بهینه‌سازی جستجوی هوش مصنوعی بخش سخت ماجرا نیست؛ چالش اصلی همراه کردن سازمان است!

کریستال کارتر (Crystal Carter) و جن کورنول (Jen Cornwell) در رویداد تخصصی SMX Advanced، موضوع جستجوی هوش مصنوعی را از دو زاویه کاملاً متفاوت مورد بررسی قرار دادند. آن ها در کنار هم پرده از این راز برداشتند که چرا اکثر استراتژی های سئو در سطح سازمانی متوقف می شوند و به مرحله اجرا نمی رسند.

اوایل همین ماه، در کنفرانس SMX Advanced در بوستون (یکی از معتبرترین رویدادهای سرچ مارکتینگ دنیا)، در دو نشست متوالی شرکت کردم؛ اولی با حضور کریستال کارتر، مدیر ارتباطات سئو و جستجوی هوش مصنوعی در شرکت Wix، و دومی با حضور جن کورنول، مدیر ارشد سئو هوش مصنوعی در آژانس Tinuiti. روی کاغذ، هر دوی آن ها قرار بود یک موضوع واحد را پوشش دهند: «چگونه جستجوی هوش مصنوعی در حال تغییر دادن شغل یک دیجیتال مارکتر است؟» اما در سالن کنفرانس، رویکرد آن ها به قدری متفاوت بود که نمی توانستید هیچ شباهتی پیدا کنید. جالب اینجاست که همین شکاف و تفاوت دیدگاه، به کاربردی ترین درسی تبدیل شد که از هر دو سخنرانی آموختم.

پس از پایان کنفرانس، به کریستال و جن ایمیل زدم و نسخه ای از فایل ارائه ی هر دو را دریافت کردم تا مطمئن شوم آنچه در اینجا نقل می کنم، دقیقاً بازتاب دهنده صحبت های آن ها در رویداد باشد.

سخنرانی کارتر: چارچوبی برای اینکه «چه چیزی» را بهینه سازی کنیم؟

جلسه کارتر بر روی یک تمایز کلیدی بنا شده بود که بار اصلی درک این مفهوم را به دوش می کشید. او مفاهیم «حافظه» (Memory) و «شخصی سازی» (Personalization) را در هوش مصنوعی تفکیک کرد:

حافظه: همان چیزی است که یک دستیار هوش مصنوعی به صورت منفعل (Passive) از نحوه صحبت کردن شما، لحن شما، شکایاتتان و الگوهای رفتاری تان استنباط می کند.

شخصی سازی: اطلاعاتی است که شما به صورت فعالانه (Active) از طریق تنظیمات پروفایل، اپلیکیشن های متصل و ترجیحات بیان شده تان به هوش مصنوعی می دهید.

این شخصی سازی آن قدر وزن و اهمیت دارد که به طور مستقیم تعیین می کند عامل هوشمند دقیقاً چه کاری انجام دهد، نه اینکه فقط با چه لحنی صحبت کند. شما نمی توانید با تکنیک های سنتی سئو (مثل تنظیم کردن یک تگ Meta Description)، مستقیماً به حافظه استنباطی یک کاربر در هوش مصنوعی نفوذ کنید؛ اما قطعاً می توانید سیگنال هایی را مهندسی کنید که به طور همزمان هر دو بخش (حافظه و شخصی سازی) را شکل دهند.

مثال کاربردی: قوی ترین سندی که کارتر ارائه داد، یک اسلاید از نکات کلیشه ای نبود؛ بلکه یک آزمایش از پلتفرم iPullRank بود. در این آزمایش، سه حساب کاربری مختلف با داده های شخصیِ متصلِ متفاوت، پرامپت های (دستورات) کاملاً یکسانی را اجرا کردند. نتیجه؟ پاسخ های هوش مصنوعی به شکل واضحی متفاوت بود! در یکی از موارد، هوش مصنوعی در پیشنهاد یک لیست پخش ویدیویی، حتی نام فرزند فرضی کاربر را مستقیماً خطاب قرار داد. این یک مقایسه کنترل شده است، نه یک داستان خیالی. این دقیقاً همان جزئیاتی است که باید زنگ خطر را برای کسانی که هنوز فکر می کنند نتایج جستجوی هوش مصنوعی یک خروجی عمومی و یکسان برای همه است، به صدا درآورد.

از اینجا به بعد، کارتر وارد فاز تاکتیکی شد. او با «اسم های عام یا مصدرهای اسمی» (Denominal nouns) شروع کرد؛ به عنوان مثال استفاده از کلمه «بازیگر» به جای عبارت توصیفی «کسی که بازی می کند». دلیل این امر این است که مدل های معنایی (Semantic Models) در هوش مصنوعی، کوئری های مرتبط با هویت را به این شکل دسته بندی و خوشه بندی می کنند.

نکته جذاب دیگر این بود: میانگین طول یک جستجو در گوگل بین ۳ تا ۴ کلمه است، در حالی که میانگین طول یک پرامپت شروع در ChatGPT حدوداً ۱۰۳ کلمه است! این شکاف بزرگ، قوی ترین دلیل برای این است که به جای طراحی لندینگ پیج های کلی و عمومی، به سمت تولید محتوای بسیار خاص و متمرکز (با ساختار سوالات متداول یا FAQ) حرکت کنیم. کاربرانی که در یک دستیار هوش مصنوعی تایپ می کنند، در قیف فروش (Sales Funnel) بسیار پایین تر از کاربرانی هستند که در یک نوار جستجوی ساده تایپ می کنند؛ آن ها دقیقاً می دانند چه می خواهند.

ما در تیم دانش وب نیز هنگام تدوین استراتژی های سئو و تولید محتوا برای سایت مشتریانمان، دقیقاً روی همین موضوع تأکید داریم. امروز دیگر طراحی سایت و نوشتن مقالات سطحی جوابگو نیست؛ محتوای شما باید مستقیماً نیازهای عمیق و سوالات طولانی کاربران را هدف قرار دهد تا بتواند جایگاه خود را در پاسخ های موتورهای جستجوی مبتنی بر هوش مصنوعی (مثل Google SGE یا ChatGPT) تثبیت کند.

این تصویر نشان دهنده تفاوت جستجوهای کوتاه مدت با پرامپت های طولانی و شخصی سازی شده در هوش مصنوعی و اهمیت ساختار محتوایی FAQ محور است.

سخنرانی کورنول: چارچوبی برای اینکه «چرا هیچ کس اقدامی نمی کند؟»

جلسه کورنول تقریباً هیچ داده ی جدیدی درباره سئو نداشت و اتفاقاً هدفش هم همین بود! او سخنرانی خود را با مطرح کردن یک مشکل کاملاً متفاوت آغاز کرد: «اکثر تیم های جستجو کمبودی در بینش و دانش ندارند؛ مشکل آن ها نبودِ سازمانی است که حاضر باشد بر اساس دانشی که در اختیار دارد، عمل کند.»

این یک مشکل سئو نیست؛ این یک مشکل مدیریت تغییر (Change Management) است. او برای حل این چالش، دو چارچوب وام گرفته از علوم مدیریتی را به حضار معرفی کرد: مدل هشت مرحله ای تغییر «کاتر» (Kotter) و منحنی اشاعه نوآوری «اورت راجرز» (Everett Rogers).

ابزاری که او برای جا انداختن این مفهوم استفاده کرد، داستان معروف کاتر در سال ۲۰۰۵ درباره گروهی از پنگوئن ها روی یک کوه یخ در حال ذوب بود. او این داستان را با شرایط امروز بازنویسی کرد: کوه یخِ در حال ذوب، همان «تغییرات هوش مصنوعی و AI Overviews در گوگل» است و پنج نقش اصلی داستان (اسپانسر/حامی، فرد معتمد، کاتالیزور، تحلیل گر و فرد شکاک) نقش هایی هستند که از هر شرکت کننده خواسته شد آن ها را در تیم سازمانی خود پیدا کند. با رسیدن به اسلاید پایانی، شما دیگر در حال نت برداری از یک فرآیند هشت مرحله ای نبودید، بلکه در حال برگزاری یک جلسه انتخاب بازیگر برای چارت سازمانی شرکت خودتان بودید!

تحقیق ارزشمند دیگری که باید به خاطر بسپارید، ریاضیات نقطه عطف در مدل راجرز است: نوآوران (Innovators) حدود ۲.۵ درصد از هر جمعیتی را تشکیل می دهند و پذیرندگان اولیه (Early Adopters) ۱۳.۵ درصد دیگر را. زمانی که یک تغییر به این ترکیب ۱۶ درصدی برسد، پذیرش آن در کل سیستم معمولاً به صورت خودجوش و پایدار پیش می رود.

اگر این مدل را در داخل شرکت خود پیاده کنید، رویکرد شما از «متقاعد کردن کل شرکت» به «پیدا کردن اقلیتِ قابلِ کشف» تغییر می کند. این هدف، برای یک متخصص سئو که در اتاقی پر از افراد شکاک به دنبال گرفتن بودجه است، بسیار دست یافتنی تر و کمتر فلج کننده است.

جایی که این دو سخنرانی به هم برخورد می کنند

تضاد و ناهماهنگی اینجاست و دقیقاً به همین دلیل است که ترکیب این دو، از هر کدام از سخنرانی ها به تنهایی ارزشمندتر است:

• چارچوب کارتر فرض را بر این می گذارد که گلوگاه اصلی، «ندانستن این است که چه چیزی باید بسازیم» (اسکیما مارک آپ های مناسب، محتوای نیچ و تخصصی، پیکربندی درست سرورها و…).
• چارچوب کورنول فرض را بر این می گذارد که «شما از قبل می دانید چه چیزی بسازید»، و گلوگاه اصلی این است که پنج دپارتمان دیگر شرکت به شما اجازه اجرای آن را بدهند!

وقتی این دو ایده را کنار هم قرار می دهید، دیگر شبیه به دو سخنرانی درباره یک موضوع نیستند. آن ها تبدیل به یک عارضه یابی دقیق از این موضوع می شوند که چرا این همه از پروژه های جستجوی هوش مصنوعی متوقف می شوند؛ دلیلش این است که اکثر تیم ها فقط ابزارهایی برای حل نیمی از مشکل را دارند.

اگر استراتژی سئو هوش مصنوعی شما یک نقشه راه فنی (Technical Roadmap) دارد اما هیچ ائتلاف و همدلیِ درون سازمانی برای آن وجود ندارد، تاکتیک های طلاییِ کارتر درون یک فایل ارائه ی پاورپوینت که هیچ کس آن را تایید نمی کند، خاک خواهد خورد. از طرف دیگر، اگر تایید مدیران ارشد را گرفته اید اما برنامه و تاکتیک مشخصی برای اجرا ندارید، چارچوب کورنول فقط یک تیم باانگیزه می سازد که صبح شنبه هیچ کار ملموسی برای انجام دادن ندارند!

نتیجه گیری

در دنیای پرشتاب امروز، موفقیت در سئو و دیجیتال مارکتینگ تنها به داشتن دانش فنی درباره الگوریتم های هوش مصنوعی محدود نمی شود. قرار دادن دیدگاه های کارتر و کورنول در کنار هم، درس بزرگی به ما می دهد: استراتژی های برنده ای که واقعاً باعث رشد کسب وکار می شوند، آن هایی هستند که «دانش فنی (چه چیزی را بهینه سازی کنیم؟)» را با «روانشناسی سازمانی (چگونه تیم را برای اجرا متقاعد کنیم؟)» ترکیب می کنند. اگر نقشه راه بی نقصی دارید اما سازمان با شما همراه نیست، پروژه تان شکست می خورد؛ و اگر تیم باانگیزه ای دارید اما استراتژی محتوایی مناسبی (مانند پاسخ های طولانی و FAQ-محور) ندارید، درجا خواهید زد. راهکار عملی این است که از قدم های کوچک (تولید یک محتوای موفق) شروع کنید، حامیان اولیه (۱۶ درصد) را با خود همراه سازید و سپس با قدرت به سمت تغییرات بزرگتر در ساختار وب سایت و سئوی خود حرکت کنید.