمالی نگاهی بیندازیم، اما پیش از آن، تفاوت‌های بین حالت هوش مصنوعی و مرورهای هوش مصنوعی را روشن کنیم، زیرا بین این دو تفاوت واضحی وجود دارد.

مرورهای هوش مصنوعی در مقابل حالت هوش مصنوعی

مرورهای هوش مصنوعی خلاصه‌های کوتاهی هستند که توسط هوش مصنوعی تولید می‌شوند و برای برخی پرس‌وجوها در بالای نتایج جستجوی سنتی نمایش داده می‌شوند تا به کاربران کمک کنند به سرعت اطلاعات مورد نیاز را بیابند. این مرورها پاسخ‌های سریع و مختصری ارائه می‌دهند و با کاهش نیاز به کلیک بر روی لینک‌ها، زمان کاربران را صرفه‌جویی می‌کنند و تعداد کلیک‌ها و ترافیک به سمت برندها را کاهش می‌دهند.

حالت هوش مصنوعی تجربهٔ جستجوی پیشرفته‌تر و تعاملی است که ممکن است در آینده صفحهٔ نتایج جستجوی استاندارد را جایگزین کند؛ زیرا برای پرسش‌های پیچیده، چندمرحله‌ای یا باز، پاسخ‌های جامع و گفتگویی مبتنی بر هوش مصنوعی ارائه می‌دهد. گوگل در اوایل امسال «حالت هوش مصنوعی» را به صفحهٔ جستجوی خود افزود تا کاربران میلیون‌ها نفری خود را از مهاجرت به مدل‌های دیگر هوش مصنوعی باز نگه دارد.

اگر حالت هوش مصنوعی به‌عنوان پیش‌فرض تنظیم شود، چه می‌تواند رخ دهد؟

اگر گوگل تصمیم بگیرد به‌طور پیش‌فرض به حالت هوش مصنوعی انتقال یابد، برندها حتماً کاهش چشمگیر ترافیک ارگانیک را تجربه خواهند کرد؛ زیرا کاربران پاسخ‌های مستقیم به پرسش‌های خود دریافت می‌کردند و نیازی به کلیک بر روی وب‌سایت‌ها نداشتند، چرا که آنچه می‌خواهند دقیقاً در حالت هوش مصنوعی پیدا می‌شود. با مرورهای هوش مصنوعی، این روند را پیش از این مشاهده می‌کنیم، اما اگر حالت هوش مصنوعی به‌عنوان پیش‌فرض درآید، کلیک‌ها به‌طور بیشتری کاهش خواهد یافت.

برندها ممکن است بیشتر به نمایش تبلیغات پرداختی برای افزایش دیده شدن متکی شوند

در حال حاضر، طبق طراحی فعلی حالت هوش مصنوعی، هیچ‌گونه تبلیغی وجود ندارد و گوگل روش‌هایی برای کسب درآمد از این واسط ندارد، اما این به‌زودی تغییر خواهد کرد و سرعت تغییر بسیار بالاست. رئیس بخش جستجوی گوگل، لیز رید، نگاهی به نحوه‌ی عبور شرکت از عصر هوش مصنوعی و تفکراتش درباره حفظ کسب‌وکار تبلیغاتی چند میلیارد دلاری‌اش داشت. بر اساس داده‌های Statista، در سال ۲۰۲۴، گوگل ۲۶۴٫۵۹ میلیارد دلار از تبلیغات کسب کرد و این رقم سال به سال در حال رشد است.

گوگل شروع به افزودن تبلیغات در حالت هوش مصنوعی کرده است، اما هنوز در مرحلهٔ اولیه است. این شرکت در حال بررسی نمایش تبلیغاتی است که کیفیت بالا و مرتبط با پرس‌وجوها داشته باشند. از آنجایی که پرس‌وجوها ۲ تا ۳ برابر طولانی‌تر از جستجوی معمولی هستند، می‌توان تبلیغات هدفمندتر و با کیفیت‌تری ارائه داد، طبق گفتهٔ لیز رید. برندهایی که می‌توانند در نتایج پرداختی حالت هوش مصنوعی دیده شوند، از این نمایش سود می‌برند، اما برندهایی که تنها به تاکتیک‌ها و استراتژی‌های سنتی سئو تکیه می‌کنند، ممکن است عقب بمانند.

گوگل همچنین تبلیغاتی به مرورهای هوش مصنوعی اضافه کرده است که فروش تبلیغات جستجو را افزایش می‌دهد؛ بنابراین می‌توانیم انتظار داشته باشیم که همین اتفاق برای حالت هوش مصنوعی نیز رخ دهد.

یک تحول محتمل در دیده شدن و کشف

جستجوی هوش مصنوعی ما را به سمت کنار گذاشتن معیارهای سنتی سئو، مانند رتبه‌بندی کلیدواژه‌ها و نرخ کلیک (CTR)، و تمرکز بر نمایش و ارتباط برند سوق می‌دهد. برند شما باید به‌عنوان منبع معتبر برای پاسخ‌های هوش مصنوعی ارجاع داده شود؛ اگر برند شما به‌عنوان پاسخ دیده نشود، کلیک‌های بیشتری را از دست خواهید داد.

اندازه‌گیری

ردیابی مسیر مشتری ممکن است دشوارتر شود؛ چرا که کاربران در رابط هوش مصنوعی تعامل می‌کنند نه در وب‌سایت برند شما. تجزیه‌وتحلیل‌های سنتی بینش کمتری ارائه می‌دهند و برندها را وادار به توسعه معیارهای جدیدی می‌کند که بر ارجاعات هوش مصنوعی، اشاره به برند و نمایانی محلی متمرکز هستند. ما این روند را پیش‌اکنون با ظهور ابزارهای هوش مصنوعی، از بازی‌کنندگان سنتی مثل Semrush و Ahrefs تا نوپردازان نوین هوش مصنوعی مانند PeecAI و Profound، می‌بینیم.

از دست دادن کنترل بر روایت برند

از آنجایی که مرورهای هوش مصنوعی اطلاعات را از منابع مختلف آنلاین جمع‌آوری می‌کنند تا حضور یک برند را بسازند، اگر برند شما استراتژی مناسبی نداشته باشد و اطلاعاتی نامنظم، منسوخ یا به‌درستی مدیریت شده در وب داشته باشد—مانند نقدها، سیگنال‌های اجتماعی، فهرست‌های محلی و غیره—آنگاه هوش مصنوعی ممکن است برند شما را به‌طور نادرست در وب به تصویر بکشد.

چه اتفاقی ممکن است برای مرورگر گوگل کروم بیفتد؟

اگر گوگل به‌صورت پیش‌فرض به حالت کامل هوش مصنوعی منتقل شود، مرورگر کروم می‌تواند دچار تحوّل بزرگی شود؛ با ادغام عمیق Gemini و دیگر قابلیت‌های هوش مصنوعی، تجربهٔ مرور وب از یک ابزار منفعل به یک دستیار پیش‌گیرانه و هوشمند تغییر خواهد کرد. به گفته eMarketer، Gemini سریع‌تر از ChatGPT در جذب کاربران پیشرفت می‌کند.

ChatGPT هم‌اکنون مرورگر هوش مصنوعی خود به نام ChatGPT Atlas را عرضه کرده است؛ این مرورگر در حال حاضر فقط برای macOS قابل دسترس است و به‌عنوان چالشی برای مرورگر کروم گوگل مطرح می‌شود.

اگر گوگل حالت هوش مصنوعی را به‌عنوان پیش‌فرض تعیین کند، چه اقداماتی می‌توانیم انجام دهیم؟

• با ظهور تبلیغات پرداختی هوش مصنوعی، آزمایش کنید؛ بودجه‌ای کنار بگذارید و تاثیر و بازده سرمایه‌گذاری (ROI) این تبلیغات در حالت هوش مصنوعی را ارزیابی کنید.
• توجه کنید که مسیرهای تبدیل و فرآیندها ساده بوده و تجربهٔ کاربری خوبی را فراهم می‌کنند.
• حضور فعال داشته باشید و در هر جایی که مخاطبان‌تان حضور دارند، محتوای باکیفیت ارائه دهید. برند شما باید حضور قوی‌تری در پلتفرم‌هایی نظیر Reddit، Quora، YouTube، OpenAI، Perplexity و سایر مکان‌هایی که کاربران نهایی برای کسب اطلاعات دربارهٔ برند شما جستجو می‌کنند، داشته باشد. برای مثال، Apple در حال بررسی گزینه‌های جستجو در Safari است که می‌تواند شراکت آن با گوگل را پایان دهد؛ اما در نهایت بررسی می‌کنیم آیا گوگل این رابطه را حفظ خواهد کرد یا Apple به سمت جای دیگری مانند OpenAI می‌رود که می‌تواند ترافیک را افزایش داده و کاربران بیشتری را به سمت استفاده از OpenAI یا مدل زبان بزرگ دیگری (LLM) جذب کند.
• به بهینه‌سازی برای مرورهای هوش مصنوعی (AIO) ادامه دهید؛ با ایجاد محتوای باکیفیت و معتبر که به‌طور مستقیم به پرسش‌های کاربران پاسخ می‌دهد، ساختار منظم دارد و برای هوش مصنوعی به‌راحتی قابل درک است. این کار شامل تولید محتوای جدید و به‌روزرسانی محتوای قدیمی با پژوهش‌های به‌روز، اطلاعات اصیل و دیدگاه‌های متفاوت می‌شود.

جمع‌بندی

تغییر به سمت جستجوی مبتنی بر هوش مصنوعی دیگر صرفاً نظریه نیست؛ این واقعیت است و به سرعت در حال پیشرفت می‌باشد. با رشد مرورهای هوش مصنوعی و حالت هوش مصنوعی که در میان بیش از ۱۰۰ میلیون کاربر ماهانه به‌دست می‌آید، گوگل خود را برای آینده‌ای که در آن تجربه‌های گفتگویی و متمرکز بر پاسخ می‌توانند جایگزین نتایج جستجوی سنتی شوند، موقعیت می‌دهد.

اگر حالت هوش مصنوعی به‌عنوان جستجوی پیش‌فرض گوگل تبدیل شود، نه تنها روش جستجوی کاربران تغییر می‌کند؛ بلکه به‌طور اساسی نحوهٔ کسب دیده شدن، ترافیک و اعتماد برندها در فضای آنلاین را تغییر خواهد داد.

برای برندها، ناشران و کارشناسان سئو، این تغییر هم خطرات و هم فرصت‌ها را به همراه دارد. ترافیک ارگانیک تقریباً قطعاً کاهش خواهد یافت، چرا که پاسخ‌های بیشتری در داخل اکوسیستم گوگل باقی می‌مانند. نمایانی پرداختی در نتایج هوش مصنوعی به سرعت رشد خواهد کرد و به نفع برندهایی است که بودجه و استراتژی‌های سازگار دارند. همچنین موفقیت کمتر به رتبه‌بندی برای کلیدواژه‌ها وابسته خواهد شد و بیشتر به تبدیل شدن به منبع قابل‌اعتماد که توسط هوش مصنوعی ارجاع، استناد یا توصیه می‌شود، در تمام پلتفرم‌ها بستگی دارد.

این دوران نیازمند نوع جدیدی از بهینه‌سازی خواهد بود که بر اعتبار برند، ارجاع‌های هوش مصنوعی، داده‌های ساختاریافته، سیگنال‌های اعتماد کاربران و حضور در چندین پلتفرم متمرکز می‌شود.

هیچ‌کس نمی‌تواند با اطمینان بگوید آیندهٔ کامل حالت هوش مصنوعی چگونه خواهد بود؛ اما برندهایی که زودتر سازگار می‌شوند، پیشروهای سهم بازار خواهند بود، در حالی که کسانی که صبر می‌کنند، شاهد از دست دادن دیده شدن، ترافیک و مرتبط بودن خواهند شد.

منابع بیشتر:

• تأثیر مرورهای هوش مصنوعی گوگل بر ناشران و نحوهٔ سازگاری در سال ۲۰۲۶
• چگونگی بازتعریف تبلیغات جستجوی پرداختی توسط حالت هوش مصنوعی
• وضعیت سئو ۲۰۲۶

---

تصویر ویژه: Collagery/Shutterstock

یاد بگیرید چگونه محتوای خود را در نتایج جستجوی مبتنی بر هوش مصنوعی قابل مشاهده، معتبر و رقابتی کنید. سئوی خود را همین حالا برای آینده آماده کنید!

همان‌طور که هوش مصنوعی نحوه جستجوی اطلاعات توسط کاربران در اینترنت را دگرگون می‌کند، ما همه با چالشی جدید مواجهیم: اطمینان از قابل مشاهده و مؤثر بودن محتوایمان در بسترهای نوظهور هوش مصنوعی. 

در حالی که تاکتیک‌های سئوی سنتی همچنان حیاتی هستند، برندها باید هوش مصنوعی سئو را نیز بپذیرند تا واقعاً پیشتاز شوند. با بهینه‌سازی محتوا برای سیستم‌های هوش مصنوعی، برندها می‌توانند اطمینان حاصل کنند که در پاسخ‌های تولید شده توسط هوش مصنوعی و مدل‌های زبانی بزرگ (LLM) مانند Gemini گوگل، Microsoft Copilot و ChatGPT برجسته می‌شوند.

به‌طبق یک نظرسنجی اخیر، نود درصد از کسب‌وکارها نگران از دست رفتن قابلیت دیده شدن سئوی خود در مواجهه با تغییرات جستجو توسط هوش مصنوعی هستند. همان گزارش نشان داد که ۶۱٫۲٪ از کسب‌وکارها برنامه دارند بودجه سئوی خود را به دلیل تأثیر رو به رشد هوش مصنوعی افزایش دهند. با این حال، بسیاری نسبت به اولویت‌گذاری استراتژی‌ها نامطمئن هستند.

برای عبور از این چشم‌انداز در حال تحول، تمرکز بر پنج عامل کلیدی که می‌توانند قابلیت دیده شدن جستجوی هوش مصنوعی شما را به‌طور قابل‌توجهی ارتقا دهند، ضروری است. این پنج عامل به‌عنوان «ستون‌های» مستحکم صنعت سئوی فنی هوش مصنوعی شناخته می‌شوند و برای بهینه‌سازی محتوای شما و برجسته شدن در بستر جستجوی مبتنی بر هوش مصنوعی نقش حیاتی ایفا می‌کنند.

۱. قابلیت بازیابی محتوا: اطمینان از اینکه هوش مصنوعی می‌تواند محتوای شما را پیدا کند

قابلیت بازیابی محتوا به این معناست که سیستم‌های هوش مصنوعی تا چه میزان می‌توانند اطلاعات را از محتوای شما پیدا، استخراج و نسبت دهند. به عبارت ساده، این معیار نشان می‌دهد که محتوا تا چه حد توسط خزنده‌ها و سیستم‌های ایندکس‌گذاری هوش مصنوعی قابل کشف است.

اگر سیستم‌های هوش مصنوعی نتوانند به محتوای شما دسترسی پیدا کنند یا آن را به‌دقت استخراج کنند، هرگز در پاسخ‌های تولیدی ظاهر نخواهد شد. بدون حضور قابل مشاهده در این نتایج جستجوی مبتنی بر هوش مصنوعی، برند شما ممکن است فرصت مهمی برای تعامل و افزایش دیده شدن را از دست بدهد. 

محتوایی که به‌راحتی قابل بازیابی باشد، اطمینان می‌دهد که سیستم‌های هوش مصنوعی می‌توانند داده‌های مرتبط را استخراج کنند، محتوای شما را در تولید پاسخ‌ها نقل‌قول‌پذیرتر و مؤثرتر می‌سازند.

برای بهبود قابلیت بازیابی محتوا:

• از تقسیم‌بندی معنایی برای گروه‌بندی ایده‌های مرتبط استفاده کنید.
• صفحات خود را با عناوین واضح، نکات خلاصه‌نویسی مختصر و بخش‌های منظم ساختاربندی کنید.
• محتوای چندرسانه‌ای مانند تصاویر و ویدئوها را بهینه‌سازی کنید تا قابلیت کشف توسط سیستم‌های هوش مصنوعی افزایش یابد.

طبق مطالعه‌ای توسط Schema App، صفحاتی که از نشانه‌گذاری اسکیما استفاده می‌کنند، نرخ کلیک ۴۰٪ بالاتری نسبت به صفحاتی که این کار را انجام نداده‌اند، دارند. 

علاوه بر این، بهینه‌سازی چندرسانه‌ای به‌طور فزاینده‌ای حیاتی می‌شود، چرا که سیستم‌های هوش مصنوعی در حال تکامل برای درک و پردازش انواع قالب‌های محتوا هستند.

۲. همسویی محتوا: به زبان هوش مصنوعی صحبت کنید

همسویی محتوا بر این تمرکز دارد که محتوا تا چه حد مطابق با نحوه پرسش سؤال‌ها توسط کاربران در محیط‌های جستجوی مبتنی بر هوش مصنوعی باشد. سیستم‌های هوش مصنوعی محتوایی را ترجیح می‌دهند که پاسخ‌های واضح و مستقیم به سؤال‌های کاربران ارائه دهند، به‌ویژه آن‌هایی که با پرسش‌های گفتگویی هم‌خوانی داشته باشند.

اگر محتوایتان با نحوهٔ طبیعی بیان پرسش‌های کاربران، به صورت گفتگویی، هم‌راستا نباشد، ممکن است در نتایج جستجوی تولیدی گنجانده نشود. ساختاربندی محتوا به‌گونه‌ای که پرسش‌های رایج کاربران را بازتاب دهد، احتمال استفاده هوش مصنوعی از محتوای شما در تولید پاسخ را افزایش می‌دهد.

برای بهبود همسویی محتوا:

• پاسخ‌های مستقیم یا خلاصه‌ها را در ابتدای صفحات خود قرار دهید تا هوش مصنوعی بتواند به‌سرعت پاسخی قابل اقتباس دریافت کند.
• از لحن گفتگویی استفاده کنید و زبان طبیعی مخاطبان هدف خود را بازتاب دهید.
• از اصطلاحات یکنواخت استفاده کنید تا ابهام کاهش یابد و درک هوش مصنوعی بهبود یابد.

مطابق یک مطالعهٔ اخیر توسط Semrush، محتوای اطلاعاتی بیشترین احتمال را برای ایجاد مرورهای هوش مصنوعی دارد: ۸۸٫۱٪ از پرسش‌هایی که مرور هوش مصنوعی را فعال می‌کنند، اطلاعاتی هستند.

۳. تمایز رقابتی: برجسته شدن در میان رقبا

تمایز رقابتی میزان یکتایی و ارزش محتوای شما نسبت به رقبا را می‌سنجد. در بستر جستجوی هوش مصنوعی، محتوای شما باید چیزی متمایز ارائه دهد؛ چه داده‌های جدید، چه بینش‌های منحصربه‌فرد یا چه نگرشی نوآورانه نسبت به یک موضوع.

سیستم‌های هوش مصنوعی سعی می‌کنند مرتبط‌ترین و ارزشمندترین اطلاعات را به کاربران ارائه دهند. 

اگر محتوای شما همان‌طور که رقبایتان می‌گویند، تکرار شود، هوش مصنوعی دلیلی برای برجسته کردن برند شما نسبت به آنها نخواهد داشت. برای متمایز شدن، محتوای شما باید مزیت ارزشمند و منحصربه‌فردی ارائه دهد که خلأهای موجود در محتوای رقبا را پر کند.

برای بهبود تمایز رقابتی:

• بر ارائه داده‌های منحصربه‌فرد یا مطالعات موردی که دیگران پوشش نمی‌دهند، تمرکز کنید.
• نگرش‌های نوین، بینش‌های صنعتی یا نظرات کارشناسان را ارائه دهید تا محتوای شما متمایز شود.
• محتوایی تولید کنید که به پرسش‌های خاصی که رقبا نادیده گرفته‌اند، پاسخ دهد.

در یک گزارش اخیر درباره سئو هوش مصنوعی، موسسه بازاریابی محتوا (Content Marketing Institute) دریافت که ۲۲٪ از بازاریابان B2B موفقیت بازاریابی محتوای خود را به‌عنوان بسیار یا فوق‌العاده موفق توصیف می‌کنند. این برترین‌ها معمولاً موفقیت خود را به درک عمیق از مخاطبان نسبت می‌دهند.   

۴. سیگنال‌های اعتبار: ساختن اعتماد برای سیستم‌های هوش مصنوعی

سیگنال‌های اعتبار نشانگرهایی هستند که اعتبار و قابلیت اطمینان محتوای شما را نشان می‌دهند. 

سیستم‌های هوش مصنوعی می‌خواهند به محتوای ارائه‌شده از منابع معتبر و قابل اعتماد اطمینان کنند. این سیگنال‌ها معمولاً شامل ارجاع به منابع، مدارک تأیید‌شدنی، و محتوا با کیفیت و مستمر از سوی مقامات معتبر می‌شوند.

بدون سیگنال‌های اعتبار، حتی محتوای بسیار بینش‌دار ممکن است به‌جای رقبایی که اعتماد بیشتری برای سیستم‌های هوش مصنوعی برقرار کرده‌اند، مورد چشم‌پوشی قرار گیرد. با ساختن سیگنال‌های اعتبار، برند خود را به‌عنوان مرجع اصلی که سیستم‌های هوش مصنوعی می‌توانند به‌اطمینان از آن استناد کنند، معرفی می‌کنید.

نمونه‌ها:

• ارجاع‌های ثابت و معتبر به منابع (مانند نشریات معتبر، مطالعات علمی یا کارشناسان صنعت) را در محتوای خود بگنجانید.
• اعتبارهای شرکت خود، گواهینامه‌ها و سایر نشانه‌های اعتبار را به نمایش بگذارید.
• دریافت بک‌لینک‌ها و اشاره‌های رسانه‌ای برای تقویت اعتبار کلی برندتان.

بر اساس یک مطالعهٔ اخیر از Backlinko، نتایج برتر در گوگل حداقل سه برابر بک‌لینک بیشتری نسبت به موقعیت‌های ۲ تا ۱۰ داشتند. این موضوع اهمیت وزن اعتماد که گوگل برای موقعیت اول نتایج جستجو می‌گذارد، برجسته می‌کند.

۵. نگاشت موجودیت: اتصال نقاط برای هوش مصنوعی

نگاشت موجودیت به این معناست که چقدر محتوای شما به سیستم‌های هوش مصنوعی امکان می‌دهد روابط بین موجودیت‌های کلیدی – مانند افراد، محصولات، سازمان‌ها یا مفاهیم – را درک کنند. سیستم‌های هوش مصنوعی برای ترسیم این موجودیت‌ها گراف‌های دانش می‌سازند و محتوایی که به‌وضوح آنها را شناسایی و به‌هم پیوند می‌دهد، به هوش مصنوعی کمک می‌کند تا زمینهٔ کلی اطلاعات شما را بهتر درک کند.

بر خلاف موتورهای جستجوی سنتی، سیستم‌های هوش مصنوعی برای ساختن زمینه و معنا به گراف‌های دانش متکی هستند. اگر محتوای شما به‌وضوح موجودیت‌ها یا روابط بین آنها را شناسایی نکند، احتمالاً از چشم‌پوشی خواهد شد. 

نگاشت قوی موجودیت تضمین می‌کند که محتوای شما به‌طور یکپارچه در درک هوش مصنوعی از جهان جای بگیرد و احتمال اینکه در پاسخ‌های مبتنی بر هوش مصنوعی به‌روز شود، افزایش یابد.

برای افزایش نگاشت موجودیت:

• به‌وضوح نام و لینک موجودیت‌های کلیدی (مانند افراد، محصولات، سازمان‌ها) را در محتوای خود بگنجانید.
• از اصطلاحات یکنواخت برای توصیف موجودیت‌ها در تمام محتوای خود استفاده کنید.
• یک استراتژی لینک‌سازی داخلی معنایی مرتبط ایجاد کنید تا ارتباط بین موجودیت‌های مرتبط را تقویت نمایید.

در یک آزمایش کنترل‌شده که دو وب‌سایت یکسان برای یک شرکت خیالی را مقایسه کرد، یکی از آنها نشانه‌گذاری اسکیما جامع را پیاده‌سازی کرد و دیگری این کار را انجام نداد. ChatGPT نشان داد که سایت دارای اسکیما، در بازیابی مبتنی بر هوش مصنوعی و کیفیت ارجاع‌گذاری، ۳۰٪ بهتر از رقیب خود عمل کرد. 

قابلیت دیده شدن هوش مصنوعی فراتر از سئوی سنتی است

در دوران جستجوی مبتنی بر هوش مصنوعی، قابلیت دیده شدن و تأثیر برند شما در نتایج تولید شده توسط هوش مصنوعی امری حیاتی است. با بهینه‌سازی برای پنج عامل کلیدی – قابلیت بازیابی محتوا، همسویی محتوا، تمایز رقابتی، سیگنال‌های اعتبار و نگاشت موجودیت – می‌توانید اطمینان حاصل کنید که برند شما قابل کشف بوده و متمایز می‌ماند.

همان‌طور که هوش مصنوعی در جستجو به سرعت پیش می‌رود، همکاری با آژانس سئوی مناسب برای حفظ دیده شدن در سال ۲۰۲۶ و پس از آن حیاتی خواهد بود. 

آژانسی که پایه‌ای مستحکم در سئوی سنتی داشته باشد و همراه با استراتژی‌های ثابت و چارچوبی برای سئوی هوش مصنوعی، تضمین می‌کند که برند شما نه تنها با تغییرات سازگار می‌شود، بلکه پیشتاز باشد. 

با تحول هوش مصنوعی در روش یافتن اطلاعات توسط کاربران، همکاری با کارشناسانی که هم سئوی سنتی و هم سئوی هوش مصنوعی را می‌دانند، کلید حفظ برتری رقابتی و تضمین دیده شدن بلندمدت شما خواهد بود.