تأثیر هوش مصنوعی بر سئو: ۱۳ تغییر کلیدی + ۴ اصلی که ثابت ماند

تأثیر هوش مصنوعی بر سئو در سال‌های اخیر بسیار عمیق و تحول‌آفرین بوده است. ظهور ابزارهایی مثل ChatGPT، Gemini و قابلیت‌های پاسخ‌محور گوگل باعث شده بخشی از جستجوها بدون کلیک انجام شود و رقابت برای جذب کاربر سخت‌تر باشد. با این حال هوش مصنوعی سئو را نابود نکرده، بلکه آن را وارد مرحله‌ای جدیدتر کرده است؛ مرحله‌ای که در آن باید هم برای موتورهای جستجو و هم برای مدل‌های هوش مصنوعی بهینه‌سازی انجام داد. در این مسیر، تولید محتوای تخصصی، ایجاد اعتبار برند، دریافت منشن‌ها و استنادهای معتبر و حضور فعال در پلتفرم‌های مختلف اهمیت بیشتری پیدا کرده است.

در ادامه این مطلب از بلاگ شرکت سئو و طراحی سایت آرنا ویژن به تأثیر هوش مصنوعی بر سئو و مزایا و چالش های آن می‌پردازیم.

تأثیر هوش مصنوعی بر سئو

این روزها مردم از ابزار هوش مصنوعی مثل چت جی پی تی ChatGPT، جمینای Gemini و پرپلکسیتی Perplexity استفاده می‌کنند تا پاسخ سوالات خود را پیدا کنند. این دستیارهای هوش مصنوعی روزانه به میلیون‌ها مورد از پرامپت‌های مردم پاسخ می‌دهند. حالا حتی خود گوگل هم از هوش مصنوعی برای تولید خلاصه‌ی‌ بالای نتایج جستجو استفاده می‌کند.

تمام این تحولات با شتاب زیادی شروع شد. در سال ۲۰۲۴، قابلیت مرور هوش مصنوعی (AI Overviews) برای میلیون‌ها جستجوگر فعال شد. چت جی پی تی به رتبه‌ی برتر وبسایت‌های جهانی صعود کرد. رتبه‌ی یک گوگل که زمانی قابل‌اعتماد همه بود، آرام آرام یک سوم کلیک‌های خود را از دست داد. دیگر سئو فقط رتبه‌ نبود!

برخی از مارکترها به هم ریختند؛ برخی از آنها هم اصلا عکس‌العملی نشان ندادند. اما واقعیت این بود که هوش مصنوعی باعث شد که مردم برندها را کشف کنند و به دیده شدن برندها کمک کرد.

اینجا از پایان سئو حرف نمی‌زنیم. فصل جدیدی از سئو را آغاز می‌کنیم. اصول اولیه همچنان اهمیت دارند؛ اما استراتژی‌ها باید عوض شوند. بنابراین در اینجا بررسی می‌کنیم تأثیر هوش مصنوعی بر سئو چه بود؟  چه چیزهایی دست‌خوش تغییر شده و چه چیزهایی ثابت مانده‌اند و چطور می‌توانیم در عصر هوش مصنوعی در نتایج جستجو دیده شویم.

1. جستجو از نمایش لینک‌ها فراتر رفته و حالا خودش پاسخ را ارائه می‌دهد!

اولین تأثیر هوش مصنوعی بر سئو نحوه نمایش لینک هاست. گوگل سالهاست که تنها به تطبیق ساده‌‌ی کلمات کلیدی اکتفا نمی‌کند. اما با ظهور مدل زبانی قدرتمند جمینیای این کار وارد مرحله‌ی کاملا جدیدی شده است. سیستم‌هایی که پیش از مدل‌های زبانی بزرگ (LLM) وجود داشتند، می‌توانستند تشخیص دهند که شرکت اپل “Apple” با “apple” به معنای سیب متفاوت است.

این سیستم‌ها می‌توانستند مفاهیم مرتبط را به‌ هم متصل کنند. اما واقعاً از ظرافت‌های معنایی سر در نمی‌آوردند و قادر نبودند استدلال‌های چندمرحله‌ای پیچیده را انجام دهند و یا مثل انسان اطلاعات را از چندین منبع ترکیب کنند.

مدل‌های زبانی بزرگ توانستند این محدودیت‌ها را کنار بزنند. موتورهای جستجویی که از لایه‌ی LLM استفاده می‌کنند، می‌توانند عمق مفاهیم را درک کنند. این کار به آنها امکان می‌دهد که سوالات یا کوئری‌های مبهم را تفسیر کنند، نیت کاربر را حدس بزنند و اطلاعات پراکنده را به هم متصل کنند؛ کاری که سیستم‌های قبلی قادر نبودند آن را انجام دهند.

بنابراین وقتی عبارت پیچیده‌ای مثل “ایده‌ی هدیه از کالیفرنیا زیر ۵۰ دلار برای افرادی که خودشان همه چیز دارند” را جستجو می‌کنید، هوش مصنوعی گوگل (بر اساس مدل Gemini) فقط به دنبال صفحاتی با همین کلمات نمی‌گردد، بلکه از روشی به نام “جستجوی رشته رشته” (fan-out queries) استفاده می‌کند: یعنی سوال شما را در پشت صحنه به چندین جستجوی مرتبط تقسیم می‌کند (در مورد مثالی که زدیم، ۱۰ جستجوی متفاوت در پشت صحنه انجام می‌شود).

• هدایای صنایع‌ دستی کالیفرنیا با قیمت کمتر از ۵۰ دلار
• محصولات غذایی کالیفرنیا با قیمت مناسب
• هدایای فرهنگی- تفریحی مقرون‌ به‌ صرفه در کالیفرنیا
• ایده‌ی هدیه برای افرادی که خرید برایشان سخت است
• لوازم کاربردی ساخت کالیفرنیا
• هدایا برای افرادی که نیاز به وسیله‌ی خاصی ندارند
• و محصولات خاص کالیفرنیا با بودجه‌ی محدود

یا مثلا وقتی کسی سرچ می‌کند “بهترین لپ‌تاپ برای تدوین ویدئو زیر ۱۰۰۰ دلار که خیلی سنگین نباشد”، هوش مصنوعی مدرن فقط به دنبال کلمات کلیدی دقیق نمی‌گردد. بلکه کاملاً درک می‌کند که این انتخاب شامل چه مواردی است (بین گزینه‌های قدرت پردازش، قابلیت‌حمل و محدودیت بودجه).

گوگل حالا ظرافت سوالات کاربران را درک می‌کند و قسمت سخت جستجو را به‌ جای کاربر انجام می‌دهد (به‌ جای اینکه فقط فهرستی از لینک‌ها در اختیار شما بگذارد که روی آن کلیک‌ کنید).

2. رتبه‌های بالا در نتایج، یک‌سوم کلیک‌های خود را از دست می‌دهند

تغییر رتبه ها یکی دیگر از تأثیر هوش مصنوعی بر سئو است. در حال حاضر قابلیت مرور هوش مصنوعی در گوگل در بالاترین بخش نتایج جستجو قرار می‌گیرد و با استخراج داده از منابع مختلف، پاسخ‌های فوری و جامع در اختیار کاربر می‌گذارد. مرور هوش مصنوعی در باارزش‌ترین جای صفحه ظاهر می‌شود (بالاتر از تمام نتایج) و در بسیاری از موارد، نیاز کاربر را بدون حتی یک کلیک برطرف می‌کند.

به همین دلیل هم وقتی بخش مرور هوش مصنوعی نمایش داده می‌شود، حتی نخستین نتیجه‌ی جستجوی ارگانیک نیز تا حدود ۳۴ درصد از میزان کلیک‌های خود را از دست می‌دهد.

در نگاه اول اگر سایت شما در مرور هوش مصنوعی به نمایش دربیاید، شاید تصور کنید که موفقیت بزرگی است، اما آمارها چیز دیگری می‌گویند. تحقیقات مرکز Pew Research نشان می‌دهد که ۹۹٪ کاربران پس از دیدن مرور هوش مصنوعی روی هیچکدام از منابع ذکرشده کلیک نمی‌کنند و ۲۶٪ از آنها بعد از خواندن خلاصه، مرورگر خود را کلاً می‌بندند.

در حالی که حدود ۸٪ از کاربران روی نتایج ارگانیک گوگل که درست در زیر مرور هوش مصنوعی قرار دارند، کلیک می‌کنند (یعنی ممکن است از همان رتبه‌های معمولی ترافیک بیشتری دریافت کنید تا اینکه در فیچر AI نمایش داده شوید).

همهٔ این‌ موارد باعث رشد جستجوی بدون کلیک (Zero-Click Search) می‌شود. در سال ۲۰۲۴ بیش از نیمی از جستجوهای گوگل بدون حتی یک بازدید از سایت بوده است. این رشد با کمک مرور هوش مصنوعی سریع‌تر شده است. کاربرانی که واقعاً روی یک نتیجه کلیک می‌کنند معمولاً انگیزهٔ بیشتری دارند. اما در مجموع باید گفت که فرایند یافتن پاسخ بیشتر در همان صفحه‌ی نتایج اتفاق می‌افتد (نه در خود وب‌سایت‌).

3. قیف فروش بیشتر از همیشه اهمیت پیدا کرده است

از آنجایی که ۹۸٪ از فیچرهای مرور هوش مصنوعی محتوای اطلاعاتی دارند، محتوای راهنمای انجام کار یا محتواهای آموزشی بیشتر از همه لطمه دیده‌اند.

4. بازدیدکنندگان کمتری خواهید داشت، اما احتمال تبدیل آنها بالاتر است

دریافت بازدید کننده کمتر اما با نرخ تبدیل بیشتر یکی از مهم ترین تأثیر هوش مصنوعی بر سئو است. نکته‌ی امیدوارکننده این است که کاربران واقعی که از طریق مرور هوش مصنوعی وارد سایت می‌شوند، معمولاً ارزشمندتر از قبل هستند. اگر کسی پاسخ هوش مصنوعی را ببیند اما با این حال تصمیم بگیرد که به سایت شما سر بزند، احتمالاً دنبال چیزهای بیشتری است (اطلاعات عمیق‌، دیدگاه متفاوت، یا آماده‌ی اقدام خرید).

در برخی موارد، این کلیک‌ها نرخ تبدیل بهتری نسبت به ترافیک قدیمی با حجم بالا و نیت کم دارند. البته “گاهی”. همه چیز بستگی به شرایط خاص شما دارد. به‌طور مثال، تحلیل و بررسی‌های ما نشان داد که ترافیک حاصل از مدل‌های زبانی بزرگ (LLM) تنها ۰.۵٪ از کل کلیک ها را شامل می‌شد ولی همین مقدار ۱۲٪ از ثبت‌نام‌ها را به خود اختصاص می‌دهد. اما تحلیلی که سایت Amsive انجام داد، نشان می‌دهد که این نتیجه را نمی‌توان برای همه‌ی صنایع مختلف (مثل فناوری، خرده‌فروشی، بهداشت و درمان، آموزش، گردشگری و غیره) تعمیم داد.

5. شما باید برای پاسخ‌ هوش مصنوعی سئو کنید، نه فقط برای رتبه‌ گرفتن

تأثیر هوش مصنوعی بر سئو بسیار مهم و پر رنگ است. مرحله‌ی بعدی تکامل سئو، GEO یا بهینه‌سازی موتور مولد است که با ظهور هوش مصنوعی شروع شد. GEO فراتر از سئوی سنتی می‌رود و یک کانال جدید، تجربه‌ی کاربری جدید و روش جدیدی برای سنجش موفقیت معرفی می‌کند.

گاهی اوقات از اصطلاحات مرتبط مانند AEO (بهینه‌سازی موتور پاسخ) یا LLMO (بهینه‌سازی مدل بزرگ زبانی) استفاده می‌کنیم، اما مفهوم هر دوی آنها یکسان است: اطمینان از اینکه برند شما را در پاسخ‌های هوش مصنوعی می‌توان دید، آن را منشن کرد و به درستی نمایش داد.

برای مارکترها، اینجا “میدان نبرد” جدیدی است تا بتوانند دیده شوند، جایی که نه‌ تنها موتورهای جستجو، بلکه دستیارهای هوش مصنوعی نیز بر تصمیم‌گیری مصرف‌کننده تأثیر می‌گذارند. برخی از برندها به عنوان منابع معتبر بالا می‌آیند در حالی که برخی دیگر به‌سادگی از رقابت حذف می‌شوند.

اما واقعا تفاوت SEO و GEO تا چه حدی است؟ این به‌ این معنی نیست که GEO جای سئو را می‌گیرد. در واقع، GEO هم بر همان مبنای اصول سئو ساخته شده است. تفاوت در این است که برند شما کجا و چطور به کاربر نمایش داده می‌شود. نتایج جستجو و هوش مصنوعی از محتوای مشابه استخراج می‌شوند، اما نحوه‌‌ی نمایش و خلاصه کردن آن محتوا خیلی متفاوت است.

مارکترها باید همان تاکتیک‌های معمول را با شرایط جدید تطبیق دهند تا در جوابی که هوش مصنوعی می‌دهد، منشن شوند (بالا بیایند) و به آنها استناد شود نه اینکه تاکتیک‌های کاملاً جدیدی را طراحی کنند. استراتژی‌هایی مانند بازاریابی اینفلوئنسر (influencer marketing)، مدیریت شهرت و محتوای ساختاریافته با معنای واضح، دوباره در حال ظهور هستند.

نکته

استناد (Citation) یعنی وقتی که هوش مصنوعی اطلاعاتی را از محتوای شما نقل می‌کند و به سایت شما لینک می‌دهد (معمولاً برای داده‌ها، آمار یا محتوای آموزشی).

منشن (mention) یعنی وقتی که نام برند یا محصول شما در پاسخ تولیدشده توسط هوش مصنوعی ظاهر می‌شود، اما لینکی به سایت شما داده نمی‌شود.

اینکه چقدر در هوش مصنوعی بالا بیایید بستگی به وبسایت‌های شخص ثالث دارد.

هر صنعت و برندی به شکل متفاوت در هوش مصنوعی دیده می‌شود. اما آنچه هوش مصنوعی در مورد برند شما می‌فهمد، احتمالاً از همان جایی می‌آید که درباره‌ی ما می‌آموزد: وب‌سایت‌های دیگران.

در Ahrefs، اکثر پاسخ‌های هوش مصنوعی به ما اشاره می‌کنند بدون اینکه مستقیما سایت ما را نقل کنند. در عوض، آنها از طریق نقدها، مقالات خبری، انجمن‌ها، برخی رسانه‌های اجتماعی و وبلاگ‌ها استفاده می‌کنند و این منابع را با دانش درونی هوش مصنوعی ترکیب می‌کنند تا درک خود را شکل دهند.

نکته‌ی جالب این است که وقتی دسترسی بالقوه را در شاخص‌های Brand Radar بررسی می‌کنیم (میزان دسترسی = تعداد منشن‌ها × حجم کلمات کلیدی)، پاسخ‌هایی که در آنها اسم سایت Ahrefs به‌طور مستقیم ذکر یا نقل شده است،، در سه مورد از شش هوش مصنوعی ردیابی شده عملکرد به مراتب بهتری دارند (به ویژه در AI Mode، Gemini و Perplexity)

نتیجه‌ اینکه حضور گسترده‌ تر شما در فضای آنلاین (و آنچه دیگران درباره‌ی شما می‌گویند) بیش از هر زمان دیگری اهمیت دارد زیرا همین موارد تعیین می‌کنند هوش مصنوعی برند شما را چگونه درک کرده و بازنمایی می‌کند.

6. شما به ابزارهای جدیدی برای ردیابی استناد و منشن‌های هوش مصنوعی نیاز دارید

برای مشاهده بهتر تأثیر هوش مصنوعی بر سئو باید بگوییم ابزارها نیز تغییر پیدا کردند. ابزارهای سنتی سئو، رتبه‌‌ی شما و تعداد کلیک‌ها را نشان می‌دهند، اما نمی‌گویند که هوش مصنوعی چند بار برند شما را منشن یا استناد می‌کند و نمی‌گوید که جایگاه شما نسبت به رقبایتان چیست.

ابزارهای تازه‌ای برای سنجش دیده‌ شدن در هوش مصنوعی آمده‌اند تا این خلا را پر کنند.

مثلا Brand Radar از Ahrefs می‌تواند رصد کند که آیا هوش مصنوعی، برند شما را در میان شاخص‌های اصلی خود می‌بیند.

و به شما نشان می‌دهد که چه موضوعاتی را از قلم انداخته‌اید تا بتوانید برای آنها محتوای جدید تولید کنید و یا با سایت‌های استناد شده تماس بگیرید تا شما را معرفی کنند و بدین ترتیب دید برندتان در هوش مصنوعی را افزایش دهید.

از همین حالا می‌توانید با بهینه‌سازی سایت برای هوش مصنوعی برنده شوید

حال که با تأثیر هوش مصنوعی بر سئو آشنا شدید بهتر است شروع بکار کنید! بیشتر برندها همین حالا تا حدی در هوش مصنوعی دیده‌ می‌شوند که به دلیل حضور ارگانیک در گوگل و وب است. خود ما هم همین وضعیت را داریم، نزدیک به ۸,۰۰۰ استناد در تجربه‌های هوش مصنوعی گوگل و مدل‌های زبانی بزرگ (LLM)، که همه‌ی اینها بدون هیچ بهینه‌سازی خاصی برای هوش مصنوعی و فقط از طریق سئوی سنتی به دست آمده است.

اما به نظر می‌رسد که اکثر برندها هنوز به‌طور هدفمند خود را بهینه نکرده‌اند تا در هوش مصنوعی دیده شوند. هنوز اول راه است. کسانی که از همین حالا شروع کنند، واقعا برنده‌اند؛ فرصت دارند تا آزمایش کنند، یاد بگیرند و پیش از اینکه دیگران متوجه شوند اعتبار بسازند.

این فرصت برای همیشه فراهم نیست. وقتی اولویت اصلی این باشد که بتوانید در هوش مصنوعی دیده شوید، باید خیلی تلاش کنید که متمایز باشید.

همان‌طور که بالاتر اشاره کردیم، بهینه‌سازی برای هوش مصنوعی واقعاً به معنای اتخاذ تاکتیک‌های کاملاً جدید نیست (حداقل تا زمانی که تاکتیک‌های خاص جغرافیایی مشخص نشده‌اند). بلکه بیشتر به معنای استفاده از روش‌های موجود سئو با در نظر گرفتن جستجوی مبتنی بر هوش مصنوعی و ردیابی معیارهای متفاوت است.

بازاریابی دیجیتال تلاش می‌کند تا با شرایط ‌سازگار شود

بعد از مشاهده تأثیر هوش مصنوعی بر سئو، بازاریابی دیجیتال نیز خود را با شرایط سازگار نمود. رشد سریع هوش مصنوعی در سال ۲۰۲۵ اکثر مارکترها را غافلگیر کرد. بودجه‌ کاهش یافت، اضطراب همه جا را فرا گرفت و ناگهان همه مجبور شدند به‌سرعت GEO را یاد بگیرند یا همچنان تلاش کنند تا به دنیا یادآوری کنند که این هنوز همان SEO است، فقط با نامی جدید.

 این وضعیت را می توان اینگونه توصیف کرد: نوعی هیجان‌زدگی و واکنش شتاب‌زده. بررسی داده‌ها نشان می‌دهد که مجموع ترافیک حاصل از مدل‌های زبانی بزرگ (LLMs) به‌زحمت به ۱٪ می‌رسد، در حالی که در همان بازه زمانی که محبوبیت ChatGPT افزایش یافت، ترافیک گوگل همچنان روندی صعودی داشته است. با این حال، بسیاری از فعالان حوزه بازاریابی دیجیتال به‌سرعت پایان سئو را اعلام کردند.

آژانس‌ها و مشاوران بازاریابی با شتاب اقدام به ارائه خدمات GEO کردند، گاهی حتی پیش از آنکه بفهمند که GEO دقیقاً چیست. این فضا شباهت زیادی به روزهای آغازین سئو دارد: هیاهوی فراگیر، آزمایش‌های پراکنده، و نبود اجماع درباره روش‌های مؤثر. برای نمونه، ماه‌ها بحث اصلی در لینکدین درباره‌ی مدل‌های زبانی و AI Overview این بود که آنها موجب کاهش ترافیک وب‌سایت‌ها شده‌اند. اما اخیراً دیدگاه متفاوتی در حال شکل‌گیری است: مبنی بر اینکه ترافیکی که از طریق هوش مصنوعی می‌آید و سرچ ارگانیک می‌توانند در کنار هم رشد کنند و یکدیگر را تقویت نمایند.

این تغییر به ما یادآوری می‌کند که GEO هنوز در حال شکل‌گیری است — و کسانی که همیشه کنجکاو هستند، مدام آزمایش می‌کنند و زودتر خود را با تغییرات وفق می‌دهند، بیشترین بهره را از تحول آن خواهند برد.

باید فراتر از گوگل، به پلتفرم‌های دیگر نیز توجه کنید

توجه به تمام پلتفرم ها ، نه فقط گوگل از دیگر تأثیر هوش مصنوعی بر سئو بشمار می‌آید. برندهای هوشمند منتظر نمی‌مانند تا گوگل مسیر خود را در مورد AI Overviews یا حالت AI Mode تغییر دهد. بلکه به‌سرعت سرمایه‌گذاری‌ خود را روی محتوای اطلاعاتی (که در معرض خلاصه‌سازی توسط هوش مصنوعی است) کاهش می‌دهند و به جای آن روی کانال‌های دیگر متمرکز می‌شوند.

برای مثال، آژانس Seer Interactive کاملاً تغییر موضع داده و به جای سئو اولویت خود را روی رهبری فکری و رسانه‌های اجتماعی ارگانیک، به‌ویژه لینکدین قرار داده است. این تصمیم کاملا منطقی است چرا که اگرچه حجم ترافیک کمتر است، اما کیفیت و نرخ تبدیل به‌طور قابل‌توجهی بالاتر است.

پاسخ جامع همان بهینه‌سازی برای جستجو در همه‌جا Search Everywhere Optimization (SEvO) است (یعنی اطمینان از دیده شدن در تمام پلتفرم‌هایی که مخاطبان در آنها جستجو می‌کنند، از جمله یوتیوب، تیک‌تاک، ردیت، آمازون، پینترست و دستیارهای هوش مصنوعی مانند ChatGPT). فقط کافی‌ست به آمارهای تیک‌ تاک نگاه کنید—نسل Z از آن مثل یک موتور جستجو استفاده می‌کند و بسیاری حتی آن را به گوگل ترجیح می‌دهند.

سئو از یک “منبع جادویی پول‌ساز” به یک کانال قدرتمند اما با محدودیت‌های جدید تبدیل شده است. حالا برای رشد پایدار باید روی چند کانال مختلف حساب کرد نه فقط گوگل.

می‌توانید با کمک هوش مصنوعی سریعتر محتوا تولید کنید (با سرعتی غیرقابل تصور)

مدل‌های زبانی بزرگ (LLMs) موانع تولید محتوا را به‌طور چشمگیری از میان برداشته‌اند. حالا می‌توانید مقاله بنویسید، ایده‌پردازی کنید و متن‌ها را سریع‌تر از همیشه بهینه کنید و این امر کاملاً مشهود است. همین حالا تقریباً ۷۴٪ از صفحات جدید وب محتوایی دارند که با هوش مصنوعی تولید شده است.

چه بخواهید چه نخواهید تغییر اتفاق افتاده و دیگر راه برگشتی وجود ندارد. فکر می‌کنم تا چند سال آینده حتی برای کسی مهم نباشد که محتوا با هوش مصنوعی تولید شده یا نه. تولید محتوا با هوش مصنوعی مثل ساخت خودرو توسط ربات‌ عادی می‌شود.

البته شاید روزی هوش مصنوعی جای برخی مشاغل را بگیرد. اما در حال حاضر بعد از فهمیدن تأثیر هوش مصنوعی بر سئو باید بگوییم خطر واقعی برای شما آن است که از هوش مصنوعی استفاده نکنید و از بقیه عقب بیفتید.

کلید موفقیت شما این است که روی توانایی‌های خودتان مثل بینش، استراتژی، خلاقیت و تجربه‌ی منحصربه‌فرد تکیه کنید و انجام وظایف تکراری را به هوش مصنوعی بسپرید. به این ترتیب هوش مصنوعی نمی‌تواند جای شما را بگیرد.

امروزه یکی از ارزشمندترین کاربردهای هوش مصنوعی در سئو بهینه‌سازی محتوا است. ابزارهایی مثل Ahrefs’ AI Content Helper می‌توانند سریع‌تر هدف جستجو را پیدا کنند، گپ محتوایی را شناسایی و محتوای شما را با رقبا مقایسه‌ کنند.

ببینید چطور همکارم «لوییز» با استفاده از ابزار هوش مصنوعی توانست ترافیک را ۷۲٪ افزایش دهد.

برای اینکه متفاوت باشید باید تخصص واقعی خودتان را نشان دهید

امروزه وب پر از محتوایی است که با هوش مصنوعی تولید شده است که بیشترشان سطحی و کلیشه‌ای هستند و زود به دست فراموشی سپرده می‌شوند. محتوای شما باید تخصص انسان واقعی را نشان دهد یعنی از تحقیق، تجربه‌ی جدید، دیدگاه‌های منحصر به فرد و داده‌های اختصاصی استفاده کند (هوش مصنوعی نمی‌تواند اینها را جعل کند).

چنین چیزی در سئو کاملاً جدید نیست؛ مدت‌هاست که گوگل بر EEAT (تجربه، تخصص، اعتبار، اعتماد) تمرکز کرده و کیفیت محتوا را در اولویت قرار داده است. اما این بار متفاوت؛ مردم به دنبال فاصله گرفتن از سیل محتوای هوش مصنوعی هستند و به سمت محتوای انسانی و اصیل می‌روند.

در سایت Ahrefs ما هر روز  همین را درعمل می‌بینیم: همکارم لوییز تقریباً هر هفته اخبار تازه‌ای درباره‌ی جستجوی هوش مصنوعی منتشر می‌کند و کارهای او در صنعت دیجیتال مارکتینگ مورد بحث قرار می‌گیرد. به کار او لینک می‌دهند و آن را به اشتراک می‌گذارند. منظورم از تخصص واقعی و اصیل همین است.

حالا می‌توانید هوش مصنوعی را مستقیماً به داده‌های سئو وصل کنید

حال که از تأثیر هوش مصنوعی بر سئو آگاه شدید شروع بکار کنید! سئو شامل داده‌های زیادی است مثل رتبه‌، ترافیک، بک‌ لینک‌ و کلمات کلیدی. پروتکل‌های زمینه‌مدار مدل Model Context Protocols (MCPs) کار با این داده‌ها را ساده‌تر می‌کنند، چون به مدل‌های زبانی بزرگ (LLMs) اجازه می‌دهند مستقیماً به ابزارهای سئو که از این پروتکل پشتیبانی می‌کنند دسترسی داشته باشند و داده‌های شما را تحلیل کنند.

به طور مثال می‌توانید از MCP در مدل کلود Claude و Ahrefs برای کارهای زیر استفاده کنید:

• پیدا کردن کلمات کلیدی خوب برای وبلاگ که هنوز تارگت نکرده‌اید
• بررسی فرصت‌های توسعه‌ی بین‌المللی سئو
• کشف سایت‌های برتر در هر گروه از کلمات کلیدی
• شناسایی و تحلیل رویکردهای منحصربه‌فرد رقبا در تولید محتوا

پروتکل‌های MCP نشان‌دهنده‌ی یک تغییر بنیادین در نقش هوش مصنوعی هستند: هوش مصنوعی از “دستیار” که بعد از تحقیق به شما در نوشتن کمک می‌کرد به “تحلیل‌گر” که خودش تحقیقات را انجام می‌دهد، فرصت‌ها را پیدا می‌کند و بعد در اجرای آنها به شما کمک می‌کند، تبدیل شده است.

در حوزه‌ی سئو که تحلیل داده‌ها معمولاً کار بسیار سختی است، این تغییر می‌تواند شیوه‌ی کار ابزارهای سئو را کاملا عوض کند.

هنوز باید محتوای خود را با خواسته‌های‌ جستجوگران هماهنگ کنید

محتوایی که دقیقاً همان چیزی است که مردم واقعاً جستجو می‌کنند، بهترین عملکرد را دارد. سیستم‌های هوش مصنوعی، درست مثل موتورهای جستجوی سنتی، برای خدمت به کاربران طراحی شده‌اند و مرتبط‌ ترین پاسخ‌ها را در اختیار کاربران می‌گذارند. برای مثال، همان‌طور که در تصویر زیر نشان داده شده، جستجوی سنتی گوگل، حالت هوش مصنوعی و ChatGPT همگی برداشت یکسانی از عبارت کفش کتانی دارند.

هنوز هم برای درک تقاضا به کلمات کلیدی نیاز دارید

چیزی که قبلاً به آن کلمات کلیدی یا کوئری می‌گفتیم، حالا در دنیای هوش مصنوعی اغلب “پرامپت” نام دارد، هرچند این بدین معنا نیست که کلمات کلیدی دیگر فایده‌ای ندارند. کلمات کلیدی همچنان نقش مهمی دارند. این کلمات نشان می‌دهند مردم دنبال چه چیزهایی هستند و به شما کمک می‌کنند تا میزان علاقه، تقاضا و روند رشد موضوعات مختلف را بسنجید.

از آنجا که هنوز داده‌ی قابل‌اعتمادی درباره‌ی حجم جستجوهای هوش مصنوعی وجود ندارد، حجم جستجوی کلمات کلیدی همچنان راه خوبی برای تخمین تقاضای کاربر در جستجوهای سنتی و مبتنی بر هوش مصنوعی است.

کلمات کلیدی همچنین رصد فعالیت‌های هوش مصنوعی را آسان‌تر می‌کنند، چون می‌توانند پرامپت‌های مشابه را زیر یک موضوع مشترک دسته‌بندی و خلاصه کنند. پرامپت‌هایی که مردم در ابزارهای هوش مصنوعی وارد می‌کنند معمولاً طولانی و خاص هستند.

مثلاً یک پرامپت طولانی مثل: “می‌خواهم وبلاگ کسب‌وکار کوچک خودم را رشد بدهم و به ابزارهای بازاریابی قابل‌اعتماد محتوا نیاز دارم که در زمینه‌ی تحقیق کلمات کلیدی، زمان‌بندی انتشار محتوا در شبکه‌های اجتماعی و پیگیری نتایج به من کمک کنند. بهترین گزینه‌ها در حال حاضر چیست؟” شامل چندین کلمه‌ی کلیدی زیرموضوع می‌شود.

هر پرامپت در واقع یک یا چند موضوع اصلی دارد. حتی وقتی ابزارهای هوش مصنوعی از تکنیک‌های گسترش پرسش «query fan-out» استفاده می‌کنند و پرامپت‌های پیچیده را به کوئری‌های جزئی‌ترتر تبدیل می‌کنند، در نهایت همه‌چیز حول موضوع اصلی می‌چرخد. دو پرامپتی که کاملاً متفاوت به نظر می‌رسند، ممکن است در اصل درباره‌ی یک موضوع واحد باشند. به همین دلیل من رویکردی را که در Ahrefs Brand Radar به کار بردیم را دوست دارم. این ابزار دو نوع بینش موضوعی به شما در اختیار شما قرار می‌دهد:

می‌توانید کلمه‌ی کلیدی دقیقی را ببینید که منجر به تولید پرامپت هوش مصنوعی شده و برای همان عبارت خاص بهینه‌سازی کنید.

همچنین می‌توانید به موضوع والد که پشت آن کلمات کلیدی نهفته است، توجه کنید تا مخاطبان بیشتری را جذب کنید.

در نهایت نباید فراموش کرد که سرچ گوگل همچنان از همه‌ی سرچ‌ها بیشتر است و ترافیک زیادی را به خود اختصاص می‌دهد. بر اساس تحلیل ما از بیش از ۶۶ هزار وب‌سایت، گوگل ۴۰٪ ترافیک وب‌سایت‌ها را به خود اختصاص می‌دهد در حالی که سهم چت جی پی تی تنها ۰٫۲۴٪ است.