سئوی هوش مصنوعی: ChatGPT چگونه برند شما را جستجو می کند؟

ChatGPT پیش از اینکه صفحه ای را فراخوانی کند، نام برندها را در پرس وجوهای (Queries) جستجوی خود می نویسد. من ۶۰ مکالمه را بررسی کردم تا بفهمم این اتفاق چه زمانی رخ می دهد و چه چیزی باعث می شود نام برند شما در این لیست قرار بگیرد.

من از ChatGPT خواستم تا بهترین اپلیکیشن یادداشت برداری مبتنی بر هوش مصنوعی را معرفی کند. فقط هفت کلمه، بدون ذکر هیچ نام تجاری.

اما پیش از اینکه هوش مصنوعی هیچ دیتایی را از وب فراخوانی کند، این عبارت جستجو را برای خودش نوشت:

best AI note taking apps 2026 official pricing features Granola Notion AI Otter Fireflies Fathom Mem Limitless

به انتهای این رشته کلمات دقت کنید: Granola. Notion AI. Otter. Fireflies. Fathom. Mem. Limitless. هفت محصول در یک جستجو! من نام هیچ کدام را نیاورده بودم و هنوز هیچ نتیجه ای از جستجوی وب برنگشته بود که این اسامی بخواهند از آنجا استخراج شوند. این نام ها مستقیماً از حافظه و دیتابیس خود مدل زبانی بیرون آمده بودند.

سپس، ChatGPT نُه جستجوی دیگر را اجرا کرد:

• site:granola.ai pricing features AI meeting notes 2026
• site:otter.ai pricing AI meeting notes 2026
• site:fathom.video pricing AI meeting assistant 2026
• site:notion.com product AI Meeting Notes official 2026 pricing
• site:fireflies.ai pricing official AI meeting notes 2026
• site:mem.ai pricing AI notes official 2026
• site:notebooklm.google official features pricing 2026

این همان استراتژی «گسترش جستجو» (Fan-out) است که در مقالات قبلی درباره آن نوشتم و حالا می توانید ببینید که دقیقاً از چه چیزی ساخته شده است: یک جستجوی اولیه برای ساختن یک لیست کوتاه (Shortlist)، و سپس یک جستجوی مجزا برای هر نام در آن لیست، که مستقیماً وب سایت همان شرکت ها را هدف قرار می دهد.

بنابراین، این گسترش جستجو هرگز برای پیدا کردن «کاندیداها» نبود؛ بلکه ChatGPT در حال بررسی لیستی بود که از قبل در ذهن داشت؛ یکی پس از دیگری.

در مقالات قبلی اشاره کردم که شما باید بتوانید از زیر ذره بین جستجوهای site:yourdomain.com توسط هوش مصنوعی جان سالم به در ببرید، زیرا ChatGPT این جستجوها را روی سایت شما اجرا می کند. اما نکته اینجاست: این جستجو تنها در صورتی روی سایت شما اجرا می شود که نام برندتان در آن جستجوی اولیه و در لیست کوتاه وجود داشته باشد. اگر در این لیست نباشید، حتی اگر سایت شما با بالاترین استانداردهای روز (مانند معماری اصولی که ما در پروژه های طراحی سایت دانش وب پیاده سازی می کنیم) ساخته شده باشد، هرگز دیده نخواهد شد. تصمیم گیریِ هوش مصنوعی قبل از اینکه حتی یک پینگ به سرور شما برسد، انجام شده است.

من دو ماه زمان صرف خواندن این ترافیک کردم. این اولین یافته ای است که باعث می شود استراتژی توصیه شده ام به کارفرمایان را کاملاً تغییر دهم.

پیش از اینکه ادامه دهید، در نظر داشته باشید که تمام این داده ها از یک اکانت استخراج شده اند، بنابراین درصدهایی که در ادامه می آیند بیشتر نشان دهنده یک «روند» هستند تا یک اندازه گیری قطعی. اما مکانیزم کار کاملاً قطعی است. شما می توانید در عرض دو دقیقه این فرآیند را در اکانت خودتان تست کنید که در انتهای مقاله روش آن را توضیح خواهم داد.

تجسم انتخاب هوشمندانه برندها از حافظه پنهان مدل پیش از فراخوانی هرگونه نتیجه از وب سایت ها.

۴ ایده کلیدی در پس این مکانیزم

هر کدام از این موارد، پیش نیاز مورد بعدی است:

۱. ChatGPT جستجوهای خودش را می نویسد و شما می توانید آن ها را بخوانید.

۲. این جستجوها از قبل حاوی نام برندهایی هستند که هیچ کس به آن ها اشاره نکرده است.

۳. حضور در این پرس وجوی اولیه، حدود ۳۳ برابر ارزشمندتر از صرفاً «قابل جستجو بودن» در وب است.

۴. وقتی وارد این لیست شدید، یک فیلتر دوم و بسیار سخت گیرانه تر تصمیم می گیرد که به چه کسی لینک (استناد) داده شود.

ایده اول: هوش مصنوعی جستجوهایش را خودش می نویسد و آن ها قابل خواندن هستند

وقتی سوالی می پرسید، ChatGPT آن را به پرس وجوهای جستجوی (Search Queries) مختص خودش بازنویسی می کند، آن ها را اجرا می کند، نتایج را می خواند و در نهایت پاسخ شما را می نویسد.

این پرس وجوها در فایلی که مرورگر شما دانلود می کند، تحت کلیدی که در حال حاضر search_queries نام دارد، قرار می گیرند (OpenAI در اوایل آگوست ۲۰۲۶ نام آن را از search_model_queries تغییر داد). این یک نشت اطلاعاتی یا هک نیست. مرورگر شما برای رندر کردن صفحه به این فایل JSON نیاز دارد و شما با استفاده از ابزار DevTools مرورگر (تب Network) می توانید در عرض دو دقیقه آن را در اکانت خودتان ببینید.

در اینجا نمونه ای از یک سوال درباره نرم افزارهای چت آنلاین (Live Chat) آورده شده است:

best AI live chat customer support software 2026 Intercom Fin Zendesk AI pricing official

من فقط نوشتم: «بهترین نرم افزار پشتیبانی چت زنده مبتنی بر هوش مصنوعی». اما ChatGPT خودش سال «۲۰۲۶»، کلمات «official» (رسمی) و «pricing» (قیمت گذاری) و نام سه برند (Intercom, Fin, Zendesk) را به آن اضافه کرد.

اگر بخواهیم این را در بازار ایران بومی سازی کنیم، وقتی کاربر می پرسد «بهترین نرم افزار حسابداری»، ChatGPT احتمالاً در پس زمینه کلماتی مثل «سپیدار»، «هلو» یا «پارمیس» را به کوئری خود اضافه می کند. بررسی این موضوع برای سئوی کسب وکارهای ایرانی به شدت حیاتی است.

اقدام عملی: همین حالا ChatGPT را باز کنید، سوالی مثل «بهترین [حوزه کاری شما]» را بپرسید و کوئری که مدل تولید می کند را بخوانید. این یک خط رشته متنی به شما نشان می دهد که آیا ChatGPT اصلاً می داند برند شما وجود دارد یا خیر. این دقیقاً همان چیزی است که شرکت ها به عنوان «ممیزی دیده شدن در هوش مصنوعی» (AI Visibility Audits) می فروشند.

تجسم تفاوت فاحش میان حضور در لیست اولیه هوش مصنوعی (کاندیداها) و فراخوانی ساده وب.

ایده دوم: لیست کوتاه (Shortlist) قبل از اجرای جستجو وجود دارد

ایراد واضحی که ممکن است به مثال یادداشت برداری من وارد شود، مسئله زمان بندی است. شاید ChatGPT یک بار جستجو کرده، این برندها را در نتایج وب دیده و سپس یک پرس وجوی هوشمندانه تر نوشته است. اگر این طور باشد، این نام ها نتیجه ی جستجو هستند، نه علتِ آن.

بنابراین من این موضوع را به شکل اصولی تست کردم. برای هر مکالمه، اولین پیام کاربر و اولین پرس وجوی سیستم را بر اساس مهر زمانی (Timestamp) بررسی کردم. در آن میلی ثانیه، هنوز هیچ داده ای از وب استخراج نشده است، بنابراین هیچ نتیجه قبلی برای یادگیری وجود ندارد.

در ۲۱ مورد از ۲۷ مکالمه، اولین پرس وجوی هوش مصنوعی حاوی برندهایی بود که کاربر هرگز تایپ نکرده بود.

به ردیف دو و سه نگاه کنید. سوال یکسان است، فقط کمی لحن آن تغییر کرده، اما لیست برندها از سه نام به هفت نام گسترش یافته است. این نشان می دهد که لیست بر اساس نحوه پرسش شما بسط پیدا می کند، نه اینکه از یک جدول ثابت و از پیش تعیین شده استخراج شود.

سپس من ۱۲ دسته بندی کاملاً بی ربط به یکدیگر را تست کردم تا مطمئن شوم این رفتار فقط مختص حوزه نرم افزار نیست. ۱۱ مورد از ۱۳ تست، رفتار مشابهی داشتند.

ردیف جاروبرقی های رباتیک من را شگفت زده کرد. اینکه هوش مصنوعی به یاد بیاورد برندی به نام Roborock وجود دارد، چیز عجیبی نیست. اما او مدل های دقیقی مثل Saros, Dreame X50, Eufy S1 Pro را به یاد آورد! شماره مدل های روز دنیا، در اولین جستجو و بدون هیچ راهنمایی! این دانش هرچه که هست، تا سطح خط تولید محصولات نفوذ کرده است.

ردیف خودروهای شاسی بلند برقی رفتار متفاوتی نشان می دهد. برای حسابداری، تراپی و هاستینگ، هوش مصنوعی مستقیماً به سراغ فروشندگان و صفحات قیمت گذاری آن ها رفت. اما برای ماشین ها، او نام مجلات و مراجع نقد و بررسی را آورد (Car and Driver, Edmunds, Top Gear). در یک دسته، غریزه او رفتن به سمت تولیدکننده است؛ در دسته ای دیگر، رفتن به سمت سایت های بررسی محصول.

من این تست را برای سه دسته دوباره تکرار کردم تا ببینم آیا این الگو ثابت است یا خیر:

یادگیری زبان تقریباً تکان نخورد. اما نرم افزار حسابداری از شش فروشنده به یک جستجوی هدفمند روی وب سایت QuickBooks تقلیل یافت. هاستینگ وب نیز کاملاً تغییر مسیر داد و تمام شرکت های هاستینگ را حذف کرد و به جای آن به سراغ سایت های نقد و بررسی رفت.

بنابراین رویکرد «فروشنده در برابر مجله»، تمایلی است که می تواند بین هر بار اجرای درخواست (Run) تغییر کند و یک ویژگی ثابت نیست. اما دو چیز ثابت ماند: تزریق نام برندها هر بار اتفاق افتاد و دسته بندی هایی که رهبران بازار مشخصی داشتند، نام هایشان را حفظ کردند. حدس من این است که بازارهای تثبیت شده دارای لیست های کوتاه (Shortlists) پایداری هستند و بازارهای پررقابت نوسان دارند.

درس مهم: وضعیت حضور برند خود در هوش مصنوعی را با یک بار پرسش قضاوت نکنید. سوال را ۵ بار بپرسید، زیرا این لیست در هر بار اجرا تغییر می کند.

این اتفاق زمانی می افتد که ChatGPT باید خودش محصولات را تامین کند

تا اینجا در تمام کوئری ها کلمه «بهترین» (Best) وجود داشت. بنابراین سعی کردم این الگو را بشکنم. ۲۴ کوئری دیگر با ۷ ساختار متفاوت اجرا کردم که در آن ها از کلمه «بهترین» استفاده نشده بود.

مشخص شد که کلمه «بهترین» اصلاً عامل اصلی نیست! چیزی که اهمیت دارد این است که آیا ChatGPT مجبور است خودش محصولات را پیشنهاد دهد یا خیر؟

وقتی اصلاً جستجویی انجام نمی دهد (مثلاً می پرسید: دیتابیس برداری چیست؟)، مستقیماً از داده های آموزشی خود پاسخ می دهد و این الگو صدق نمی کند. همچنین وقتی خودتان نام برند را می آورید، او همان را می پذیرد (مثلاً: برای آژانس من HubSpot بهتر است یا رقبا؟ مستقیماً سایت هاب اسپات را سرچ می کند).

اما اگر معرفی کاندیداها را به عهده خودش بگذارید، او دست در حافظه اش می برد.

ردیف دوم باید برای شما که نرم افزار یا خدمات می فروشید نگران کننده (یا هیجان انگیز) باشد! این یک شکایت است، نه یک سوال برای خرید. کسی که از نوشتن یادداشت های جلسه شاکی است، پیش از آنکه حتی یک صفحه در وب خوانده شود، توسط هوش مصنوعی مستقیماً به صفحه قیمت گذاری اپلیکیشن Granola هدایت شده است!

و نسخه ای از این سناریو وجود دارد که مستقیماً رقبای شما را هدف می گیرد. وقتی پرسیدم «جایگزین های کوئیک بوکس»، بلافاصله Zoho Books را معرفی کرد. وقتی مشتری شما به دنبال راهی برای خروج از سرویس رقیب است، ChatGPT کسی را که از قبل می شناسد نامزد می کند. این شخص می توانید شما باشید، اما در روز موعود دیگر حق رای ندارید؛ باید از قبل در ذهن هوش مصنوعی جا افتاده باشید.

ایده سوم: حضور در این پرس وجو حدود ۳۳ برابر ارزشمندتر است

من تمام برندها را به دو گروه تقسیم کردم: آن هایی که در پرس وجوی دست نویسِ ChatGPT ظاهر شدند و آن هایی که فقط در طول جستجوی وب فراخوانی شدند (بدون اینکه نامشان در کوئری اولیه باشد). سپس بررسی کردم که هر گروه چقدر در پاسخ نهایی به کاربر نمایش داده می شوند.

حدود ۳۳ برابر تفاوت! همچنین ۸۶ مورد پیدا کردم که یک برند توصیه شد، بدون اینکه وب سایتش اصلاً در آن مکالمه فراخوانی (Crawl) شود. یعنی یک منشن شدن لزوماً نیازی به خزش وب سایت ندارد.

این بخش برای صنعت سئو کمی تلخ و چالش برانگیز است. بیشترِ چیزی که امروزه به عنوان سئوی هوش مصنوعی (GEO یا Generative Engine Optimization) فروخته می شود، مربوط به کارهای تکنیکال و استخراج داده است (یعنی ستون ۲.۱ درصدی). در حالی که ستون ۶۸.۹ درصدی قبل از اجرای هرگونه جستجویی در سرور تعیین تکلیف شده است!

اقدام استراتژیک: بودجه مارکتینگ خود را بر اساس این دو ستون تقسیم کنید. اگر نام شما در کوئری های اولیه هوش مصنوعی نیست، باید بودجه را صرف کارهایی کنید که باعث شود درباره شما بنویسند، نقدتان کنند و در لیست ها قرارتان دهند. یعنی روابط عمومی دیجیتال (Digital PR)، رپورتاژ آگهی های هدفمند و حضور در سایت های بررسی. (این دقیقاً همان رویکردی است که ما در دپارتمان دیجیتال مارکتینگ دانش وب برای برندسازی کارفرمایان خود پیاده سازی می کنیم تا در ناخودآگاهِ موتورهای جستجو و هوش مصنوعی ثبت شوند). اگر از قبل در این کوئری ها هستید، بودجه خود را روی سئوی تکنیکال و بهینه سازی محتوای سایت متمرکز کنید.

لحظه ای که هوش مصنوعی پس از بررسی صفحات، محتوای شما را به عنوان پاسخ نهایی و منبع معتبر انتخاب می کند.

ایده چهارم: حضور در کوئری بلیط ورود است، نه پیروزی قطعی

اگر کار به همین جا ختم می شد، راهکار این بود که «فقط روی برندینگ کار کنید» و تمام! اما یک فیلتر دوم پس از اجرای پرس وجو وجود دارد که به شدت بی رحم است.

من مجموعه ای از داده ها شامل ۳۵۵۴ صفحه وب را از ۵۷ مکالمه بررسی کردم تا ببینم کدام صفحات در نهایت موفق به دریافت «استناد» (Citation یا لینک در متن پاسخ ChatGPT) شدند. از این تعداد، تنها ۱۱۰ صفحه لینک دریافت کردند. یعنی فقط ۳.۱٪.

ChatGPT برای نوشتن یک پاسخ، حدود ۶۰۰ صفحه را می خواند اما فقط به حدود ۳۰ صفحه اعتبار و لینک می دهد. فاصله بین خوانده شدن و دریافت لینک، همان جایی است که باید روی آن کار کنید.

سه عامل، صفحات موفق را از صفحات نادیده گرفته شده متمایز می کند:

۱. جایگاه قرارگیری (Position): ChatGPT نتایج را بر اساس دامین گروه بندی می کند. جایگاه شما در این گروه تقریباً همه چیز را پیش بینی می کند.

• جایگاه اول: ۵.۲٪ شانس لینک
• جایگاه دوم: ۴.۶٪
• جایگاه سوم: ۲.۴٪
• جایگاه پنجم به بعد: زیر ۰.۶٪ (تقریباً صفر!)

۲. انبوه کردن صفحات روی یک موضوع به شما ضربه می زند: وقتی چندین صفحه از یک دامنه در نتایج برای یک موضوع مشابه ظاهر می شوند، نرخ تبدیل (گرفتن لینک) به شدت سقوط می کند (پدیده ای شبیه به Keyword Cannibalization). ۲ صفحه مرتبط بهترین حالت است؛ اگر ۵ یا ۶ صفحه شبیه به هم در سایت خود داشته باشید که با یکدیگر رقابت کنند، شانس لینک گرفتن شما به زیر ۱.۷٪ می رسد.

۳. ارتباط (Relevance) شما را واجد شرایط می کند، اما انتخاب نمی کند: صفحاتی که لینک گرفته بودند، در ۵ درصدِ بالای لیست از نظر مطابقت مفهومی قرار داشتند. اما لزوماً بهترین و کامل ترین محتوای ممکن نبودند. این یعنی برای ورود به رقابت، محتوای شما باید به شدت با نیت جستجو مرتبط باشد، اما انتخاب نهایی به ساختار صفحه برمی گردد.

راهکار: در سایت خود، برای هر نیاز کاربر (Search Intent) فقط روی یک صفحه قدرتمند تمرکز کنید و صفحات مشابه را با ریدایرکت یا ادغام، حذف کنید. سپس مطمئن شوید جمله ای که مستقیماً به سوال کاربر پاسخ می دهد، در بالای صفحه و در قالب متن خالص HTML (و همراه با اعداد و ارقام دقیق) نوشته شده باشد. (تیم سئوی دانش وب در طراحی ساختار محتوایی سایت ها، دقیقاً روی همین ساختار تمیز HTML و پاسخگویی سریع به نیت کاربر تاکید دارد).

نمایش گذار از مرحله “برندینگ در حافظه AI” به مرحله “کسب اعتبار و لینک” در یک ساختار مدرن.

نتیجه گیری

ظهور جستجوی مبتنی بر هوش مصنوعی (AI Search) و مفاهیمی مانند GEO نشان می دهد که قوانین بازی سئو در حال تغییر است. این تغییرات را به عنوان یک بازی دو مرحله ای در نظر بگیرید:

• مرحله اول (تثبیت برند در حافظه AI): اگر هوش مصنوعی در حافظه پنهان خود برند شما را به عنوان یکی از رهبران یا بازیگران اصلی حوزه کاری تان نشناسد، شانس دیده شدن شما زیر ۲ درصد است. هیچ ترفند تکنیکال، اسکیما (Schema) یا سرعت سایتی نمی تواند این ضعف را بپوشاند. راه حل این مرحله، سرمایه گذاری بلندمدت روی روابط عمومی دیجیتال (Digital PR)، حضور فعال در سایت های نقد و بررسی (مثل زومیت، دیجیاتو و…)، انتشار رپورتاژهای خبری و ایجاد بحث درباره برندتان در سطح وبِ فارسی است.
• مرحله دوم (پیروزی در دریافت لینک): اگر موفق شدید وارد «لیست کوتاه» هوش مصنوعی شوید، حالا باید ربات ها را متقاعد کنید که به شما لینک دهند. در این مرحله، سئوی تکنیکال حرف اول را می زند. ادغام صفحات هم نوع (جلوگیری از Cannibalization)، قرار دادن پاسخ های صریح و داده محور در تگ های متنی HTML در بالای صفحه، و پرهیز از مخفی کردن اطلاعات مهم در جاوااسکریپت یا تصاویر، کلید موفقیت شماست.

استراتژی امروز شما نباید صرفاً نبرد بر سر کلمات کلیدی باشد؛ بلکه باید تبدیل شدن به موجودیتی (Entity) باشد که هوش مصنوعی پیش از هر جستجویی، نام آن را به یاد می آورد.