دسته: سئو

FastSearch توانمندی نمایش‌های هوش مصنوعی را فراهم می‌کند – نسخه‌ای سریع‌تر و سبک‌تر از جستجو که برای سرعت به‌جای عمق طراحی شده است. این‌جا می‌بینید که چگونه نمایش محتوا تغییر می‌کند.

در اسناد دادگاهی پرونده ضد انحصاری گوگل، FastSearch فاش شد؛ سیستمی اختصاصی که تقریباً هیچ بازاریاب جستجو درباره‌اش شنیده نیست.

این سیستم در هستهٔ نحوهٔ استوارسازی نمایش‌های هوش مصنوعی توسط گوگل قرار دارد و بر سرعت به‌جای تجزیه و تحلیل عمیق نتایج جستجوی سنتی اولویت می‌دهد.

این تمایز سؤال مهمی را برمی‌انگیزد: در واقع FastSearch چه چیزی را در اولویت قرار می‌دهد؟

Google FastSearch چیست؟

FastSearch تکنولوژی داخلی گوگل برای استقرار مدل‌های Gemini و تولید نمایش‌های هوش مصنوعی است. 

در حالی که جستجوی سنتی گوگل حجم عظیمی از داده‌های وب را با استفاده از صدها سیگنال رتبه‌بندی تحلیل می‌کند، FastSearch رویکردی هدفمندتر اتخاذ می‌کند.

سند پرونده ضد انحصار این‌گونه توضیح می‌دهد: 

• “برای استقرار مدل‌های Gemini، گوگل از فناوری اختصاصی به نام FastSearch استفاده می‌کند. FastSearch بر پایهٔ سیگنال‌های RankEmbed است که مجموعه‌ای از سیگنال‌های رتبه‌بندی جستجو هستند و نتایج وب مختصر و رتبه‌بندی‌شده‌ای را می‌سازند که مدل می‌تواند برای تولید پاسخی مستند به کار گیرد. FastSearch نتایج را سریع‌تر از جستجو ارائه می‌دهد، زیرا اسناد کمتری را استخراج می‌کند، اما کیفیت نتیجه پایین‌تر از نتایج وب کاملاً رتبه‌بندی‌شدهٔ جستجو است.”

ماری هینز این مسأله را پس از مرور تصمیم قاضی در حکم‌های اصلاحی پروندهٔ انحصار گوگل به جامعه صنعت معرفی کرد. 

این کشف در صفحه ۳۵ از سند ظاهر شد و در توضیحاتی فنی درباره زیرساخت هوش مصنوعی گوگل قرار داشت.

نگاهی عمیق‌تر: حروف الفبای سیگنال‌های رتبه‌بندی گوگل: آنچه مهندسان برتر جستجو فاش کردند

معادلهٔ سرعت‑در‑برابر‑کیفیت

FastSearch سه سازش کلیدی را برای دستیابی به زمان‌های پاسخ سریع‌تر اعمال می‌کند.

مجموعه اسناد کوچکتر

به‌جای جستجو در کل فهرست گوگل، FastSearch از یک زیرمجموعه هدفمند از صفحات استفاده می‌کند. 

این امر به‌طور چشمگیری زمان پردازش را کاهش می‌دهد هنگامی که Gemini برای پاسخ‌های مکالمه‌ای به استقرار لحظه‌ای نیاز دارد.

ساده‌سازی سیگنال‌های رتبه‌بندی

FastSearch عمدتاً بر سیگنال‌های RankEmbed متکی است، نه به تمام ابزارهای رتبه‌بندی گوگل. 

این سیگنال‌ها بر روابط معنایی بین پرسش‌ها و محتوا تمرکز دارند، نه معیارهای سنتی اعتبار مانند بازگشت لینک یا شهرت دامنه.

آستانهٔ دقت قابل قبول

گوگل در صفحه ۳۵ سند دادگاهی اذعان کرده است که «کیفیت حاصل پایین‌تر از نتایج وب کاملاً رتبه‌بندی‌شدهٔ جستجو است»، همزمان که این نتایج «به‌اندازه کافی برای استقرار پاسخ‌های هوش مصنوعی مناسب هستند». 

این توضیح می‌دهد که چرا گاهی نمایش‌های هوش مصنوعی محتوای شکوک‌آمیزی را نشان می‌دهند، چرا که فرآیند ساده‌سازی‌شده بر تطبیق معنایی به‌جای ارزیابی جامع کیفیت اولویت می‌دهد.

نگاهی عمیق‌تر: چگونگی تعادل سرعت و اعتبار در تولید محتوا با کمک هوش مصنوعی

RankEmbed: سیگنال معنایی که مهم است

سند همچنین RankEmbed را به‌عنوان یکی از سیگنال‌های یادگیری عمیق «سطح‌بالا» گوگل در صفحه ۱۳۸ توصیف می‌کند که توانایی «یافتن و بهره‌برداری از الگوها در مجموعه داده‌های وسیع» را دارد. 

بر خلاف سیگنال‌هایی که محبوبیت یا تعداد بازگشت لینک را می‌سنجد، RankEmbed سؤال ساده‌تری می‌پرسد: این محتوا تا چه حد با آنچه کاربر واقعاً منظور داشته‌اند، هم‌راستا است؟

این تمرکز معنایی به این معنی است که صفحه‌ای با تعداد بازگشت لینک متوسط اما ارتباط موضوعی شفافی، می‌تواند بر دامنه‌ای با اعتبار بالا اما محتوای مبهم یا پراکنده پیشی بگیرد.

این تغییر پیامدهای مهمی دارد. قدرت سنتی سئوی سایت به‌طور خودکار منجر به دیده‌شدن در نمایش‌های هوش مصنوعی نمی‌شود.

نگاهی عمیق‌تر: سازماندهی محتوا برای جستجوی هوش مصنوعی: چارچوب سه‌سطحه‌ای

دسترسی محدود شخص ثالث از طریق Vertex AI

گوگل FastSearch را به‌عنوان یک API مستقل ارائه نمی‌دهد. 

در عوض، این فناوری در Vertex AI ابر گوگل ادغام شده است و به کسب‌وکارها امکان می‌دهد تا برنامه‌های هوش مصنوعی خود را مستند کنند.

سند این‌گونه اشاره می‌کند: 

• “مشتریان Vertex با این حال، خود نتایج وب رتبه‌بندی‌شده توسط FastSearch را دریافت نمی‌کنند، فقط اطلاعات استخراج شده از آن نتایج را دریافت می‌نمایند. گوگل به این ترتیب Vertex را محدود می‌کند تا مالکیت فکری خود را محافظت نماید.”

این به این معناست که نمی‌توانید عملکرد FastSearch را به‌صورت مستقیم همانند چگونگی تجزیه و تحلیل رتبه‌بندی‌های سنتی توسط گوگل آزمایش کنید.

سیستم همچنان به‌عنوان یک جعبه‌سیاه باقی می‌ماند، و دسترسی به آن محدود به آن چیزی است که در نمایش‌های هوش مصنوعی ظاهر می‌شود.

مفهوم این برای استراتژی محتوا

معماری FastSearch چهار اولویت استراتژیک برای قابل رؤیت بودن محتوا توسط هوش مصنوعی را نشان می‌دهد.

• شفافیت را در ابتدا قرار دهید: اگر RankEmbed روابط معنایی را در اولویت می‌نهد، محتوا باید فوراً و به‌دقت به نیت کاربر بپردازد. نکتهٔ اصلی خود را در میان سه پاراگراف پنهان نکنید.
• عمق موضوعی را بسازید: تمرکز معنایی FastSearch نشان می‌دهد که پوشش جامع یک موضوع بیشتر از به‌دست آوردن بازگشت لینک‌های اضافی اهمیت دارد. خوشه‌های محتوایی که تخصص را در زمینه‌های مرتبط نشان می‌دهند، ممکن است عملکرد بهتری داشته باشند.
• سازماندهی برای استخراج: محتوایی که به سیستم‌های هوش مصنوعی کمک می‌کند به‌سرعت روابط بین موضوعات را شناسایی کرده و اطلاعات مرتبط را استخراج کنند، مزیتی دارد. این با بهترین‌رویه‌ها در زمینهٔ نشانه‌گذاری schema، سلسله‌مراتب واضح سرفصل‌ها و معماری منطقی اطلاعات همسو است.
• تعادل بین دو سیستم: اگرچه FastSearch از سیگنال‌های متفاوتی استفاده می‌کند، همپوشانی قابل‌توجهی بین رتبه‌بندی‌های جستجوی سنتی و ارجاعات نمایش‌های هوش مصنوعی وجود دارد. سایت‌هایی با اعتبار واقعی تمایل دارند در هر دو محیط موفق شوند.

اصول پایه سئو را رها نکنید

دنی سولیوان از گوگل تأکید می‌کند که سئوی خوب، بهینه‌سازی مؤثر برای موتورهای مولد (GEO) را ایجاد می‌کند. 

اصول بنیادی همچنان ثابت می‌مانند: 

• درک نحوهٔ جستجوی مردم.
• ایجاد محتوای مفید.
• قابل دسترس‌سازی اطلاعات برای سامانه‌های جستجو.

تحقیقات نشان می‌دهد سایت‌هایی که تخصص واقعی خود را تثبیت می‌کنند، در نتایج جستجوی سنتی و نتایج جستجوی مبتنی بر هوش مصنوعی عملکرد خوبی دارند. 

تفاوت بیشتر در ارائه است تا تغییرات اساسی در آنچه کار می‌کند.

نگاهی عمیق‌تر: دنی سولیوان از گوگل: سئوی خوب یعنی GEO خوب

طرح اقدام شما

FastSearch نیازی به بازنگری کامل استراتژی محتوایتان ندارد، اما این حوزه‌ها شایستگی تمرکز تجدیدی دارند.

• انجام دادن یک حسابرسی معنایی: محتوا را بازبینی کنید تا مطمئن شوید از پاراگراف اول واضحاً به نیت کاربر می‌پردازد. ابهام دربارهٔ موضوع هر قطعه را برطرف کنید و روابط صریح موضوعی را تقویت کنید.
• پیگیری عملکرد هوش مصنوعی به‌صورت جداگانه: پیگیری کنید که کدام محتوا در نمایش‌های هوش مصنوعی ظاهر می‌شود و الگوها را شناسایی کنید. ویژگی‌های معنایی بین ارجاعات شما و رقبایتان را مقایسه کنید.
• آزمون رویکردهای ساختاری: با معماری‌های مختلف محتوا، سلسله‌مراتب سرفصل‌ها و پیاده‌سازی‌های schema آزمایش کنید. تأثیر آن را بر نمایان شدن هوش مصنوعی همراه با معیارهای سنتی ارزیابی کنید.
• حفظ سئوی سنتی: FastSearch یک مورد استفاده خاص را تقویت می‌کند. عوامل رتبه‌بندی سنتی همچنان بیشترین بازدید و ترافیک جستجو را فراهم می‌آورند.

آنچه FastSearch دربارهٔ جهت‌گیری گوگل آشکار می‌کند

اسناد دادگاهی که FastSearch را فاش کردند، نگاهی نادر به زیرساخت داخلی گوگل ارائه دادند. 

این دیدگاه‌ها یادآور می‌شوند که تجربه‌های ظاهری، چه نتایج جستجوی سنتی و چه نمایش‌های هوش مصنوعی، به سامانه‌های پیچیده‌ای متکی‌اند که میلیون‌ها محاسبه را پشت صحنه انجام می‌دهند.

همزمانی که گوگل نمایش‌های هوش مصنوعی را به پرسش‌های بیشتر، زبان‌های بیشتر و کشورهای بیشتری گسترش می‌دهد، درک فناوری‌هایی همچون FastSearch اهمیت فزاینده‌ای پیدا می‌کند. 

با این حال، اصل اساسی تغییر نمی‌کند: ایجاد محتوای واضح، مفید و معتبر که به‌خوبی به کاربران خدمت می‌کند.

FastSearch ممکن است از سیگنال‌های سبک‌تری نسبت به جستجوی سنتی گوگل استفاده کند، اما هر دو سیستم در نهایت هدفشان اتصال افراد به اطلاعات ارزشمند است. 

بازاریابان جستجو که این هدف بنیادی را به‌درستی پیاده‌سازی کنند، موفق خواهند شد؛ صرف‌نظر از این‌که چه فناوری‌ای پاسخ را ارائه می‌دهد.

نگاهی عمیق‌تر: چگونه نمایش‌های هوش مصنوعی گوگل، بازی تبلیغات کلیکی (PPC) را تغییر می‌دهند

Failed to load content from the source.

کشف کنید که چگونه نظرات گوگل حاوی کلمات کلیدی می‌توانند نمایانگی محلی، تعامل و تبدیل‌های شما را ارتقا دهند – به‌همراه قالب‌هایی که به شما کمک می‌کنند.

به‌طور کلی اعتبار می‌شود که کلمات کلیدی در نظرات به بهبود رتبه‌بندی‌های محلی کمک می‌کنند، اگرچه تأثیر دقیق آن همچنان در جامعه سئو محلی به‌طور فعال مورد بحث است.

صرف‌نظر از اینکه حقیقت در مورد تأثیر این کلمات در رتبه‌گذاری کجا قرار می‌گیرد، نظرات پر از کلمات کلیدی می‌توانند علاوه بر رتبه‌بندی خالص، ارزش معنایی مهمی برای سئو محلی فراهم آورند.

در زیر هفت دلیل برای تشویق به دریافت نظرات حاوی کلمات کلیدی آورده شده است.

۱. توجیه‌های نظرات

اگر نظرات شما به‌طور مستمر به یک کلمه کلیدی مرتبط با کسب‌وکار اشاره کنند، احتمال دریافت توجیه نظرات برای نمایه‌تان در نتایج جستجو افزایش می‌یابد.

این نمایش می‌تواند نرخ کلیک (CTR) را بالا ببرد. تعامل بیشتر نیز می‌تواند بهبود ثانویه‌ای در رتبه‌های موتورهای جستجو به‌دنبال داشته باشد.

۲. موضوعات مکان

گوگل از کلمات کلیدی موجود در نظرات شما، موضوعات مکان قابل کلیک می‌سازد. این موضوعات:

• نقاط قوت تخصصی شما را برجسته می‌کند.
• نظرات را برای مشتریان فیلتر می‌کند.
• می‌تواند تعامل نمایهٔ شما را افزایش دهد.

۳. بخش‌های کوتاه نظرات

گوگل واژگان پر استفاده را در سه بخش کوتاه نظرات نمایهٔ تجاری پررنگ می‌کند. این کار کاربران جستجوگر این واژگان را به نمایهٔ شما جذب می‌کند و امیدواریم نرخ کلیک را افزایش دهد.

۴. نکات برجسته منو (رستوران‌ها)

نکات برجسته منو از نظرات و عکس‌های مشتریان تولید می‌شوند، مشابه موضوعات مکان.

تحلیل اخیر کلودیا تومینا نشان داد که:

• بخش نکات برجسته منو بر رتبه‌بندی‌ها تأثیر می‌گذارد.
• کلمات کلیدی در نظرات بر بخش نکات برجسته منو تأثیر می‌گذارند.
• بنابراین، وقتی برای واژه‌ای که در نظراتتان ذکر شده نکته برجسته‌ای در منو دریافت می‌کنید، باید برای آن واژه رتبهٔ بهتری کسب کنید.

۵. خلاصه‌های ویرایشی هوش مصنوعی

خلاصه‌های تجاری تولیدشده توسط هوش مصنوعی گوگل، مفاهیم استخراج‌شده از نظرات (مانند «دنج») را برای توصیف کسب‌وکار شما به کار می‌برند.

اگرچه نمی‌توانید این خلاصه‌های هوش مصنوعی را ویرایش کنید، اما تشویق مشتریان به گنجاندن کلمات کلیدی خاص در نظراتشان می‌تواند هوش مصنوعی را به تأکید بر جنبه‌های مفیدتر برای کسب‌وکار شما سوق دهد.

۶. خلاصه‌های نظرات هوش مصنوعی

هوش مصنوعی گوگل با تحلیل احساسات رایج و نکات بازخورد مشتریان، خلاصه‌های نظرات را ایجاد می‌کند.

اگر مشتریان شما کلمات کلیدی مناسب را در نظراتشان بکار ببرند، خلاصهٔ نظرات شما جذاب‌تر به‌نظر خواهد آمد.

۷. درخواست اطلاعات از نقشه‌ها درباره این مکان ویژگی

گوگل در حال حذف بخش قدیمی پرسش‌وپاسخ (Q&A) است و آن را با ویژگی هوش مصنوعی‌محور جایگزین می‌کند که پاسخ‌ها را از نظرات مشتریان استخراج می‌کند.

به این معنی است که نظرات حاوی اطلاعات دقیق (و کلمات کلیدی مناسب) بیش از پیش ارزشمند می‌شوند.

چگونه می‌توانید کلمات کلیدی را در نظرات خود گنجانده کنید؟

درخواست مستقیم از مشتریان برای افزودن [keyword] به نظراتشان منطقی نیست؛ این کار ناطبیعی و عجیب به‌نظر می‌آید و باعث می‌شود مشتری متحیر بماند که هدف شما چیست.

اما این به این معنی نیست که تمام گزینه‌ها را از دست داده‌اید.

برای ترغیب مشتریان به گنجاندن خودبه‌خودی کلمات کلیدی مرتبط در نظراتشان، ابتدا الگوهای درخواست نظرات خود را بهبود دهید.

مریام الیس اخیراً راهنمای مفیدی دربارهٔ به‌دست آوردن نظرات پر از کلمات کلیدی تهیه کرده است که شامل سه قالب درخواست نظرات برای آسان‌سازی کار هر صاحب‌کسب‌وکار می‌شود.

این قالب‌ها به مشتریان می‌آموزند چه بگویند و با تشویق به نوشتن نظرات طولانی‌تر، جزئی‌تر و حاوی کلمات کلیدی، حتی می‌توانند آن‌ها را به افزودن عکس به نظراتشان ترغیب کنند.

در ادامه سه قالب از این موارد آورده شده است:

سناریو ۱: درخواست نظرات برای محصولات خاص

سلام [customer name]، من [your name and job title] از شرکت [company name] هستم و برای پیگیری خرید شما از [product] این پیام را می‌نویسم. مسئولیت من اطمینان از رضایت شماست و مایلم اگر مایل باشید، بازخورد خود را در یک نظرسنجی در لینک [link] ارائه دهید؟  در صورت عدم داشتن عکس خودتان، یک تصویر از [product] پیوست کرده‌ام تا در نظرتان استفاده کنید، و بسیار سپاسگزار می‌شوم اگر تجربهٔ خود را با موارد زیر مرور کنید: – ویژگی‌های این محصول که برای شما برجسته‌ترین هستند– نکات مثبت یا منفی دربارهٔ آن– نحوهٔ استفادهٔ شما از محصول از زمان خرید آن    اگر جایی هست که می‌توانستیم برای شما بهتر عمل کنیم، لطفاً مستقیماً از طریق شمارهٔ تماس یا فرم بازخورد [phone number or feedback form link] با ما در ارتباط باشید. هدف من اطمینان از رضایت کامل شماست و از کسب‌وکار شما بسیار سپاسگزاریم. از وقتی که برای بیان تجربهٔ شخصی خود در این نظرسنجی می‌گذارید، صمیمانه سپاسگزارم. [لینک یا دکمهٔ ارسال نظرتان اینجا] با احترام،[name, job title, business]

سناریو ۲: درخواست نظرات برای خدمات خاص

سلام [customer name]، من [your name and job title] از شرکت [company name] هستم و بسیار خوشحال شدیم که [service provided] را برای شما انجام دادیم. مسئولیت من اطمینان از رضایت شماست و مایلم اگر مایل باشید، بازخورد خود را در یک نظرسنجی در لینک [link] ارائه کنید؟  در صورت عدم داشتن عکسی خودتان، یک تصویر از [the service that was provided] پیوست کرده‌ام تا در نظرتان استفاده کنید، و بسیار سپاسگزار می‌شوم اگر تجربهٔ خود را با موارد زیر مرور کنید: – آیا سرویس با انتظارات شما هم‌خوانی داشته است یا خیر– نکات مثبت یا منفی دربارهٔ سرویس– نحوهٔ عملکرد ما در ارائه خدمات به مشتری  اگر نکته‌ای هست که می‌توانستیم برای شما بهتر عمل کنیم، لطفاً مستقیماً از طریق شمارهٔ تماس یا فرم بازخورد [phone number or feedback form link] با ما در ارتباط باشید. هدف من اطمینان از رضایت کامل شماست و از کسب‌وکار شما بسیار سپاسگزاریم. از وقتی که برای به اشتراک گذاشتن تجربهٔ شخصی‌تان در این نظرسنجی می‌گذارید، بی‌نهایت سپاسگزارم. [لینک یا دکمهٔ ارسال نظرتان اینجا] با احترام،[name, job title, business]

سناریو ۳: درخواست نظرات وقتی که نمی‌دانید مشتری چه خریداری کرده است

قالب ایمیل

سلام [customer name]، از این که مشتری ما هستید سپاسگزاریم. من [your name and job title] از شرکت [company name] هستم. مسئولیت من اطمینان از رضایت شماست و مایلم اگر مایل باشید، نظرتان را در لینک [link] ارائه دهید؟  در صورت عدم داشتن عکس خودتان، یک تصویر از [the business premises] پیوست کرده‌ام تا در نظرتان استفاده کنید، و خوشحال می‌شوم اگر نظرتان را در مورد موارد زیر بنویسید: – آیا خدمات مشتری ما برای شما مفید بوده است یا خیر– نکات مثبت یا منفی دربارهٔ فروشگاه ما– دلیل انتخاب فروشگاه ما  اگر نکته‌ای وجود دارد که می‌توانستیم برای شما بهتر عمل کنیم، لطفاً بدون تردید از طریق شماره تماس یا فرم بازخورد [phone number or feedback form link] مستقیماً با ما در تماس باشید. هدف من اطمینان از رضایت کامل شماست و از کسب‌وکار شما بسیار سپاسگزاریم. از وقتی که برای به اشتراک گذاشتن تجربهٔ شخصی‌تان در این نظرسنجی می‌گذارید، بی‌نهایت سپاسگزارم. [لینک یا دکمهٔ ارسال نظرتان اینجا] با احترام،[name, job title, business]

حالا، این را برای خود به‌کار بگیرید

با اجرای چند بهبود ساده در درخواست‌های نظرات خود، نظرات دقیق‌تری از مشتریان دریافت خواهید کرد و بازخورد ارتقایافته‌شان مزایای متعددی به همراه دارد.

ممکن است حتی رتبه‌بندی‌های گوگل خود را برای کلمات کلیدی بیشتری ارتقا دهید، اما من نمی‌توانم هیچ‌چیزی را تضمین کنم. با وجود تمام مزایای دیگر، هدف اصلی شما نباید صرفاً رتبه‌بندی باشد.

موردی اوبرستین، چگونگی تأثیر مدل‌های بزرگ زبانی (LLMها) بر سئو و استراتژی محتوای شما را بررسی می‌کند و توضیح می‌دهد چرا هویت، اعتماد و پیوستگی اهمیت دارد.

در این هفته از «پرسش یک سئو»، سؤال مطرح شده این بود:

«آیا باید استراتژی محتوای خود را برای LLMها بازنگری کنم و چگونه می‌توانم این کار را آغاز کنم؟»

برای پاسخ، قصد دارم مسیر غیرخطی در قیف مسیر سفر مشتری را شرح دهم و نشان دهم که مدل‌های بزرگ زبانی (LLMها) در کجا ظاهر می‌شوند.

از بازنگری انتظارات ترافیک تا انجام ارزیابی احساسات استخراج‌شده توسط LLMها، درباره این که چرا هویت برند در ساختن شهرتی که هم کاربران و هم ماشین‌ها به‌عنوان منبع معتبر شناسایی می‌کنند، مهم است، صحبت خواهم کرد.

می‌توانید ویدئوی این هفته از «پرسش یک سئو» را تماشا کنید و متن کامل زیر را بخوانید.

یادداشت سردبیر: متن زیر برای وضوح، اختصار و رعایت دستورالعمل‌های تحریریه ویرایش شده است.

به‌سرعت به بازنگری استراتژی‌تان نپردازید

در ابتدا، به‌شدت توصیه می‌کنم که به‌سرعت وارد این کار نشوید. می‌دانم که در شبکه‌های اجتماعی نویز و سر و صدای زیادی وجود دارد که می‌گویند به‌دلیل LLMها باید استراتژی‌تان را بازنگری کنید، اما این مسأله هنوز خیلی، خیلی دور از تثبیت است.

به‌عنوان مثال، یا به‌طور بارز، حالت AI هنوز در نتایج جستجوی سنتی ظاهر نمی‌شود. وقتی گوگل برگه AI Mode را از حالت تب به نتایج اصلی جستجو منتقل کند، کل اکوسیستم برای یک تحول دیگر آماده می‌شود، صرف‌نظر از این‌که شکل آن چه خواهد بود، زیرا هنوز به‌دقت نمی‌دانیم این تحول چگونه خواهد بود.

من شخصاً فکر می‌کنم دمو Gemini گوگل (که سال‌ها پیش ارائه شد و نتایج سفارشی برای انواع خاصی از پرسش‌ها با قالب‌های پاسخ متفاوت نشان داد) ممکن است به‌عنوان الگوی نهایی حالت AI باشد، نه چیزهایی که هم‌اکنون دیده می‌شود؛ چرا که در حال حاضر خروجی صرفاً متنی است که شبیه ChatGPT می‌باشد.

به‌نظر می‌رسد گوگل این دو محصول را هنگامی که AI Mode را از تب به نتایج اصلی جستجو منتقل می‌کند، متمایز خواهد کرد. بنابراین، اوضاع هنوز به‌طور کامل تثبیت نشده است. و اگر فکر می‌کنید که این‌طور است، واقعیت این است که هنوز نیست.

بازنگری انتظارات ترافیک از LLMها

مسئله دیگری که می‌خواهم بازنگری کنید، انتظارات ترافیک از LLMها است.

بحث‌های فراوانی درباره ارجاع‌ها و ترافیک – ارجاع‌ها و ترافیک، ارجاع‌ها و ترافیک – وجود دارد. من فکر نمی‌کنم ارجاع‌ها، و بنابراین ترافیک، جواهر اصلی در اکوسیستم LLMها باشند. به‌نظر من «اشاره‌ها» این نقش را ایفا می‌کنند. نکته‌ای که در این میان جدید نیست.

به‌صورت سنتی، قیف مسیر مشتری پرآشفتگی بوده و گوگل برای مدت طولانی دربارهٔ این موضوع صحبت کرده است. اکنون یک LLM ممکن است نقطه شروع یا مرحله‌ای در این قیف شلوغ باشد، اما من معتقدم که به‌طور بنیادی متفاوت نیست.

مثالی بزنم. اگر به دنبال یک جفت کفش باشم، ممکن است به گوگل بروم و جستجو کنم: «آیا این کفش‌های نایکی خوب هستند؟». سپس ممکن است به یک وب‌سایت نگاه کنم، پس از آن به آمازون رفته محصول واقعی را بررسی کنم.

سپس ممکن است به یوتیوب بروم، نقد و بررسی محصول را ببینم، شاید یکی دیگر را هم تماشا کنم، به آمازون بازگردم، آن را بررسی کنم، به Google Shopping سر بزنم تا ببینم آیا ارزان‌تر است یا نه، و سپس دوباره به آمازون برگردم و خرید را انجام دهم.

حالا یک LLM در این ترکیب وارد می‌شود و این واقعاً تفاوت اصلی است. شاید اکنون LLM پاسخ را به من بدهد یا شاید گوگل آن را بدهد. سپس به آمازون می‌روم، محصول را بررسی می‌کنم، به Google Shopping می‌روم تا ببینم ارزان‌تر است یا نه، نقد و بررسی یوتیوب را می‌بینم، شاید کمی تغییر دهم، به ChatGPT باز می‌گردم تا ببینم این بار پیشنهاد متفاوتی می‌دهد یا نه، تمام این فرآیند را طی می‌کنم و در نهایت از آمازون خرید می‌کنم. این تجربهٔ شخصی من است.

مهم است درک کنید که این الگو مدتی است وجود دارد. اما اگر LLMها را منبعی برای ترافیک می‌دانید، به‌شدت توصیه می‌کنم این کار را نکنید. آن‌ها لزوماً برای این منظور ساخته نشده‌اند.

به‌ویژه ChatGPT برای ارجاع یا تولید ترافیک طراحی نشده؛ این مدل برای ارائهٔ پاسخ‌ها و تعامل ساخته شده است. معمولاً تا سوم، چهارم یا پنجمین پرسش، ارجاعی از ChatGPT دریافت نمی‌کنید.

LLMهای دیگر، مثل AI Mode یا Perplexity، کمی بیشتر به ارجاع یا لینک تمایل دارند، اما همچنان محصول اصلی آنها خروجی است؛ یعنی ارائهٔ پاسخ و امکان ادامهٔ کشف.

به‌این ترتیب، من به‌شدت معتقدم که اشاره به برند بسیار مهم‌تر از ارجاع واقعی است. همچنین، ارجاع ممکن است صرفاً منبع اطلاعات باشد. اگر بپرسم «آیا کفش‌های نایکی خوب هستند؟» ممکن است نقدی از یک وب‌سایت شخص ثالث (مانند CNET) دریافت کنم و حتی اگر روی آن کلیک کنم، آنجا مکان خرید واقعی کفش نیست.

بنابراین، در این مورد ترافیک حتی هدف مطلوب برای برند نیست؛ شما می‌خواهید کاربران به جایی برسند که بتوانند کفش را بخخرند، نه فقط نقد و بررسی آن را بخوانند.

اهمیت هم‌افزایی و زمینه در محتوا

نکتهٔ بعدی اهمیت هم‌افزایی و زمینه در محتواست. برای موفقیت با LLMها، مسئله این نیست (چیزی که پیش از این از افراد شنیده‌ام) که ارجاع‌های برتر صرفاً آنهایی هستند که در گوگل عملکرد خوبی دارند. لزوماً این‌طور نیست.

ممکن است یک همبستگی وجود داشته باشد، اما دلیل‌ساز نیست. LLMها سعی می‌کنند کاری متفاوت از موتورهای جستجو انجام دهند؛ آن‌ها می‌خواهند وب را ترکیب کنند تا به‌عنوان یک نمایندهٔ کلی وب عمل کنند. بنابراین، آنچه در سرتاسر وب برای محتوای شما رخ می‌دهد، بسیار مهم‌تر است: نحوهٔ گفت‌وگو دربارهٔ محتوا، مکان انتشار گفت‌وگو، کسانی که دربارهٔ آن صحبت می‌کنند و دفعات اشاره به آن.

این به این معنا نیست که محتوای سایت شما اهمیتی ندارد؛ اما وزن آن متفاوت از موتورهای جستجوی سنتی است. باید به LLM زمینهٔ برند خود را بدهید تا متوجه شود شما حضور دیجیتالی در این حوزه دارید و شایستهٔ ذکر یا ارجاع هستید.

باز هم، من بیشتر بر «اشاره‌ها» تمرکز می‌کنم. این به این معنا نیست که ارجاع‌ها مهم نیستند (در واقع مهم‌اند)، اما در این زمینه «اشاره‌ها» وزن بیشتری دارند.

انجام یک ارزیابی

به‌نظر من، راه‌حل این است که یک ارزیابی انجام دهید. باید ببینید LLM چگونه دربارهٔ موضوع صحبت می‌کند.

LLMها به‌طور شناخته‌شده‌ای مثبت هستند و تمایل دارند در پاسخ‌های عمدتاً مثبت، اندک قطعاتی از حس منفی را نیز گنجانند. من به‌یک مجموعهٔ دادهٔ اخیر نگاه کردم؛ اگرچه اعداد رسمی ندارم، می‌توانم بگویم که این مدل‌ها برای تمایل به حالت خنثی یا مثبت خالص تنظیم شده‌اند.

به عنوان مثال، اگر بپرسم «آیا دوجرز خوب هستند؟» LLMها (در این مورد AI Mode) می‌گویند: «بله، دوجرز خوب هستند…» و ادامه می‌دهند. اگر بپرسم «آیا یانکیز خوب هستند؟» و فرض کنیم دو یا سه هفته پیش عملکرد ضعیفی داشته‌اند، این مدل نمی‌گوید «بله، یانکیز خوب هستند»؛ بلکه می‌گوید «اگر به این و آن نگاه کنید، به‌نظر کلی یانکیز خوب به‌نظر می‌رسند».

این دو پاسخ بسیار متفاوت‌اند. هر دو سعی می‌کنند مثبت باشند، اما باید بین سطرها بخوانید تا متوجه شوید LLM چگونه برند را می‌بیند و چه تردیدها یا شک‌های احتمالی کاربران در آن نهفته است. یا اینکه کجا خلأهای اطلاعاتی وجود دارد؟

به عنوان مثال، اگر بپرسم «آیا گاتراید نوشیدنی خوبی است؟» و پاسخی بگیرد، سپس بپرسم «آیا پاوراید نوشیدنی خوبی است؟» و پاسخی کمی متفاوت دریافت کنم، باید متوجه شوم چرا اینطور است. چرا می‌گوید «گاتراید عالی است» اما «پاوراید مورد علاقهٔ بسیاری است»؟ باید عمیق‌تر بررسی کنیم تا تفاوت‌ها را درک کنیم.

اجرای یک ارزیابی به شما کمک می‌کند ببینید LLM چگونه به برند و بازار شما رفتار می‌کند. آیا به‌طور مستمر همان نقاط تردید یا تردیدهای کاربران را مطرح می‌کند؟ اگر بپرسم «چند گزینهٔ مناسب برای جایگزینی قهوهٔ فولگرز وجود دارد؟»، AI Mode ممکن است بگوید: «اگر به‌دنبال قهوهٔ کم‌قیمت هستید، فولگرز یک گزینه است. اما اگر می‌خواهید چیزی با طعم بهتر و قیمت مشابه داشته باشید، برند X را در نظر بگیرید.»

این نکته‌ای به شما می‌گوید: حول فولگرز و طعم آن احساسی منفی وجود دارد. این‌چنین نباید در محتوای خود و استراتژی برند نادیده بگیرید. تنها راه برای دانستن این موضوع، انجام یک ارزیابی، خواندن بین سطرها و فهمیدن پیام‌های LLM است.

شکل‌دادن به آنچه LLMها دربارهٔ برند شما می‌گویند

راهی که می‌توانید LLMها را وادار کنید دربارهٔ برندتان آنچه می‌خواهید بگویند، این است که با یک دیدگاه آگاهانه شروع کنید: چه چیزی می‌خواهید LLMها در رابطه با برندتان بگویند؟ که در واقع به این سؤال منتهی می‌شود: می‌خواهید مردم چه بگویند دربارهٔ برند شما؟

تنها راه برای انجام این کار داشتن هویت برند قوی، متمرکز و آگاهانه است. شما کی هستید؟ چه هدفی دارید؟ چرا این مهم است؟ برای چه کسی این کار را انجام می‌دهید؟ و چه کسانی به‌دلیل این موضوع به شما علاقه‌مندند؟

هویت برند شما عاملی است که به برند شما تمرکز می‌بخشد. این تمرکز را به بازاریابی محتوا، استراتژی سئو، هدف‌گذاری مخاطب و در کل تمام جوانب برند می‌دهد.

اگر این توصیف دقیقاً شما را نشان می‌دهد، اما در خلاف آن باشد، محتوایی که می‌نویسید با واقعیت شما همخوانی نخواهد داشت. به‌سختی هویت برند خود را با تولید محتوای جانبی یا ناسازگار رقیق نمی‌کنید.

اگر می‌خواهید سایت‌های شخص ثالث و افراد در وب، هویت شما و مأموریت‌تان را درک کنند و حضور آنلاین شما را بسازند، باید درک عمیق و آگاهانه‌ای از خود و فعالیت‌تان داشته باشید.

به این ترتیب می‌دانید کجا باید تمرکز کنید، کجا نباید، چه محتواهایی را باید تولید کنید، چه محتواهایی را نباید، و چگونه می‌توانید ایدهٔ این‌که شما X هستید و برای X مرتبط‌اید را در وب تقویت کنید.

اگرچه این ساده به‌نظر می‌رسد، اما توسعهٔ همهٔ این موارد، اطمینان از همسویی آن‌ها و ارزیابی مستمر برای اطمینان از به‌کارگیری واقعی … کار آسانی نیست.

نکات نهایی

LLMها ممکن است نحوهٔ یافتن اطلاعات مشتریان دربارهٔ برندهای شما را تغییر دهند، اما تعقیب ارجاع‌ها و کلیک‌ها استراتژی محکمی نیست.

با وجود هرج‌ومرج‌های هوش مصنوعی و جستجو در عصر LLMها، بازاریابان باید به اصول اساسی پایبند بمانند: هویت برند، اعتماد و ارتباط همچنان مهم هستند.

بر هویت برند تمرکز کنید تا شهرت خود را بسازید و اطمینان حاصل کنید که هم کاربران و هم موتورهای جستجو برند شما را به‌عنوان مرجع معتبر در حوزهٔ تخصصی‌تان می‌شناسند.

منابع بیشتر:

• هوش مصنوعی به‌عنوان دستیار بازاریابی شما: چگونگی بهره‌برداری مؤثر از LLMها در سئو و محتوا
• ساختن اعتماد در عصر هوش مصنوعی: اخلاق و شفافیت در بازاریابی محتوا
• وضعیت سئو 2026

---

تصویر ویژه: پائولو بوبیتا/مجله موتورهای جستجو

موردی اوبرستین مفهوم مدل‌های زبانی بزرگ را برای سئو و استراتژی محتوای شما تفکیک می‌کند و توضیح می‌دهد که چرا هویت، اعتماد و ثبات مهم هستند.

برای بخش پرسش از یک سئوکار این هفته، سؤال مطرح شده این بود:

«آیا باید استراتژی محتوای خود را برای مدل‌های زبانی بزرگ بازنگری کنم و از کجا شروع کنم؟»

برای پاسخ، مسیر غیرخطی قیف سفر مشتری را توضیح می‌دهم و نشان می‌دهم مدل‌های زبانی بزرگ (LLM) در کجا ظاهر می‌شوند.

از بازنگری انتظارات ترافیک تا انجام حسابرسی بر احساسات استخراج‌شده توسط مدل‌های زبانی بزرگ، دربارهٔ این‌که چرا هویت برند در ساخت شهرتی که هم کاربران و هم ماشین‌ها آن را مستند می‌دانند، مهم است، صحبت می‌کنم.

می‌توانید ویدئوی پرسش از یک سئوکار این هفته را تماشا کنید و متن کامل آن را در ادامه بخوانید.

یادداشت سردبیر: متن زیر برای وضوح، اختصار و انطباق با دستورالعمل‌های ویرایشی ما ویرایش شده است.

در بازنگری سریع استراتژی خود عجله نکنید

از همان ابتدا به‌شدت توصیه می‌کنم که در این زمینه عجله نکنید. می‌دانم که در شبکه‌های اجتماعی سر و صدای بسیار زیادی در مورد این‌که به‌دلیل مدل‌های زبانی بزرگ باید استراتژی‌تان را بازنگری کنید، وجود دارد، اما این موضوع هنوز بسیار دور از تثبیت است.

به‌عنوان مثال، و به‌ویژه، حالت هوش مصنوعی هنوز در نتایج جستجوی سنتی حضور ندارد. وقتی گوگل تب حالت هوش مصنوعی را از یک تب مستقل به نتایج اصلی جستجو منتقل کند، کل اکوسیستم برای یک تغییر بزرگ دیگر آماده می‌شود، هر شکلی که داشته باشد، چون ما هنوز نمی‌دانیم این چطور خواهد بود.

من به‌صورت شخصی اعتقاد دارم نمایش Gemini گوگل (نمایشی که سال‌ها پیش انجام دادند و نتایج سفارشی برای انواع خاصی از پرسش‌ها با قالب‌های پاسخ مخصوص نشان دادند) شاید شبیه به حالت هوش مصنوعی در آینده باشد تا آنچه‌که در حال حاضر فقط خروجی متنی دارد و شبیه ChatGPT است.

فکر می‌کنم گوگل این دو محصول را متمایز خواهد کرد زمانی که حالت هوش مصنوعی را از تب به نتایج اصلی جستجو منتقل کند. بنابراین، هنوز همه چیز تثبیت نشده است. و اگر فکر می‌کنید که نیست، درست است؛ هنوز تثبیت نشده است.

بازنگری انتظارات ترافیک از مدل‌های زبانی بزرگ

چیز دیگری که می‌خواهم بازنگری کنید، انتظارات ترافیک از مدل‌های زبانی بزرگ است.

بحث‌های فراوانی دربارهٔ ارجاع‌ها و ترافیک – ارجاع‌ها و ترافیک، ارجاع‌ها و ترافیک، وجود داشته است. من فکر نمی‌کنم ارجاع‌ها و به‌ازای آن ترافیک، جواهر اصلی در اکوسیستم مدل‌های زبانی بزرگ باشند. من معتقدم ذکرها (منشن‌ها) مهم‌تر هستند. به هر حال این چیز جدیدی نیست.

به‌صورت سنتی، قیف مسیر مشتری پر از ابهام بوده و گوگل مدتی طولانی دربارهٔ آن صحبت کرده است. اکنون، یک مدل زبانی بزرگ وجود دارد که می‌تواند نقطهٔ شروع یا گامی در این قیف پرابن باشد، اما من معتقدم که به‌صورت بنیادی متفاوت نیست.

یک مثال می‌زنم. اگر به دنبال یک جفت کفش باشم، ممکن است به گوگل رفته و جستجو کنم: «آیا این کفش‌های نایک خوب هستند؟» سپس ممکن است به یک وب‌سایت نگاه کنم و بعد به آمازون رفته و محصول واقعی را بررسی کنم.

سپس می‌توانم به یوتیوب بروم، نقدی از محصول را ببینم، شاید ویدئوی دیگری را تماشا کنم، به آمازون برگردم، نگاهی بیندازم، Google Shopping را بررسی کنم تا ببینم آیا آنجا ارزان‌تر است یا نه، و سپس دوباره به آمازون برگردم تا خرید انجام دهم.

حال، یک مدل زبانی بزرگ به این ترکیب اضافه می‌شود و این دقیقاً تفاوت اصلی است. شاید حالا مدل زبانی بزرگ به من پاسخ دهد. یا شاید گوگل پاسخ را بدهد. سپس به آمازون می‌روم، محصول را بررسی می‌کنم، به Google Shopping سر می‌زنم تا ببینم آیا ارزان‌تر است، نقدی در یوتیوب را می‌بینم، شاید کمی مسیر را تغییر دهم، دوباره به ChatGPT مراجعه می‌کنم تا ببینم این بار پیشنهادی متفاوت دارد یا نه، تمام این فرایند را طی می‌کنم و در نهایت در آمازون خرید می‌کنم. این فقط تجربهٔ شخصی من است.

مهم است که درک کنید این پارادایم مدتی است که وجود دارد. اما اگر مدل‌های زبانی بزرگ را منبعی برای ترافیک می‌دانید، به شدت توصیه می‌کنم این‌گونه فکر نکنید. آنها لزوماً برای این منظور ساخته نشده‌اند.

ChatGPT به‌طور خاص برای ارجاع یا ارائهٔ ترافیک ساخته نشده است. این ابزار برای ارائهٔ پاسخ‌ها و تعامل طراحی شده است. معمولاً تا درخواست سوم، چهارم یا پنجم (هر چه باشد) در ChatGPT ارجاع دریافت نمی‌کنید.

سایر مدل‌های زبانی بزرگ، مانند حالت هوش مصنوعی یا Perplexity، کمی بیشتر به‌صورت ارجاع یا لینک‌محور هستند، اما همچنان محصول اصلی آنها خروجی است؛ یعنی به شما پاسخ می‌دهند و امکان ادامهٔ کاوش را فراهم می‌کنند.

بنابراین، من به‌قوة معتقدم که ذکر برند به‌مراتب مهم‌تر از خود ارجاع است. همچنین، ارجاع می‌تواند تنها منبع اطلاعات باشد. اگر بپرسم «آیا کفش‌های نایک خوب هستند؟» ممکن است نقدی از یک وب‌سایت شخص ثالث، مثلاً CNET، دریافت کنم و حتی اگر آنجا را کلیک کنم، این جایی نیست که قرار است کفش واقعی را خریداری کنم.

در این حالت، حتی ترافیک هدف مطلوب برای برند نیز نیست. شما می‌خواهید کاربران به جایی برسند که بتوانند کفش را خریداری کنند، نه صرفاً نقدی از آن بخوانند.

اهمیت هم‌افزایی و زمینه با محتوا

چیز بعدی اهمیت هم‌افزایی و زمینه در محتوای شماست. برای موفقیت با مدل‌های زبانی بزرگ، این‌که صرفاً ارجاع‌های برتر همان‌هایی باشند که در گوگل عملکرد خوبی دارند، نیست. لزوماً این‌طور نیست.

ممکن است همبستگی وجود داشته باشد، اما علت‌نتیجه‌گیری نیست. مدل‌های زبانی بزرگ سعی می‌کنند کاری متفاوت از موتورهای جستجو انجام دهند. آنها می‌خواهند وب را ترکیب کنند تا به‌عنوان نماینده‌ای برای تمام وب عمل کنند. بنابراین، آنچه برای محتوای شما در سراسر وب رخ می‌دهد بسیار مهم‌تر است: نحوهٔ صحبت دربارهٔ محتوای شما، مکان‌هایی که دربارهٔ آن صحبت می‌شود، چه کسانی دربارهٔ آن صحبت می‌کنند و چقدر ذکر می‌شود.

این به این معنا نیست که محتوای سایت شما بی‌اهمیت است، اما وزن آن نسبت به موتورهای جستجوی سنتی متفاوت است. باید به مدل زبانی بزرگ زمینهٔ برند بدهید تا متوجه شود که در این حوزه حضور دیجیتالی دارید و شایسته ذکر یا ارجاع هستید.

دوباره، من بیشتر بر ذکرها تمرکز می‌کنم. این به این معنا نیست که ارجاع‌ها مهم نیستند (آنها مهم هستند)، اما در این زمینه ذکرها وزن بیشتری دارند.

انجام حسابرسی

به‌نظر من، راه‌حل این کار انجام یک حسابرسی است. باید ببینید مدل زبانی بزرگ چگونه دربارهٔ موضوع صحبت می‌کند.

مدل‌های زبانی بزرگ به‌طرز شناخته‌شده‌ای مثبت هستند و تمایل دارند در پاسخ‌های عمدتاً مثبت، تکه‌های کوچکی از احساسات منفی را نیز بگنجانند. من به یک مجموعه‌دادهٔ اخیر نگاه کرده‌ام. ارقام رسمی ندارم، اما می‌توانم بگویم این مدل‌ها برای خنثی یا مثبت خالص طراحی شده‌اند.

به‌عنوان مثال، اگر بپرسم «آیا دوگرز خوب هستند؟» مدل زبانی بزرگ، که در این مورد به AI Mode نگاه می‌کردم، می‌گوید «بله، دوگرز خوب هستند…» و ادامه می‌دهد. اگر بپرسم «آیا یانکی‌ها خوب هستند؟» و فرض کنیم دو یا سه هفته پیش عملکرد خوبی نداشته‌اند، این مدل نخواهد گفت «بله، یانکی‌ها خوب هستند». بلکه می‌گوید «خب، اگر به این و آن نگاهی بیندازید، به‌طور کلی می‌توانید بگویید یانکی‌ها خوب هستند.»

این دو پاسخ بسیار متفاوت هستند. هر دو سعی می‌کنند مثبت به نظر برسند، اما باید بین سطرها بخوانید تا بفهمید مدل زبانی بزرگ برند را چگونه می‌بیند و چه تردیدها یا شک‌وکامی ممکن است در کاربران وجود داشته باشد. یا چه شکاف‌هایی وجود دارد؟

به‌عنوان مثال، اگر بپرسم «آیا گاتورید یک نوشیدنی عالی است؟» و پاسخ می‌دهد، سپس بپرسم «آیا پاورید یک نوشیدنی خوب است؟» و پاسخی کمی متفاوت بدهد، باید دلیل این تفاوت را متوجه شوید. چرا مدل می‌گوید «گاتورید عالی است»، اما «پاورید توسط بسیاری دوست‌داشتنی است»؟ باید جستجو کنید و تفاوت‌ها را درک کنید.

اجرای یک حسابرسی به شما کمک می‌کند ببینید مدل زبانی بزرگ برند و بازار شما را چگونه می‌نگرد. آیا به‌طور مستمر همان نکات تردید یا سردرگمی کاربران را مطرح می‌کند؟ اگر بپرسم «یک جایگزین خوب برای قهوهٔ فولجرز چیست؟»، AI Mode ممکن است بگوید: «اگر به دنبال قهوه‌ای کم‌هزینه هستید، فولجرز یک گزینه است. اما اگر می‌خواهید چیزی با طعم بهتر و قیمت مشابه داشته باشید، برند X را در نظر بگیرید.»

این نکته‌ای به شما می‌گوید: احساسی منفی نسبت به فولجرز و طعم آن وجود دارد. این موضوع را باید در محتوای خود و استراتژی برند در نظر بگیرید. تنها راه برای دانستن این موضوع انجام حسابرسی، خواندن بین سطرها و درک آنچه مدل زبانی بزرگ می‌گوید، است.

شکل‌دادن به گفته‌های مدل‌های زبانی بزرگ دربارهٔ برند شما

روشی که مدل‌های زبانی بزرگ را به گفتن آنچه می‌خواهید دربارهٔ برند شما ترغیب کنید، آغاز با یک دیدگاه آگاهانه است: می‌خواهید مدل‌های زبانی بزرگ چه چیزی دربارهٔ برند شما بگویند؟ که به‌طور خلاصه می‌شود: می‌خواهید مردم چه بگویند دربارهٔ برند شما؟

و تنها راه انجام این کار داشتن یک هویت برند بسیار قوی، متمرکز و آگاهانه است. شما کی هستید؟ چه می‌خواهید انجام دهید؟ چرا این کار معنا دارد؟ برای چه کسی این کار را انجام می‌دهید؟ و چه کسانی به‌دلیل آن به شما علاقه‌مند هستند؟

هویت برند شما همان چیزی است که به برند شما تمرکز می‌بخشد. این تمرکز را به بازاریابی محتوا، استراتژی سئو، هدف‌گذاری مخاطبان و تمام جنبه‌های دیگر می‌دهد.

اگر این همان کسی است که هستید، و اگر این نیست، پس محتوایی نخواهید نوشت که با هویت و هدف شما در تضاد باشد. با ایجاد محتوای نامرتبط یا ناسازگار، هویت برند خود را رقیق نمی‌کنید.

اگر می‌خواهید سایت‌های طرف‌ثالث و افراد در وب، شما را شناختن و دربارهٔ شما بدانند، برای ایجاد این حضور، نیاز به درک آگاهانه و معنادار از هویت خود و کارهای‌تان دارید.

به این ترتیب می‌دانید کجا باید تمرکز کنید، کجا نه، چه محتوایی را ایجاد کنید، چه محتوایی را ایجاد نکنید، و چگونه ایدهٔ این‌که شما X هستید و برای X مرتبطید را در سراسر وب تقویت کنید.

به‌نظر ساده می‌آید، اما توسعهٔ همهٔ اینها، اطمینان از هم‌راستایی آن‌ها، و حسابرسی مداوم تا اطمینان حاصل شود که واقعاً در حال اجرا است … گفتن این آسان‌تر از انجامش است.

نتیجه‌گیری

مدل‌های زبانی بزرگ ممکن است نحوهٔ یافتن اطلاعات مشتریان دربارهٔ برندهای شما را تغییر دهند، اما دنبال کردن ارجاع‌ها و کلیک‌ها استراتژی محکمی نیست.

با وجود آشوب در هوش مصنوعی و جستجو در عصر مدل‌های زبانی بزرگ، بازاریابان باید به اصول پایه‌ای پایبند بمانند: هویت برند، اعتماد و مرتبط بودن همچنان اهمیت دارند.

روی هویت برند تمرکز کنید تا شهرت خود را بسازید و اطمینان حاصل کنید که هم کاربران و هم موتورهای جستجو برند شما را به‌عنوان مرجع معتبر در حوزهٔ تخصصی‌تان شناسایی می‌کنند.

منابع بیشتر:

• هوش مصنوعی به‌عنوان دستیار بازاریابی شما: نحوهٔ بهره‌برداری مؤثر از مدل‌های زبانی بزرگ در سئو و محتوا
• ساختن اعتماد در عصر هوش مصنوعی: اخلاق بازاریابی محتوا و شفافیت
• وضعیت سئو 2026

تصویر اصلی: Paulo Bobita/Search Engine Journal

کشف کنید که چگونه نظرات کلیدواژه‌دار گوگل می‌توانند نمایانی محلی، تعامل و تبدیل‌های شما را ارتقا دهند – به‌همراه قالب‌هایی برای کمک به شما.

به‌طور کلی بر این باورند که کلیدواژه‌ها در نظرات به بهبود رتبه‌بندی‌های محلی کمک می‌کنند، اگرچه تأثیر آن‌ها همچنان در میان جامعه سئو محلی به‌صورت فعال مورد بحث است.

صرف‌نظر از این‌که حقیقت اثر بر رتبه‌بندی کجا قرار می‌گیرد، نظرات سرشار از کلیدواژه هنوز می‌توانند ارزش معناداری برای سئو محلی فراتر از رتبه‌بندی خالص فراهم کنند.

در ادامه هفت دلیل برای این‌که همچنان باید نظرات سرشار از کلیدوا‌رژه را تشویق کنید، آمده است.

۱. توجیهات نظرات

اگر نظرات شما به‌طور مداوم یک کلیدواژه مرتبط با کسب‌وکار شما را ذکر کنند، احتمال اینکه پروفایل شما در جستجو توجیهی برای نظر دریافت کند، افزایش می‌یابد.

این نمایانی می‌تواند نرخ کلیک را ارتقا دهد. تعامل بالاتر ممکن است به بهبود ثانویه‌ای در رتبه‌بندی موتورهای جستجو منجر شود.

۲. موضوعات مکان

گوگل از کلیدواژه‌های موجود در نظرات شما، موضوعات کلیکی‌پذیر «مکان» ایجاد می‌کند. این موضوعات:

• ویژگی‌های تخصصی شما را برجسته می‌کند.
• نظرات را برای مشتریان فیلتر می‌کند.
• می‌تواند تعامل پروفایل شما را افزایش دهد.

۳. چکیده‌های نظرات

گوگل اصطلاحات پرتکرار را در سه بخش کوتاه نظرات نمایه تجاری خود به صورت بولد نشان می‌دهد. این کار کاربران جستجو کننده این اصطلاحات را به نمایه شما جذب می‌کند و امید است نرخ کلیک را افزایش دهد.

۴. نکات منو (رستوران‌ها)

نکات منو از نظرات و عکس‌های مشتریان استخراج می‌شوند، مشابه موضوعات مکان.

تحلیل اخیر کلودیا تومینا نشان داد که:

• بخش نکات منو بر رتبه‌بندی‌ها تأثیر می‌گذارد.
• کلیدواژه‌های موجود در نظرات بر بخش نکات منو تأثیر می‌گذارند.
• بنابراین، هنگامی که برای اصطلاحی که در نظراتتان ذکر شده، یک نکته منو دریافت می‌کنید، باید برای آن اصطلاح رتبه بهتری داشته باشید.

۵. خلاصه‌های ویرایشی هوش مصنوعی

خلاصه‌های تجاری تولید شده توسط هوش مصنوعی گوگل، مفاهیمی از نظرات (مانند «دنج») استخراج می‌کنند تا کسب‌وکار شما را توصیف کنند.

اگرچه نمی‌توانید خلاصه‌های هوش مصنوعی گوگل را ویرایش کنید، تشویق مشتریان به گنجاندن کلیدواژه‌های خاص در نظراتشان می‌تواند هوش مصنوعی را به تأکید بر جنبه‌های مفید برای کسب‌وکار شما سوق دهد.

۶. خلاصه‌های نظرات هوش مصنوعی

هوش مصنوعی گوگل با تجزیه و تحلیل احساسات رایج و نکات بازخورد مشتریان، خلاصه‌های نظرات را تولید می‌کند.

اگر مشتریان شما کلیدواژه‌های مناسب را در نظراتشان بگنجانند، خلاصه نظرات شما جذاب‌تر به‌نظر خواهد رسید.

۷. ویژگی پرسیدن از نقشه‌ها درباره این مکان

گوگل در حال حذف بخش Q&A قدیمی است و آن را با ویژگی هوش مصنوعی که پاسخ‌ها را از نظرات مشتریان استخراج می‌کند، جایگزین می‌کند.

این به این معنی است که نظرات دارای اطلاعات دقیق (و کلیدواژه‌های مناسب) بیش از پیش ارزشمند هستند.

چگونه کلیدواژه‌ها را در نظرات خود به‌دست می‌آورید؟

درخواست مستقیم از مشتریان با این سؤال «آیا می‌توانید لطفاً [keyword] را به نظرتان اضافه کنید؟» منطقی نیست. این رفتار غیرطبیعی و عجیب است و باعث می‌شود مشتری از هدف شما سؤال کند.

اما این به این معنی نیست که گزینه‌ای ندارید.

برای تشویق مشتریان به گنجاندن طبیعی کلیدواژه‌های مرتبط در نظراتشان، ابتدا الگوهای درخواست نظرات خود را ارتقا دهید.

مریم الیس به‌تازگی راهنمای مفیدی درباره نحوه دریافت نظرات سرشار از کلیدواژه نوشت که شامل سه قالب درخواست نظرات است تا کار برای هر صاحب کسب‌وکار ساده‌تر شود.

این الگوها مشتریان را در مورد گفتن چه چیزی راهنمایی می‌کند، نظراتی طولانی‌تر، جزئی‌تر و سرشار از کلیدواژه تشویق می‌کند — و حتی می‌توانند آنها را به افزودن عکس به نظراتشان ترغیب کنند.

در اینجا سه نمونه از این الگوها آورده شده است:

سناریو ۱: درخواست نظرات درباره محصولات خاص

سلام [customer name]، من [your name and job title] از [company name] هستم و می‌نویسم تا پیگیری کنم که خرید شما از [product] به‌خوبی پیش رفته است. هدف من اطمینان از رضایت شماست و مایلم بپرسم آیا مایل هستید بازخورد خود را در یک نقد در [link] ارائه دهید؟ من یک عکس از [product] برای استفاده شما در نقد ضمیمه کرده‌ام، در صورتی که عکس خود ندارید، و بسیار سپاسگزار می‌شوم اگر تجربه‌ٔ خود را به‌صورت زیر مرور کنید: – ویژگی‌های این محصول که برای شما برجسته‌ترین هستند – نکات مثبت یا منفی شما دربارهٔ آن – نحوهٔ استفادهٔ شما از محصول از زمان خرید. اگر چیزی هست که می‌توانستیم بهتر کنیم، لطفاً مستقیماً با ما از طریق [phone number or feedback form link] تماس بگیرید. هدفم این است که کاملاً رضایت داشته باشید و از کسب‌وکار شما بسیار سپاسگزاریم. از اینکه زمان بگذارید و در نقد خود تجربهٔ شخصی خود را برای ما تعریف کنید، بسیار ممنونم. [review us here link or button] صمیمانه، [name, job title, business]

سناریو ۲: درخواست نظرات درباره خدمات خاص

سلام [customer name]، این [your name and job title] از [company name] است و ما از اینکه [service provided] را برای شما انجام دادیم، بسیار خوشحالیم. هدف من اطمینان از رضایت شماست و مایلم بپرسم آیا مایل هستید بازخورد خود را در یک نقد در [link] ارائه دهید؟ من یک عکس از [the service that was provided] برای استفاده شما در نقد ضمیمه کرده‌ام، در صورتی که عکس خود ندارید، و خوشحال می‌شوم اگر تجربه‌ٔ خود را به‌صورت زیر مرور کنید: – آیا خدمت مطابق انتظار شما بود؟ – نکات مثبت یا منفی شما دربارهٔ این خدمت – نحوهٔ خدمات مشتری ما. اگر می‌توانید نکات بهبود را بیان کنید، لطفاً مستقیماً با ما از طریق [phone number or feedback form link] تماس بگیرید. هدفم اطمینان از رضایت کامل شماست و ما از کسب‌وکار شما بسیار سپاسگزاریم. اگر زمانی برای بیان تجربه‌ٔ شخصی خود در نقدتان داشته باشید، بسیار ممنون می‌شوم. [review us here link or button] صمیمانه، [name, job title, business]

سناریو ۳: درخواست نظرات زمانی که مطمئن نیستید مشتری چه چیزی خریده است

قالب ایمیل

سلام [customer name]، از اینکه مشتری ما هستید، سپاسگزاریم. من [your name and job title] از [company name] هستم. هدف من اطمینان از رضایت شماست و مایلم بپرسم آیا مایل هستید بازخورد خود را در یک نقد در [link] ارائه دهید؟ من یک عکس از [the business premises] برای استفاده شما در نقد ضمیمه کرده‌ام، در صورتی که عکسی شخصی ندارید، و خوشحال می‌شوم اگر نظرتان را به‌صورت زیر بیان کنید: – آیا خدمات مشتری ما برای شما مفید بود؟ – نکات مثبت یا منفی شما دربارهٔ فروشگاه ما – دلیل انتخاب فروشگاه ما. اگر می‌توانید نکات بهبود را بیان کنید، لطفاً مستقیماً با ما از طریق [phone number or feedback form link] تماس بگیرید. هدف من اطمینان از رضایت کامل شماست و ما از کسب‌وکار شما بسیار سپاسگزاریم. بسیار ممنون می‌شوم اگر زمان بگذارید و تجربهٔ شخصی خود را در نقدتان برای ما تعریف کنید. [review us here link or button] صمیمانه، [name, job title, business]

حالا این را برای خود به‌کار بگیرید

با اجرای چند بهبود ساده در درخواست‌های نظرات، نظرات دقیق‌تری از مشتریان خود دریافت خواهید کرد و بازخورد ارتقاء یافته‌شان مزایای بسیاری را به همراه خواهد داشت.

ممکن است حتی رتبه‌بندی‌های گوگل خود را برای کلیدواژه‌های بیشتری ارتقا دهید، اما من نمی‌توانم هیچ‌چیز را تضمین کنم. با توجه به تمام مزایای دیگر، در واقع رتبه‌بندی‌ها نباید هدف اصلی شما باشند.

راهکاری که انجامش برای اکثر افراد آسان است.

• تحقیقات جدید نشان می‌دهد که روزانه ۳۰۰۰ قدم یا بیشتر پیاده‌روی می‌تواند خطر زوال شناختی را حتی در افراد پرخطر کاهش دهد.
• قدم‌های بیشتر، فواید بیشتری نیز به همراه داشت.
• محققان دریافتند که عادت به پیاده‌روی می‌تواند زوال شناختی را برای سال‌ها به تأخیر بیندازد.

بیماری آلزایمر یک وضعیت پیچیده است و دانشمندان هنوز در تلاش‌اند تا علت دقیق آن را کشف کنند. هرچند به نظر می‌رسد دلیل اصلی ابتلای افراد به آلزایمر ترکیبی از ژنتیک، عوامل محیطی و سایر عوامل باشد، تحقیقات جدید نشان می‌دهد که داشتن تعداد قدم‌های مشخصی در روز با افزایش سن، می‌تواند به کاهش خطر زوال شناختی کمک کند.

این مطالعه که در مجله Nature Medicine منتشر شده است، داده‌های ۲۹۶ فرد بین ۵۰ تا ۹۰ سال را که در «مطالعه مغز سالمندان هاروارد» (Harvard Aging Brain Study) شرکت کرده بودند، تجزیه و تحلیل کرد؛ مطالعه‌ای که تغییرات مغزی در افراد مسن را ردیابی می‌کند. تمامی شرکت‌کنندگان در ابتدای پژوهش از سلامت شناختی خوبی برخوردار بودند.

محققان برای اندازه‌گیری پلاک‌های آمیلوئید بتا و کلاف‌های پروتئین تاو (که هر دو از نشانه‌های بارز بیماری آلزایمر هستند) از اسکن مغزی PET استفاده کردند. آن‌ها همچنین با استفاده از گام‌شمارهای کمری، فعالیت بدنی شرکت‌کنندگان را ردیابی کرده و به طور متوسط ۹.۳ سال بعد، ارزیابی‌های شناختی را انجام دادند.

پژوهشگران دریافتند افرادی که تعداد قدم‌های بیشتری داشتند، نرخ زوال شناختی کمتری را نیز تجربه کردند. به نظر می‌رسد ورزش بر تجمع پروتئین تاو در مغز تأثیر می‌گذارد: آن دسته از افرادی که در ابتدای مطالعه تعداد قدم‌های بیشتر و سطح بالایی از آمیلوئید بتا داشتند، تجمع پروتئین تاو در مغزشان کندتر بود.

معرفی متخصصان: دکتر وای-یینگ وندی یاو (Wai-Ying Wendy Yau)، یکی از نویسندگان مطالعه و متخصص مغز و اعصاب شناختی در دپارتمان نورولوژی Mass General Brigham؛ دکتر کلیفورد سگیل (Clifford Segil)، متخصص مغز و اعصاب در مرکز بهداشت پراویدنس سنت جان در سانتا مونیکا، کالیفرنیا؛ دکتر اوان بریتین (Evan Brittain)، دانشیار پزشکی در بخش پزشکی قلب و عروق در مرکز پزشکی دانشگاه وندربیلت.

در نهایت، به نظر می‌رسد روزانه ۳۰۰۰ تا ۵۰۰۰ قدم پیاده‌روی، پیشرفت بیماری آلزایمر را در افرادی که در معرض خطر بالاتری برای ابتلا به این بیماری بودند، کند کرده است.

این تأثیر بسیار قابل توجه بود. افراد پرخطری که روزانه ۳۰۰۰ تا ۵۰۰۰ قدم پیاده‌روی می‌کردند، زوال شناختی‌شان سه سال به تأخیر افتاد. در کسانی که روزانه ۵۰۰۰ تا ۷۵۰۰ قدم راه می‌رفتند، این تأخیر به هفت سال رسید. در مقابل، افرادی که سبک زندگی کم‌تحرکی داشتند، با تجمع سریع‌تر پروتئین‌های تاو در مغز و کاهش سریع‌تر در عملکرد شناختی و فعالیت‌های روزانه مواجه شدند.

اما دلیل این پدیده چیست؟ پزشکان توضیح می‌دهند.

چرا ۳۰۰۰ قدم پیاده‌روی در روز می‌تواند خطر آلزایمر را کاهش دهد؟

به گفته پزشکان، احتمالاً چندین عامل در این زمینه نقش دارند. دکتر وای-یینگ وندی یاو، یکی از نویسندگان مطالعه و متخصص مغز و اعصاب شناختی، می‌گوید به نظر می‌رسد بزرگ‌ترین دلیلی که افراد در این مطالعه علائم زوال شناختی را نشان دادند، با تجمع پلاک‌های تاو در مغز مرتبط بود. اما ورزش به مقابله با تجمع این پلاک‌ها کمک می‌کند.

دکتر یاو می‌گوید: «ورزش به کاهش التهاب کمک می‌کند و التهاب بخش مهمی از فرآیند و پیشرفت بیماری آلزایمر است. با کاهش التهاب، می‌توان بر نحوه تغییرات شیمیایی پروتئین تاو و تمایل آن به تجمع و تشکیل رسوبات تأثیر گذاشت.»

دکتر اوان بریتین، دانشیار پزشکی در بخش پزشکی قلب و عروق در مرکز پزشکی دانشگاه وندربیلت، اشاره می‌کند که ورزش برای سلامت قلب و عروق نیز مفید است. او می‌گوید: «پیاده‌روی منظم جریان خون را بهبود می‌بخشد، التهاب را کاهش می‌دهد و سلامت متابولیک را تقویت می‌کند؛ همه این‌ها به عملکرد مغز کمک می‌کنند.»

دکتر بریتین می‌افزاید، فعالیت بدنی ممکن است «نورون‌زایی» یا همان توانایی مغز برای تغییر و انطباق را نیز تقویت کند. «این امر می‌تواند تجمع پروتئین‌های مضری را که در آسیب‌شناسی آلزایمر نقش اصلی دارند، کند سازد.»

دکتر کلیفورد سگیل، متخصص مغز و اعصاب در مرکز بهداشت پراویدنس سنت جان، می‌گوید هرچند این ایده که ورزش برای مغز مفید است، جدید نیست، اما مفهوم پیاده‌روی بیش از ۳۰۰۰ قدم برای کاهش یا کند کردن تجمع پروتئین تاو در مغز، موضوعی تازه است.

او می‌گوید: «این یک ایده نوآورانه است. اینکه پیاده‌روی چگونه می‌تواند بر یک پروتئین مرتبط با پیری مغز تأثیر بگذارد، باید بیشتر مورد بررسی قرار گیرد.»

آیا سایر ورزش‌ها نیز می‌توانند مفید باشند؟

دکتر یاو می‌گوید هرچند این مطالعه به‌طور خاص فقط تعداد قدم‌ها را بررسی کرده، اما احتمالاً سایر انواع ورزش نیز می‌توانند مفید باشند. او توضیح می‌دهد: «مزیت استفاده از گام‌شمار این است که درک آن آسان و در دسترس همگان است. اما محدودیت آن این است که ما سایر اشکال ورزش را که مبتنی بر قدم زدن نیستند، اندازه‌گیری نمی‌کنیم.»

دکتر بریتین نیز با این نظر موافق است. او می‌گوید: «عامل کلیدی، حرکت مداومی است که ضربان قلب را بالا برده و گروه‌های عضلانی بزرگ را درگیر کند. دوچرخه‌سواری، شنا یا حتی فعالیت‌های پرتحرک خانگی همگی می‌توانند فواید مشابهی داشته باشند.»

تحرک بیشتر، بهتر است.

دکتر یاو اشاره می‌کند که تحقیقات او نشان داد فواید ورزش بر تجمع پروتئین تاو پس از ۷۵۰۰ قدم در روز به یک حد ثابتی می‌رسد. اما او همچنین می‌گوید برای مشخص شدن دلیل این موضوع، به تحقیقات بیشتری نیاز است.

با این حال، دکتر بریتین می‌گوید: «احتمالاً ورزش بیشتر، بهتر است.» دکتر سگیل نیز می‌افزاید که ورزش با افزایش سن برای قلب و مغز شما مفید است. او می‌گوید: «ورزش‌های تحمل وزن، تراکم استخوان را حفظ کرده، مفاصل ما را روان می‌کنند و با افزایش سن، توده عضلانی را حفظ می‌کنند. ورزش‌های قلبی-عروقی نیز سلامت قلب ما را حفظ کرده و جریان خون به مغز را افزایش می‌دهند.»

اما دکتر بریتین می‌گوید «دلگرم‌کننده» است که حتی پیاده‌روی به مقادیر کمتر، مانند ۳۰۰۰ تا ۵۰۰۰ قدم، برای سلامت مغز اهمیت دارد.

راه‌های دیگر برای کاهش خطر ابتلا به آلزایمر

همان‌طور که گفته شد، محققان هنوز در حال بررسی این موضوع هستند که چرا برخی افراد به آلزایمر مبتلا می‌شوند و برخی دیگر نه. اما توصیه‌های کلی برای کاهش خطر ابتلا وجود دارد.

دکتر یاو می‌گوید: «تاکنون شواهد کافی وجود داشته که نشان می‌دهد ورزش به طور کلی برای سلامتی، از جمله سلامت مغز و سلامت شناختی، مفید است. ما تأکید می‌کنیم که ورزش می‌تواند بر تجمع پروتئین تاو تأثیر بگذارد و امیدواریم این موضوع انگیزه بیشتری برای برخی افراد ایجاد کند.»

به گفته دکتر بریتین، تداوم و استمرار کلیدی است. او می‌گوید: «تحرک روزانه، حتی یک پیاده‌روی سبک، می‌تواند سلامت قلب و مغز را بهبود بخشد. نیازی به یک برنامه بی‌نقص ندارید. مهم این است که فعالیت بدنی را به بخشی منظم از زندگی خود تبدیل کنید.»

طبق اعلام مرکز کنترل و پیشگیری از بیماری‌های آمریکا (CDC)، پیشگیری و مدیریت دیابت، کنترل فشار خون، پیشگیری یا اصلاح کم‌شنوایی و محدود کردن یا پرهیز از مصرف الکل و سیگار نیز می‌تواند به کاهش خطر آلزایمر کمک کند.

دکتر یاو تأکید می‌کند که برای کاهش خطر ابتلا به آلزایمر و زوال شناختی، نیازی نیست ناگهان به یک دونده ماراتن تبدیل شوید. او می‌گوید: «ما حتی با کمی فعالیت بیشتر در روز، تفاوتی را در شرکت‌کنندگان خود مشاهده می‌کنیم. حتی مقدار کم هم کمک‌کننده است.»