هوش مصنوعی بهطرز عجیبی ساده است. این ماییم که آن را بیش از حد پیچیده میکنیم.
وقتی روی تاکتیکهای نقلقول و ترفندهای ارزان دیدهشدن تمرکز میکنیم، تصویر بزرگتر را از دست میدهیم. سالهاست که بهعنوان یک صنعت، با محتوای ضعیف از سر و ته کار زدهایم. همان مقالهٔ «بهترین قاشقها» را سه بار در هفته بهروز میکنیم، چون یک احمق دیگر هم دارد دقیقاً همین کار را میکند.
این کار فینفسه ایرادی ندارد؛ فقط بیش از حد سئویی است. با نگاه از دریچهای بسیار تنگ، فرصتی بسیار بزرگتر را از دست میدهیم.
من انرژی و توان این را ندارم که هر یکی دو سال دنبال عقبماندگیها بدوم. بنابراین جستوجوی هوش مصنوعی را ترکیب نهایی تلاشهای بازاریابیتان میدانم.
جایگاهیابی، اعتبار، تخصص، محتوا و حضور شما در سراسر اینترنت، همه ورودیهای بالقوهای هستند برای اینکه سیستمهای هوش مصنوعی شما را چگونه بفهمند و بازنمایی کنند.
دیگر فقط پای وبسایتتان در میان نیست.
اخیراً زمان زیادی را صرف کار روی جستوجوی هوش مصنوعی، بازیابی اطلاعات (information retrieval)، تحقیق مخاطب و استراتژیهای کشفپذیری کردهام. هرچه بیشتر در این کار غرق میشوم، بیشتر متقاعد میشوم که باید این موضوع را بهعنوان بازاریاب ببینیم، نه سئوکار.
این هم روش من.
خلاصهٔ مطلب
جستوجوی هوش مصنوعی یک چالش بازاریابی است، نه فقط یک چالش سئو. این حوزه، حضور گستردهتر شما در فضای آنلاین، جایگاهیابی، اعتبار و نفوذتان را در هم میآمیزد.
از مخاطب شروع کنید، نه از پرامپتها یا نقلقولها. بفهمید چه کسانی مهماند، چه چیزی برایشان اهمیت دارد، وقتشان را کجا میگذرانند و چه کسانی بر آنها تأثیر میگذارند. بعد چیزی بسازید که ارزش کشفشدن داشته باشد.
اول زیربنا را درست کنید، بعد درست بازاریابی کنید. دسترسی فنی، مدیریت موجودیت (entity management) و شفافیت درون سایت مهماند؛ اما حضور بیرون از سایت شما مهمتر است.
تأثیر تجاری را بسنجید، نه فقط قابلیت مشاهده در هوش مصنوعی (AI visibility) را. رشد افزایشی تقاضا، تعامل و نتایج تجاری را رصد کنید. برندی بسازید که ارزش توصیهشدن داشته باشد.
۱. فناوری را بفهمید
اما کل استراتژی «بازاریابی»تان را حول آن بنا نکنید. من واژهٔ بازاریابی را در آزادترین معنای ممکن به کار میبرم.
اگر به یک مرور کلی نیاز دارید، اینها بخشهایی دربارهٔ مبانی بازیابی اطلاعات مدرن هستند:
رفع ابهام (disambiguation): سیستمها چگونه بین افراد، سازمانها، مکانها و مفاهیم تمایز قائل میشوند.
دادهٔ آموزشی: اطلاعات چگونه به دانش و تواناییهای مدلها کمک میکند.
برداریسازی (vectorization): اطلاعات چگونه میتوانند بهصورت ریاضی بازنمایی شوند تا روابط معنایی شناسایی شود.
بازیابی اطلاعات (information retrieval): کاوش بیشتر در بازیابی اطلاعات مدرن.
یک مفهوم دیگر هم هست که هنوز دربارهٔ آن بهتفصیل ننوشتهام: query fan-out. نه به این دلیل که مهم نیست، بلکه بیشتر به این دلیل که الف) نسبتاً خستهکننده است و ب) برای سئوکارها مفهوم تازهای نیست. سالهاست از ابزارهایی مثل AlsoAsked استفاده میکنیم تا سؤالات مرتبط، نیازهای اطلاعاتی مجاور و بافت گستردهتر پیرامون یک جستوجو را بفهمیم.

اما باید بین سه چیز تمایز قائل شویم:
آنچه یک مدل در طول آموزش «یاد گرفته» است؛ یعنی حافظهٔ پارامتریک (parametric memory) آن.
آنچه یک سیستم هوش مصنوعی هنگام پاسخ به یک پرسش بازیابی میکند.
آنچه آن سیستم در نهایت دربارهٔ شما میگوید.
این سه به هم مرتبطاند، اما جایگزین یکدیگر نیستند. خزیدهشدن (crawl) تضمین نمیکند که در دادهٔ آموزشی گنجانده شوید. بازیابیشدن تضمین نمیکند که نقلقول شوید. و نقلقولشدن هم تضمینی برای ارزش تجاری نیست.
فهم این سازوکارها مهم است؛ عمدتاً فقط برای اینکه بتوانید به سؤالات احمقانهای که مردم دربارهٔ هوش مصنوعی از شما میپرسند پاسخ دهید. اما بنا کردن کل استراتژی بازاریابیتان بر پیادهسازی فعلی این سیستمها، کار یک نادان است.
مدلها، سیستمهای بازیابی و رابطها تغییر خواهند کرد. مخاطب تحت مالکیت، سرمایهگذاری بسیار بادوامتری است. پس یکی بسازید.
۲. واقعاً مخاطبمحور بودن
این بزرگترین تغییری است که در رویکردم دادهام؛ نه فقط برای جستوجوی هوش مصنوعی، بلکه برای سئوی سنتی.
کارم را با این سؤال شروع نمیکنم که یک برند باید در کدام پرامپتها ظاهر شود، یا یک کلیدواژه یا حتی یک موضوع چه حجم جستوجویی دارد. دلیل اصلیاش این است که اعتمادم به حجم جستوجو و هر نوع شاخص دیدهشدن، در پایینترین سطح ممکن است.
بنابراین از SparkToro استفاده میکنم تا بررسی کنم مخاطبان وقتشان را کجا میگذرانند، از کدام وبسایتها بازدید میکنند، چه کسانی بر آنها تأثیر میگذارند و بهطور نامتناسبی بیشتر از جمعیت عمومی از کدام پلتفرمها استفاده میکنند.

این را با تحقیق سنتی جستوجو، رفتار جستوجوی هوش مصنوعی و ارزیابی جایگاهیابی فعلی برند ترکیب میکنم. لازم نیست این کار را بیش از حد پیچیده کنید؛ کافی است از چند LLM مختلف دربارهٔ [نام برند] بپرسید و پاسخها را ثبت کنید.
میخواهم به چند پرسش نسبتاً سرراست پاسخ دهم:
میخواهیم بر چه کسانی تأثیر بگذاریم و چه چیزی برایشان مهم است؟
وقتشان را کجا میگذرانند و به چه کسانی اعتماد دارند؟
به چه موضوعاتی علاقه دارند؟
ما همین حالا کجا دیده میشویم و کجا غایبیم؟
برای دسترسی به آنها، بودجهٔ بازاریابیمان را کجا باید خرج کنیم؟
این تحقیق باید دو چیز را شکل دهد.
اول، پلتفرمهای تحت مالکیت خودمان. از آنچه آموختهایم استفاده میکنیم تا جایگاهیابی، خدماتی که ارائه میدهیم، زبانی که به کار میبریم و محتوایی که میسازیم را بهتر کنیم.
بیایید تلاش کنیم چیزهایی که در کنترل خودمان است را تا حد امکان انسانی و دقیق هدفگیری کنیم.
دوم، استراتژی گستردهتر بازاریابیمان. نشریات، جوامع، سازندگان محتوا، پلتفرمها و افرادی را که میتوانند بر آن مخاطب تأثیر بگذارند شناسایی میکنیم و تصمیم میگیریم چگونه به آنها دسترسی پیدا کنیم.

شما باید این را بدانید؛ نه به این دلیل که ممکن است باعث شود برندتان بهعنوان بخشی از دادهٔ آموزشی ذکر شود، بلکه به این دلیل که اینجا همان جایی است که باید بازاریابی کنید.
دادههای پرامپت ساختگی از مد افتادهاند. بازاریابی واقعی و انسانی رایج شده است. اگر میخواهیم سئو جدی گرفته شود، این همان تکامل درست است.
هدف این نیست که برای یک مدل هوش مصنوعی، اشارههایی جعل کنیم. هدف ساختن برندی است که مردم بخواهند کشفش کنند، با آن تعامل داشته باشند و آن را توصیه کنند. اگر این فعالیتها حضور شما را در سیستمهای هوش مصنوعی هم افزایش دهد، عالی است؛ اما این یک محصول جانبی دلچسب است، نه دلیل انجام آن کارها.
۳. خانهٔ خودتان را مرتب کنید
در حالی که تحقیق مخاطب استراتژی گستردهتر را شکل میدهد، وبسایت شما باید قابل دسترس، قابل فهم و بازتابدهندهٔ هویت شما باشد. این بخشی است که سئوکارهای نسبتاً توانمند میتوانند رهبریاش را بر عهده بگیرند.
من این کار را در دو بخش انجام میدهم.
زیربنای فنی و مدیریت رباتها (bot management)
آیا خزندههای مرتبط جستوجو و هوش مصنوعی میتوانند به محتوای شما دسترسی داشته باشند؟ آیا میتوانند آن را رندر کنند؟ آیا ناخواسته سیستمهایی را مسدود میکنید که میخواهید به آنها دسترسی داشته باشید؟
این یعنی بررسی مدیریت رباتها (bot management)، دستورهای robots، رندر، قابلیت ایندکسشدن، لینکسازی داخلی، معماری سایت و مبانی فنی معمول سئو.
یک ممیزی سنتی سئو با چند بهبود.
ممیزیای که درک میکند همهٔ رباتهای هوش مصنوعی یک هدف را دنبال نمیکنند. خزندههای آموزشی، خزندههای جستوجو و سیستمهای بازیابیِ فعالشده توسط کاربر میتوانند الزامات دسترسی و پیامدهای تجاری متفاوتی داشته باشند.

این موضوع بهویژه اگر برای یک ناشر کار میکنید، یا با یکی همکاری میکنید، اهمیت دارد؛ کسی که کسبوکارش ممکن است به درک شما از بافت گستردهتر وابسته باشد.
بیشتر ناشران بزرگ، رباتهای هوش مصنوعی را مسدود میکنند؛ گاهی تقریباً بدون استثنا و زیر پرچم حمایت از حق نشر. ممکن است دلایل تجاری بسیار خوبی برای این کار وجود داشته باشد؛ اما این تصمیمها اساساً استراتژی کشفپذیری شما را تغییر میدهند.
اگر دسترسی به محتوایتان را محدود میکنید، باید بدانید چه چیزی را از دست میدهید، از چه چیزی محافظت میکنید و ارزش ممکن است جای دیگری باشد.
شاید این جای دیگر، مجوزدهی محتوا، رابطهٔ مستقیم با مخاطب یا محصولات اختصاصی باشد.
نقش سئوکار در محیطی که در آن هدف بیشینهسازی دسترسی نیست، بهطور چشمگیری تغییر میکند. شما به کسبوکار کمک میکنید تا بدهبستان میان دیدهشدن، مالکیت فکری و ارزش تجاری را بفهمد.
مثل یک پیوال است. شما به دلایل تجاری، دسترسی را محدود میکنید. اگر درست اجرا شود، حرکت درستی است. تست عالی سایرس شپرد (Cyrus Shepherd) را ببینید تا بفهمید چه مقدار از ترافیک جستوجو واقعاً تحت تأثیر پیشنهاد هوش مصنوعی گوگل قرار گرفته است.
مدیریت موجودیت
اینجا همان جایی است که به نظر من روشهای بازیابی اطلاعات مدرن و سئو کاملاً به هم میرسند. دربارهٔ نحوهٔ پرداختن به این موضوع در Entities Are the Foundation of Modern SEO نوشتهام.
اول، هویتی یکدست در همهٔ پلتفرمهایی که کنترل میکنید برقرار کنید.
سپس صریحاً روشن کنید که چه کسی هستید، چه کاری میکنید و تخصص و روابطتان چگونه باید فهمیده شوند.
این ادعاها را با شواهد پشتیبانی کنید: مدارک، تجربه، کار اصیل، مطالعات موردی و تخصص قابل اثبات.
سپس از اینترنت گستردهٔ پر از آشغال، تأییدیه به دست آورید.
حضور بیرون از سایت شما باید آنچه دربارهٔ خودتان میگویید را پشتیبانی و گسترش دهد. در حالت ایدهآل، باید شما را به مخاطبانی معرفی کند که بهتنهایی نمیتوانستید به آنها دسترسی پیدا کنید.
در نهایت، رصد کنید که آن هویت و آن روابط چگونه تکامل مییابند. من از Alertmouse استفاده میکنم.
این چارچوب نسبتاً ساده است:

این ماجرا دربارهٔ افزودن چند داده ساختاریافته و امید به اینکه چتجیپیتی (ChatGPT) بخواهد به شما توجه کند نیست. اسپویل: نمیخواهد.
بلکه دربارهٔ اطمینان از این است که حضور تحت مالکیت شما، جایگاهیابیتان را بهدرستی بازنمایی کند و اینترنت گستردهتر شواهد مستقل و معتبری برای پشتیبانی از آن ارائه دهد.
کنترلکردن چیزهای قابل کنترل.
۴. نفوذ را جایی بسازید که اهمیت دارد
خب، میدانیم چه کسی هستیم. خودمان را درست بازنمایی کردهایم. حالا باید به دیگران تکیه کنیم تا این پیام را تأیید کنند؛ *لرزش*
باید حضوری بیرون از سایت بسازیم.

داریم دربارهٔ بازاریابی واقعی و حقیقی حرف میزنیم (نه سئو). روابط عمومی، مشارکتها، محتوا و توسعهٔ مخاطب.
اگر افرادی که میخواهید به آنها دسترسی پیدا کنید وقتشان را صرف خواندن نشریات خاص، دنبالکردن متخصصان خاص یا حضور در جوامع خاص میکنند، همانها جاهایی هستند که ارزش سرمایهگذاری دارند.
نقلقول به درک! مخاطب شما آنجاست. میدانید، همان آدمهایی که واقعاً میتوانستید چیزی به آنها بفروشید.
این ممکن است یعنی انتشار تحقیق اصیل، همکاری با افراد تأثیرگذار، حضور در پادکستها، ساختن منابع واقعاً مفید یا مشارکت تخصصی در نشریات مرتبط.
برخی از این فعالیتها لینک تولید میکنند. برخی دیگر اشاره، رابطه، گفتوگو و تقاضای برند تولید میکنند؛ بازنمایی واقعی کیفیت سایت در گوگل (Google).
هرچه بهطور یکدستتر با موضوعات، افراد و سازمانهای درست مرتبط باشید، حضور دیجیتال گستردهترتان میتواند قویتر شود. این، در اصل، همان روشی است که دادهٔ آموزشی و روابط موجودیت کار میکنند.

اگر خوششانس باشید، ممکن است بخشی از این شواهد در نهایت بر نحوهٔ بازنمایی شما توسط سیستمهای هوش مصنوعی تأثیر بگذارد.
اما دیگر برایتان مهم نخواهد بود، چون با بازاریابی برای مشتریان واقعی، فروش داشتهاید.
۵. چیزها را امتحان کنید
روشهای مدرن بازیابی اطلاعات (information retrieval) در سئو (SEO) و جستوجوی هوش مصنوعی بسیاری از مبانی یکسان، اگر نگوییم همهٔ آنها، را به اشتراک میگذارند.
خزش، بازیابی و دسترسیپذیری.
هدفگیری شفاف.
محتوای ساختاریافته.
یکتایی (شاید «دلیلی برای گنجاندهشدن» عبارت بهتری باشد).
بهطور قابل بحث، جستوجوی هوش مصنوعی دنبالهٔ بلندتری دارد. اما ساختن یک صفحه برای هر فکر ممکنی که مخاطبتان ممکن است داشته باشد، نه پایدار است و نه عاقلانه. تا نقلقول جعلیای از هنری فورد را ادامه دهیم:
«اگر از مردم میپرسیدم چه میخواهند، میگفتند اسبهای سریعتر.» هنری فورد، هرگز
پس باید تعادل برقرار کنید. هیچکس به دیدهشدن بدون تأثیر اهمیت نمیدهد. حداقل نه برای مدت طولانی.
جا برای امتحانکردن و آزمودن چیزها هست. چیزهای خوب. چیزهایی که آدمهای واقعی به آنها اهمیت میدهند.
افرادی مثل یان-ویلم بوبینک (Jan-Willem Bobbink) و دن پتروویچ (Dan Petrovic) چیزهای واقعاً درخشانی را برجسته میکنند که میتوانید آزمایش کنید و برای سئو و جستوجوی هوش مصنوعی کاملاً معقول هستند. تعجب نکنید، آنها برای آدمها هم کار میکنند. این بازاریابی است.
بگذارید مثالی بزنم. شاید دقیقتر بگویم، بگذارید یکی از مثالهای یان را بردارم:
«سه هفتهٔ گذشته را صرف کار سئو / GEO برای مشتریان B2B کردم و تغییراتی که بیشترین تفاوت را ایجاد کردند، عمدتاً مربوط به اطلاعاتی بودند که گم بودند یا پیدا کردنشان سخت بود. خریداران روی همین سایتها با همان مشکلات روبهرو میشوند، پس معمولاً میتوانید این اصلاحات را بدون اینکه لازم باشد سئو را برای کسی توضیح دهید، تأیید بگیرید.»

صریح، یکدست و دقیق بودن، یک ترفند هوش مصنوعی نیست. فقط کاملاً معقول است.
افزودن صفحات قیمتگذاری، مطالعات موردی و گفتن اینکه چرا شما در این کسبوکار بهترین هستید، همیشه ایدههای خوبی هستند. حتی اگر صفحات قیمتگذاریتان فقط چیزی مثل «قیمتها از x شروع میشود» بگویند، این روش بهتری برای یافتن مخاطب درست است.
و اگر میخواهید در پاسخهای هوش مصنوعی ظاهر شوید، بهخاطر خدا مطالعات موردیتان را پنهان نکنید. باید دلیل روشنی برای گنجاندهشدنتان ارائه دهید. اگر بهترین کارتان پنهان باشد، سخت است.
جملاتی مثل «مشتری Y شاهد ۳۰٪ بهبود در شاخصهای تحویلپذیری بود» میتوانند نرخ نقلقولشدن شما را بهطور محسوسی بهبود دهند، چون یک مدل به معنای واقعی کلمه دنبال دلیلی برای گنجاندن شماست. باید یکی به آن بدهید؛ همانطور که به یک انسان میدهید.
تجربه. تخصص. اقتدار. اعتماد. آنقدرها هم احمقانه نبود.
۶. «دیدهشدن» را بسنجید، اما محدودیتهایش را بفهمید
سنجش به هر حال یک دهه است که خراب است. فقط خوب است که مدیران ارشد اعدادی برای گزارشدادن داشته باشند؛ حتی اگر کاملاً بیمعنی باشند.

قابلیت مشاهده در هوش مصنوعی (AI visibility) هم چندان بهتر نیست. شاخصی بهشدت معیوب، با توجه به شخصیسازی، نبود دادهٔ پرامپت و پرامپتهای کاملاً فردی. اما از هیچی بهتر است. در بهترین حالت نشانهای است، ولی باید از چیزی استفاده کنید.
مردم هنوز میخواهند بدانند در سیستمهای هوش مصنوعی چگونه بازنمایی میشوند. و حق هم دارند؛ این یک کانال ارزشمند است. ترجیح من این است که مجموعهای نماینده از پرامپتها را در چهار حوزه تعیین کنم:
برندی: سؤالاتی که مستقیماً دربارهٔ شما، سازمان، محصولات یا خدماتتان هستند. اینها بهویژه برای یافتن اطلاعات قدیمی، نادرست یا ناهمراستا که بر پاسخهای هوش مصنوعی تأثیر میگذارند مفیدند. ممکن است کشف کنید یک صفحهٔ خدمات قدیمی یا پروفایل شخص ثالث باعث میشود یک سیستم کسبوکار شما را کاملاً اشتباه توصیف کند. دقت مهم است.
جایگاهیابی فعلی: موضوعات و دستههایی که در آنها از قبل اقتدار دارید.
جایگاهیابی مطلوب: موضوعات و دستههایی که میخواهید با آنها مرتبط شوید.
بازار گستردهتر: موضوعات مرتبطی که ممکن است رقبا یا ارائهدهندگان جایگزین در آنها توصیه شوند.
اینها را بهطور یکدست در سیستمهایی که برای مخاطبتان اهمیت دارند رصد کنید.
بررسی کنید که آیا از شما نام برده میشود، چگونه توصیف میشوید، کدام رقبا ظاهر میشوند و از کدام منابع استفاده میشود. بفهمید از چه زمانی برای عبارتهای خاصی ظاهر میشوید و ببینید آیا با جایگاهیابیتان همخوانی دارد یا نه.
برای مشاهدهٔ جزئیات، تصویر را باز کنید
من در توصیههای هوش مصنوعی دربارهٔ تخصص سئوی خبری ظاهر میشوم، با اینکه هیچ کار خاصی برای بهینهسازی برای جستوجوی هوش مصنوعی انجام ندادهام.
کاری که کردهام این است که سالها در این صنعت کار کردهام، منتشر کردهام، رابطه ساختهام، تخصصم را در اختیار دیگران گذاشتهام و هویتی نسبتاً شفاف درون و بیرون سایت ساختهام.

تضمین میکنم اگر از بری آدامز (Barry Adams) بپرسید، به شما میگوید او هم هیچ کار خاصی برای هوش مصنوعی نکرده است.
من مقالههایی نوشتهام که فکر میکنم باکیفیت هستند، در وبسایتهای شخص ثالث و پادکستها، در جمعبندیها ظاهر شدهام و پلتفرم توزیع خودم را ساختهام. فقط اتفاقی است که این کار برای ظاهرشدن در سیستمهای هوش مصنوعی هم جواب میدهد.
۷. تأثیر افزایشی (incremental impact) را بسنجید
سیستمهای هوش مصنوعی لزوماً برای تأثیرگذاری بر نتایج تجاری نیازی به فرستادن ترافیک به شما ندارند. که چیز خوبی است، چون چتجیپیتی کمتر از ۱٪ ترافیک گوگل (Google) را میفرستد.
تحقیق Similarweb نشان داد کاربرانی که در چتجیپیتی توصیهٔ یک برند را دریافت کرده بودند، ۲.۵ برابر بیشتر احتمال داشت که در هفت روز بعد از وبسایت آن برند بازدید کنند، در مقایسه با کاربرانی که رقیبی به آنها توصیه شده بود.
بخش زیادی از این فعالیت از طریق جستوجوهای برندی بعدی رخ داد، نه ارجاع مستقیم هوش مصنوعی. این هم یکی از همان شاخصهای کیفیت سایت است که باید رصد شود.
جستوجوی هوش مصنوعی میتواند بهعنوان کانال کشف و بررسی برند عمل کند و واقعاً هم چنین میکند. به نظر من ترافیک ارجاعی، در بهترین حالت، شاخص ثانویهٔ موفقیت از LLMها است. درست است که آنها خروج را طوری مهندسی کردهاند که سخت باشد، اما نمیتوانید دسترسی این سیستمها را انکار کنید.
متأسفانه سیستمهای انتساب ما نمیتوانند از عهدهٔ «یک بار اینجا دیدمش» بربیایند. باید روی تغییر افزایشی تمرکز کنیم؛ نتایجی که به بازاریابی قابل انتساب هستند.
یک خط پایه تعیین کنید. یک کمپین اجرا کنید. تغییرات تقاضای برندی، بازدیدهای مستقیم، تبدیلها، سرنخها و نتایج تجاری را بسنجید. در صورت امکان با معیارهای مناسب یا گروههای کنترل مقایسه کنید.
بعد چیز دیگری را آزمایش کنید.
به رصد قابلیت مشاهده در هوش مصنوعی (AI visibility)، ارجاعها و نقلقولها ادامه دهید، اما از آنها بهعنوان شاخصهای پشتیبان استفاده کنید.
هدف ما تعیین این است که آیا فعالیت بازاریابی مذکور ارزش تجاری بیشتری ایجاد میکند یا نه، نه اینکه آیا چتجیپیتی به صفحهٔ اصلی شما لینک داده است یا نه.
ناشران یک استثنا هستند
برای کسبوکارهایی که مدلشان به درآمدزایی از اطلاعات و جذب کلیک وابسته است، جستوجوی هوش مصنوعی چالش بسیار متفاوتی را پیش میآورد.
آنها دارند از کار دیگران برای سود نامشروع خودشان درآمدزایی میکنند. این یک دوراهی تجاری غیرقابل انکار است. از این رو همهٔ این حمایتگراییها. پس باید مشخص کنیم آن هزینه چقدر است و تلاش کنیم روشهای جایگزین درآمدزایی پیدا کنیم.
در The Generative AI Report Sucks – Let’s Make It Brilliant توضیح دادم که ناشران چگونه میتوانند دادههای قابلیت مشاهده در هوش مصنوعی را با وابستگی ترافیکی، ارزش تجاری، تابآوری مخاطب و لاگهای سرور ترکیب کنند.
اگر بتوانیم مشخص کنیم:
کجا هوش مصنوعی مواجههٔ تجاری ایجاد میکند.
کجا محتوا قابل دفاع است.
کجا فرصتهای تازه ممکن است وجود داشته باشد.
میتوانیم تا حدی به حل مشکلات واقعی کسبوکار نزدیک شویم.
۸. تجاری فکر کنید
همیشه، همیشه، همیشه کار خوبی است. فارغ از شغلتان.
این فرصت هم تفاوتی ندارد، بهویژه برای سازمانهایی (مثل ناشران) که اقتدار قابلتوجهی در موضوعات خاص دارند. آنها در اکوسیستم گستردهتر اطلاعات نفوذ دارند.
این نفوذ میتواند ارزش تجاری داشته باشد.
ناشران باید به قابلیت مشاهده در هوش مصنوعی (AI visibility) فکر کنند. مجوزدهی محتوا، مشارکتهای دادهای، همکاریهای تحقیقاتی و سایر ترتیبات تجاری فرصتهایی برای درآمدزایی از تخصص و اطلاعات اختصاصی فراهم میکنند.
اما این کار نیازمند مدیریت دقیق است.
فروش لینک یا اعمال نفوذ تحریریهٔ اعلامنشده، استراتژی پایدار هوش مصنوعی نیست. این کار خطرهای اعتباری، تحریریهای و سیاستهای جستوجو را به همراه دارد.
فرصت پایدارتر این است که ارزش محتوا، تخصص، مخاطب و توزیع موجودتان را بفهمید و محصولات تجاری مشروع حول آن داراییها بسازید.
شرکتهای زیادی هستند که داراییهای آرشیوی یا دادههای خود را به شرکتهای هوش مصنوعی میفروشند یا فعالانه در حال بررسی فروش آن هستند:
بازار مجوزدهی ویدئوهای B-roll.
بازار مجوزدهی محتوا.
بازار مجوزدهی داده.
بهویژه برای ناشران، این فرصتی است برای بازاندیشی در ارزشی که فراتر از کلیک ایجاد میکنند. رویکرد دیلی میل (Daily Mail) به درآمدزایی از GEO را اینجا ببینید.
اگر نیمهٔ پر لیوان را میبینید، میتوانید فرصتهای تجاری را بو بکشید؛ در حالت ایدهآل، فرصتهایی که برند را خراب نکنند یا به دستورالعملهای گوگل دربارهٔ پرداخت برای لینک برنخورند.
توصیهٔ کلی: اگر چیزی کمی مشکوک به نظر میرسد، احتمالاً همینطور است.
۹. چه کسی واقعاً باید مالک کشفپذیری هوش مصنوعی باشد؟
اگر کسبوکاری هستید که میخواهید این را جدی بگیرید، یک سؤال سازمانی هست که باید به آن پاسخ دهید.
چه کسی مسئول همهٔ این کارهاست؟
چون هر چقدر هم که عالی باشیم، نباید فقط سئوکار شما باشد.
این موضوع به زیرساخت فنی، تحقیق مخاطب، جایگاهیابی برند، محتوا، روابط عمومی، توزیع، مشارکتهای تجاری و سنجش مربوط میشود. این نیازمند کسی است که کل اکوسیستم را بفهمد و مهمتر از آن، بداند چگونه بر مردم تأثیر بگذارد.
هیچکس در همهٔ این حوزهها متخصص نیست. آنها بیش از حد متفاوت و بیش از حد پیچیدهاند.
برای کسبوکارهای بزرگتر، به یک مدیر بازاریابی یا مدیر کشفپذیری فکر میکنم که مسئولیت هماهنگی این فعالیتها را بر عهده داشته باشد؛ کسی که حداقل مبانی هر کدام را بداند و بتواند گلهای از گربهها را هدایت کند.
او باید اختیار داشته باشد تیمهای مختلف را کنار هم بیاورد، منابع تخصیص دهد، فرضهای موجود را به چالش بکشد و نتایج را در برابر اهداف تجاری بسنجد.
دلیلی وجود دارد که سئوکارها بهندرت به سمتهای رهبری بازاریابی ارتقا پیدا میکنند. ما بازاریابی گستردهتر را نمیفهمیم، چون بهندرت مجبور بودهایم بفهمیم. سئو همیشه بهترین کانال بود… طبق دادههای لنگولنگ، بههرحال.
جستوجوی هوش مصنوعی دلیل بسیار خوبی به ما میدهد که این را تغییر دهیم.
و برای هر کسی که در سئو کار میکند، فکر میکنم سه جهت بهویژه جالب وجود دارد.
میتوانید به سمت فنی متمایل شوید: خزش، بازیابی، زیرساخت و داده.
میتوانید به سمت ساختن متمایل شوید: ساختن ابزارها، سیستمها و محصولاتی که به کسبوکارها کمک میکند کشفپذیریشان را بفهمند و بهبود دهند.
یا میتوانید به سمت بازاریابی متمایل شوید: تحقیق مخاطب، جایگاهیابی، اعتبار، استراتژی محتوا و توزیع.
هر سه ارزش فوقالعادهای دارند. محدود کردن خودتان به سئو، بهویژه بهعنوان مجموعهای از تاکتیکهای مخصوص موتور جستوجو یا LLM، بهطور فزایندهای کوتهبینانه است.
کشفپذیری یک دهه است که در حال تغییر است. باید بسیار گستردهتر به این فکر کنیم که مخاطبان چگونه محتوا را کشف میکنند و با آن تعامل دارند. فرصت این است که این رشتهها را کنار هم بیاوریم.
کمی تغییر نام و بازتمرکز بر آنچه از حرفهتان میخواهید، ممکن است بهترین کاری باشد که تا به حال کردهاید.
و در پایان
بههرحال، همین.
دست از تلاش برای مهندسیکردن راهتان به یک پاسخ هوش مصنوعی بردارید. برندی بسازید که ارزش توصیهشدن داشته باشد، مخاطبی که ارزش مالکیت داشته باشد و کسبوکاری که چه نقلقول بیاید و چه نیاید، سود ببرد.
خوش بگذرانید. این دورهٔ بهتری برای بازاریابها و بازاریابی خواهد بود. رقبای شما تنبل و نالایقاند. فقط سریعترند.
منابع بیشتر:
جستوجوی هوش مصنوعی جایگزین گوگل نمیشود، بلکه بر فراز آن قرار میگیرد — دادههای Similarweb
باید رویکردمان را به رصد پرامپتهای هوش مصنوعی تغییر دهیم
سنجش قابلیت مشاهده در هوش مصنوعی (AI visibility): چه چیزی را رصد کنیم و چه چیزی را نادیده بگیریم
رهبری در سئو را بخوانید. همین حالا مشترک شوید.
نگار رضایی

سارا نادری
آرمان کریمی