تکیه صرف بر معیار «حجم جستجو»، پرامپت های هوش مصنوعی را که دارای قصد خرید بالایی (High-intent) هستند، نادیده می گیرد. برای کسب بک لینک، استناد (Citation) و افزایش نرخ تبدیل، باید اولویت خود را روی زیرسوالات، موجودیت ها (Entities) و تصمیمات خریداران بگذارید.
بسیاری از تیم های مارکتینگ نحوه نگارش و تولید محتوای خود را برای همگامی با هوش مصنوعی تغییر داده اند، اما تیم های بسیار کمتری وجود دارند که نحوه تصمیم گیری برای «انتخاب موضوعات» را تغییر داده باشند.
نتیجه این رویکرد، یک ناهماهنگی عجیب است: ما محتوایی سازگار با هوش مصنوعی تولید می کنیم که ساختاریافته، خلاصه شده و دارای نشانه گذاری های (Markup) استاندارد است، اما این محتوا همچنان بر اساس لیستی هدف گذاری می شود که معیار چیدمان آن در فایل اکسل، میزان «حجم جستجو» (Search Volume) بوده است! ما شاهد پیشرفت در شیوه نگارش بوده ایم، اما استراتژی اولویت بندی ما هنوز در گذشته جا مانده است.
امروزه، استفاده از حجم جستجو به عنوان یک فیلتر، دقیقاً بر ضد شما عمل می کند. این معیار به صورت سیستماتیک، هدفمندترین سوالاتی که خریداران شما می پرسند را از غربال حذف می کند؛ به یک دلیل ساده: هیچ کس این سوالات طولانی را در باکس جستجوی سنتی گوگل تایپ نمی کند. در عوض، آن ها این سوالات را از یک دستیار هوش مصنوعی می پرسند و ابزارهای تحقیق کلمه کلیدی شما (مثل Ahrefs یا KWFinder) هرگز قادر به دیدن آن ها نیستند.
در ادامه بررسی می کنیم که این اتفاق چگونه رخ می دهد و به جای آن باید چه چیزی را در اولویت قرار دهیم.
زیر پوست موتورهای جستجو چه تغییری رخ داده است؟
بیایید از مکانیزم کار شروع کنیم. زمانی که شخصی از یک دستیار هوش مصنوعی سوالی می پرسد، آن سوال به عنوان یک جستجوی واحد (Single Search) اجرا نمی شود.
مستندات گوگل درباره ویژگی های هوش مصنوعی در این باره کاملاً صریح است:
«هم در مرورهای هوش مصنوعی (AI Overviews) و هم در حالت هوش مصنوعی (AI Mode)، ممکن است از تکنیکی به نام ‘بسط پرس و جو’ (Query Fan-out) استفاده شود؛ به این معنا که برای آماده سازی یک پاسخ واحد، چندین جستجوی مرتبط در میان زیرموضوعات و منابع داده ای مختلف صادر می شود.»
گوگل همچنین اشاره می کند که مدل های هوش مصنوعی آن، همزمان با تولید پاسخ، صفحات پشتیبانِ بیشتری را نیز شناسایی می کنند. به همین دلیل است که نتایج تولید شده توسط هوش مصنوعی، نسبت به صفحات نتایج کلاسیک (SERP)، معمولاً به طیف وسیع تری از منابع استناد می کنند. چت جی پی تی (ChatGPT) نیز کار مشابهی انجام می دهد؛ طبق مستنداتش، این ابزار قبل از بازیابی اطلاعات، پرامپت کاربر را به چندین کوئری جستجو بازنویسی می کند. با وجود اینکه OpenAI نام متفاوتی روی این تکنیک گذاشته، اما ایده زیربنایی هر دو یکی است.
بنابراین، «جستجو کردن» از بین نرفته، بلکه فقط جابه جا شده است. حالا مدل هوش مصنوعی این کار را به نمایندگی از کاربر انجام می دهد؛ یک پرامپت طولانی را به چندین کوئری می شکند و پاسخ نهایی را از ترکیب بخش های مختلفِ صفحاتِ گوناگون کنار هم می چیند.
همین یک تغییر کافی است تا اهمیت «حجم جستجو» به عنوان یک سیگنالِ اولویت بندی از بین برود. رقابت، از تصاحب یک صفحه نتایج (SERP) برای یک کلمه کلیدی خاص فراتر رفته و حالا به این تبدیل شده است که بتوانید یکی از منابعِ مورد استناد در یک پاسخ ترکیبی (Synthesis) باشید. در این عصر جدید از سئو، ممکن است صفحه شما برای یک «زیرسوال» که هرگز آن را هدف نگرفته بودید، به عنوان منبع معرفی شود؛ یا برعکس، از موضوعی که فکر می کردید مالک آن هستید به طور کامل حذف شوید، صرفاً چون فقط به کلمه کلیدی اصلی (Head Term) پرداخته اید.
اینفوگرافیک تصویری که نشان می دهد چگونه یک پرامپت طولانی کاربر توسط مدل هوش مصنوعی تجزیه شده و به چندین زیرکوئری و منبع داده متصل می شود.
سوالاتی که ابزارهای سئو نمی توانند بشمارند
ابزارهای تحقیق کلمه کلیدی، تقاضا برای رشته حروفی که مردم تایپ می کنند را گزارش می دهند. اما پرامپت های (Prompts) هوش مصنوعی اصلاً شبیه کلمات کلیدی سنتی نیستند. آن ها طولانی تر، محاوره ای تر و معمولاً به جای بیان یک عبارت جستجوی خشک، توصیف کننده یک وضعیت یا مشکل هستند.
به تفاوت رفتار یک شخص در حالت «جستجوی سنتی» در مقابل «نوشتن پرامپت» دقت کنید:
| جستجوی سنتی (Search) | پرامپت هوش مصنوعی (Prompt) |
|---|---|
| «بهترین CRM برای کسب وکار کوچک» | «ما یک آژانس ۱۲ نفره هستیم که نرم افزار اکسل دیگر جوابگوی کارمان نیست. به چه سیستم CRM باید مهاجرت کنیم و این انتقال چقدر دردسر دارد؟» |
| «سئو سایت فروشگاهی» یا «افت ترافیک» | «ترافیک سایت وردپرسی ما از اسفند ماه ۳۰ درصد افت کرده است. چطور می توانم بفهمم علت آن چه بوده است؟» |
| «تگ های hreflang» | «ما در حال راه اندازی شعبه دبی و عمان هستیم. آیا نیاز به سایت های مجزا داریم و چطور از رقابت آن ها با یکدیگر جلوگیری کنیم؟» |
به پرامپت ها نگاه کنید. هر کدام از آن ها حامل مجموعه ای از محدودیت ها، یک نیاز جدی به تصمیم گیری و یک دغدغه ی پنهان است. (ما در دپارتمان سئوی دانش وب همواره به کارفرمایان یادآوری می کنیم که ارزش تجاریِ کاربری که یک پرامپت طولانی می نویسد، بسیار بیشتر از یک جستجوی سنتی است؛ زیرا فردی که این میزان از جزئیات را ارائه می دهد، به مرحله ی اقدام و خرید بسیار نزدیک تر است).
اما نکته تلخ ماجرا اینجاست: اگر این پرامپت ها را در ابزارهای سئو وارد کنید، در ستون حجم جستجو (Volume) عدد «صفر» را می بینید؛ چون تقریباً هیچ کس دقیقاً همین جمله را کلمه به کلمه جستجو نمی کند.
تله دقیقاً همینجاست! اگر مبنای مرتب سازی شما حجم جستجو باشد، جستجوی سنتی همیشه برنده می شود، در حالی که پرامپت های ارزشمند و پول ساز هرگز حتی به لیست شما راه پیدا نمی کنند. در نهایت، شما کلماتی را در اولویت قرار می دهید که شمارش آن ها آسان تر است، نه سوالاتی که پاسخ دادن به آن ها ارزشمندتر است.
۴ استراتژی که باید در اولویت قرار دهید
این چهار تغییر نگرش، بیشترین تفاوت را برای من رقم زده اند. اجرای این استراتژی ها نیازی به ابزارهای جدید ندارد، بلکه نیازمند تغییر زاویه دید شماست.
۱. اولویت با «زیرسوالات» (Sub-Questions) است، نه کلمه کلیدی اصلی
اگر یک پرامپت به چندین کوئری فرعی (Sub-queries) منشعب می شود، پس این کوئری های فرعی اهداف واقعی شما هستند. بنابراین، کلمه کلیدی اصلی خود را در نظر بگیرید و ۸ تا ۱۰ موردی را که یک کاربر باید پیش از اقدام نهایی بداند، یادداشت کنید. مثلاً برای عبارت «بهترین CRM برای کسب وکارهای کوچک»، این موارد شامل رده های قیمتی، میزان سختی انتقال داده ها، یکپارچه سازی با سایر نرم افزارها، مدت قرارداد و وضعیت داده ها در صورت لغو اشتراک می شود.
سپس بررسی کنید که آیا صفحه شما واقعاً به این موارد پاسخ می دهد یا فقط به صورت سطحی به آن ها اشاره کرده است؟ (اکثر صفحات حالت دوم را دارند).
۲. اولویت با «موجودیت ها و مفاهیم» (Entities and Concepts) است، نه رشته کلمات
مدل های ترکیبی هوش مصنوعی بر اساس «معنی و مفهوم» محتوا را تطبیق می دهند، نه بر اساس تطابق دقیق عبارات (Exact-match). بنابراین تکرار یک کلمه کلیدی دیگر مانند گذشته به شما کمک نمی کند. آنچه باعث می شود در پاسخ هوش مصنوعی جایگاهی کسب کنید، پوشش جامع و اصولی موضوع است: نام بردن از محصولات مرتبط، استانداردها، روش ها، جایگزین ها و توضیح نحوه ارتباط آن ها با یکدیگر. در عمل، این یعنی ساخت صفحات کمتر برای نسخه های مختلفِ یک کلمه کلیدی، و در عوض ساخت صفحات قدرتمندتر حول یک «موضوع» که کاملاً حلاجی شده است؛ یعنی خلق ارزش واقعی.
۳. اولویت با «تصمیم گیری» است، نه تعاریف پایه
مردم دیگر از دستیارهای هوش مصنوعی برای پیدا کردن «تعاریف» استفاده نمی کنند، چون تعاریف را در لحظه دریافت می کنند. آن ها از هوش مصنوعی برای «تصمیم گیری» کمک می گیرند. بنابراین، مقایسه ها، معیارهای انتخاب، سبک سنگین کردن مزایا و معایب و رفع دغدغه ها، اکنون اهداف اصلی محتوای شما هستند، نه اینکه صرفاً به عنوان یک پاراگراف اضافی در انتهای راهنمای خرید رها شوند. اگر محتوای شما نتواند از یک فرآیند مقایسه ای پشتیبانی کند، برای مدل هوش مصنوعی ای که در حال پاسخ به یک پرامپتِ مقایسه ای است، هیچ کاربردی نخواهد داشت.
۴. حفظ حجم جستجو در جایگاه درست خود
حجم جستجو همچنان مزایای خود را دارد. بسیاری از کوئری ها هنوز کوتاه، تراکنشی (Transactional) و قابل حل در یک SERP معمولی هستند؛ مانند نام برندها، نام محصولات، جستجوهای محلی و کوئری های «نزدیک من» (Near me). برای این موارد، حجم جستجو همچنان یک سیگنال عالی است و نیازی نیست آن ها را بر اساس پرامپت های محاوره ای بازسازی کنید. از هر دو جنبه هوشمندانه استفاده کنید و دقیقاً مشخص کنید که هر کدام از صفحات سایت شما متعلق به کدام دسته است.
طرح مفهومی از سیبل هدف گیری که نشان می دهد پرامپت های طولانی و با قصد خرید بالا (حتی با حجم جستجوی صفر) ارزش تجاری بسیار بالاتری ایجاد می کنند.
مواد اولیه برای تولید این محتوا را از کجا پیدا کنیم؟
برای پیدا کردن این پرامپت ها و سوالات به هیچ ابزار جدیدی نیاز ندارید. منابع همین الان در اطراف شما هستند:
- بخش People Also Ask گوگل و جستجوهای مرتبط، برای درک ساختار زیرسوالات.
- شبکه های اجتماعی مانند ردیت (Reddit)، کورا (Quora) و انجمن های تخصصی صنعت خودتان؛ جایی که مکالمات واقعی انسان ها با تمام زمینه های آن وجود دارد.
- تماس های واحد فروش و تیکت های پشتیبانی خودتان. (برای مثال، تماس های مشاوره ای که کارفرمایان برای طراحی سایت یا تدوین استراتژی دیجیتال مارکتینگ با کارشناسان تخصصی ما در دانش وب برقرار می کنند، گنجینه ای بی نظیر از همین دغدغه های واقعی و پرامپت های ارزشمند است).
- خود دستیارهای هوش مصنوعی! کلمه کلیدی اصلی خود را از آن ها بپرسید و ببینید هوش مصنوعی ترجیح می دهد به کدام زیرسوالاتِ مرتبط با آن پاسخ دهد.
تماس های بخش فروش در اینجا بسیار دست کم گرفته می شوند؛ در حالی که مشتریان دقیقاً با همان ادبیاتی مشکل خود را برای کارشناس فروش توصیف می کنند که برای دستیار هوش مصنوعی تایپ خواهند کرد.
چگونه کلمات بدون حجم جستجو را رتبه بندی و اولویت بندی کنیم؟
این موضوع ممکن است برای سئوکارانی که سال هاست در این صنعت هستند، کمی غیرمنطقی به نظر برسد: اگر سوالی حجم جستجو ندارد، چگونه آن را در مقایسه با کلمه ای که ماهانه ۲۴۰۰ بار جستجو می شود اولویت بندی کنیم؟
شما نمی توانید آن ها را در یک مقیاس یکسان بسنجید. کاری که باید بکنید، امتیازدهی بر اساس شاخص های جایگزین (Proxies) است:
- ارزش تجاری (Business value): آیا پاسخ به این سوال، کاربر را به خرید نزدیک تر می کند؟ سوالی که توسط ۴۰ نفر در اواسط مرحله تصمیم گیری پرسیده می شود، صد پله ارزشمندتر از سوالی است که ۴۰۰۰ نفر صرفاً از روی کنجکاوی می پرسند.
- شواهد وجود دغدغه (Evidence): نیازی به حجم جستجو نیست؛ شما فقط به «مدرک حیات» نیاز دارید. وجود سوال در PAA گوگل، یک تاپیک داغ در انجمن ها، یا سه تماس پیاپی با تیم فروش که دقیقاً یک سناریو را توصیف می کنند، بهترین مدرک است.
- شکاف پوشش دهی (Coverage gap): آیا در حال حاضر پاسخ نصفه ونیمه ای به این نیاز داده اید؟ به جای نوشتن یک مقاله کاملاً جدید، به دنبال فرصت هایی برای تقویت صفحات موجود خود باشید.
- قابلیت پاسخ گویی دقیق (Answerability): آیا می توانید با ذکر جزئیات و به صورت کاملاً مشخص به این نیاز پاسخ دهید؟ سوالات مبهم، محتوای مبهمی تولید می کنند و هیچ کس (حتی هوش مصنوعی) به محتوای مبهم استناد نمی کند.
می دانم که این روش نسبت به مرتب سازی یک ستون در فایل اکسل، بسیار ظریف تر و البته زمان برتر است؛ اما همین سازگاری می تواند داده های بسیار بیشتر و در نتیجه دیده شدن و نرخ تبدیل (Conversion) بالاتری را برای شما به ارمغان بیاورد.
از کجا بفهمیم استراتژی ما موفق بوده است؟
اندازه گیری و گزارش دهی سئو در این عصرِ مبتنی بر هوش مصنوعی، دقیقاً همان جایی است که بسیاری از سئوکاران دچار چالش می شوند. با این حال، می توانید کل ماجرا را به دو شاخص تقلیل دهید:
اول اینکه ببینید آیا منابع مبتنی بر هوش مصنوعی (AI Sources) واقعاً کاربری را به سمت سایت شما هدایت می کنند یا خیر و اینکه این کاربران روی کدام صفحات فرود می آیند. این کار نیازمند پیکربندی صحیح ابزارهای تحلیلی شماست؛ زیرا کانال پیش فرضِ AI Assistant در گوگل آنالیتیکس ۴ (GA4)، این ترافیک را در بین چندین کانال مختلف پخش کرده و معمولاً آن را کمتر از حد واقعی محاسبه می کند.
دوم، بررسی عملکرد ارگانیک (Organic Performance) عادی شماست. صفحه ای که به خوبی زیرسوالات یک موضوع را پوشش داده باشد، چه توسط دستیار هوش مصنوعی ارجاع داده شود و چه نشود، معمولاً رتبه های بسیار خوبی در عبارات دم دراز (Long-tail) کسب می کند.
کاری که در حال حاضر نمی توانید انجام دهید این است که یک ارجاع (Citation) خاص از سوی هوش مصنوعی را به یک تصمیم اولویت بندیِ مشخص در استراتژی خودتان ربط دهید. دستیارهای هوش مصنوعی (هنوز) چنین داده های دقیقی به شما نمی دهند؛ بنابراین به این استراتژی به چشم یک برنامه جهت دارِ بلندمدت نگاه کنید، نه کمپینی که بتوانید ریزترین جزئیات آن را ردگیری نمایید.
داشبورد تحلیلی مدرن که رشد استنادها (Citations)، ارجاعات هوش مصنوعی و عملکرد ترافیک ارگانیک را به تصویر می کشد.
این پایان کارِ تحقیق کلمات کلیدی نیست!
می خواهم در این مورد کاملاً شفاف باشم: تحقیق کلمات کلیدی نمرده است. چیزی که مرده، این است که ستون «حجم جستجو» را به عنوان تنها داورِ تصمیم گیرنده برای تولید یک صفحه در نظر بگیریم.
اینکه بفهمید مخاطب شما دقیقاً چه چیزی می خواهد بداند، به چه ترتیبی می خواهد بداند و چه قصد و نیتی پشت سوال اوست، امروز بسیار ارزشمندتر از زمانی است که SERP سنتی تنها ویترین شما بود. دلیلش این است که مدلی (هوش مصنوعی) که در حال جمع آوری اطلاعات برای ساخت یک پاسخ یکپارچه است، به هیچ وجه با صفحه ای که فقط نیمی از یک موضوع را پوشش داده، مهربان نخواهد بود و آن را نادیده می گیرد.
نتیجه گیری
اگر به دنبال یک نقطه شروع عملی و مشخص هستید:
۱. ۱۰ صفحه تجاری (Commercial) برتر سایت خود را انتخاب کنید و پرامپت هایی را که یک خریدار واقعی برای رسیدن به آن صفحات تایپ می کند، بنویسید. منظورم کلمه کلیدی نیست، بلکه کل جمله کاربر با تمام محدودیت ها و شرایطش است.
۲. زیرسوالاتی را که این پرامپت به آن ها منشعب می شود لیست کنید و آن هایی را که صفحه شما در حال حاضر واقعاً به آن ها پاسخ می دهد، علامت بزنید.
۳. ابتدا شکاف های محتوایی را در قوی ترین صفحات موجود خود برطرف کنید و سپس یکی یکی (بر اساس ارزش تجاری) پیش بروید.
معیار حجم جستجو، هرگز هدف نهایی نبوده است. این عدد تنها یک شاخصِ جایگزین برای سنجش «تقاضا» بود و تا زمانی که تقاضا به شکل کلمات تایپ شده وارد می شد، به خوبی کار می کرد. اما حالا که بخش بزرگی از این تقاضا به شکل توصیفِ یک وضعیت و مکالمه درآمده است، این شاخص دیگر توانایی ردیابی واقعیت را ندارد. اگر لیست کلمات کلیدی شما هیچ شباهتی به نحوه صحبت کردنِ واقعی مشتریانتان ندارد، بهتر است قبل از هر کار دیگری، استراتژی خود را اصلاح کنید.