در مقاله قبلی‌ام استدلال کردم که حجم جستجو دارد بهترین فرصت‌های محتوایی شما را از فهرست بیرون می‌اندازد. خلاصه‌اش این است: پرسش‌هایی که بیشترین قصد خرید را نشان می‌دهند، روزبه‌روز بیشتر به یک دستیار هوش مصنوعی گفته می‌شوند و به‌ندرت در ابزار کلمات کلیدی ظاهر می‌شوند. نزدیک پایان آن مقاله، چند جای دیگر برای یافتن این پرسش‌ها فهرست کردم: People Also Ask، انجمن‌ها، تماس‌های فروش و تیکت‌های پشتیبانی خودتان و خود دستیارها. آن فهرست فقط چهار مورد بود و رایج‌ترین واکنشی که از آن زمان دریافت کرده‌ام چیزی شبیه این است: «خب، ولی عملاً چطور این کار را بکنم؟»

پس این دنباله عملی همان مقاله است. توضیح می‌دهم چطور این پرسش‌ها را جمع می‌کنم، چطور با Search Console بررسی می‌کنم کدام‌شان از قبل به یک سایت می‌رسند و چطور همه را به چیزی تبدیل می‌کنم که تیم محتوا بتواند با آن کار کند.

با تماس‌ها و تیکت‌های خودتان شروع کنید

من همیشه از اینجا شروع می‌کنم، چون منبعی است که بیشتر تیم‌ها نادیده می‌گیرند و معمولاً هم بهترین منبع است. تماس‌های فروش، تماس‌های کشف، تیکت‌های پشتیبانی، لاگ‌های چت زنده و پیام‌هایی که افراد پیش از رزرو دمو می‌فرستند، همه توصیف مشکل به زبان خودِ فرد هستند. این خیلی نزدیک به همان چیزی است که به ChatGPT یا Gemini می‌گویند.

یک مثال واقعی از یکی از تماس‌های کشف اخیرم می‌آورم (ناشناس‌شده و با جزئیاتی که آن‌قدر تغییر کرده که نتوانید کسب‌وکار را شناسایی کنید). مشتری احتمالی یک خرده‌فروش مبلمان بود و تماس تقریباً این‌طور شروع شد:

«چند سال پیش به Shopify مهاجرت کردیم و بخش بزرگی از رتبه‌هایمان را از دست دادیم. بخشی برگشت و بعد امسال دوباره افت کردیم. این هنوز اثر همان مهاجرت است یا صفحات مجموعه خودمان با هم رقابت می‌کنند؟»

چند دقیقه بعد، پرسش دومی پرسیدند:

«ما دقیقاً همان محصولات را در فرانسه و آلمان می‌فروشیم، ولی این سایت‌ها تقریباً هیچ ترافیکی نمی‌گیرند. آیا برای هر کشور به محتوای کاملاً جداگانه نیاز داریم؟»

هیچ‌کدام از این دو هرگز در خروجی کلمات کلیدی ظاهر نمی‌شوند. نزدیک‌ترین چیزی که پیدا می‌کنید عبارتی مثل «shopify migration SEO» یا «international SEO» است که تقریباً هیچ چیزی درباره وضعیت واقعی به شما نمی‌گوید. اما اگر این دو پرسش را به‌عنوان بریف محتوا ببینید، فوق‌العاده مشخص‌اند: یک پلتفرم، یک بازه زمانی، دو علت احتمالی و یک تصمیم که باید گرفته شود.

این دقیقاً همان نوع پرسشی است که خریدار به یک دستیار می‌برد و همان نوع پرسشی است که محتوای شما باید بتواند پاسخش را بدهد.

چطور این پرسش‌ها را در مقیاس بزرگ بیرون می‌کشم

اگر تماس‌هایتان را ضبط می‌کنید (من از Fireflies استفاده می‌کنم، ولی بیشتر ضبط‌کننده‌های تماس رونویسی‌ای تولید می‌کنند که می‌توانید خروجی بگیرید)، سه ماه اخیر تماس‌های فروش و کشف را برمی‌داشتم و با پرامپتی مثل این از یک دستیار هوش مصنوعی می‌گذراندم:

«از این رونوشت‌های تماس، هر پرسشی را که مشتری احتمالی پرسیده یا به آن اشاره کرده فهرست کن. هر پرسش را به همان شکلی بازنویسی کن که آن را به یک دستیار هوش مصنوعی می‌گفت، و محدودیت‌هایش را حفظ کن؛ مثل اندازه شرکت، بودجه، بازه زمانی، پلتفرم و کارهایی که تا حالا امتحان کرده. پرسش‌های مشابه را کنار هم بگذار و بنویس هر گروه در چند تماس مطرح شده است.»

دستور آخر اینجا حیاتی است. اگر یک سناریوی یکسان در پنج تماس جداگانه مطرح شود، این نزدیک‌ترین چیز به داده تقاضا برای پرسشی است که حجم جستجو ندارد و در جلسه بسیار قانع‌کننده‌تر از «فکر می‌کنم مردم این را می‌پرسند» است.

اینجا باید مراقب چند چیز باشید. پیش از واردکردن رونوشت‌ها به یک ابزار شخص ثالث، نام‌ها، جزئیات شرکت و هر چیز هویت‌ساز را حذف کنید و مطمئن شوید رضایت ضبط تماس‌تان این نوع استفاده را پوشش می‌دهد. همچنین تماس‌های فروش به سمت افرادی سوگیری دارند که از قبل نزدیک به خرید هستند؛ پس تیکت‌های پشتیبانی و پرسش‌های پیش از فروش را هم به ترکیب اضافه می‌کنم تا پرسش‌های مراحل اولیه هم ثبت شوند.

با انجمن‌ها بقیه موقعیت را کامل کنید

تماس‌های خودتان فقط درباره افرادی حرف می‌زنند که از قبل شما را پیدا کرده‌اند. انجمن‌ها برای بقیه کمک می‌کنند.

Reddit واضح‌ترین گزینه است، ولی Quora، جوامع تخصصی Slack و Discord، گروه‌های فیسبوک و سایت‌های بررسی مثل G2 یا Trustpilot بسته به بازار شما می‌توانند به همان اندازه مفید باشند. ارزش معمولاً در پست آغازین است، جایی که کسی محدودیت‌هایش را کامل توضیح می‌دهد، و در پاسخ‌ها، جایی که دیگران پرسش‌های بعدی را مطرح می‌کنند؛ همان پرسش‌هایی که یک دستیار هم برای دادن پاسخ درست باید به آن‌ها جواب می‌داد.

با همان مثال مهاجرت بمانیم: جستجویی مثل site:reddit.com shopify migration rankings dropped باید رشته‌های زیادی را بالا بیاورد که صاحبان فروشگاه همان مشکل را به زبان خودشان توصیف می‌کنند، اغلب با جزئیاتی که مشتری احتمالی من نگفته بود؛ مثل مشکلات ریدایرکت یا این‌که چقدر صبر کرده‌اند تا نگران شوند.

مرتبط‌ترین رشته‌ها را در یک سند کپی می‌کنم و همان پرامپت استخراج را رویشان اجرا می‌کنم. این‌طور پرسش‌های انجمن و پرسش‌های تماس فروش در یک قالب درمی‌آیند و بعداً می‌توانید آن‌ها را کنار هم گروه‌بندی کنید.

بیشتر بخوانید: شکاف بررسی‌ها: یافتن فرصت‌های مشتری در بازخورد رقبا

ببینید دستیارها یک پرسش را چطور به بخش‌ها می‌شکنند

وقتی مجموعه‌ای از پرسش‌های واقعی دارید، قدم بعدی این است که بفهمید یک دستیار هوش مصنوعی هنگام پاسخ‌دادن به آن‌ها واقعاً چه چیزی را جستجو می‌کند.

گوگل آشکارا می‌گوید AI Overviews و AI Mode ممکن است از تکنیک پخش‌شدن کوئری به زیرکوئری‌ها استفاده کنند و چند جستجوی مرتبط را برای ساختن یک پاسخ واحد اجرا کنند. این جستجوها را برای یک نشست واقعی AI Mode نمی‌بینید، ولی می‌توانید تقریب معقولی از آن را از طریق Gemini API به دست آورید.

وقتی از Grounding with Google Search استفاده می‌کنید، پاسخ API فیلدی به نام webSearchQueries دارد که جستجوهایی را فهرست می‌کند که مدل برای پاسخ به پرامپت شما اجرا کرده است. مستندات خود گوگل آن را برای درک فرایند استدلال مدل مفید می‌داند.

اگر نخستین پرسش مهاجرت را از ابتدای مقاله به آن بدهید، انتظار دارید زیرکوئری‌هایی ببینید که چیزهایی مثل این را پوشش می‌دهند: بازیابی رتبه‌ها بعد از مهاجرت به Shopify چقدر طول می‌کشد، چطور ریدایرکت‌ها را بعد از تغییر پلتفرم بررسی کنیم و چطور هم‌نوع‌خواری کلمات کلیدی بین صفحات مجموعه را تشخیص دهیم. خروجی خودتان از اجرایی به اجرای دیگر متفاوت خواهد بود، ولی هر زیرکوئری عملاً یک بخش است که صفحه شما برای مفید بودن به‌عنوان منبع باید پوشش دهد.

برای این کار لازم نیست فنی باشید. Go Fish Digital راهنمایی منتشر کرده که آن را با یک قطعه کد جاوااسکریپت سفارشی قابل کپی و یک کلید API از Google AI Studio از طریق Screaming Frog اجرا می‌کند. نسخه آن‌ها H1 هر صفحه را می‌فرستد، ولی جایگزین‌کردن آن با فهرست پرسش‌های خودتان ساده است.

اما می‌خواهم روشن بگویم این خروجی چیست. نشان می‌دهد یک مدل Gemini چطور یک پرسش را گسترش می‌دهد که تقریب نسبتاً منصفانه‌ای از رفتار قابلیت‌های هوش مصنوعی گوگل است، ولی رکورد آن چیزی نیست که AI Mode برای یک کاربر واقعی اجرا کرده. من با آن مثل یک چک‌لیست پوشش برخورد می‌کنم و آن را به‌عنوان چیزی قطعی‌تر از این به مشتری ارائه نمی‌دهم.

برای ChatGPT، Perplexity و بقیه دستیارها، روش دستی هنوز خوب کار می‌کند. پرسش‌تان را از هر کدام بپرسید، بنویسید کدام زیرموضوع‌ها را پوشش می‌دهد و به کدام منابع ارجاع می‌دهد و آن را با صفحه‌ای مقایسه کنید که قرار است پاسخش را بدهد.

بیشتر بخوانید: چارچوب ۲۰۰۳ که از قبل پخش‌شدن کوئری به زیرکوئری‌ها را انجام می‌داد

در Search Console بررسی کنید چه چیزی از قبل به شما می‌رسد

Search Console برای این کار بیشتر به‌عنوان مرحله‌ای برای اعتبارسنجی مناسب است تا ابزاری برای کشف؛ چون نشان می‌دهد کدام‌یک از این پرسش‌ها از قبل راهشان را به سایت شما پیدا می‌کنند.

کوئری‌های مکالمه‌ای بلند در گزارش Performance ظاهر می‌شوند. Suganthan Mohanadasan (Suganthan Mohanadasan) پیش‌تر چهار روش برای نمایان‌کردن آن‌ها را با جزئیات زیاد پوشش داده؛ اگر هنوز ندیده‌اید، پیشنهاد می‌کنم نگاهی بیندازید. برای یک نگاه سریع، من از گزینه Custom (regex) در فیلتر Query استفاده می‌کنم. این الگو کوئری‌های هشت‌کلمه‌ای یا بیشتر را برمی‌گرداند:

^([^ ]+ ){7,}[^ ]+$

و این یکی کوئری‌هایی را برمی‌گرداند که با یک کلمه پرسشی شروع می‌شوند:

^(how|what|why|which|should|can|do|does|is|are|when|where|who)\s

بعد نتیجه را با پرسش‌های تماس‌ها و انجمن‌ها مقایسه می‌کنم. اگر سناریوی مهاجرت به‌صورت یک کوئری بلند ظاهر شود، تأیید خوبی است که افراد واقعی آن را به گوگل می‌برند. اگر ظاهر نشود، می‌تواند یک شکاف پوشش باشد یا کوئری‌ها به‌قدری کم‌تکرار باشند که گوگل آن‌ها را به شما نشان ندهد.

این نکته آخر مهم است، چون گوگل کوئری‌های کم‌تکرار را ناشناس می‌کند و کوئری‌های مکالمه‌ای تقریباً بنا به تعریف کم‌تکرارند. Suganthan دریافت که ۵۷.۷٪ نمایش‌هایش در یک دوره ۵۹ روزه در مخزن کوئری‌های ناشناس‌شده قرار داشته؛ پس هر چیزی که اینجا پیدا کنید کمتر از واقعیت است.

اگر به گزارش عملکرد هوش مصنوعی مولد (generative AI performance report) دسترسی دارید، نگاهی به نمای صفحات هم ارزش دارد. نشان می‌دهد کدام‌یک از URLهای شما از قبل در AI Overviews و AI Mode ظاهر می‌شوند. هنوز داده کوئری در آن نیست و سایت‌هایی با نمایش‌های هوش مصنوعی کم ممکن است اصلاً این گزارش را نبینند، ولی به شما می‌گوید گوگل از قبل کدام صفحات را به‌عنوان منبع راحت می‌پذیرد.

همه را به یک برنامه محتوا تبدیل کنید

تا اینجا فهرست نامرتبی از پرسش‌ها از چند منبع دارید. برای این‌که به شکلی دربیاورید که تیم محتوا واقعاً بتواند استفاده کند، همه را در یک شیت می‌ریزم. یک ردیف با استفاده از مثال مهاجرت این‌طور می‌شود:

ستون | مثال

پرسش | «به Shopify مهاجرت کردیم، رتبه‌ها را از دست دادیم، بخشی برگشت و بعد دوباره افت کرد. مشکل از مهاجرت است یا صفحات مجموعه ما با هم رقابت می‌کنند؟»

منبع | تماس کشف، به‌همراه چند رشته در Reddit

فراوانی | برای مثال، ۳ مورد از ۲۰ تماس آخر

موقعیت | فروشگاه اینترنتی، Shopify، مهاجرت حدود دو سال پیش، افت دوم در سال جاری

زیرپرسش‌ها | بازه‌های بازیابی، بررسی ریدایرکت‌ها، هم‌نوع‌خواری صفحات مجموعه

صفحه موجود | صفحه خدمات Shopify SEO

پوشش | تا حدی پاسخ داده شده (مهاجرت‌ها را پوشش می‌دهد، نه هم‌نوع‌خواری را)

اولویت | بالا

برای ستون اولویت، از همان شاخص‌های جایگزین مقاله قبلی‌ام استفاده می‌کنم: ارزش تجاری، شواهدی که نشان می‌دهد پرسش پرسیده می‌شود، اندازه شکاف پوشش و این‌که آیا می‌توانید با جزئیات واقعی پاسخش را بدهید. ستون فراوانی مستقیماً به شاخص دوم ورودی می‌دهد.

وقتی شیت پر شد، معمولاً متوجه می‌شوید بیشتر پرسش‌ها حول چند موقعیت مشخص جمع شده‌اند. این خوشه‌ها همان برنامه محتوای شما هستند. به تجربه من، بیشترشان با تقویت صفحه‌ای که از قبل دارید حل می‌شوند؛ این کار سریع‌تر از انتشار محتوای تازه است و معمولاً عملکرد بهتری هم دارد.

این روش چه چیزی را به شما نمی‌گوید

می‌دانم این روش بسیار نامرتب‌تر از مرتب‌کردن یک صفحه‌گسترده بر اساس حجم است، پس فکر می‌کنم ارزش دارد محدودیت‌ها را رک بگویم.

هنوز هیچ عددی از حجم جستجو کنار هیچ‌یک از این پرسش‌ها نخواهید داشت؛ یعنی اولویت‌بندی بر قضاوت و فراوانی استوار است. تماس‌های خودتان به سمت افرادی سوگیری دارند که از قبل می‌دانند شما وجود دارید، پس پرسش‌های مخاطبانی که هنوز به آن‌ها نمی‌رسید کمتر از واقعیت نمایان می‌شوند. پخش‌شدن کوئری به زیرکوئری‌ها در Gemini تقریبی از رفتار گوگل است و Search Console به‌دلیل ناشناس‌سازی فقط بخشی از تصویر را نشان می‌دهد.

با این حال، فکر نمی‌کنم هیچ‌کدام از این‌ها دلیلی برای انجام‌ندادنش باشد. فقط یعنی باید خروجی را به‌عنوان یک فهرست کوتاه با شواهد خوب ارائه کنید، خصوصاً به ذی‌نفعانی که عادت دارند کنار هر هدف یا مقصدی یک عدد ببینند.

حالا نوبت شماست

اگر می‌خواهید همین حالا از جایی شروع کنید:

سه ماه رونوشت تماس یا تیکت پشتیبانی را خروجی بگیرید، ناشناس کنید و پرامپت استخراج بالا را رویشان اجرا کنید. حتی ۲۰ تماس هم احتمالاً پرسش‌های قابل‌استفاده بیشتری از آخرین خروجی کلمات کلیدی‌تان به شما می‌دهد.

پنج سناریوی پرتکرارتان را بردارید و با Grounding روشن از Gemini بگذرانید تا ببینید چه زیرکوئری‌هایی برمی‌گردند.

آن پنج مورد را با صفحه‌ای که باید به هر کدام پاسخ دهد مقایسه کنید و اول شکاف‌های قوی‌ترین صفحه موجودتان را برطرف کنید.

ابزارهای کلمات کلیدی هنوز برای فهمیدن این‌که مردم در جعبه جستجو چه تایپ می‌کنند مفیدند. اما سهم روبه‌رشدی از پرسش‌هایی که تعیین می‌کنند خریدار شما را انتخاب می‌کند یا نه، در گفت‌وگو با یک دستیار پرسیده می‌شوند و خبر خوب این است که بسیاری از آن‌ها از قبل در صندوق ورودی و ضبط تماس‌های شما نشسته‌اند.

منابع بیشتر:

پاسخ‌های هوش مصنوعی درباره مکان‌های شما اغلب اشتباه‌اند – پیش از مشتریان بررسی کنید

گفت‌وگوهای هوش مصنوعی که به Search Console شما نشت می‌کنند

سنجش دیده‌شدن در هوش مصنوعی: چه چیزی را رصد کنیم و چه چیزی را نادیده بگیریم