آنجیت دهوان، بنیانگذار و مدیرعامل BluePill (سمت چپ)، به همراه اعضای تیم پونیت باجا (بالای راست) و اندی ژو. (عکسهای BluePill)
BluePill، یک استارتاپ نوظهور بازاریابی مستقر در سیاتل که به برندها در پیشبینی رفتار مصرفکنندگان کمک میکند، در دور بذر به رهبری Ubiquity Ventures، ۶ میلیون دلار جذب کرد. شرکتهای سیاتلی Pioneer Square Labs و Flying Fish Partners نیز سرمایهگذاری کردند.
BluePill که اوایل امسال تأسیس شد، به بازاریابان امکان میدهد ایدهها، محصولات و تبلیغات را در طی چند دقیقه با استفاده از هوش مصنوعی، بهجای گروههای متمرکز سنتی، آزمایش کنند.
BluePill برای هر برند، مخاطب سفارشی مبتنی بر هوش مصنوعی را با استفاده از دادههای واقعی — مانند گفتگوهای اجتماعی، نظرسنجیها و ورودیهای مشتریان — ایجاد میکند که بر پایه بخش هدف برند تنظیم شده است.
کلاینتها وارد پلتفرم میشوند، مفهوم جدید، کمپین یا طراحی بستهبندی خود را بارگذاری میکنند و بازخورد فوری پیشبینی میشود که مخاطبشان چگونه واکنش نشان خواهد داد — در واقع یک گروه متمرکز شبیهسازیشده و در مقیاس وسیع اجرا میکنند.
این شرکت همچنین در حال توسعه مخاطبان هوش مصنوعی آماده و تخصصی برای حوزههای مختلف (مانند «مادران ایالات متحده» یا «خریداران تنقلات نسل Z») است که برندها میتوانند بهطور مستقیم برای دریافت بینشها از آنها پرسوجو کنند، بدون نیاز به ساخت مدلهای سفارشی.
BluePill اعلام کرده است که مخاطبان شبیهسازیشده آن با دقت ۹۳٪ نسبت به پانلهای انسانی مقایسه میشوند. این شرکت با برندهای مصرفی همچون Magic Spoon، Kettle & Fire و تیم Seattle Mariners همکاری میکند؛ که آنها از این پلتفرم برای آزمایش ایدههای تعامل با هواداران و فعالیتهای داخل استادیوم استفاده مینمایند.
آنجیت دهوان، بنیانگذار و مدیرعامل BluePill گفت: “مزیت ما، بینشهای معتبر و دقیق است — و این که ما این بینشها را در عرض چند دقیقه و با هزینهای بسیار کمتر ارائه میدهیم، تصمیمگیری را بهسودی میکند.”
BluePill هماکنون در حال تولید درآمد است. این شرکت از طریق دریافت هزینه ثابت سالانه درآمد کسب میکند.
BluePill در حال رقابت با شرکتهای بزرگ پژوهشهای بازاریابی همچون Ipsos، Qualtrics و Nielsen است. دهوان گفت اشخاص حاضر «به پنلهای انسانی کند و گرانقیمت وابستهاند، در حالی که استارتاپهای نوین بیشتر از مدلهای بزرگ زبانی برای نقشپذیری بهعنوان مصرفکننده استفاده میکنند.»
دهوان پیش از این بهعنوان کارآفرین مقیم در مؤسسه آلن برای هوش مصنوعی (Ai2) فعالیت میکرد و استارتاپ تجربه مجازی Virtuelly را همتأسیس کرد. او علاوه بر این بیش از چهار سال در آمازون بهعنوان رهبر محصول در حوزهٔ محصولات هوش مصنوعی مشغول به کار بود.
اعضای دیگر تیم BluePill شامل پونیت باجا و اندی ژو هستند. BluePill در ماه ژوئن در بخش Startup Radar مجلهٔ GeekWire معرفی شد.
سونیل ناگاراژ، شریک مؤسس در Ubiquity، تأکید کرد که “پیشبینی رفتار مصرفکننده، جام عسل بازاریابی است.” ناگاراژ در سیلیکونولی مستقر است اما فعالیت قابلتوجهی در صحنه استارتاپهای سیاتل دارد. او سرمایهگذار اولیه در Auth0 بود، استارتاپ منطقهٔ سیاتل که توسط Okta بهازای ۶.۵ میلیارد دلار خریداری شد.
میتوانید استدلال کنید که از میان تمام گروههای راک، پینک فلوئید کمترین نیاز به همراهی بصری را داشته است. با صدایی غنی و ساختاری شگفتانگیز، آلبومهای این گروه به گونهای تکامل یافتند که تجربهٔ شنیداریشان تا حدودی به سینما نزدیک میشود. اما از اوایل تاریخ پینک فلوئید، جاهطلبیهای هنریشان به آنچه قابل شنیدن نیست، گسترش یافت. آیا واقعاً میتوانید کارشان را درک کنید، اگر فقط بهعنوان یک شنونده باقی بمانید و هرگز وارد بُعد بصری نشوید – نه تنها روی جلدهای آلبومهایشان که هنوز بازتولیدهای آنها بر دیوارهای بسیاری از خوابگاهها دیده میشود، بلکه نمایشهای صحنهای پرزرق و برق، موزیکویدئوهایی که پیش از این قالب نامیده شده میساختند و فیلمهایشان را نیز. یک نفر بیش از همه در شکلدادن به سبک بصری پینک فلوئید نقش داشته است: ایان ایمس.
در سال ۱۹۷۲، ایمس خود را مأمور کرد تا آهنگ «One of These Days» از آلبوم سال پیش Meddle را انیمه کند. وقتی اثر کامل «پنجرههای فرانسوی» در برنامهٔ موسیقی بیبیسی The Old Grey Whistle Test پخش شد، توجه نوازندهٔ کیبورد پینک فلوئید، ریک رایت، را جلب کرد. سپس گروه با ایمس تماس گرفت و از او خواست تا «پنجرههای فرانسوی» را بهعنوان پروژکشن پشت صحنهٔ کنسرتهایشان به کار گیرد.
آنها به سفارش کارهای بیشتری از او ادامه دادند، برای آهنگهایی نظیر «Speak to Me»، «Time» و «On the Run» از آلبوم The Dark Side of the Moon. این ارتباط حرفهای برای دورههای طولانی ادامه یافت. هنگامی که راجر واتزر اجراهای خود را از The Wall — شامل نمایش عظیم در برلین در سال ۱۹۹۰ — برپا کرد، ایمس را برای هدایت توالیهای انیمیشنی آن منصوب کرد. نسخهٔ پس از واتزر پینک فلوئید حتی در سال ۲۰۱۵ برای ساخت فیلمی همراه با آلبوم نهایی خود The Endless River به ایمس مراجعه کرد.
به نوعی تکمیل یک دایره بود: «One of These Days» قطعهای عمدتاً سازمتنی است و The Endless River نیز آلبومی عمدتاً سازمتنی؛ «پنجرههای فرانسوی» از تکنیک روتوسکوپینگ استفاده میکند، یعنی ردیابی بر روی فیلمبرداری زنده برای ایجاد انیمیشنهای واقعی و روان، و فیلم Endless River نیز صحنههای زندهبرداری خود را به صورتی ارائه میدهد که گاهی به انتزاع نزدیک میشود. هر دو اثر محیطهای بصری خاص خود را میسازند؛ این همانچیزی است که ایمس، که دو سال پیش درگذشت، دربارهٔ جذابیت پینک فلوئید برای خود توصیف کرده بود: «آنها به کالج معماری رفتهاند و به همین دلیل فکر میکنم موسیقیشان فضاها را میسازد. این فضاهای صوتی محیطهایی ایجاد میکنند که ذهنم را به پرواز درمیآورد و تصاویری میآورم که توسط موسیقی تحریک شدهاند.» موسیقیشان شکلهای مختلفی در تصور هر هوادار میگیرد، اما ایمس بود که این تصورات را به بخشی از میراثشان تبدیل کرد.
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.
گوگل مکانهای تبلیغاتی را به جستجوی تصویری موبایلی گسترش میدهد و به برندها روشی جدید، بصری و جذاب برای جلب توجه کاربران ارائه میکند.
گوگل کاروسلهای تبلیغاتی مبتنی بر هوش مصنوعی را در برگهٔ تصاویر موبایل راهاندازی کرد؛ این کاروسلها هماکنون در تمام دستهها ظاهر میشوند، نه فقط در دستههای مرتبط با خرید.
چرا مهم است. تبلیغات اکنون مستقیماً در نتایج جستجوی تصویر نمایش داده میشوند و به برندها مکان جدیدی بصری و فوقالعاده جذاب برای جلب توجه فراهم میکنند، در جایی که کاربران بهطور فعال به مرور و مقایسهٔ تصاویر میپردازند. از آنجایی که کاربران اغلب برای کشف ایدهها یا مقایسه گزینهها به مرور تصاویر میپردازند، این کاروسلهای مبتنی بر هوش مصنوعی به برندها فرصتی میدهند تا در مراحل اولیهٔ مسیر کشف، تأثیرگذار باشند.
جزئیات:
قالب جدید شامل کاروسلهای افقی قابل اسکرول با تصاویر، سرفصلها و لینکها است.
این کاروسلها توسط تطبیق تبلیغات مبتنی بر هوش مصنوعی پشتیبانی میشوند و تصاویری مرتبط با پرسوجوی کاربر را ارائه میدهند — حتی در دستههای غیرتجاری مانند قانون یا بیمه.
این ویژگی برای اولین بار توسط مؤسس ADSQUIRE، Anthony Higman، شناسایی شد؛ او اسکرینشاتهای طرح جدید را در X منتشر کرد.
نگاه کلی. با یکپارچهسازی تبلیغات بهصورت یکپارچهتر در جستجوی تصویری، گوگل مرز بین کشف ارگانیک و پرداختی را محو میکند؛ این حرکت ادامهدار به سمت تجربههای تبلیغاتی غوطهور و مبتنی بر تصویر است که فراتر از فهرستهای متنی و محصولی سنتی میروند.
Breaking Rust هماکنون دو میلیون شنونده در اسپاتیفای دارد
(اعتبار تصویر: Breaking Rust/اینستاگرام)
این یک نقطه عطف دیگر در پیشروی مستمر رباتها است – آهنگ شماره یک سبک کانتری در ایالات متحده این هفته یک اثر تولید شده توسط هوش مصنوعی است.
آهنگ «Walk My Walk» توسط Breaking Rust است و همانطور که میتوانید در زیر بشنوید، اگرچه بدون شک نسبت به Velvet Sundown پیشرفت محسوب میشود و تلاشی کاملاً قابل قبول به نظر میرسد، اما چیزی بهظاهر کمی بیش از حد ساختگی و بسیار کامل در شبیهسازی صدای یک خواننده کانتری خستهدل و بدبخت به چشم میخورد. آیا این فقط خیالپردازی است؟
Walk My Walk – یوتیوب
پیدا نیست چه کسی یا چه چیزی پشت Breaking Rust قرار دارد. بیوگرافی هنرمندش در Linktree تنها میگوید: «موسیقی برای مبارزان و رؤیابین». اگرچه یک صفحه اینستاگرام دارد، اما آن هم فقط پر از تصاویری از یک کابوی سرحال در صحنههای مختلف است — قدمزدن در جاده یا نگاه غمانگیز در باران. هیچ گفتوگوی انسانی در آن وجود ندارد.
نویسندهٔ «Walk My Walk» به نام Aubierre Rivaldo Taylor شناخته میشود، اما او قدمی برای ادعای مالکیت بر موفقیت این آهنگ برنمیدارد. شاید خود او هم وجود نداشته باشد. با این حال، این نام به پروژهٔ موسیقی دیگری به نام defbeatsai مربوط میشود که تقریباً فاش میکند این کار توسط چه کسی انجام شده است.
با این حال، درصد قابلتوجهی از مصرفکنندگان موسیقی در ایالات متحده بهنظر نمیرسد که به این موضوع اهمیت دهند. Breaking Rust هماکنون دو میلیون شنونده ماهانه در اسپاتیفای دارد. فقط کافی است به نظرات یوتیوب در ویدئوی بالا نگاه کنید و حس کنید — «شاهکار»، «ای خدای من، صدای او فوقالعاده است. زیبا اما دلخراش»، «بزرگترین آهنگ تاریخ!!!»
در مقالهای از Newsweek درباره Breaking Rust، جیسون پالامارا، استادیار فناوری موسیقی در دانشگاه ایندیانا، بهوضوح تحت تأثیر نگرفت. «با وجود ریتمهای «stomp, clap, hey» و صدای شبهآکوستیک، این آهنگ پر از تکنیکهای تولید بسیار فنی است. واضح بود که محصول هوش مصنوعی است.»
«صدای هر قطعه بهطرز واضحی فشرده است و همچنان این درخشندگی دیجیتال عجیبی دارد، بهویژه در صدای خواننده مشهود است. بهمحض اینکه به آن پی ببرید، نمیتوانید آن را نادیده بگیرید.»
پالامارا آن را «پیشرفتی برای هوش مصنوعی عامله: ایجاد یک شخصیت صوتی ثابت که میتواند بارها برای آهنگهای متعدد بازاستفاده شود» توصیف کرد.
میتوان گفت که پیشرفتهای تکنولوژیکی اخیر در موسیقی — استفاده گسترده از AutoTune در آوازها، تسلط الگوریتمها بر تصمیمگیری دربارهٔ موسیقیای که شنیده میشود — ما را برای لحظهای آماده کردهاند که بهراستی ندانیم آیا یک قطعه توسط انسان یا توسط ماشین ساخته شده است؛ نقطهای که اکنون نمیتوان گفت هنوز بهدست نیامده، بلکه بسیار نزدیک است.
بعد از آن، قطعا مسئولیت بر عهدهٔ هنرمندان انسانی خواهد بود که به آنچه آنها را انسانی میسازد، تکیه کنند: صداهای واقعی و اصیل، تغییرات ناگهانی در آکوردها، ساختارهای غیرمعمول آهنگ — به عبارت دیگر، آن چیزهایی که اولین بار ما را وسوسهٔ عشق به موسیقی کرد.
ایلون ماسک، مایکل بوری، الکس کارپ و سام آلتمن در حال حاضر در مرکز بزرگترین مشاجرات دنیای تجارت قرار دارند. Jared Siskin; Astrid Stawiarz; Roy Rochlin; Florian Gaertner/ Getty Images
جای خود را کنار بگذارید، ایلون ماسک در مقابل سام آلتمن. یک جدال جدید در دنیای کسبوکار بهوجود آمده و تمرکز آن بر بزرگترین سؤال بازار سهام است: آیا رونق هوش مصنوعی یک حباب است؟
مایکل بوری، مشهور بهخاطر نقش در فیلم «The Big Short»، و مدیرعامل پالاتیر الکس کارپ، پس از اینکه سرمایهگذار فاش کرد که شرط بسته است سهام پالاتیر در سهماههٔ گذشته سقوط کند، بهباد کردن یکدیگر پرداختهاند.
درگیری این دو در اصل به اختلاف بنیادی در دیدگاهها میانجامد که میکروسکوپی از شکاف بزرگ بازار است.
نظر بوری این است که هوش مصنوعی یک حباب است و ارزیابی شرکتهایی مانند پالاتیر بهشدت نامعقول است. از سوی دیگر، دیدگاه کارپ این است که پالاتیر پیشگام یک انقلاب فناوری است؛ رشد سهام آن باید بهدلیل ارتقای زندگی روزمرهٔ آمریکاییها تجلیل شود و شرطبندی بر شکست این شرکت بهصراحت نادرست است.
جامعهٔ گستردهٔ سرمایهگذاران نیز بهطور مشابه بین دو گروه تقسیم میشود: گروهی که میگویند ارزشگذاریهای فعلی موجه است چرا که هوش مصنوعی جهان را تغییر میدهد، بهرهوری را ارتقا میدهد و رشد اقتصادی و سودآوری شرکتها را شتاب میبخشد؛ و گروه مقابل که هشدار میدهد این ارزشها بیش از حد بیشارزش شدهاند و سرنوشتشان شکستن همانند حباب داتکام است.
در حالی که ماسک و آلتمن دربارهٔ OpenAI بهدستوپنجه میگیرند، مناقشه بوری و کارپ حول این میچرخد که آیا هوش مصنوعی شایستهٔ هر میلیاردی است که به آن اختصاص مییابد یا صرفاً جدیدترین مثال هیجان سفتهبازی است.
Inside Business امروز، داستانی است که باید بخوانید تا بدانید نیروهای شکلدهنده به کسبوکار، فناوری و نوآوری برای شما چه معنا دارند. هر بخش، بینشهایی ارائه میکند تا به شما در اتخاذ تصمیمات هوشمندانهتر در زمینهٔ شغل، مالی و زندگی کمک کند.
خلاصهٔ بوری و کارپ
نزاع با افشای Scion Asset Management بوری در دوشنبهٔ گذشته آغاز شد که در پایان سپتامبر، گزینههای فروش نزولی بر ۵ میلیون سهم پالاتیر و ۱ میلیون سهم انویدیا در اختیار داشت، بهصورت اسمی بهازای ۹۱۲ میلیون دلار و ۱۸۷ میلیون دلار به ترتیب.
بوری چند روز قبل پس از دو سال غیبت به X بازگشت و پیامی رمزی منتشر کرد که نشان میداد هیجان هوش مصنوعی قابلپایدار نیست — اما بهقدری خطرناک که «تنها راه برنده» عدم درگیری است.
بعداً او مجموعهای از نمودارها، بخشهایی از کتاب و میمهای «Star Wars» منتشر کرد که تشابه بین هوش مصنوعی و حباب داتکام را نشان میداد.
سند 13F بوری همان روزی که گزارش سهماهه پالاتیر منتشر شد، منتشر شد. سهام شرکت تجزیهوتحلیل دادههای مبتنی بر هوش مصنوعی تا ۱۰٪ در روز پسدراز سقوط کرد و کارپ در CNBC به بوری حمله کرد.
«تا جایی که میتوانم بگویم، دو شرکتی که او در حال شورت کردن است، همان شرکتهایی هستند که تمام پول را میسازند، که واقعاً عجیب است»، کارپ گفت. «اینکه تراشهها و آنتولوژی هدف شورت شما باشد، کاملاً دیوانهوار است.»
بوری در X پاسخ داد: «یک نقطه هم برایم تعجبآور نیست که الکس کارپ و «آنتولوژی» او … نتوانند یک 13F ساده را شکسته کنند.»
«یک نقطه هم برایم تعجبآور نیست که الکس کارپ و «آنتولوژی» او @PalantirTech نتوانند یک 13F ساده را شکسته کنند. اصل اساسی هر مدل آنتولوژیک/اپستمولوجیک دقیق – چه فلسفی باشد و چه در علم داده – این است که وقتی مجموعه اطلاعات شما ناکافی است، این را تشخیص بدهید… pic.twitter.com/863pcAJSvG»
رئیس Scion — که بهخاطر شرط بزرگش علیه حباب مسکن میانهٔ دههٔ ۲۰۰۰ که در فیلم «The Big Short» جاودانی شد — احتمالاً به این نکته اشاره میکرد که 13Fها با تأخیر ششهفتهای منتشر میشوند، بهطوری که کارپ دلیل محکمی نداشت که بوری اختیار فروشهای پالاتیر و انویدیا را در طول اکتبر و اوایل نوامبر حفظ کرده باشد.
بوری این نکته را در پست دیگری در X تأکید کرد: «خبر جعلی! من قد ۵ فوت و ۶ اینچ ندارم» — به این معنی که او نه کوتاهقد است و نه در پرتفویاش موقعیت شورت دارد.
سهام پالاتیر از آغاز سال ۲۰۲۳ حدوداً ۳۰ برابر رشد کرده و به ارزش بازار ۴۵۳ میلیارد دلار تا پایان معاملات روز سهشنبه رسیده است. این مقدار بیش از ۱۰۰ برابر درآمد پیشبینیشدهٔ این سال است.
بوری موضع بدبینانهٔ خود نسبت به هوش مصنوعی را تقویت کرده و دوشنبه نوشت که به اصطلاحهای هایپرسکلر مانند متا و اوراکل بهطور مصنوعی سود خود را با کمنمایی نرخ استهلاک تجهیزات محاسباتی افزایش میدهند.
«جزئیات بیشتر در تاریخ ۲۵ نوامبر منتشر خواهد شد»، او گفت. «دنبال کنید.»
چرا ماسک با آلتمن درگیر است
دوجیگر دوئل برجسته در دنیای هوش مصنوعی در حال حاضر، البته، ماسک در مقابل آلتمن است.
آلتمن و ماسک در سال ۲۰۱۵ بههمراه دو نفر دیگر OpenAI را تأسیس کردند.ماسک در سال ۲۰۱۸ از هیئتمدیرهٔ OpenAI کنارهگیری کرد، در ۲۰۲۳ شرکت رقیب xAI را تأسیس کرد و چندین دعوی حقوقی علیه آلتمن و OpenAI مطرح کرده است.
ماسک آلتمن را متهم کرده است که سازمان را از او «سرقت» کرد و با عدم نگهداشتن کد به صورت منبعباز، مأموریت اولیهاش را رها کرده و آن را از یک سازمان غیرانتفاعی به یک شرکت تجاری تبدیل کرده است.
آلتمن بهتازگی در X به ماسک واکنش نشان داد و گفت که «به تبدیل چیزی که تو برای مرگ آن رها کردهای، به بزرگترین سازمان غیرانتفاعی تاریخ کمک کردهام.»
اما تفاوت مهمی در اینجا وجود دارد. در حالی که جدایی آلتمن‑ماسک دربارهٔ چشماندازهای رقابتی برای آیندهٔ هوش مصنوعی است، کارپ و بوری دربارهٔ ارزش واقعی این فناوری و این که آیا غولهای شرکتی که از آن بهرهمند میشوند بیش از حد ارزشگذاری شدهاند، اختلاف نظر دارند.
سابقهای غنی از سرمایهگذاران شرطبندی در برابر شرکتهای بزرگ
جیم چانوس بهخاطر شرطبندی کوتاهمدت بر Enron قبل از سقوط آن در سال ۲۰۰۱ مشهور شد. : Heidi Gutman/CNBC/NBCU Photo Bank/NBCUniversal via Getty Images
بوری تنها آخرین سرمایهگذاری است که شرط میبندد یک شرکت دچار مشکل میشود و وارد جدال سر و صدایی با مدافعان آن میگردد.
دیوید اینهورن از Greenlight Capital بهخاطر شرطبندی کوتاهمدت بر Lehman Brothers، چند ماه پیش از سقوط آن در سپتامبر ۲۰۰۸، مشهور شد و به تحریک بحران مالی جهانی کمک کرد.
در ارائههایش به سرمایهگذاران و ایمیلهایش به مدیریت، او حسابداری پرتهاجمی و اهرم مالی افراطی بانک سرمایهگذاری را مورد انتقاد قرار داد و گفت که بانک خود و نظام مالی را در خطر میگذارد چون به مشکلاتش پرداخته نمیشود. بهزودی ثابت شد که درست میگفت.
بهطور مشابه، جیم چانوس از Kynikos Associates نشانههای هشداردهندهای در Enron شناسایی کرد و پیش از آنکه این غول انرژی در اواخر سال ۲۰۰۱ برای ورشکستگی درخواست دهد، بر آن شرطبندی کوتاهمدت کرد.
از سوی دیگر، هر دو اینهورن و چانوس پیش از این بر Tesla شرطبندی کوتاهمدت کرده و ماسک را مورد انتقاد قرار دادند. با این حال، خودروساز توانسته است مخالفان خود را نابود کرده و به یکی از ارزشمندترین شرکتهای جهان تبدیل شود؛ دارای ارزش بازار ۱٫۵ تریلیون دلاری.
هر دو سرمایهگذار نگرانیهای مشابهی نسبت به بوری دربارهٔ رونق هوش مصنوعی مطرح کردهاند. اینهورن اخیراً هشدار داد که هزینهکرد بیش از حد صنعت میتواند منجر به «مقدار عظیمی از نابودی سرمایه» شود و افزود که اعداد «بهطوری دورریخته ارائه میشوند که واقعاً فهمشان بسیار دشوار است».
چانوس بهتازگی همان نکتهای را که بوری مطرح کرد، دربارهٔ شرکتهای هوش مصنوعی که استهلاک را به تعویق میاندازند و «افزایش عظیم»ی به سودهای گزارششده میدهند، بیان کرد. او هشدار داد که ممکن است حسابرسی جدیای بر بازده سرمایهگذاریهای آنها در میکروچیپها و سرورها باشد و هم هزینهها و هم درآمدها «فروپاشی» کنند، همانطور که در سقوط حباب داتکام و بحران ۲۰۰۸ رخ داد.
اینکه آیا بوری یا کارپ در نظراتشان دربارهٔ رونق هوش مصنوعی درست خواهند بود یا خیر، سؤال باز است. در حال حاضر، دنیای کسبوکار منتظر پاسخ این پرسش است.
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
پس از NotebookLM، Gemini و Search، مرورهای صوتی به گوگل درایو میآیند تا خلاصههای گفتگویی به سبک پادکست از PDFهای شما ارائه دهند.
بهعنوان افزونهای برای Gemini در نمایشگر PDFهای گوگل درایو، دکمهٔ جدید «مرور صوتی» را در نوار بالایی وبسایت مییابید. با کلیک کردن، پنل کناری Gemini باز میشود و تولید آن چند دقیقه طول میکشد.
برای گوش دادن، روی «پخش» کلیک کنید؛ گوگل همچنین یک اعلان ایمیلی میفرستد. این مرورهای صوتی بین ۲ تا ۱۰ دقیقه طول دارند. فایل صوتی بهصورت خودکار در پوشهٔ جدید «مرورهای صوتی» در درایو ذخیره میشود؛ که کاربران میتوانند از هر دستگاه موبایل یا دسکتاپ به آن دسترسی داشته باشند. این روش، در مقایسه با چتهای Gemini، تجمیع منظمی را فراهم میکند.
این قابلیت با همان فناوری پایهای که برای مرورهای صوتی در NotebookLM استفاده میشود، فعال شده است. گوگل آن را بهعنوان «تبدیل فوری PDFهای طولانی و پرمتن—مانند گزارشهای صنعتی، قراردادها یا متنهای طولانی جلسات» توصیف میکند.
بهرهوری را ارتقا دهید با این امکان که کاربران بهسرعت نکات اصلی یک سند طولانی را در خلاصهای صوتی دو تا ۱۰ دقیقهای درک کنند،
دسترسپذیری را بهبود دهید با ارائه فرمت جایگزین برای مصرف محتوا،
آمادگی را تقویت کنید با تسهیل مرور سریع مطالب پیش از جلسات یا ارائه به مشتریان.
در آغاز، مرورهای صوتی برای PDFهای گوگل درایو فقط از انگلیسی پشتیبانی میکنند. این قابلیت به ویژگی «گوش کردن» در Google Docs میپیوندد.
این ویژگی هماکنون برای سطوح زیر Google Workspace در دسترس است:
Business Standard و Business Plus
Enterprise Standard و Enterprise Plus
همچنین برای مشترکان Google One AI Pro و AI Ultra در دسترس است.
آلبورگ، دانمارک (AP) — در انبارِی که بیش از ۱٬۵۰۰ کیلومتر (۹۰۰ مایل) از پایتخت اوکراین فاصله دارد، کارگران شمالی دانمارک با دقت وسیلههای ضد‑پهپاد را سر هم میزنند. بخشی از این وسایل برای صادرات به کییف با هدف ایجاد جَمینگ بر فناوری روسیه در میدانی جنگ، ارسال میشود؛ در حالی که سایر آنها به سراسر اروپا فرستاده میشوند تا به مقابله با نفوذهای مرموز پهپادها به فضای هوایی ناتو که کل قاره را ناآرام کرده است، بپردازند.
دو شرکت دانمارکی که پیشتر بیشتر فعالیتهایشان در حوزه دفاع بود، اکنون اعلام میکنند که با افزایش چشمگیر مشتریان جدیدی مواجه شدهاند که میخواهند از فناوری آنها برای حفاظت از مکانهایی چون فرودگاهها، تاسیسات نظامی و زیرساختهای حیاتی استفاده کنند؛ مکانهایی که در هفتههای اخیر هدف پروازهای پهپاد شدهاند.
فناوری تشخیص پهپاد با رادار شرکت ویبلساینتیفیک پیش از برگزاری یکی از نشستهای کلیدی اتحادیهٔ اروپا در اوایل امسال، در فرودگاه کپنهاگ مستقر شد؛ در سپتامبر، مشاهدات پیدرپی پهپادهای نامشخص، فضای هوایی فرودگاه را به مدت ساعتها بسته کرد. شرکت MyDefence، که از انبار خود در شمال دانمارک عمل میکند، دستگاههای دستی و پوشیدنی با فرکانس رادیویی میسازد که ارتباط میان پهپاد و خلبان آن را قطع کرده و تهدید را خنثی میکند.
امکان «جَمینگ» (تداخل الکترونیکی) در اتحادیهٔ اروپا محدود و تحت نظارت شدید قرار دارد، اما در میادین نبرد اوکراین بهطور وسیعی به کار گرفته میشود و به حدی گسترش یافته است که روسیه و اوکراین شروع به استفاده از پهپادهای متصل به کابلهای فیبرنوری نازکی کردهاند که نیازی به سیگنالهای فرکانس رادیویی ندارند. همچنین روسیه پهپادهای جنگی با آنتنهای اضافه بهکار میبرد تا اثرات جَمینگ اوکراین را خنثی کند.
رشد ناگهانی نفوذهای پهپاد
جنگ پهپادی پس از حملهٔ کامل روسیه به اوکراین در سال ۲۰۲۲ به سرعت گسترش یافت. روسیه با حملات پهپاد و موشکی، راهآهنها، تاسیسات برق و شهرهای سراسر کشور را هدف قرار داد. اوکراین نیز در واکنش به این حملات، با استفاده از پهپادهای داخلی، حملات جسورانهای به عمق سرزمین روسیه انجام داد.
اما در مقیاس کلی، اروپا پس از اینکه پروازهای پهپاد به فضای هوایی ناتو در سپتامبر به مقیاس بیسابقهای رسید، همچنان در وضعیت هشدار بالا قرار گرفت؛ رهبران اروپایی تصمیم گرفتند دیوار پهپادی را در امتداد مرزهای خود ایجاد کنند تا توانایی شناسایی، ردیابی و مقابله با پهپادهای نقضکنندهٔ فضای هوایی اروپا را بهبود بخشند. در نوامبر، مقامات نظامی ناتو اعلام کردند که یک سامانهٔ جدید ضد‑پهپاد آمریکا در بخش شرقی اتحاد مستقر شده است.
برخی مقامات اروپایی این حوادث را بهعنوان آزمایش مسکو بر واکنش ناتو توصیف کردند که سؤالاتی دربارهٔ آمادگی ائتلاف در مقابل روسیه برانگیخت. از چالشهای اصلی میتوان به توانایی شناسایی پهپادها — که گاهی در سامانههای راداری بهعنوان پرنده یا هواپیما تشخیص داده میشوند — و خنثیسازی ارزانقیمت آنها اشاره کرد.
کلمین ادعاهای مبنی بر دخالت روسیه در برخی از پروازهای نامشخص پهپاد در اروپا را رد کرده است.
آندریاس گراِه، استادیار کالج دفاعی سلطنتی دانمارک، اظهار کرد که در پی تجاوز روسیه، «تلاش عظیمی» برای استقرار سریع سامانههای ضد‑پهپاد در سراسر اروپا وجود دارد.
«تمام کشورهای اروپا در تلاشاند تا راهحلهای مناسب برای آمادگی در برابر این چالشهای نوین پهپاد پیدا کنند»، او گفت. «ما هنوز همهٔ ابزارهای لازم برای شناسایی مؤثر پهپادها و داشتن سامانههای هشداردهنده پیشدستی را در اختیار نداریم».
اولویت دادن به «دستگاهها» پیش از مردم
شرکت MyDefence که در سال ۲۰۱۳ تأسیس شد، دستگاههایی میسازد که میتوانند برای حفاظت از فرودگاهها، ساختمانهای دولتی و سایر زیرساختهای حیاتی بهکار روند؛ اما مدیرعامل دان هرمانسن جنگ روسیه‑اوکراین را «نقطهٔ عطف»یی برای شرکت خود مینامد.
بیش از ۲٬۰۰۰ واحد از دستگاه پوشیدنی «وینگمن» این شرکت، از زمان آغاز حملهٔ روسیه تقریباً چهار سال پیش، به اوکراین تحویل داده شدهاند.
دان هرمانسن گفت: «در سالهای اخیر، ما در اوکراین شنیدهایم که مردم میخواهند دستگاهها را پیش از افراد قرار دهند تا جانها نجات یابند».
در سال گذشته، MyDefence درآمد خود را دو برابر کرده و بهحدودی حدود ۱۸٫۷ میلیون دلار نسبت به سال ۲۰۲۳ دست یافت.
سپس پروازهای پهپادی اوایل امسال رخ داد. علاوه بر فرودگاه کپنهاگ، پهپادها بر چهار فرودگاه کوچک دیگر دانمارکی، از جمله دو فرودگاهی که بهعنوان پایگاههای نظامی استفاده میشوند، پرواز کردند.
هرمانسن اظهار کرد این پروازها برای بسیاری از کشورهای اروپایی «چشمگشا» بودند و بهسرعت علاقهمندی به فناوری آنها را افزایش داد. MyDefence که پیشتر بیشتر از فعالیتهایش در حوزه دفاع بود، اکنون از مقامات نمایندهٔ نیروهای پلیس و زیرساختهای حیاتی درخواستهای فراوانی دریافت کرده است.
او افزود: «بهطور ناگهانی میبینیم که جنگ پهپادی نه تنها در اوکراین یا در جبههٔ شرقی رخ میدهد، بلکه در واقعسزی که بخشی از تهدیدهای جنگ ترکیبی است، مسألهای است که باید به آن پرداخته شود».
فناوری رادار مورد استفاده در مقابله با پهپادها
در جبههٔ شرقی ناتو، دانمارک، لهستان و رومانی سیستم تسلیحاتی جدیدی را برای مقابله با پهپادها بهکار میگیرند. سامانهٔ آمریکایی Merops که بهقدری کوچک است که در صندوق عقب یک پیکآپ میانه جای گیرد، میتواند پهپادها را شناسایی کرده و با استفاده از هوش مصنوعی برای هدایت در زمان جَمینگ مخابرات ماهوارهای و الکترونیکی، بهسوی آنها نزدیک شود.
هدف این است که مرز با روسیه بهطور کامل مسلح شود تا نیروهای مسکو از تفکر برای عبور از مرز از نروژ در شمال تا ترکیه در جنوب خودداری کنند، مقامات نظامی ناتو به ایسپی خبر دادند.
در شمال کپنهاگ، شرکت Weibel Scientific از دههٔ ۷۰ میلادی فناوری رادار دوپلر تولید میکند. این فناوری که معمولاً در سامانههای ردیابی راداری برای صنعت هوافضا بهکار میرود، امروز برای شناسایی پهپادها، همانند در فرودگاه کپنهاگ، استفاده میشود.
این فناوری میتواند سرعت یک جسم، مثلاً پهپاد، را بر پایهٔ تغییر طول موج سیگنال بازتابی تشخیص دهد. سپس میتوان جهت حرکت جسم را پیشبینی کرد، پیتر رُپکه، مدیرعامل Weibel Scientific، بیان کرد.
«جنگ اوکراین، بهویژه تحول فناوری پهپاد در دو سال اخیر، باعث شده این نوع محصول تقاضای بالایی داشته باشد»، رُپکه گفت.
اوایل امسال، Weibel قراردادی بهارزش ۷۶ میلیون دلار بهدست آورد که این شرکت آن را «بزرگترین سفارش تاریخ» خود توصیف کرد.
پروازهای پهپادی تقاضا را حتی بیشتر کرد، در حالی که بحث دربارهٔ «دیوار پهپادی» پیشنهادی ادامه یافت. رُپکه گفت فناوری او میتواند «جزء کلیدی» هر سپر آیندهای در برابر پهپادها باشد.
___
استفانی دازیو در برلین در تهیهٔ این گزارش مشارکت کرد.
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
