می وب

بلاگ

  • چگونه خطاهای شناسایی جغرافیایی هوش مصنوعی، سئو بین‌المللی را بازنویسی می‌کنند

    مدل‌های زبانی بزرگ (LLMها) مرزهای جستجو را از میان می‌برند و محتوای نازک یا ناهماهنگ منطقه‌ای را به پیش‌فرض‌های جهانی تبدیل می‌کنند که باعث تحریف قابلیت دیده شدن بازار می‌شود.

    چگونه خطاهای شناسایی جغرافیایی هوش مصنوعی، سئو بین‌المللی را بازنویسی می‌کنند

    جستجوی هوش مصنوعی فقط چه محتوایی را که در نتایج قرار می‌گیرد تغییر نمی‌دهد؛ بلکه به‌صورت کم‌صدا کجا برند شما به‌نظر می‌رسد که تعلق دارد را بازنویسی می‌کند. همان‌طور که مدل‌های زبانی بزرگ (LLMها) نتایج را در میان زبان‌ها و بازارها ترکیب می‌کنند، مرزهایی که پیش‌تر محتوا را بومی‌سازی می‌کردند، محو می‌شوند. سیگنال‌های جغرافیایی سنتی مانند hreflang، دامنه‌های سطح کشور (ccTLD) و اسکیماهای منطقه‌ای در حال نادیده‌گرفتن، اشتباه در تفسیر یا جایگزینی توسط پیش‌فرض‌های جهانی هستند. نتیجه: سایت انگلیسی شما به‌عنوان «حقیقت» برای تمام بازارها ظاهر می‌شود، در حالی که تیم‌های محلی شما می‌پرسند چرا ترافیک و تبدیل‌هایشان ناپدید می‌شود.

    این مقاله عمدتاً بر سیستم‌های هوش مصنوعی مبتنی بر جستجو مانند مرور کلی هوش مصنوعی گوگل و جستجوی مولد بینگ تمرکز دارد، جایی که مشکل انحراف شناسایی جغرافیایی به‌وضوح قابل مشاهده است. هوش مصنوعی صرفاً مکالمه‌ای ممکن است رفتار متفاوتی داشته باشد، اما مسئلهٔ اصلی همچنان باقی است: وقتی سیگنال‌های اعتبار و داده‌های آموزشی زمینهٔ جهانی و جغرافیایی را مخدوش می‌کنند، ترکیب‌سازی اغلب این زمینه را از دست می‌دهد.

    جغرافیای جدید جستجو

    در جستجوی سنتی، موقعیت به‌صورت واضح مشخص می‌شد:

    • آی‌پی، زبان و دامنه‌های اختصاصی بازار، تعیین می‌کردند کاربران چه می‌بینند.
    • hreflang به گوگل می‌گفت کدام نسخهٔ بازار را ارائه دهد.
    • محتوای محلی در ccTLDهای جداگانه یا زیرشاخه‌ها منتشر می‌شد، که توسط بک‌لینک‌ها و متادیتاهای مخصوص هر منطقه پشتیبانی می‌شد.

    جستجوی هوش مصنوعی این سامانهٔ قطعی را می‌شکند.

    در مقالهٔ اخیر دربارهٔ «فاصله‌های ترجمه هوش مصنوعی»، سئو بین‌المللی بلاس گیفونی این مشکل را نشان داد وقتی عبارت «proveedores de químicos industriales» را وارد کرد. به‌جای نمایش وب‌سایت بازار محلی با فهرستی از تأمین‌کنندگان شیمیایی صنعتی در مکزیک، فهرستی ترجمه‌شده از ایالات متحده ارائه شد که برخی از آن‌ها در مکزیک کسب‌وکار ندارند یا با الزامات ایمنی یا تجاری محلی سازگاری ندارند. یک موتور مولد صرفاً اسناد را بازیابی نمی‌کند؛ بلکه پاسخی را ترکیب می‌کند با استفاده از هر زبانی یا منبعی که کامل‌ترین اطلاعات را داشته باشد.

    اگر صفحات محلی شما نازک، به‌صورت ناهمگن نشانه‌گذاری شده یا توسط محتوای انگلیسی جهانی تحت‌سایه قرار گرفته باشند، مدل صرفاً از پادگان جهانی استخراج می‌کند و پاسخ را به اسپانیایی یا فرانسوی بازنویسی می‌کند.

    در ظاهر، به‌نظر می‌رسد محلی‌سازی شده است. اما در زیر، داده‌های انگلیسی هستند که پرچم دیگری را به خود گرفته‌اند.

    چرا شناسایی جغرافیایی دچار شکست می‌شود

    ۱. زبان ≠ مکان

    سیستم‌های هوش مصنوعی زبان را به‌عنوان معیاری برای جغرافیا در نظر می‌گیرند. یک جستجوی اسپانیایی می‌تواند مربوط به مکزیک، کلمبیا یا اسپانیا باشد. اگر سیگنال‌های شما از طریق اسکیما، hreflang و ارجاع‌های محلی مشخص نکنند که چه بازاری را هدف گرفته‌اید، مدل آن‌ها را به‌طور یکپارچه ترکیب می‌کند.

    در این حالت، قوی‌ترین گزینه برنده می‌شود. و در نه‌ازده مورد، آن وب‌سایت اصلی به زبان انگلیسی شما است.

    ۲. سوگیری تجمیع بازار

    در طول فرآیند آموزش، LLMها از توزیع‌های متنی یاد می‌گیرند که به‌ شدت به محتوای انگلیسی ترجیح می‌دهند. زمانی که موجودیت‌های مرتبط در بازارهای مختلف ظاهر می‌شوند («GlobalChem Mexico»، «GlobalChem Japan»)، نمایه‌های مدل تحت تسلط نمونه‌ای که بیشترین مثال آموزشی را دارد، که معمولاً برند جهانی انگلیسی است، قرار می‌گیرند. این باعث ایجاد عدم تعادل اعتبار می‌شود که در مرحله پیش‌بینی نیز ادامه دارد و مدل پیش‌فرض به محتوای جهانی می‌شود حتی برای پرس‌و‌جوهای خاص بازار.

    ۳. تقویت نسخهٔ اصلی

    موتورهای جستجو به‌ طور طبیعی سعی می‌کنند صفحات نزدیک به‌ هم را یکپارچه کنند، و hreflang برای مقابله با این سوگیری وجود دارد تا به آن‌ها بگوید نسخه‌های مشابه به‌عنوان گزینه‌های معتبر برای بازارهای مختلف هستند. زمانی که سیستم‌های هوش مصنوعی از این فهرست‌های یکپارچه بازیابی می‌کنند، این سلسله‌مراتب را به ارث می‌برند و نسخهٔ اصلی (canonical) را به‌عنوان منبع اصلی حقیقت در نظر می‌گیرند. بدون سیگنال‌های جغرافیایی واضح در خود محتوا، صفحات منطقه‌ای برای لایهٔ ترکیب‌سازی نادیده می‌شوند، حتی اگر به‌درستی با hreflang برچسب‌گذاری شده باشند.

    این سوگیری تجمیع بازار را تشدید می‌کند؛ صفحات منطقه‌ای شما نه‌تنها تحت‌سایه قرار می‌گیرند، بلکه به‌صورت مفهومی در موجودیت اصلی جذب می‌شوند.

    آیا این مشکل خودبه‌خودی اصلاح خواهد شد؟

    همان‌طور که LLMها داده‌های آموزشی متنوع‌تری را شامل می‌شوند، ممکن است برخی عدم تعادل‌های جغرافیایی کاهش یابد. با این حال، مسائلی ساختاری همچون یکپارچه‌سازی کاننیکال و اثرات شبکه‌ای اعتبار زبان انگلیسی همچنان پابرجا خواهند ماند. حتی با توزیع ایده‌آل داده‌های آموزشی، سلسله‌مراتب داخلی برند شما و تفاوت‌های عمق محتوا در بازارهای مختلف همچنان بر این‌که کدام نسخه در ترکیب‌سازی حاکم می‌شود، تأثیرگذار خواهند بود.

    اثر موجی بر جستجوی محلی

    پاسخ‌های جهانی، کاربران محلی

    تیم‌های خرید در مکزیک یا ژاپن پاسخ‌های تولید شده توسط هوش مصنوعی را دریافت می‌کنند که از صفحات انگلیسی استخراج شده‌اند. اطلاعات تماس، گواهینامه‌ها و سیاست‌های حمل و نقل نادرست هستند، حتی اگر صفحات بومی موجود باشند.

    اقتدار محلی، تحت‌سایه‌گی جهانی

    حتی رقبای محلی قوی نیز به‌دلیل وزن‌گذاری بیشتر مدل‌ها بر روی پادگان انگلیسی/جهانی، جایگزین می‌شوند. نتیجه: اقتدار محلی ثبت نمی‌شود.

    فرسایش اعتماد به برند

    کاربران این را نادیده‌گیری می‌دانند:

    «آن‌ها به بازار ما سرویس نمی‌دهند.»
    «اطلاعاتشان در اینجا مرتبط نیست.»

    در صنایع نظارتی یا B2B که مطابقت، واحدها و استانداردها اهمیت دارند، این موضوع منجر به از دست رفتن درآمد و خطر شهرت می‌شود.

    hreflang در عصر هوش مصنوعی

    hreflang در یک جهان مبتنی بر قوانین ابزار دقیقی بود. به گوگل می‌گفت در هر بازار کدام صفحه را ارائه دهد. اما موتورهای هوش مصنوعی «صفحات را ارائه نمی‌دهند» – آن‌ها پاسخ‌ها را تولید می‌کنند.

    به‌این‌معنی‌است که:

    • hreflang تبدیل به یک راهنمای مشورتی می‌شود، نه یک منبع معتبر.
    • شواهد فعلی نشان می‌دهد LLMها hreflang را به‌ طور فعال در ترکیب‌سازی تفسیر نمی‌کنند، زیرا این ویژگی برای روابط سطح‑سند که برای استدلال استفاده می‌شود، کاربردی ندارد.
    • اگر ساختار کاننیکال شما به صفحات جهانی اشاره کند، مدل این سلسله‌مراتب را به ارث می‌برد و نه دستورات hreflang شما.

    به‌طور خلاصه، hreflang همچنان به ایندکس‌گذاری گوگل کمک می‌کند، اما دیگر بر تفسیر محتوا حکم نمی‌راند.

    سیستم‌های هوش مصنوعی از الگوهای اتصال، اعتبار و مرتبط بودن می‌آموزند. اگر محتوای جهانی شما دارای ارتباط داخلی غنی‌تر، تعامل بالاتر و ارجاع‌های خارجی بیشتری باشد، همیشه در لایهٔ ترکیب‌سازی برتری خواهد داشت – بدون توجه به hreflang.

    مطالعه بیشتر: پرسش از سئو: رایج‌ترین اشتباهات hreflang چیست & چطور می‌توانم آن‌ها را بررسی کنم؟

    چگونه درگ جغرافیایی رخ می‌دهد

    بیایید به یک الگوی واقعی که در بازارهای مختلف مشاهده شده نگاهی بیندازیم:

    1. محتوای محلی ضعیف (متن کم، اسکیما ناقص، فهرست قدیمی).
    2. کاننیکال جهانی اعتبار را تحت دامنه .com یکپارچه می‌کند.
    3. مرور کلی هوش مصنوعی یا چت‌بات صفحهٔ انگلیسی را به‌عنوان دادهٔ منبع استخراج می‌کند.
    4. مدل پاسخی را به زبان کاربر تولید می‌کند که بر پایهٔ حقایق و زمینهٔ منبع انگلیسی استوار است، در حالی که چند نام برند محلی اضافه می‌کند تا حالت بومی‌سازی را القا کند، و سپس یک پاسخ ترکیبی به زبان محلی ارائه می‌دهد.
    5. کاربر کلیک می‌کند تا به فرم تماس در ایالات متحده برسد، توسط محدودیت‌های حمل و نقل مسدود می‌شود و با ناراحتی خارج می‌شود.

    هر یک از این مراحل به‌نظر جزئی می‌رسند، اما به‌طور ترکیبی یک مشکل حاکمیت دیجیتال ایجاد می‌کنند – داده‌های جهانی نمایندگی بازار محلی شما را بازنویسی کرده‌اند.

    قابلیت جغرافیایی‌خوانی: ضرورت جدید سئو

    در عصر جستجوی مولد، چالش تنها رتبه‌بندی در هر بازار نیست – بلکه باید حضور خود را برای ماشین‌ها به‌صورت جغرافیایی‌قابل‌خواندن کنید.

    قابلیت جغرافیایی‌خوانی بر پایه اصول اساسی سئو بین‌المللی ساخته شده است، اما به چالش جدیدی می‌پردازد: قابلیت تفسیر مرزهای جغرافیایی در طول ترکیب‌سازی هوش مصنوعی، نه‌تنها در زمان بازیابی و رتبه‌بندی سنتی.

    در حالی که hreflang به گوگل می‌گوید کدام صفحه را برای چه بازاری ایندکس کند، قابلیت جغرافیایی‌خوانی اطمینان می‌دهد که خود محتوا حاوی سیگنال‌های واضح و قابل‌خواندن توسط ماشین باشد که در انتقال از ایندکس ساختاری به پاسخ‌های مولد باقی می‌مانند.

    به این معناست که جغرافیا، انطباق و مرزهای بازار را به‌گونه‌ای رمزگذاری کنیم که LLMها در هر دو مرحلهٔ ایندکس‌گذاری و ترکیب‌سازی آن را درک کنند.

    لایه‌های کلیدی قابلیت جغرافیایی‌خوانی

    لایه اقدام نمونه چرا مهم است
    محتوا شامل کردن زمینهٔ بازار به‌صورت صریح (مثلاً «Distribuimos en México bajo norma NOM-018‑STPS») ارتباط محتوا با یک جغرافیای تعریف‌شده را تقویت می‌کند.
    ساختار از اسکیما برای areaServed، priceCurrency و addressLocality استفاده کنید سیگنال‌های جغرافیایی صریحی فراهم می‌کند که می‌توانند بر سیستم‌های بازیابی تأثیر بگذارند و آینده‌پذیری را تضمین می‌کند، چرا که سیستم‌های هوش مصنوعی ممکن است به‌طور بهتر داده‌های ساختاریافته را درک کنند.
    لینک‌ها و ارجاع‌ها دریافت بک‌لینک‌ها از فهرست‌های محلی و انجمن‌های تجاری اختیار محلی و خوشه‌بندی موجودیت‌ها را می‌سازد.
    یکپارچگی داده‌ها آدرس، تلفن و نام سازمان را در تمام منابع هم‌راستا کنید از ادغام نادرست موجودیت‌ها و سردرگمی جلوگیری می‌کند.
    حاکمیت خروجی‌های هوش مصنوعی را برای اشتباه در انتساب یا انحراف بین‑بازاری پایش کنید نشت اولیه را پیش از تثبیت آن شناسایی می‌کند.

    توجه: اگرچه شواهد فعلی دربارهٔ تأثیر مستقیم اسکیما بر ترکیب‌سازی هوش مصنوعی محدود است، این ویژگی‌ها سیگنال‌های جستجوی سنتی را تقویت می‌کنند و محتوا را برای سیستم‌های هوش مصنوعی آینده که ممکن است داده‌های ساختاری را به‌صورت منظم‌تری تجزیه‌وتحلیل کنند، موقعیت می‌دهند.

    قابلیت جغرافیایی‌خوانی صرفاً در مورد صحبت کردن به زبان صحیح نیست؛ بلکه درباره این است که در مکان مناسب توسط ماشین‌ها درک شود.

    گردش کار تشخیص: «بازار من کجا رفته؟»

    1. جستجوهای محلی را در مرور کلی هوش مصنوعی یا چت‌سرچ اجرا کنید. اصطلاحات اصلی محصول و دسته‌بندی را به زبان محلی آزمایش کنید و زبان، دامنه و بازاری که هر نتیجه نشان می‌دهد را ثبت کنید.
    2. آدرس‌های URL ارجاع شده و نشانگرهای بازار را ثبت کنید. اگر صفحه‌های انگلیسی را برای پرس‌وجوهای غیر‑انگلیسی می‌بینید، این نشانه‌ای است که محتوای محلی شما فاقد اعتبار یا نمایانی است.
    3. پوشش‌پذیری Search Console را بررسی کنید. تأیید کنید که URLهای محلی شما ایندکس، قابل کشف و به‌درستی از طریق hreflang مشخص شده‌اند.
    4. سلسله‌مراتب کاننیکال را بررسی کنید. مطمئن شوید که URLهای منطقه‌ای به صفحات جهانی ارجاع (canonical) نشده‌اند. سیستم‌های هوش مصنوعی معمولاً نسخهٔ اصلی را به‌عنوان “حقیقت اصلی” در نظر می‌گیرند.
    5. جغرافیای ساختاری را آزمایش کنید. برای گوگل و بینگ، مطمئن شوید که ویژگی‌های اسکیما مانند areaServed، address و priceCurrency را اضافه یا اعتبارسنجی کنید تا موتورها به‌راحتی ارتباط قضایی را شناسایی کنند.
    6. هر سه ماه یک‌بار تکرار کنید. جستجوی هوش مصنوعی به‌سرعت پیشرفت می‌کند. آزمایش منظم اطمینان می‌دهد که مرزهای جغرافیایی شما در طول بازآموزی مدل‌ها پایدار بمانند.

    گردش کار اصلاح: از انحراف به متمایز شدن

    مرحله تمرکز تأثیر
    1 تقویت سیگنال‌های داده محلی (جغرافیای ساختاری، نشانه‌گذاری گواهینامه). اعتبار بازار را روشن می‌کند
    2 ساختن مطالعات موردی بومی، ارجاع‌های قانونی و نظرات مشتریان. E‑E‑A‑T محلی را تثبیت می‌کند
    3 بهینه‌سازی لینک داخلی از زیردامنه‌های منطقه‌ای به نهادهای محلی. هویت بازار را تقویت می‌کند
    4 دریافت بک‌لینک‌های منطقه‌ای از نهادهای صنعتی. اعتماد غیرزبانی را افزایش می‌دهد
    5 تنظیم منطق کاننیکال برای ترجیح بازارهای محلی. از ارث‌برداری پیش‌فرض‌های جهانی توسط هوش مصنوعی جلوگیری می‌کند
    6 انجام «ممیزی دیداری هوش مصنوعی» به‌موازات گزارش‌های سئو سنتی.

    فراتر از hreflang: مدل جدید حاکمیت بازار

    مدیران باید این را همان‌گونه که هست ببینند: نه یک اشکال سئو، بلکه یک شکاف استراتژیک در حاکمیت.

    جستجوی هوش مصنوعی مرزهای بین برند، بازار و زبان را از بین می‌برد. بدون تقویت عمدی، نهادهای محلی شما تبدیل به سایه‌هایی در گراف‌های دانش جهانی می‌شوند.

    این فقدان تمایز بر موارد زیر تأثیر دارد:

    • درآمد: در بازارهایی که رشد به قابلیت پیدا شدن بستگی دارد، نامرئی می‌شوید.
    • انطباق: کاربران بر اطلاعاتی که برای حوزه قضایی دیگر منظور شده‌اند، اقدام می‌کنند.

    عدالت: اعتبار محلی و سرمایهٔ لینک‌های شما توسط برند جهانی جذب می‌شود و اندازه‌گیری و پاسخگویی را مخدوش می‌کند.

    چرا مدیران ارشد باید به این موضوع توجه کنند

    دلالت‌های درگ جغرافیایی ناشی از هوش مصنوعی به‌مراتب فراتر از بازاریابی است. زمانی که ردپای دیجیتالی برند شما دیگر با واقعیت عملیاتی آن همراستا نباشد، خطر تجاری قابل‌قابل اندازه‌گیری ایجاد می‌کند. یک مشتری به‌اشتباه در بازار نادرست فقط یک سرنخ از دست رفته نیست؛ بلکه علائمی از عدم هماهنگی سازمانی بین بازاریابی، فناوری اطلاعات، انطباق و رهبری منطقه‌ای است.

    مدیران باید اطمینان حاصل کنند که زیرساخت دیجیتال آنها بازتابی از نحوه عملکرد واقعی شرکت، بازارهای خدماتی، استانداردهای پیروی شده و نهادهای مسئول عملکرد است. هم‌راستا کردن این سیستم‌ها انتخابی نیست؛ این تنها راه برای کاهش تأثیر منفی است که پلتفرم‌های هوش مصنوعی با بازتعریف نحوه شناسایی، انتساب و اعتماد به برندها در سطح جهانی، ایجاد می‌کنند.

    دستورالعمل‌های اجرایی

    1. دوباره استراتژی کاننیکال را ارزیابی کنید. آنچه قبلاً کارایی را بهبود می‌داد ممکن است اکنون نمایانی بازار را کاهش دهد. کاننیکال‌ها را به‌عنوان اهرم‌های کنترل، نه صرفاً تسهیلات، در نظر بگیرید.
    2. حاکمیت سئو را به حاکمیت جستجوی هوش مصنوعی گسترش دهید. ممیزی‌های سنتی hreflang باید به بازبینی‌های نمایانی هوش مصنوعی در سطح بازار تبدیل شوند که نحوه تفسیر موتورهای مولد از گراف موجودیت شما را ردیابی می‌کند.
    3. سرمایه‌گذاری مجدد در اعتبار محلی. تیم‌های منطقه‌ای را تشویق کنید تا محتوایی با هدف بازار‑محور ایجاد کنند، نه نسخه‌های ترجمه‌شده از صفحات جهانی.
    4. اندازه‌گیری نمایانی به‌صورت متفاوت. تنها رتبه‌بندی‌ها دیگر حضور را نشان نمی‌دهند: استنادات، منابع و زبان اصلی خروجی‌های جستجوی هوش مصنوعی را دنبال کنید.

    نکتهٔ نهایی

    هوش مصنوعی جغرافیا را غیرقابل‌توجه نکرد؛ صرفاً ضعف نقشه‌های دیجیتال ما را نشان داد.

    hreflang، ccTLDها و فرایندهای ترجمه به شرکت‌ها توهم کنترل می‌دادند.

    جستجوی هوش مصنوعی راهنمایی‌ها را حذف کرد و اکنون قوی‌ترین سیگنال‌ها برنده می‌شوند – بدون در نظر گرفتن مرزها.

    تحول بعدی سئو بین‌المللی صرفاً دربارهٔ برچسب‌گذاری و ترجمهٔ صفحات بیشتر نیست. بلکه دربارهٔ حاکمیت بر مرزهای دیجیتال شماست و اطمینان از این‌که هر بازاری که سرویس می‌کنید در عصر ترکیب‌سازی قابل مشاهده، متمایز و به‌درستی نمایان باشد.

    زیرا زمانی که هوش مصنوعی نقشه را دوباره ترسیم می‌کند، برندهایی که قابل یافتن می‌مانند، لزوماً بهترین ترجمه‌کنندگان نیستند؛ آن‌ها آن‌هایی هستند که مکان خود را به‌دقت تعریف می‌کنند.

    منابع بیشتر:

    • سئو جهانی: چگونه برای کسب‌وکارهای چندملیتی استراتژی‌گذاری کنیم
    • ساختار سازمانی مؤثر سئو برای یک شرکت جهانی
    • وضعیت سئو 2026

    تصویر برجسته: رومن سامبورسکی/شاترستوک

  • سئوی صفحه‌بندی: بهترین روش‌ها برای صفحه‌بندی وب‌سایت

    تقسیم محتوای وب‌سایت به چند صفحه می‌تواند زمان بارگذاری صفحات را تسریع کند و دسترسی کاربران به محتوا را آسان‌تر سازد، به‌ویژه برای فهرست‌های طولانی محصولات.

    توسط کارکنان شاپیفای

    تصویری از صفحه وب در مرورگر: سئوی صفحه‌بندی

    یافتن آنچه نیاز دارید در یک وب‌سایت بزرگ نباید حس عبور از گل‌خاک را القا کند. ولی با صدها محصول، پست وبلاگ یا منبع برای مرور، ممکن است دشوار شود. اینجاست که صفحه‌بندی وارد می‌شود — روشی ساده اما قدرتمند برای شکستن بخش‌های عظیم محتوا به قطعات قابل هضم و پسندیده برای کلیک. اسکرول بی‌پایان کمتر خواهد شد، زمان بارگذاری سریع‌تر و مسیر واضح‌تری برای کاربران که در نتایج حرکت می‌کنند.

    صفحه‌بندی تنها برای بهبود کاربری مفید نیست — به‌طور مستقیم بر این که موتورهای جستجو چگونه محتوای شما را پیدا و رتبه‌بندی می‌کنند تأثیر می‌گذارد. سازماندهی محتوا در صفحات کوچکتر و ساختار یافته، کشیدن و ایندکس‌گذاری سایت شما را برای موتورهای جستجو آسان‌تر می‌کند. برای کاربران، تجربهٔ روان‌تری معنا می‌دهد. در اینجا نحوهٔ تأثیر صفحه‌بندی بر سئو، روش پیاده‌سازی صحیح آن و زمان‌ مناسب برای در نظر گرفتن جایگزین‌ها آمده است.

    صفحه‌بندی در سئو چیست؟

    صفحه‌بندی حجم بالایی از محتوا را به بخش‌های قابل‌مدیریت تقسیم می‌کند. در چاپ، به معنای شماره‌گذاری صفحات است؛ در آنلاین، به معنای شکستن فهرست‌ها یا اسناد به صفحات جداگانه، اغلب با کنترل‌هایی برای پرش بین آن‌ها است. این شبیه به‌ورق زدن یک کتاب به‌جای کشیدن یک اسکرول پیوسته است. به‌عنوان مثال، صفحه‌بندی مجموعهٔ بزرگ محصولات یا نتایج جستجو، سایت شما را سریع‌تر بارگذاری می‌کند و ناوبری را آسان می‌سازد.

    صفحه‌بندی در سراسر اینترنت حضور دارد — شاید واضح‌ترین مثال آن در گوگل باشد. به‌جای یک اسکرول بی‌پایان، گوگل محتوا را به صفحات نتایج موتور جستجو تقسیم می‌کند. محتوا به‌صورت بلوک‌های ۱۰ یا ۲۰ نتیجه ظاهر می‌شود. کاربران با کلیک بر روی «بعدی»، «قبلی» یا شمارهٔ صفحه مسیر را دنبال می‌کنند. در سایت تجارت الکترونیک خود می‌توانید برای محصولات، نظرات مشتریان یا صفحات دسته‌بندی وبلاگ از صفحه‌بندی استفاده کنید.

    نمایش تنها ۱۰، ۲۰ یا ۵۰ محصول در هر صفحه تجربه مرور را سریع‌تر و پاسخگوتر می‌کند. صفحه‌ای با صدها محصول به‌خصوص در دستگاه‌های موبایل بارگذاری کندتری دارد. سرور وب شما نیازی به بارگذاری تمام داده‌های محصول به‌صورت یک‌باره ندارد — استفادهٔ مؤثرتر از پهنای باند.

    کدام نوع از سایت‌ها بیشترین بهره‌وری را از صفحه‌بندی دارند؟

    هیچ مشکلی اساسی در اسکرول بی‌پایان وجود ندارد — این روش در دنیای موبایل‑اول ما استاندارد است. اما برخی سایت‌ها، به‌ویژه آن‌هایی که مجموعه‌های محتوای وسیعی دارند، به‌طور طبیعی برای صفحه‌بندی مناسب‌اند:

    • سایت‌های تجارت الکترونیک. فروشگاه‌های آنلاین از کسب‌وکارهای کوچک تا آمازون همگی از صفحه‌بندی استفاده می‌کنند. صفحات محصول وقتی کاربران می‌توانند ۱۰ یا ۱۵ مورد را به‌صورت گام به گام مرور کنند، راحت‌تر هضم می‌شوند، نه یک فید بی‌پایان. ناوبری آسان‌تر می‌تواند کاربران را تشویق کند زمان بیشتری را در سایت بگذرانند، که نشانگر کیفیت بالاتر محتوا برای موتورهای جستجوست.

    • وبلاگ‌ها و سایت‌های خبری. اگر مقالات زیادی منتشر می‌کنید، صفحهٔ اصلی به‌خوبی طراحی شده به همراه صفحه‌بندی واضح به کاربران امکان می‌دهد از یک صفحه به صفحهٔ دیگر حرکت کنند.

    • انجمن‌ها و گالری‌ها. سایت‌هایی که حجم زیادی از پست‌ها و عکس‌ها را میزبانی می‌کنند، برای تقسیم محتوا به چند صفحه مناسب‌اند.

    چگونه صفحه‌بندی بر سئو تأثیر می‌گذارد

    صفحه‌بندی می‌تواند به سئو شما کمک کند یا به آن آسیب بزند، بسته به نحوهٔ تنظیم آن. در اینجا برخی از مواردی که باید از آنها اجتناب کنید اگر قصد صفحه‌بندی محتوا را دارید، آورده شده است:

    • تضعیف ارزش لینک. موتورهای جستجو از الگوریتمی برای ارزیابی اعتبار صفحه استفاده می‌کنند — صفحات با رتبه بالا ارزش لینک بیشتری دارند. وقتی این صفحات معتبر به محتوای صفحه‌بندی‌شده لینک می‌دهند، آن ارزش می‌تواند در میان چندین صفحه پخش شود و ممکن است قدرت کلی رتبه‌بندی سایت را تضعیف کند.

    • محتوای تکراری. محتوا تکراری یکی از رایج‌ترین اشتباهات صفحه‌بندی است. صفحات صفحه‌بندی‌شده اغلب محتواهای مشابهی دارند، به‌ویژه در توصیف دسته‌ها، سرصفحه‌ها و پاورقی‌ها. این تکرار می‌تواند موتورهای جستجو را دچار سردرگمی کند و باعث شود صفحات صفحه‌بندی به‌عنوان تکراری شناخته شوند و احتمالاً در نتایج جستجو ارزششان کاهش یابد.

    • مشکلات بودجه خزیدن. گوگل برای هر سایت یک بودجهٔ خزیدن دارد که تعداد صفحاتی را که در یک جلسه می‌خزد محدود می‌کند. اگر خزنده زمان زیادی را صرف خزش ۱۰۰ URL صفحه‌بندی‌شده از یک دسته‌بندی محصول بکند، ممکن است این بودجه تمام شود و صفحات دیگر مانند پست‌های جدید وبلاگ و محصولات جدید خزش نشوند.

    از این مشکلات اجتناب کنید و پیش‌قدم خوبی برای استفادهٔ بهینه از صفحه‌بندی برداشته‌اید. در ادامه برخی عناصر دیگر که هنگام پیاده‌سازی صفحه‌بندی برای سایت خود لازم است پرورش دهید، آمده است:

    • تجمیع ارزش لینک. به‌درستی صفحه‌های صفحه‌بندی‌شده را با استفاده از و لینک کنید تا به موتورهای جستجو درک بهتری از جریان محتوای شما بدهد. این کار سیگنال‌های رتبه‌بندی را متمرکز می‌کند به‌جای پراکندن اعتبار در میان چندین URL.

    • بهبود کارایی خزش. ساختار صفحه‌بندی تمیز به گوگل کمک می‌کند تا سایت شما را هوشمندانه‌تر خزش کند. وقتی خزنده‌ها می‌دانند صفحات شما چگونه به‌یکدیگر مرتبط هستند، محتوای ارزشمندتر مانند محصولات ویژه یا پست‌های وبلاگ را در اولویت قرار می‌دهند که می‌تواند رتبه‌بندی کلی سایت را ارتقا دهد.

    • بهبود ایندکس‌گذاری و مرتبط‌سازی. وقتی هر صفحهٔ صفحه‌بندی‌شده شامل عناوین بهینه‌سازی‌شده، اسنیپت‌های منحصربه‌فرد و نشانه‌گذاری ساختاری باشد، موتورهای جستجو می‌توانند محتوای شما را بهتر ایندکس کنند و صفحات مرتبط را بالاتر در نتایج جستجو قرار دهند.

    رتبه بالاتر در گوگل

    از این چک‌لیست رایگان سئو برای بهینه‌سازی وب‌سایت و محتوای خود استفاده کنید. بیاموزید چگونه برای عبارات جستجوی مرتبط رتبه بگیرید تا بیش‌تر خریداران فروشگاه شما را در ابتدا ببینند.

    دریافت چک‌لیست

    بهترین روش‌ها برای پیاده‌سازی صفحه‌بندی در سئو

    • به هر صفحه یک URL منحصربه‌فرد و قابل خزش اختصاص دهید
    • ساختار پیوندهای داخلی را تست کنید
    • از شناساگرهای قطعهٔ URL (Fragment) خودداری کنید
    • برچسب‌های canonical را به‌درستی مدیریت کنید
    • عناوین و توضیحات متا را بهینه کنید

    در اینجا نحوه‌ای که صفحات مختلف می‌توانند به سئو کمک کنند، نه آن را آسیب‌پذیر کنند، آورده شده است:

    به هر صفحه یک URL منحصربه‌فرد و قابل خزش بدهید

    برای اینکه گوگل بتواند صفحات صفحه‌بندی‌شده را به‌درستی ایندکس کند، ابتدا باید آن‌ها را پیدا کند. اطمینان حاصل کنید که هر صفحه با استفاده از ویژگی استاندارد href یا برچسب لینک () به‌صورت پیوندی متصل شده باشد تا گوگل بتواند صفحهٔ بعدی را خزش کند. بدون لینک مناسب، موتورهای جستجو ممکن است صفحات را نادیده بگیرند که ایندکس‌گذاری و نمایش را تحت‌تأثیر می‌گذارد. در ادامه نمونه‌ای از این در HTML آورده شده است:

    <a href=”https://myshopifymegastore.com/catalog/products?page=5″>

    هر صفحه در یک توالی صفحه‌بندی باید URL منحصربه‌فرد خود را داشته باشد. دو روش متداول برای این کار وجود دارد: افزودن پارامترهای کوئری مانند ?page=5 به URL، یا افزودن مسیر دایرکتوری مانند /page/5 به URL.

    در اینجا یک مثال از پارامتر کوئری آمده است: https://myshopifymegastore.com/catalog/products?page=5

    پارامتر ?page=5 صفحه شماره‌دار را منحصربه‌فرد می‌سازد.

    ساختار لینک‌های داخلی را تست کنید

    پیوندهای داخلی برای تجربهٔ کاربری صفحه‌بندی مفید هستند زیرا دسترسی به محتوا را آسان‌تر می‌سازند:

    1. اطمینان حاصل کنید که لینک‌های «بعدی» و «قبلی» به‌درستی کار می‌کنند. پیوندهای متوالی را از یک صفحه به صفحهٔ بعد اضافه کنید تا برای کاربران و Googlebot راحت باشد مسیر را دنبال کنند.

    2. لینک‌ها به سایر شماره‌های صفحه در سلسله. این کار به موتورهای جستجو امکان می‌دهد هر صفحه را به‌راحتی کشف کنند. بدون لینک‌ها، گوگل ممکن است صفحات در دسته‌بندی محصول شما را از دست بدهد و محصولات در صفحات عمیق‌تر ایندکس نشوند.

    3. لینک به صفحهٔ اول در مجموعه از هر صفحه. وقتی به صفحهٔ ریشه (page=1) لینک می‌دهید، اعتبار آن را تقویت می‌کنید که باعث تجمیع ارزش لینک در جای موردنظر می‌شود.

    از شناساگرهای قطعهٔ URL (Fragment) خودداری کنید

    یک شناساگر قطعهٔ URL بخشی است که پس از نماد هشتگ (#) در آدرس URL می‌آید. موتورهای جستجو تمایل دارند آنها را نادیده بگیرند. هر محتوای مبتنی بر قطعه‌URL ایندکس نمی‌شود و بنابراین هرگز در نتایج جستجو ظاهر نمی‌شود.

    در اینجا مثالی از یک قطعه‌URL که احتمالاً خزش نخواهد شد آورده شده است: https://www.deepdiscount.biz/deep‑vinyl‑sale/b230734?attn_pos=2&externalId=OsUHA#!?pagenum=2

    به‌درستی برچسب‌های canonical را مدیریت کنید

    برچسب canonical (rel=”canonical”) به موتورهای جستجو می‌گوید کدام صفحه نسخهٔ ترجیحی است وقتی چند صفحه محتوای مشابه دارند.

    در مورد نحوهٔ صحیح استفاده از برچسب canonical برخی سؤ‌به‌فهمی‌ها وجود دارد، بنابراین توصیه‌های Google Search Central را جدی بگیرید. گوگل توصیه می‌کند صفحهٔ اول توالی صفحه‌بندی به‌عنوان صفحهٔ canonical استفاده نشود. هر صفحه باید URL canonical خود را داشته باشد. این برچسب‌ها به‌عنوان canonicalهای خودارجاعی شناخته می‌شوند.

    برای تنظیم این مورد، به بخش هر صفحه وب بروید و برچسب canonical مناسب را وارد کنید. مثال:

    <link rel=”canonical” href=”https://the-style-codezeel.myshopify.com/collections/clothing”>

    برچسب‌های canonical خودارجاعی را بر هر صفحهٔ صفحه‌بندی اضافه کنید تا موتورهای جستجو بدانند هر صفحه نسخهٔ ترجیحی URL منحصربه‌فرد خود است.

    <link rel=”canonical” href=”https://the-style-codezeel.myshopify.com/collections/clothing?page=2″>

    بهینه‌سازی عناوین و توضیحات

    عناوین و توصیفات غنی از کلیدواژه‌ها در متاتگ‌ها — موجود در بخش Head صفحهٔ HTML — به گوگل می‌گویند صفحه دربارهٔ چه چیزی است. می‌توانید توصیفات محتوای منحصربه‌فرد اضافه کنید تا محتوای ظاهراً مشابه، مثل پست‌های وبلاگ و محصولات در یک دسته، متمایز شوند.

    استفاده از متاتگ‌ها به این شکل ضرورتی فنی ندارد. طبق راهنمایی گوگل: «به‌طور معمول، توصیه می‌کنیم به صفحات وب عناوین متمایزی بدهید تا آنها را متمایز کنید. اما صفحات در توالی صفحه‌بندی نیازی به رعایت این توصیه ندارند. می‌توانید از عناوین و توصیفات یکسان برای تمام صفحات توالی استفاده کنید. گوگل سعی می‌کند صفحات توالی را تشخیص دهد و بر این اساس ایندکس کند.»

    با این حال، استفاده از فیلد عنوان برای نشان دادن اینکه کدام صفحه در توالی نمایش داده می‌شود می‌تواند تجربهٔ کاربر را بهبود بخشد. برای مثال، اگر مقاله‌ای در چند صفحه پخش شده باشد، می‌توانید «قسمت ۲»، «قسمت ۳» و … را به عنوان پسوند به عنوان اضافه کنید تا نشان دهد کدام بخش از سری نمایش داده می‌شود.

    جایگزین‌های صفحه‌بندی

    • اسکرول بی‌پایان
    • دکمه‌های بارگذاری بیشتر
    • نمایش همه صفحه‌ها

    صفحه‌بندی تنها گزینهٔ شما برای مدیریت مجموعه‌های بزرگ محتوا نیست. بر اساس اهداف خاص و ترجیحات تجربهٔ کاربری، مناسب‌ترین گزینه را برای سایت خود انتخاب کنید.

    اسکرول بی‌پایان

    اسکرول بی‌پایان به‌محض اینکه کاربر به‌پایین صفحه اسکرول کند، محتوای بیشتری را بارگذاری می‌کند. این روش در سایت‌های شبکه‌های اجتماعی مانند فیس‌بوک و اینستاگرام محبوب است.

    اسکرول بی‌پایان زمانی مناسب است که بخواهید فعالیت مرور در سایت را تا حد امکان افزایش دهید. مشتریان، به‌ویژه در برنامه‌های موبایل، به‌سوی حرکات مداوم سوایپ عادت دارند.

    با این حال، یک عیب احتمالی وجود دارد. گوگل می‌تواند خزش کند، اما اسکرول نمی‌کند؛ بنابراین نمی‌تواند محتوا را بدون کلیک بر روی لینک دسترسی پیدا کند، که به معنی این است که محتوای اسکرول بی‌پایان ممکن است ایندکس نشود.

    دکمه‌های بارگذاری بیشتر

    دکمهٔ بارگذاری بیشتر شبیه اسکرول بی‌پایان است، اما کاربر باید به‌صورت دستی روی دکمه کلیک کند تا محتوای بیشتری بارگذاری شود. این گزینه برای سناریوهایی مناسب است که کاربر ممکن است نخواهد همه محتوا را یکجا ببیند. همچنین بر روی موبایل کارایی خوبی دارد چون کاربر می‌تواند انگشت خود را در یک مکان ثابت نگه دارد. برای آسان‌تر کردن خزش روبات‌ها، دکمهٔ بارگذاری بیشتر را به‌عنوان یک لینک مناسب به URL جدید و قابل خزش تنظیم کنید.

    نمایش همه صفحه‌ها

    صفحهٔ نمایش همه یک صفحهٔ تک است که شامل تمام محصولات یا آیتم‌های یک دسته‌بندی می‌شود. این روش برای دسته‌بندی‌های کوچک با تعداد محدود محصولات (مثلاً فروش ویژه با ۲۰ آیتم) بهترین گزینه است.

    کاربران اغلب دوست دارند همه چیز را در یک نگاه ببینند. این گزینه برای سئو دوستانه‌ترین است زیرا تمام محتوا در یک مکان است — بدون نگرانی از مشکلات صفحه‌بندی. اما برای مجموعه‌های بزرگ محتوا، نمایش همه می‌تواند سنگین باشد. زمان بارگذاری طولانی می‌شود و می‌تواند تجربهٔ کاربری را مختل کند که ممکن است رتبه‌بندی‌های جستجو را تحت‌تأثیر قرار دهد.

    پرسش‌های متداول سئوی صفحه‌بندی

    صفحه‌بندی در سئو چیست؟

    صفحه‌بندی فهرست‌های بزرگ محتوا را به چند صفحه تقسیم می‌کند. این ویژگی تجربهٔ کاربری است که برای اجتناب از مشکلات سئو، نیاز به تنظیم دقیق دارد.

    چرا از صفحه‌بندی در سئو پرهیز کنیم؟

    صفحه‌بندی به‌خودی مشکل نیست — پیاده‌سازی نادرست است. برای سایت‌های بزرگ، صفحه‌بندی مهم برای تجربهٔ کاربری است. اما اگر به‌درستی پیاده‌سازی نشود، مشکلاتی مانند محتوای تکراری، تضعیف ارزش لینک در میان چندین URL و هدر رفتن بودجهٔ خزیدن به‌وجود می‌آید.

    آیا صفحه‌بندی یا اسکرول بی‌پایان برای سئو بهتر است؟

    برای یک فروشگاه بزرگ تجارت الکترونیک، صفحه‌بندی عمومًا گزینهٔ بهتر برای سئو است؛ زیرا به موتورهای جستجو لینک‌های قابل‌خزش به هر صفحه می‌دهد. اسکرول بی‌پایان ممکن است گزینهٔ سئوی ضعیفی باشد چون برای نمایش محتوا به اقدام کاربر (اسکرول) وابسته است و خزنده‌ها نمی‌توانند آن را ببینند، که ایندکس‌گذاری تمام فهرست محصولات را دشوار می‌کند.

    6 آذر 1404

  • تبلیغ هوش مصنوعی مولد EA هم‌اکنون شامل طرح جلد می‌شود

    برای نمایش NHL 26 نسخهٔ لوکس از ابزارهای هوش مصنوعی استفاده شد

    AIEANHL ۲۶

    تصویر جلد نسخهٔ لوکس NHL 26، خانوادهٔ تاکچاک را نشان می‌دهد
    الکترونیک آرتس

    نسخهٔ لوکس NHL 26 خانوادهٔ تاکچاک را بر روی جلد به نمایش می‌گذارد. متیو تاکچاک از تیم پانترز و برادی تاکچاک از تیم سناتورز در کنار پدرشان، پیشروی افسانه‌ای کیت تاکچاک، زیر نورهای روشن روی یک یخ‌پست مه‌آلود به تصویر کشیده شده‌اند. آنچه EA تا پیش از این فاش نکرده بود این است که برای ساخت اثر تبلیغاتی نسخهٔ صد دلاری، از ابزارهای هوش مصنوعی مولد بهره برده است.

    شرکت این دستاورد را در یک ارائه داخلی اخیر به تیم تجربه بازیکنان خود، طبق مدارکی که Kotaku بررسی کرده، برجسته کرد. در بخشی که توسط سرپرست طولانی‌مدت بازاریابی ورزشی EA، پاول مار، رهبری می‌شد، به کارکنان توضیح داده شد که شرکت چگونه از ابزارهای هوش مصنوعی مانند GPT و Comfy UI در فرآیند تولید طرح جلد استفاده کرده است.

    دو مانع اصلی برای این مفهوم وجود داشت: کیت تاکچاک دیگر پیر شده بود و هر دو پسرش در پلی‌آف‌ها مشغول بودند و برای عکاسی سنتی در دسترس نبودند. استفاده از تعویض سر به روش «کلاسیک» با فتوشاپ رد شد؛ بنابراین EA، با کسب اجازه از خانواده، روی هوش مصنوعی مولد برای جوان‌سازی کیت و بازآفرینی پسرانش تکیه کرد. در حالی که تمام این کارها تحت نظارت و بررسی خلاقان انسانی انجام شد، درصدی از نتایج نهایی که به‌صورت کامل توسط هوش مصنوعی تولید شده است نامشخص است.

    «هوش مصنوعی برای تولید نمونه‌های استیلی‌شده در مرحلهٔ اکتشاف استفاده شد»، بخشی از یک اسلاید ارائه می‌خواند. این اسلاید توضیح می‌دهد که تیم مار از کتابخانه‌ای از تصاویر و حالات برای هر ورزشکار استفاده کرده تا هوش مصنوعی را با ظاهر آن‌ها آموزش دهد. همچنین از تصاویر مرجع «از حال و گذشته» برای آموزش مدلی به‌منظور جوان‌سازی کیت و تولید «کیت در اوج فرم» بهره گرفته شد. یک مرحلهٔ نهایی هوش مصنوعی برای یکسان‌سازی نورپردازی بین مدل‌های مختلف به کار رفت و سپس برای تکمیل نهایی به فتوشاپ بازگشت.

    طرح جلد نسخهٔ لوکس NHL 26 جدیدترین نمونه‌ای است از اینکه چگونه شرکت‌های بازی‌ساز حتی در حالی که بازیکنانشان در برابر هرگونه حضور هوش مصنوعی معترض هستند، از این فناوری بهره می‌برند. به‌ویژه EA در حال دویدن برای پذیرش این فناوری است. بیش از یک سال پیش، آندرو ویلسون، مدیرعامل شرکت، به‌صراحت استفاده از هوش مصنوعی توسط EA را برای کمک به خلق هزاران چهره مورد نیاز برای بازگشت نسخهٔ پرفروش College Football تحسین کرد.

    «اگر هوش مصنوعی را به خود رها کنید، کار شما استثنایی نخواهد شد»

    اما برخی از کارمندان در خط مقدم با فناوری مخالف هستند؛ چند نفر به‌تازگی به Business Insider گفتند که هوش مصنوعی کدهای برنامه‌نویسی با خطا تولید می‌کند، پاسخ‌های توهمی و بی‌فایده می‌دهد یا روی رویه‌های کاری خودشان آموزشی می‌گیرد که می‌تواند امنیت شغلشان را به خطر بیندازد.

    «ما هوش مصنوعی را به‌عنوان شتاب‌دهنده‌ای قدرتمند برای خلاقیت، نوآوری و ارتباط با بازیکن می‌بینیم»، ویلسون در گزارش نتایج مالی ماه مه به سرمایه‌گذاران گفت. «در تمام تیم‌های‌مان، ما در حال سرمایه‌گذاری در جریان‌ها و قابلیت‌های جدید برای ادغام هوش مصنوعی به‌منظور بهبود نحوه ساخت، مقیاس‌پذیری و شخصی‌سازی تجارب هستیم؛ از جهان‌های پویا داخل بازی تا ارائه شبیه‌سازی‌های اصیل از ورزشکاران و تیم‌ها در مقیاس‌های شگفت‌انگیز. توسعه‌دهندگان ما از هوش مصنوعی برای گسترش مرزهای ممکن در طراحی، انیمیشن و روایت‌گری استفاده می‌کنند که به ما کمک می‌کند بازی‌پذیری عمیق‌تر و جذاب‌تری ارائه دهیم.»

    این به‌طور عملی چه معنایی دارد؟ ارائه مار سرنخی کوچک می‌دهد. در «یادگیری‌های کلیدی» از تجربهٔ پوشش جلد نسخهٔ لوکس NHL 26، او به سایر کارمندان توصیه می‌کند که مشاورهٔ حقوقی دریافت کنند اما استفاده از هوش مصنوعی را از همان ابتدا آغاز کنند، چون مدل‌ها ممکن است زمان‌بر برای آموزش باشند. همچنین سعی می‌کند تمایزی مبهم بین این که هوش مصنوعی تمام کارها را انجام می‌دهد و این که انسان‌ها هنوز در کنترل فرایند خلاقانه هستند، حفظ کند.

    «از هوش مصنوعی برای گسترش جاه‌طلبی خود استفاده کنید»، یکی از اسلایدهای ارائه می‌خواند. «اگر هوش مصنوعی را به تنهایی رها کنید، کار شما استثنایی نخواهد شد». در زیر این جملهٔ پرمعنا، اسکرین‌شاتی از سرخطی که تخفیف هوش مصنوعی اخیر کوکاکولا را «چشم‌پوشی بی‌نظم» توصیف می‌کرد، نشان داده شده است. این حس به‌نظر می‌رسد که ابزارهای هوش مصنوعی بهترین کارایی را دارند زمانی که هیچ‌کس نتواند تشخیص دهد که اصلاً از آن‌ها استفاده شده است.

    دنیای جدید شجاعانهٔ هوش مصنوعی برای فروش بسته‌های کارت

    شرکت EA هم‌اکنون در فرآیند فروش به عربستان سعودی و دیگر کشورها به‌عنوان بخشی از خرید مالی ۵۵ میلیارد دلاری است. بر اساس گزارش The Financial Times، سرمایه‌گذاری‌های بزرگ بر هوش مصنوعی یکی از راه‌هایی است که انتظار می‌رود شرکت برای پرداخت بدهی‌های خود در آینده از آن استفاده کند. برخی از کارمندان نگران این هستند که این موضوع می‌تواند به کاهش نیروها و تجربهٔ ضعیف‌تری برای بازیکنان منجر شود.

    بخش دیگری از ارائه داخلی به استفاده از ابزارهای هوش مصنوعی خدمات مشتری برای ارائهٔ کمک درون‌بازی به بازیکنان اشاره داشت. به‌عنوان مثال، اگر بازیکن در گذر جدید College Football دچار مشکل شود، یک چت‌بات می‌تواند لینک‌های راهنمای آنلاین یا ویدئوهای کوتاه آموزشی را نمایش دهد. اما یک نمونهٔ نظری برای کاربردهای ممکن این فناوری، گزینهٔ سوم را نیز نشان می‌دهد: خرید بسته‌های کارت.

    «یا این بسته می‌تواند به‌سرعت‌تری به شما در پیشرفت کمک کند»، این پیشنهاد در یک اسلاید ارائه روی صفحه نمایان شد. روبات ادامه می‌دهد: «در آن کوارتر‑بک‌ها و گیرنده‌های با آمار دقت سطح بالایی وجود دارد – عالی برای تقویت مسیرها و پرتاب‌های کوتاه». شواهدی وجود ندارد که EA در حال حاضر در نظر داشته باشد چنین ویژگی‌ای را در بازی‌های واقعی خود پیاده‌سازی کند، اما این تصویر واضحاً توضیح می‌دهد چرا بسیاری از بازیکنان به‌صورت واکنشی با هوش مصنوعی مخالف هستند.

    EA از بیان نظرات خودداری کرد.

    به‌روزرسانی 11/26/25 12:08 p.m. ET: EA تأیید کرد که خانوادهٔ تاکچاک اجازهٔ استفاده از هوش مصنوعی را داده‌اند.

  • سیستم هشدار اضطراری CodeRED به حالت CodeDEAD پس از حمله باج‌افزاری گروه INC

    مناطق مختلف در ایالات متحده تحت تأثیر قرار گرفته‌اند و یکی از آن‌ها قرارداد خود برای این محصول را فسخ کرد

    شهرها و شهرک‌های ایالات متحده پس از حمله سایبری به فروشنده Crisis24، دسترسی به سیستم هشدار اضطراری CodeRED خود را از دست داده‌اند.

    شهرداری‌های مختلف اطلاعیه‌های تقریباً یکسانی دربارهٔ حمله به پلتفرم OnSolve CodeRED، که هم‌اکنون تحت مالکیت Crisis24 است، منتشر کرده‌اند؛ این پلتفرم به ساکنان امکان دریافت هشدارهای لحظه‌ای برای موارد اضطراری همچون هشدارهای آب و هوایی، کودکان مفقودی، تهدیدات تروریستی و سایر موارد را می‌دهد.

    در هشدار خود دربارهٔ این وضعیت به مردم محلی، دفتر کلانتری شهرستان داگلاس، کلرادو، این هفته اعلام کرد که قرارداد CodeRED خود را خاتمه داده و به‌طور فعال به‌دنبال یک جایگزین می‌گردد.

    نحوه بیان اطلاعیه‌های مشابه از سوی سایر مناطق نشان می‌دهد که آن‌ها همچنان با Crisis24 می‌مانند، چرا که این شرکت در حال کار بر روی راه‌اندازی یک پلتفرم جدید CodeRED است که پیش از حمله در حال توسعه بود.

    Crisis24 به مشتریان اطلاع داد که پلتفرم جدید «در یک محیط جداگانه و غیر فاسد قرار دارد»، که تحت «بررسی جامع امنیتی» و «آزمون‌های نفوذ و تقویت بیشتر» قرار گرفته است.

    «در حالی که حساب CodeRED شهر غیرفعال شده است، کارکنان در حال همکاری با فروشنده برای انتقال به یک پلتفرم هشدار اضطراری جدید هستند»، شهر یونیورسیتی پارک، تگزاس اعلام کرد.

    «لطفاً بدانید که حفاظت از اطلاعات شخصی شما بالاترین اولویت ماست و ما متعهد به حفظ داده‌های شما هستیم، با همکاری با فروشندگانی که سامانه‌های ایمن و قابل اعتماد ارائه می‌دهند.»

    در حالی که منتظر راه‌اندازی پلتفرم جدید هستند، اکثر مناطق تحت‌تأثیر در سرتاسر کشور به‌کارگیری اطلاع‌رسانی‌های اضطراری از طریق شبکه‌های اجتماعی یا در صورت لزوم ارتباط درب به درب را ادامه داده‌اند.

    به ساکنان آن‌ها نیز توصیه شده است که رمزهای عبور CodeRED خود را تغییر دهند. بر اساس ارتباطات Crisis24 با مشتریان، از داده‌های دزدیده‌شده توسط گروه جنایتکار شامل نام‌ها، آدرس‌ها، ایمیل‌ها، شماره‌های تلفن و رمزهای عبور استفاده‌شده برای ایجاد حساب‌های CodeRED می‌باشد.

    شهر O’Fallon، میسوری اعلام کرد: «همه دریافت‌کنندگان هشدارهای CodeRED یک پروفایل کامل نساختند؛ با این حال، اگر این کار انجام شده و همان رمز عبور برای حساب‌های شخصی یا تجاری دیگر استفاده شده باشد، تغییر آن رمزها به‌ شدت توصیه می‌شود.»

    بر اساس اطلاعیه‌های آن‌ها، Crisis24 یک پرسش‌وپاسخ (FAQ) به مشتریان خود ارائه کرده است که اکثر آن‌ها به‌صورت کلمه به کلمه در انتهای هشدارهای خود منتشر کرده‌اند.

    برگه‌اطلاعاتی بیان می‌کند که این حمله محدود به CodeRED است و سایر سامانه‌های مشتریان نباید به‌عنوان در خطر در نظر گرفته شوند.

    در بخش «چرا این اتفاق افتاد؟» از پرسش‌وپاسخ، Crisis24 گفت: «متأسفانه، در ماه‌های اخیر خطرات و نفوذهای امنیتی در بسیاری از سازمان‌ها افزایشی داشته است.»

    زمانی که شرکت مشتریان را از این حمله آگاه کرد، همچنین اعلام کرد که هنوز نشانه‌ای مبنی بر افشای داده‌های سرقت شده در فضای آنلاین وجود ندارد، اما هشدار داد که این وضعیت ممکن است در آینده تغییر کند.

    گروه باج‌افزاری INC مسئولیت این حمله را بر عهده گرفته و بخشی ادعایی از داده‌های سرقت‌شده را در وبلاگ تاریک خود منتشر کرده است.

    به‌عنوان بخشی از کمپین فشار بر علیه Crisis24 برای پرداخت باج، به‌نظر می‌رسد INC بخشی از تاریخچه مذاکرات بین خود و فروشنده را فاش کرده است.

    اگر به‌درست بودن این اطلاعات اعتبار بدهیم، لاگ‌های گفت‌و‌گو نشان می‌دهند که خواست اولیه باج INC در ابتدا ۹۵۰٬۰۰۰ دلار بود که سپس به ۴۵۰٬۰۰۰ دلار کاهش یافت. این لاگ‌ها همچنین نشان می‌دهند که Crisis24 پیشنهاد اولیه ۱۰۰٬۰۰۰ دلار را داد و سپس آن را به ۱۵۰٬۰۰۰ دلار افزایش داد که توسط INC رد شد.

    INC همچنین ادعا کرد که شریک آن در تاریخ ۱ نوامبر به شبکه Crisis24 دسترسی پیدا کرده و در تاریخ ۱۰ نوامبر فایل‌های آن را رمزنگاری کرده است.

    به‌جای پرداخت باج، این گروه جرایم سایبری اعلام کرد که به‌جای آن داده‌های سرقت‌شده را می‌فروشند. بخشی از داده‌ها قبلاً منتشر شده‌اند تا جرایم ثابت کنند که این اطلاعات را در دست دارند.

    «ما همچنان به‌صورت کامل متعهد به حمایت از مشتریان خود هستیم و اطمینان می‌دهیم که نیازهای اساسی آن‌ها در زمینه هشداردهی و اطلاع‌رسانی عمومی بدون وقفه برآورده می‌شود»، Crisis24 به The Register گفت. ®

  • شرکت Anthropic Opus 4.5 را با ادغام‌های جدید برای کروم و اکسل عرضه کرد

    دوشنبه، شرکت Anthropic Opus 4.5، آخرین نسخه از مدل پرچم‌دار خود را اعلام کرد. این آخرین مدلی است که از سری مدل‌های 4.5 شرکت منتشر می‌شود؛ پس از عرضه Sonnet 4.5 در ماه سپتامبر و Haiku 4.5 در ماه اکتبر.

    همان‌طور که انتظار می‌رفت، نسخه جدید Opus عملکرد پیشرفته‌ای در مجموعه‌ای از معیارهای ارزیابی دارد؛ از جمله معیارهای کدنویسی (SWE-Bench و Terminal-bench)، استفاده از ابزارها (tau2-bench و MCP Atlas) و حل مسایل عمومی (ARC-AGI 2، GPQA Diamond).

    قابل‌توجه است که Opus 4.5 اولین مدلی است که در بنچمارک معتبر SWE-Bench (تأیید شده) بالای 80٪ نمره کسب کرده است.

    شرکت Anthropic همچنین بر توانایی‌های استفاده از کامپیوتر و کار با صفحات‌گسترده توسط Opus تأکید کرد و برای نشان دادن عملکرد مدل در این زمینه‌ها، مجموعه‌ای از محصولات همزمان را راه‌اندازی کرد. به‌همراه Opus 4.5، Anthropic محصول «Claude برای کروم» و «Claude برای اکسل»—که پیش از این در مرحلهٔ آزمایشی بودند—را به‌صورت گسترده‌تر در دسترس قرار می‌دهد. افزونهٔ کروم برای تمام کاربران Max در دسترس خواهد شد؛ در حالی که مدل مخصوص اکسل برای کاربران Max، تیم و سازمان‌های بزرگ (Enterprise) فراهم خواهد شد.

    Opus 4.5 همچنین شامل بهبودهای حافظه برای عملیات با زمینه طولانی است؛ که این امر نیازمند تغییرات اساسی در نحوه مدیریت حافظهٔ مدل بوده است.

    Dianne Na Penn، سرپرست مدیریت محصول پژوهشی در Anthropic، به TechCrunch گفت: «بهبودهایی در کیفیت زمینه طولانی عمومی در حین آموزش Opus 4.5 اعمال کرده‌ایم، اما پنجره‌های زمینه به‌تنهایی کافی نخواهند بود. دانستن جزئیات درست برای به‌خاطره سپردن، به‌مقدار داشتن پنجرهٔ زمینهٔ طولانی، اهمیت بسیار دارد.»

    این تغییرات همچنین امکان ویژگی «چت بی‌پایان» را که کاربران پرداختی Claude منتظر آن بودند، فراهم کرد. این قابلیت باعث می‌شود که گفت‌وگوها هنگام پر شدن پنجرهٔ زمینه، بدون وقفه ادامه یابند؛ در عوض، مدل حافظهٔ زمینه را فشرده‌سازی می‌کند بدون اینکه کاربر را از این موضوع مطلع کند.

    بسیاری از این به‌روزرسانی‌ها با نگرشی به موارد استفادهٔ عامل‌محور انجام شده‌اند؛ به‌ویژه سناریوهایی که در آن Opus به‌عنوان عامل اصلی، گروهی از زیرعامل‌های مبتنی بر Haiku را هدایت می‌کند. مدیریت این وظایف نیازمند کنترل قوی بر حافظهٔ کاری است؛ جایی که بهبودهای حافظه‌ای که پن توصیف کرده، به‌خوبی ارزش خود را نشان می‌دهند.

    پن می‌گوید: «در این مرحله، اصولی همچون حافظه واقعاً اهمیت می‌یابند، زیرا Claude باید قادر باشد تا کدهای بزرگ و مستندات گسترده را مرور کند و همچنین بدانند چه زمانی باید به‌عقب‌گرد رفته و موضوعی را دوباره بررسی کند.»

    Opus 4.5 با رقابت شدیدی از سوی مدل‌های پیشرو که به‌تازگی عرضه شده‌اند، مواجه خواهد شد؛ به‌ویژه GPT 5.1 شرکت OpenAI (منتشر شده در 12 نوامبر) و Gemini 3 شرکت گوگل (منتشر شده در 18 نوامبر).

    موضوعات: هوش مصنوعی، Anthropic، Claude، پنجره‌های زمینه، اکسل، TC

  • سرویس پخش علمی Curiosity Stream در حال حاضر یک شرکت مجوزدهی هوش مصنوعی است

    دارندهٔ Curiosity Stream بیشتر محتوا را برای شرکت‌های هوش مصنوعی در اختیار دارد تا برای مشترکین.

    همه ما به روش‌های معمول سرویس‌های پخش برای کسب درآمد بیشتر آشنا هستیم: جذب مشترکین بیشتر، افزایش هزینهٔ الاشتراک‌ها و فروش تبلیغات. اما سرویس پخش علمی Curiosity Stream مسیر جدیدی را در پیش می‌گیرد که می‌تواند نحوه بقا و استراتژی شرکت‌های پخش، به‌ویژه گزینه‌های خاص، را بازنگری کند.

    تصویر صفحه نمایش و لوگوی Curiosity Stream

    جان هندریکس، بنیان‌گذار کانال Discovery، Curiosity Stream را در سال ۲۰۱۵ راه‌اندازی کرد. هزینه این سرویس پخش سالانه ۴۰ دلار است و شامل تبلیغات نمی‌شود.

    کسب‌وکار پخش به‌گونه‌ای گسترش یافته که شامل کانال تلویزیونی Curiosity Channel نیز می‌شود. CuriosityStream Inc. از طریق برنامه‌های اصیل و برنامه آموزشی Curiosity University نیز درآمد دارد. این شرکت پس از تقریباً یک دهه فعالیت، برای اولین بار در سه‌ماهه اول مالی سال ۲۰۲۵ سود خالص مثبت ثبت کرد.

    با تمرکز بر علم، تاریخ، پژوهش و آموزش، Curiosity Stream همواره بازیکن کوچکی نسبت به سایر سرویس‌های پخش خواهد بود. تا مارس ۲۰۲۳، این سرویس ۲۳ میلیون مشترک داشت که در مقایسه با ۳۰۱٫۶ میلیون کاربر Netflix (تا ژانویه ۲۰۲۵) تعداد اندکی بود.

    با این حال، در بازاری بسیار رقابتی، درآمد Curiosity Stream در گزارش مالی سه‌ماهه سوم ۲۰۲۵ که این ماه اعلام شد، ۴۱ درصد نسبت به سال گذشته افزایش یافت. این رشد عمدتاً به‌علت اعطای مجوز برنامه‌های اصیل Curiosity Stream برای آموزش مدل‌های زبان بزرگ (LLMها) بود.

    «با نگاه به اعداد سال جاری، درآمد حاصل از مجوزدهی تا سپتامبر ۲۳٫۴ میلیون دلار بوده است، که … این رقم پیش از نصف درآمد کسب‌وکار اشتراکی ما در تمام سال ۲۰۲۴ است»، فیلیپ هیدن، مدیر مالی Curiosity Stream، در تماس تلفنی با سرمایه‌گذاران این ماه گفت.

    تا به امروز، Curiosity Stream ۱۸ پروژه مرتبط با هوش مصنوعی را که شامل «دارایی‌های ویدئویی، صوتی و کدی» می‌شود، با نه شریک تکمیل کرده است؛ این موضوع در بیانیه‌ای در اکتبر اعلام شد.

    شرکت پیش‌بینی می‌کند تا سال ۲۰۲۷، درآمد حاصل از قراردادهای مجوزدهی مالکیت فکری با شرکت‌های هوش مصنوعی، بیش از درآمد حاصل از اشتراک‌ها باشد؛ «احتمالاً زودتر»، مدیرعامل کلینت استینچ‌کامب در تماس مالی گفت.

    به‌عبارت دیگر، Curiosity Stream که پیش از این به‌عنوان یک شرکت پخش شناخته می‌شد، اکنون به‌طور کامل وارد حوزهٔ مجوزدهی هوش مصنوعی شده است. این یک کار جانبی نیست؛ بلکه یکی از ستون‌های کلیدی این شرکت پخش (در کنار اشتراک‌های پخش و تبلیغات) است که امید دارد رشد چندسالهٔ خود را تقویت کند.

    در سخنرانی خود در رویداد «آیندهٔ ویدئو» برگزار شده توسط Parks Associates در این هفته، تحلیل‌گر شرکت Needham، لورا مارتین، اشاره کرد که Curiosity Stream ۳۰۰٬۰۰۰ ساعت از محتوای خود و همچنین ۱٫۷ میلیون ساعت محتوای شخص ثالث را به‌صورت مجوز می‌دهد. او افزود که درآمد حاصل از مجوزدهی هوش مصنوعی با این اشخاص ثالث به‌اشتراک‌گذاشته می‌شود.

    در واقع، Curiosity Stream محتوای بیشتری را به فراسازان (hyperscalers) و توسعه‌دهندگان هوش مصنوعی می‌فروشد تا به مخاطبان پخش. کتابخانهٔ این شرکت شامل ۲ میلیون ساعت محتواست، اما «بیشتر بخش عمدهٔ این محتوا برای مجوزدهی هوش مصنوعی است»، استینچ‌کامب گفت.

    «ما حجم حقوق خود را در پلتفرم‌های سنتی افزایش می‌دهیم، اما بیشترین بخش آن برای مجوزدهی هوش مصنوعی است»، او افزود.

    راهی نوین برای پیشرفت

    موفقیت Curiosity Stream در مجوزدهی محتوا به شرکت‌های هوش مصنوعی می‌تواند توجه سایر شرکت‌های پخش را جلب کند که به‌دنبال منابع درآمدی جدید برای تأمین مالی محتوای جدید، فناوری، بازاریابی، نیروی کار و سایر ابتکارات هستند و قصد دارند رضایت سرمایه‌گذاران را جلب کنند. در رویداد این هفته، مارتین هشدار داد که سایر شرکت‌های متمرکز بر محتوا، همان‌گونه که Curiosity Stream عمل کرده، باید مسیرهای درآمدی جدیدی پیدا کنند، وگرنه «به‌دست رقبای خود از بازار خارج خواهند شد».

    با ارائه برنامه‌های اصلی و ارتباطات با دارندگان مالکیت فکری، استینچ‌کامب بر این باور است که این فرصت در حال رشد است.

    «در سال ۲۰۲۷، احتمالاً حتی زودتر، با دسترسی بیشتر به مدل‌های منبع باز، ممکن است صدها و حتی هزاران شرکت نیاز به ویدئو برای تنظیم دقیق مدل‌های خاص برای اهداف مصرف‌کننده و سازمانی داشته باشند»، او گفت.

    با این حال، فرض کردن اینکه مجوزدهی محتوا به شرکت‌های هوش مصنوعی یک کسب‌وکار بلندمدت است، ریسک‌پذیری محسوب می‌شود. در این مرحلهٔ اولیهٔ هوش مصنوعی مولد، هنوز مشخص نیست که فراسازان تا چه میزان و برای چه مدت زمانی مایل به پرداخت به شرکت‌های محتوا هستند. دعاوی جاری نیز می‌توانند روی نحوهٔ برخورد شرکت‌ها با مالکیت فکری که توسط مدل‌های زبان بزرگ استفاده می‌شود تأثیر بگذارند. همانند سازمان‌های دیگر که به‌تازگی به مجوزدهی محتوا به شرکت‌های هوش مصنوعی روی آورده‌اند، از جمله مالک Ars Technica، Conde Nast، مجوزدهی مالکیت فکری می‌تواند همانند یک نجات‌بخش باشد که همزمان آنچه که به زودی ممکن است به رقبای ما تبدیل شود، تغذیه می‌کند.

    اما در وضعیت فعلی، هر سرویس پخش احتمالاً نمی‌تواند سال‌های آینده را بگذارد. مشتریان سرویس‌های پخش به‌طور فزاینده‌ای از دشواری یافتن محتوا برای تماشا شکایت می‌کنند. مردم از داشتن چندین اشتراک پخش خسته شده‌اند و تقاضا برای کاهش تکه‌تکه شدن محتوا بسیار قوی است.

    به همین دلیل، انتظار می‌رود ادغام‌ها و خریدهای بیشتری میان شرکت‌های پخش صورت گیرد. بنابراین، از جهات مختلف، به‌نظر می‌رسد این زمان حساس برای شرکت‌های پخش است تا به‌سرعت ارزش‌اندازی کنند. مجوزدهی مالکیت فکری به شرکت‌های هوش مصنوعی که به‌دنبال داده‌اند و سرمایه‌دار هستند می‌تواند بلافاصله کمک‌کننده باشد. اما پیامدهای بلندمدت هنوز دشوار به‌دست آوردن هستند.

    از سمت خود، Curiosity Stream همچنان به‌دنبال گسترش کسب‌وکار اشتراک و تبلیغات خود است. و مدیران می‌خواهند نشان دهند که دربارهٔ قراردادهای هوش مصنوعی به‌صورت بلندمدت فکر می‌کنند. به گفتهٔ استینچ‌کامب:

    «ما همچنین فرصت واقعی برای مجوزدهی فراتر از صرفاً حق آموزش می‌بینیم. اعطای حقوق افزایشی مانند حق نمایش، حق تحول، حق اقتباس، یا حتی برخی حقوق مشتق که ممکن است هنوز نام‌گذاری نشده باشند، می‌تواند مورد توجه باشد. منظور من این است که ما در حال ایجاد روابط بلندمدت هستیم و متعهدیم اطمینان حاصل کنیم که در تمام این توافق‌نامه‌ها، فقط یک بار کار نکنیم.»

  • بازاریابی تقویت‌شده با Gemini 3: ۹ ابزار و جریان کاری برای پیشی‌گیری از رقبا در 2026

    Gemini و Notebook LM برای ساخت گزارش کامل استراتژی بازاریابی

    اگر تیم بازاریابی شما بتواند در ساعت‌ها دستاوردی داشته باشد که پیش از این هفته‌ها زمان می‌برد، چه احساسی می‌کنید؟ تصور کنید استراتژی‌های مبتنی بر داده‌ها را می‌سازید، دارایی‌های خلاقانه خیره‌کننده‌ای تولید می‌کنید و کارهای تکراری را خودکار می‌کنید، همگی با دقت و سرعت هوش مصنوعی نوآورانه. به‌دلیل اکوسیستم هوش مصنوعی گوگل، این صرفاً یک خیال آینده‌نگر نیست؛ این‌هم‌اکنون رخ می‌دهد. ابزارهایی مانند Gemini، Notebook LM و Google AI Studio در حال تحول نحوه کار تیم‌های بازاریابی هستند و سطحی از کارایی و نوآوری ارائه می‌دهند که پیش از این قابل تصور نبود. چه در تحلیل داده‌های پیچیده، چه در تولید تصاویر با کیفیت بالا یا ساده‌سازی جریان‌های کاری، این راه‌حل‌های مبتنی بر هوش مصنوعی مرزهای ممکن در دنیای بازاریابی را بازتعریف می‌کنند. نتیجه؟ تیمی که نه تنها سریع‌تر، بلکه هوشمندتر، خلاق‌تر و مجهزتر برای پیشی‌گیری در بازارهای پررقابت است.

    در این راهنما، گریس لئونگ شما را با نحوه تحول ابزارهای هوش مصنوعی گوگل در کتابچه بازی بازاریابی آشنا می‌کند. خواهید آموخت چگونه هوش مصنوعی را به کار بگیرید تا استراتژی‌های عملیاتی بسازید، کمپین‌های بصری جذابی طراحی کنید و فرآیندهای خسته‌کننده را خودکار نمایید، در حالی که اصالت و احساسات برند شما حفظ می‌شود. از ابزارهایی که تصاویر حرفه‌ای تولید می‌کنند تا پلتفرم‌هایی که متن تبلیغاتی شخصی‌سازی شده می‌سازند، این نوآوری‌ها وعده می‌دهند تا زمان تیم شما برای آنچه واقعاً مهم است، آزاد شود: ایجاد ارتباطات معنادار با مخاطبان. همان‌طور که به این فناوری‌های شگفت‌انگیز می‌پردازیم، به این فکر کنید: اگر کارهای روتین خودکار شود و خلاقیت تقویت شود، تیم شما تا چه حد می‌تواند پیشرفت کند؟

    هوش مصنوعی گوگل: تحول در بازاریابی

    نکات کلیدی خلاصه:

    • ابزارهای هوش مصنوعی گوگل، به‌ویژه Gemini و Notebook LM، با متمرکز کردن داده‌ها، ارائه بینش‌های قابل‌کاربرد و خودکارسازی تهیه اسلایدها، فرآیند توسعه استراتژی بازاریابی را بهبود می‌بخشند.
    • پلتفرم‌های مبتنی بر هوش مصنوعی مانند Google AI Studio، تجزیه و تحلیل داده‌ها و مصور‌سازی را ساده می‌کنند و امکان ردیابی عملکرد به‌صورت زمان واقعی و تصمیم‌گیری آگاهانه از طریق داشبوردهای تعاملی را فراهم می‌آورند.
    • تولید دارایی‌های خلاقانه با ابزارهایی مثل Mixbot، Vix و Pomy تغییر می‌کند؛ این ابزارها ایجاد تصاویر، ویدیوها و مواد برندینگ را خودکار می‌سازند در حالی که سازگاری و یکدردی را حفظ می‌کنند.
    • ابزارهای تولید محتوا با هوش مصنوعی فرآیند نوشتن متن و پیام‌رسانی را ساده می‌سازند و محتوای با کیفیت بالا و متناسب با مخاطب را تضمین می‌کنند که با هویت برند همسو بوده و زمان صرفه‌جویی می‌کند.
    • ابزارهای خودکارسازی جریان کاری، مانند Google Opal و AI Studio، با خودکارسازی کارهای تکراری کارایی را افزایش می‌دهند و به تیم‌ها امکان می‌دهند تا بر طرح‌های استراتژیک و با تأثیر بالا تمرکز کنند.

    بهبود استراتژی بازاریابی با هوش مصنوعی

    Gemini و Notebook LM در حال تحول روش توسعه استراتژی‌های بازاریابی هستند. این ابزارها به شما امکان می‌دهند تا اطلاعات را از منابع متنوعی مانند روندهای بازار، رفتار مشتریان و داده‌های رقبا متمرکز و تحلیل کنید تا بینش‌های عملی تولید کنید. با Gemini می‌توانید:

    • تحقیقات جامعی انجام دهید و داده‌های پیچیده را به گزارش‌های مختصر و قابل‌کاربرد برای استراتژی تبدیل کنید.
    • توصیه‌های هوش مصنوعی در مورد عوامل کلیدی مانند قیمت‌گذاری، موقعیت‌یابی و بهینه‌سازی کانال‌ها را دریافت کنید.

    Notebook LM مکمل Gemini است و با امکان تبدیل بی‌دردسر اسناد استراتژی به دک‌های ارائه‌ی صیقلی، تلاش دستی را کاهش می‌دهد و به شما اجازه می‌دهد تا بر بهبود رویکرد بازاریابی خود و اتخاذ تصمیمات مبتنی بر داده‌های دقیق تمرکز کنید. با استفاده از این ابزارها می‌توانید استراتژی‌هایی بسازید که هم نوآورانه هستند و هم بر پایه‌ی بینش‌های واقعی جهان بنشینند.

    ساده‌سازی تحلیل داده‌ها و مصور‌سازی

    داده‌ها پایه‌ای برای بازاریابی مؤثر هستند و ابزارهای هوش مصنوعی گوگل فرآیند تحلیل و ارائه آن را ساده می‌کنند. با وارد کردن جدول‌های داده‌ای به Notebook LM می‌توانید:

    • معیارهای عملکرد را تجزیه و تحلیل کنید تا روندها و همبستگی‌هایی که راهنمای تنظیمات کمپین می‌شوند، شناسایی کنید.
    • داشبوردهای تعاملی را با استفاده از Google AI Studio ایجاد کنید تا عملکرد کمپین را به‌صورت زمان واقعی مصور کنید.

    این داشبوردها داده‌های خام را به روایت‌های بصری جذاب تبدیل می‌کنند و انتقال بینش‌ها را در طول ارائه‌های تیمی یا جلسات ذی‌نفعان آسان‌تر می‌سازند. با درک واضح از کمپین‌های خود می‌توانید با اطمینان استراتژی‌ها را بهبود دهید تا نتایج بهتری کسب کنید. این رویکرد ساده‌سازی‌شده به تحلیل داده‌ها تضمین می‌کند که تصمیم‌گیری‌های شما بر پایه اطلاعات دقیق و قابل‌کاربرد باشد.

    Gemini 3 به‌طور چشمگیری توان تیم بازاریابی شما را تقویت کرد

    این ویدیو را در یوتیوب مشاهده کنید.

    در مقالات قبلی که نوشته‌ایم، نکات بیشتری درباره بازاریابی هوش مصنوعی کشف کنید.

    نوآوری در توسعه دارایی‌های خلاقانه

    پلتفرم‌های هوش مصنوعی گوگل در تولید دارایی‌های خلاقانه با کیفیت بالا که متناسب با نیازهای متنوع بازاریابی هستند برتری دارند. این ابزارها قابلیت‌های متنوعی برای ارتقاء فرآیندهای خلاقانه شما فراهم می‌کنند:

    • Mixbot: ایده‌های بصری برای کمپین‌ها، برندینگ و طراحی بسته‌بندی تولید می‌کند.
    • Vix: دارایی‌های بازاریابی با کیفیت حرفه‌ای را با ترکیب هم‌زمان موضوع، صحنه و سبک به‌طور یکپارچه تولید می‌کند.
    • Pomy: عناصر برند را استخراج می‌کند تا تصاویر و قالب‌های هماهنگ برای شبکه‌های اجتماعی بسازد.
    • Google AI Studio: بنرها، تصاویر بلاگ و مفاهیم تبلیغاتی با خروجی‌های با وضوح بالا ایجاد می‌کند.

    برای محتوای ویدئویی، Google Flow فرآیند ساخت ویدئوهای بازاریابی واقع‌گرایانه و با کیفیت بالا را ساده می‌کند و تولید ویدئو را دسترس‌پذیرتر و کارآمدتر می‌سازد. این ابزارها اطمینان می‌دهند که دارایی‌های خلاقانه شما نه تنها از نظر بصری جذاب هستند، بلکه با هویت برند شما در تمامی پلتفرم‌ها هماهنگ‌اند. با خودکارسازی بخش‌هایی از فرآیند خلاقانه، می‌توانید بر ساخت کمپین‌هایی تمرکز کنید که با مخاطبان شما هم‌صدا شوند.

    کپی‌رایتینگ و تولید محتوا با هوش مصنوعی

    ایجاد محتوای جذاب و یکنواخت با ابزارهای مبتنی بر هوش مصنوعی ساده‌تر می‌شود. جلسات «jam» Gemini به شما اجازه می‌دهند تا با هوش مصنوعی همکاری کنید و متن‌های تبلیغاتی، دنباله‌های ایمیلی و کپشن‌های شبکه‌های اجتماعی تولید کنید که با لحن و صدای برند شما همخوانی دارند. این ابزارها به شما کمک می‌کنند:

    • متن‌های با کیفیت بالا که مطابق با ترجیحات و نیازهای مخاطبان هدف شما باشد را تولید کنید.
    • فرآیند تولید محتوا را ساده کنید در حالی که اصالت و سازگاری برند حفظ می‌شود.

    با خودکارسازی کارهای تکراری، می‌توانید وقت بیشتری را برای ساخت پیام‌هایی که عمیقاً با مخاطبان‌تان هم‌صدا می‌شوند، صرف کنید. این رویکرد تضمین می‌کند که محتوای شما جذاب و مرتبط باقی بماند و به شما کمک می‌کند تا ارتباطات قوی‌تری با مشتریان خود برقرار کنید.

    افزایش کارایی از طریق خودکارسازی جریان کاری

    خودکارسازی یک ستون اصلی در اکوسیستم هوش مصنوعی گوگل است که به شما امکان می‌دهد کارهای تکراری را ساده کرده و کارایی عملیاتی را بهبود دهید. ابزارهایی مانند Google Opal و Google AI Studio به شما اجازه می‌دهند:

    • جریان‌های کاری بدون کد برای وظایفی مانند تولید کمپین، دنباله‌های ایمیل و برنامه‌ریزی محتوا بسازید.
    • ابزارهای بازاریابی سفارشی، مانند تولیدکننده خلاصه‌های کمپین، بسازید که به‌صورت یکپارچه با Google Cloud هم‌خوانی دارند.

    با خودکارسازی فرآیندهای روتین، می‌توانید خطاها را کاهش داده، زمان را صرفه‌جویی کنید و منابع بیشتری را به ابتکارات استراتژیک که رشد را به‌سوی پیش می‌برند، اختصاص دهید. این نه تنها بهره‌وری را افزایش می‌دهد، بلکه به تیم شما امکان می‌دهد تا بر فعالیت‌های با تأثیر بالا که به موفقیت بلندمدت کمک می‌کنند، تمرکز کند.

    اولویت‌دادن به استفاده اخلاقی از هوش مصنوعی

    هم‌زمان با یکپارچه شدن هوش مصنوعی در بازاریابی، ملاحظات اخلاقی ضروری می‌شود. گوگل بر شفافیت و اصالت در کاربردهای هوش مصنوعی تأکید می‌کند تا به شما کمک کند دغدغه‌های مصرف‌کنندگان را برطرف کنید و اعتماد ایجاد کنید. با پیروی از بهترین روش‌ها می‌توانید:

    • تضمین کنید که کمپین‌های شما قابل ارتباط، قابل اعتماد و هم‌ساز با انتظارات مخاطبان باشند.
    • تعادل بین خودکارسازی و نظارت انسانی را برقرار کنید تا اصالت و ارتباط احساسی حفظ شود.

    استفاده اخلاقی از هوش مصنوعی از شهرت برند شما محافظت می‌کند و روابط قوی‌تری با مخاطبانتان ایجاد می‌نماید. با اولویت‌دادن به شفافیت و مسئولیت‌پذیری، می‌توانید هوش مصنوعی را به‌صورت مسئولانه به کار ببرید تا تلاش‌های بازاریابی خود را ارتقا دهید.

    به حداکثر رساندن پتانسیل ابزارهای هوش مصنوعی

    برای بهره‌برداری کامل از قدرت ابزارهای هوش مصنوعی گوگل، تمرکز بر کاربردهای عملی آن‌ها ضروری است. در ادامه برخی استراتژی‌ها برای حداکثر بهره‌برداری از این ابزارها آورده شده است:

    • هوش مصنوعی را به‌صورت انتخابی به‌کار بگیرید تا بهره‌وری را افزایش دهید بدون اینکه اعتماد یا خلاقیت را به خطر بیندازید.
    • ابزارهای هوش مصنوعی را در جریان‌های کاری که بیشترین بهره را از خودکارسازی و بینش‌های داده‌محور می‌برند، یکپارچه کنید.
    • عنصر انسانی را در تلاش‌های بازاریابی خود حفظ کنید تا اصالت و بازتاب احساسی را نگه دارید.

    با اتخاذ رویکردی متفکرانه و استراتژیک، می‌توانید عملیات را ساده‌سازی کنید و همزمان کمپین‌های مؤثری ارائه دهید که با مخاطبان‌تان هم‌صدا باشند. این ابزارها صرفاً درباره کارایی نیستند؛ بلکه به شما این امکان را می‌دهند تا بر آنچه واقعاً مهم است، متمرکز شوید: ساختن ارتباطات معنادار و پیشبرد موفقیت بلندمدت.

    اعتبار رسانه: گریس لئونگ

  • نحوه تشخیص اینکه آیا روتر Asus شما جز هزاران دستگاه هک‌شده توسط هکرهای دولتی چین است

    تا کنون، هکرها در حالت کم‌نقش عمل می‌کنند و احتمالاً برای استفادهٔ آینده در انتظارند.

    درگاه‌های اترنت روی یک روتر Asusدرگاه‌های اترنت روی یک روتر Asus
    اعتبار تصویر: Olly Curtis/MacFormat Magazine/Future از طریق Getty Images

    هزاران روتر Asus هک شده‌اند و تحت کنترل یک گروه مشکوک به تعلق به دولت چین قرار دارند؛ این گروه هنوز نیات خود برای این نفوذ گسترده را فاش نکرده است، محققان گزارش دادند.

    این حملهٔ هکری عمدتاً یا کاملاً به هفت مدل روتر Asus هدف‌گیری می‌کند؛ تمام این مدل‌ها دیگر توسط سازنده پشتیبانی نمی‌شوند، یعنی دیگر به‌روزرسانی‌های امنیتی دریافت نمی‌کنند، پژوهشگران SecurityScorecard اعلام کردند. تا به‌حال، دقیقاً مشخص نیست پس از به‌دست گرفتن دستگاه‌ها، مهاجمان چه کاری انجام می‌دهند. SecurityScorecard این عملیات را «WrtHug» نامگذاری کرده است.

    پنهان ماندن از رادار

    SecurityScorecard گمان می‌کند دستگاه‌های به‌دست‌آمده به‌صورت مشابهی با آنچه در شبکه‌های ORB (جعبهٔ رلهٔ عملیاتی) یافت می‌شود، استفاده می‌شوند؛ این شبکه‌ها عمدتاً برای انجام جاسوسی و مخفی‌کردن هویت هکرها به کار می‌روند.

    «داشتن این سطح از دسترسی می‌تواند به عامل تهدید این امکان را بدهد که هر روتر به‌دست‌آمده‌ای را طبق نیاز خود استفاده کند»، SecurityScorecard گفت. «تجربهٔ ما با شبکه‌های ORB نشان می‌دهد که دستگاه‌های به‌دست‌آمده معمولاً برای عملیات مخفی و جاسوسی به‌کار می‌روند، بر خلاف حملات DDoS و سایر انواع فعالیت‌های مخرب آشکار که معمولاً از بات‌نت‌ها مشاهده می‌شود.»

    روترهای به‌دست‌آمده عمدتاً در تایوان متمرکز هستند و خوشه‌های کوچکتری در کرهٔ جنوبی، ژاپن، هنگ‌کنگ، روسیه، مرکز اروپا و ایالات متحده وجود دارند.

    نقشهٔ حرارتی دستگاه‌های آلوده

    دولت چین به‌مدت سال‌ها در حال ساخت شبکه‌های عظیم ORB بوده است. در سال ۲۰۲۱، دولت فرانسه به کسب‌وکارها و سازمان‌های ملی هشدار داد که گروه تهدیدی APT31 — یکی از فعال‌ترین گروه‌های هکری چین — پشت یک کارزار حملهٔ بزرگ که از روترهای هک‌شده برای انجام شناسایی استفاده می‌کرد، قرار دارد. سال گذشته، حداقل سه کارزار مشابهی که توسط چین راه‌اندازی شده بودند، به‌اطلاع عموم رسید.

    هکرهای دولتی روسیه نیز به‌دست‌آمدن چنین امری رسیده‌اند، اگرچه به‌ندرت‌تر. در سال ۲۰۱۸، عوامل کرملین بیش از ۵۰۰٬۰۰۰ روتر کوچک اداری و خانگی را با بدافزار پیشرفته‌ای به‌نام VPNFilter آلوده کردند. یک گروه دولتی روسی نیز به‌طور مستقل در عملیاتی که در یکی از حملات به‌روترهای سال ۲۰۲۴ لینک‌شده در بالا گزارش شد، دخیل بود.

    روترهای مصرفی پناهگاهی ایده‌آل برای هکرها فراهم می‌کنند. این تجهیزات ارزان‌قیمت معمولاً نسخه‌هایی از لینوکس را اجرا می‌کنند که می‌توانند بدافزاری را که به‌صورت مخفی عمل می‌کند، میزبانی کنند. سپس هکرها به این روترها وارد می‌شوند تا فعالیت‌های مخرب انجام دهند. به‌جای این‌که ارتباطات از زیرساخت‌ها و آدرس‌های IP که مدافعان آن‌ها را مخرب می‌دانند آغاز شوند، این ارتباطات از دستگاه‌های ظاهراً بی‌خطر و با آدرس‌های معتبر صورت می‌گیرد؛ به‌طوری که سامانه‌های امنیتی این اتصال را با صدور مجوز عبور تأیید می‌کنند.

    در طی فرآیند WrtHug، دستگاه‌ها یک پنجرهٔ گفتگو بر روی دستگاه‌های متصل باز می‌کنند که کاربران را به نصب یک گواهی TLS خودامضا هدایت می‌کند. روترهای Asus، همانند بسیاری از تولیدکنندگان دیگر، به‌طور پیش‌فرض از کاربران می‌خواهند تا چنین گواهی‌ها را برای رمزنگاری ارتباط بین کاربر و دستگاه هنگام استفاده از رابط وب‌محور مدیریتی بپذیرند. چون کاربران عادت به پذیرش چنین درخواست‌هایی دارند، به‌ندرت متوجه مشکلی می‌شوند. گواهی‌های خودامضا با مشخصات TLS سازگار نیستند، زیرا کاربران آن‌ها نمی‌توانند تأیید شوند و روشی برای لغو گواهی‌ها پس از شناسایی به‌عنوان مخرب وجود ندارد.

    کارزار WrtHug از عملکردی که توسط AICloud، سرویس اختصاصی Asus، فراهم می‌شود، بهره می‌برد؛ این سرویس به کاربران امکان دسترسی به فایل‌های ذخیره‌شده روی دستگاه‌های محلی از طریق اینترنت را می‌دهد.

    تا کنون، پژوهشگران SecurityScorecard رفتار پس از بهره‌برداری‌ای که از روترهای آلوده ناشی می‌شود، مشاهده نکرده‌اند. مارتی کریم، مهندس جمع‌آوری سیگنال‌ها در SecurityScorecard، در مصاحبه‌ای نوشت:

    ما هنوز هیچ بارگذاری مخرب توسط عامل تهدید برای به‌دست‌گیری این دستگاه‌ها مشاهده نکرده‌ایم، اگرچه دسترسی ما به مشاهدهٔ آن محدود است؛ زیرا نیاز به به‌دست آوردن یک دستگاه به‌دست‌آمده و مطالعهٔ مستقیم آن دارد. مواردی گزارش شده‌اند که در آن باینری‌های متغیر برای اعمال تغییرات در سطح هسته‌ای رها شده‌اند و سپس پس از یک راه‌اندازی مجدد خودشان را پاک کرده‌اند و تنها پیکربندی تغییر یافتهٔ مورد نیاز باقی مانده است. همچنین ممکن است عامل هیچ بارگذاری مخربی استفاده نکرده باشد و با بهره‌گیری از آسیب‌پذیری‌ها، تغییرات مستقیم در سیستم‌عامل ایجاد کرده باشد (این‌ها با آسیب‌پذیری‌هایی که در این کارزار مشاهده کرده‌ایم، قابل‌تحقق هستند). به‌طور کلی، هنوز زود است که زنجیرهٔ دقیق آلوده‌شدن که منجر به نتیجهٔ نهایی می‌شود یا نتایج پس از بهره‌برداری را تعیین کنیم؛ آنچه مشاهده کرده‌ایم دسترسی سطح بالایی است که امکان تعویض گواهی و سایر امتیازات سطح مدیریت را فراهم می‌کند. اگر اجازه‌دهم یک نکتهٔ دیگر اضافه کنم، به‌دست آوردن دسترسی مدیریتی به دستگاه با همان سطح مالک آن مقدار زیادی است و نباید به سادگی نادیده گرفته شود؛ چون این همان هدف اکثر عامل‌های تهدید در کمپین‌های نفوذ است.

    آیا من آلوده‌ام؟

    مدل‌های روتر Asus که SecurityScorecard می‌داند هدف شده‌اند عبارتند از:

    • روتر بی‌سیم Asus 4G‑AC55U
    • روتر بی‌سیم Asus 4G‑AC860U
    • روتر بی‌سیم Asus DSL‑AC68U
    • روتر بی‌سیم Asus GT‑AC5300
    • روتر بی‌سیم Asus GT‑AX11000
    • روتر بی‌سیم Asus RT‑AC1200HP
    • روتر بی‌سیم Asus RT‑AC1300GPLUS
    • روتر بی‌سیم Asus RT‑AC1300UHP

    آسان‌ترین راه برای تشخیص این‌که آیا یک روتر به‌دست‌آمده است، بررسی گواهی خودامضا است که می‌توان با دنبال کردن دستورالعمل‌های موجود در اینجا انجام داد. گواهی مورد استفاده توسط مهاجمان تا سال ۲۱۲۲ اعتبار دارد، بازه‌ای طولانی که گواهی‌های معتبر هرگز چنین مدتی ندارند. هم ناشر و هم موضوع گواهی، مقدار CN=a, OU=a, O=a, L=a, ST=a, C=aa را نشان می‌دهند.

    گواهی خودامضا نصب‌شده

    گزارش SecurityScorecard سایر شاخص‌هایی را که کاربران می‌توانند برای شناسایی علائم دیگر نفوذ بررسی کنند، فهرست می‌کند.

    کاربرانی که از روترهای منقضی‌شده و سایر دستگاه‌های اینترنت اشیا استفاده می‌کنند، باید به‌سرعت آن‌ها را با دستگاه‌هایی که به‌روزرسانی‌های امنیتی منظم دریافت می‌کنند، جایگزین کنند. غیرفعال کردن AICloud، قابلیت‌های مدیریت از راه‌دور، SSH، UPnP، فورواردینگ پورت و سایر سرویس‌های غیرضروری نیز یک پیشگیری مؤثر است، حتی برای کاربران سایر مدل‌های روتر.

  • گوگل می‌گوید جیمینی با جیمیل آموزش نمی‌یابد و در برابر گزارش‌های گمراه‌کننده واکنش نشان می‌دهد

    اگر در شبکه‌های اجتماعی گزارش‌های پراکنده‌ای درباره‌ی تمرکز جدید جیمیل بر آموزش مدل‌های هوش مصنوعی گوگل با استفاده از ایمیل‌های شما مشاهده کرده‌اید، می‌توانید نفس عمیقی بکشید؛ زیرا این شرکت می‌گوید این گزارش‌ها «گمراه‌کننده» هستند.

    هفته گذشته، پست‌های متعددی در شبکه‌های اجتماعی مانند این مورد به سرعت درگیر شدند و گوگل را متهم کردند که کاربران جیمیل را به‌صورت خودکار به‌سوی آموزش مدل‌های هوش مصنوعی از طریق «ویژگی‌های هوشمند» مبتنی بر Workspace هدایت می‌کند. هنگامی که نشریاتی مثل Malwarebytes—که پس از آن اصلاحیه‌ای به گزارش خود اضافه کرد—به این ادعاها پردازیدند، گوگل واضحاً در موقعیتی قرار گرفت که مجبور به ارائهٔ پاسخی شد. در اواخر جمعه، این شرکت از طریق حساب توییتر جیمیل موضع خود را اعلام کرد و نسبت به این گزارش‌ها ردّی داد و اشاره کرد که این «ویژگی‌های هوشمند» در واقع جدید نیستند.

    بیایید در مورد گزارش‌های گمراه‌کننده اخیر حقایق را روشن کنیم. اینها نکات کلیدی هستند:

    • ما تنظیمات هیچ کاربری را تغییر نداده‌ایم.

    • ویژگی‌های هوشمند جیمیل سال‌هاست که وجود دارند.

    • ما محتوای جیمیل شما را برای آموزش مدل هوش مصنوعی جیمینی استفاده نمی‌کنیم.

    ما همیشه شفاف هستیم و…

    — Gmail (@gmail) ۲۱ نوامبر ۲۰۲۵

    این بیانیه‌ای نسبتاً صریح است، حتی اگر واژه «گمراه‌کننده» فضایی برای نگرانی‌های دیگر باز بگذارد. با این حال، اگر این نکته را به‌صورت رسا در نظر بگیریم، گوگل می‌گوید پیام‌های جیمیل برای آموزش جیمینی استفاده نمی‌شوند، تنظیمات هیچ کاربری در جیمیل برای اجازه‌دادن به آموزش مدل‌های هوش مصنوعی تغییر نیافته است، و در صورت حدوث تغییر در شرایط و سیاست‌های شرکت، اعلامیه‌ای واضح و مستقیم ارائه خواهد شد.

    درک این موضوع که مصرف‌کنندگان نگران استفاده از داده‌های خود برای تغذیه مدل‌های هوش مصنوعی هستند، به ویژه چون گاهی واقعاً این‌طور است، طبیعی است. اما همزمان، این‌گونه پست‌ها فاصلهٔ زیادی با میم‌های «این پست را به‌اشتراک بگذارید تا فیس‌بوک از (تغییر بدی) جلوگیری کند» ندارند؛ میم‌هایی که در طول دههٔ ۲۰۱۰ به‌طور گسترده در وب پخش می‌شدند. با توجه به اینکه پلتفرم‌هایی مانند توییتر به کاربران اجازه می‌دهند پست‌های خود را پول‌سازی کنند، این نوع تقلب اکنون انگیزهٔ مالی دارد، حتی اگر نگرانی واقعی نیز پشت‌سرشان باشد.

    در حالی که اقدام‌های بزرگ‌تک در دههٔ اخیر به طور قابل‌فه‌می باعث بی‌اعتمادی مصرف‌کنندگان به این شرکت‌ها شده است، شایان ذکر است که یک غریب در شبکه‌های اجتماعی احتمالاً — و شاید حتی بیشتر — می‌تواند به شما دروغ بگوید. بررسی دقیق و دقیق اطلاعات کار خوبی است، اما حفظ شکاکی سالم نسبت به پست‌های متمرکز بر شبکه‌های اجتماعی مانند این، به همان اندازه حیاتی است.

  • یورپ به بازنگری در سرکوب‌هایش بر فناوری بزرگ می‌پردازد

    سیاست‌گذاران اروپایی در حال تدوین تغییراتی برای کاهش و ساده‌سازی قوانین برجستهٔ هوش مصنوعی و حفظ حریم خصوصی داده‌ها هستند، در تغییری از دورهٔ نظارتی تهاجمی.

    توسط آدام ساطاریانو و جیانا اسمیالک

    آدام ساطاریانو از لندن و جیانا اسمیالک از بروکسل گزارش می‌دهند.

    پس از بیش از یک دههٔ تنظیمات پرخاشگرانهٔ صنعت فناوری، اتحادیهٔ اروپا به فکر تازه‌ای می‌افتد.

    در یک تغییر مهم، سیاست‌گذاران در بروکسل در حال کاهش و ساده‌سازی قوانین برجستهٔ هوش مصنوعی و حریم خصوصی داده‌ها هستند. با نگرانی فزاینده‌ای که مقررات بیش از حد می‌تواند رشد اقتصادی را خنثی کند، مقامات و رهبران کسب‌وکار در کل بلاک ۲۷ کشوری می‌پرسند که آیا کتابچهٔ راهنمای دیجیتال اروپا بیش از حد پیش رفته و شرکت‌ها را از رقابت با ایالات متحده و چین عقب گذاشته است یا خیر. دولت ترامپ نیز به مقررات اروپا انتقاد داشته است.

    این بازنگری در قالب «بستهٔ دیجیتال ساده‌سازی» که کمیسیون اروپا، که بخش عمده‌ای از کار روزانهٔ بلاک را مدیریت می‌کند، قصد دارد روز چهارشنبه آن را رونمایی کند، ارائه خواهد شد. بر اساس پیش‌نویس‌های منتشر شده در هفته‌های اخیر، که توسط نیویورک تایمز بررسی شد، جنبه‌های کلیدی مقررات عمومی حفاظت از داده‌ها (GDPR)، قانون حریم خصوصی داده‌ها، بازنویسی می‌شود. بخش‌هایی از قانونی که برخی استفاده‌های هوش مصنوعی را محدود می‌کند نیز به تعویق می‌افتد.

    یورپ مدت‌ها به عنوان سخت‌ترین نگهبان جهانی فناوری بزرگ شناخته می‌شد. مقامات بروکسل میلیاردها دلار جریمه اعمال کرده و تغییرات تجاری را بر روی آمازون، اپل، گوگل و متا به‌دلیل نقض قوانین ضد انحصار، سوءاستفاده از داده‌ها و انتشار غیرقابل کنترل محتواهای غیرقانونی تحمیل کرده‌اند. سیاست‌گذاران قوانینی تصویب کردند تا از حاکمیت شرکت‌های بزرگ فناوری بر رقیبان کوچکتر جلوگیری کنند و پلتفرم‌های شبکه‌های اجتماعی را مجبور به مبارزه با اطلاعات نادرست و مطالب مضر سازند.

    این اقدامات در تضاد با رویکرد کم‌دست‌تر ایالات متحده بود، در حالی که الگویی برای دولت‌های لاتین آمریکا تا آسیا برای تنظیم بخش فناوری فراهم می‌کرد. هرگونه عقب‌نشینی اروپا می‌تواند فشار بر روی بزرگ‌ترین شرکت‌های فناوری را کاهش دهد و آغاز دوره‌ای محتاطانه‌تر در نظارت بر اقتصاد دیجیتال را نشان دهد.

    «تنظیمات نمی‌تواند برترین محصول صادراتی اتحادیهٔ اروپا باشد»، آورا سالا، نمایندهٔ پارلمان اروپا از فنلاند، گفت. خانم سالا که پیش از این به‌عنوان لابیست برای متا کار می‌کرد، اظهار داشت که شرکت‌ها با یک «جنگل» از قوانین همپوشانی و گاهی متناقض مواجه‌اند که توسعهٔ محصول را کند می‌کند و کسب‌وکارها را وادار می‌سازد به جایی دیگر نقل مکان کنند.