من حدود دو دهه قبل از اینکه اصطلاح «Query Fan-Out» (توسعه پرس وجو) بر سر زبان ها بیفتد، آن را به صورت دستی انجام می دادم. البته آن زمان نام دیگری برایش داشتم: «عروسک های ماتریوشکا» (Russian nesting dolls).
در ماه اوت، «ام جی کاچون» (MJ Cachón) مطالعه ای بر روی مجموعه داده ها منتشر کرد. او ۱۸۹ «پرامپت» (Prompt) مرتبط با برندها را در ChatGPT وارد کرد و مشاهده کرد که این مدل چگونه ۱۷۹۷ زیر-پرس وجو (Sub-query) ایجاد می کند که هیچ کاربری آن ها را تایپ نکرده بود. با خواندن این تحقیق، بلافاصله متوجه ساختاری شدم که از اوایل سال ۲۰۰۳ – بسیار قبل تر از اینکه عباراتی مثل «Fan-out» یا «GEO» (بهینه سازی برای تجربه تولیدکننده) وجود داشته باشند – در بیانیه های مطبوعاتی پیاده می کردم.
استراتژی عروسک های تو در تو
وقتی می خواستم یک بیانیه مطبوعاتی را بهینه کنم، به دنبال یک عبارت چهارکلمه ای می گشتم که یک عبارت سه کلمه ای در دل خود داشته باشد؛ درست مثل عروسک های ماتریوشکا که یک عروسک کوچک تر را درون خود جای می دهند. فرض کنید عبارت کوچک تر «بلیط هواپیما به فیلادلفیا» بود. من فقط به آن اکتفا نمی کردم؛ بلکه نسخه چهارکلمه ای آن، مثل «بلیط هواپیمای ارزان به فیلادلفیا» را پیدا کرده و کل بیانیه را حول آن می نوشتم. با استفاده از عبارت چهارکلمه ای، بیانیه شما هم توسط کسی که عبارت کوتاه تر را جستجو کرده و هم توسط کسی که عبارت طولانی تر را تایپ کرده، پیدا می شود. اما اگر فقط از عبارت سه کلمه ای استفاده کنید، برای جستجوگرِ عبارت طولانی نامرئی خواهید بود، چون کلمه ای را کم دارید که در صفحه شما هرگز ذکر نشده است.
این یک ترفند هوشمندانه نیست؛ بلکه ساختاری است که دقیقاً برای بخشی از جستجوها طراحی شده که اکثر متخصصان سئو آن را دست کم می گیرند: پرس وجوهایی که هنوز هیچ کس تایپ نکرده است.
۱۵ درصدی که هیچ کس نمی تواند مستقیماً هدف قرار دهد
گوگل اولین بار در سال ۲۰۱۹ و هنگام معرفی الگوریتم BERT اعلام کرد که ۱۵ درصد از پرس وجوهایی که روزانه دریافت می کند، مواردی هستند که قبلاً هرگز با آن ها مواجه نشده است. در مارس ۲۰۲۵، «جان مولر» در کنفرانس Search Central Live NYC دوباره به این عدد اشاره کرد و به نظر می رسید از ماندگاری آن متعجب است. او گفت: «فکر می کردم در مقطعی اکثر جستجوها دیگر انجام شده باشند؛ مردم مدام همان چیزهای همیشگی را می پرسند. اما وقتی این معیارها را دوباره محاسبه می کنیم، همیشه حدود ۱۵ درصد است.» او انتظار داشت مدل های زبانی بزرگ (LLMs) این رقم را افزایش دهند، اما این طور نشد. این ۱۵ درصد، مانند یک بخش ثابت از کوه بزرگی از جستجوها، دهه به دهه باقی مانده است.
اگر این ۱۵ درصد را در میلیاردها پرس وجویی که گوگل روزانه مدیریت می کند ضرب کنید، به صدها میلیون جستجو در هر روز می رسید که برای عبارت بندی هایی است که هرگز قبلاً وجود نداشته اند. بیشتر این ها تصادفی نیستند؛ آن ها فرزندانِ «اخبار فوری»، «نام یک محصول جدید»، «سیاستی که همین حالا تغییر کرده» یا عبارتی هستند که یک خبرنگار در مهلت تحویل مطلب ابداع کرده و هزاران نفر ظرف یک ساعت آن را در باکس جستجو تایپ کرده اند. اخبار، زبان می سازد و زبان، حجم جستجویی را ایجاد می کند که تا دیروز وجود نداشت.
بیانیه های مطبوعاتی در جایگاه منحصربه فردی برای جذب این ترافیک بودند. بیانیه مطبوعاتی یکی از معدود فرمت های محتوایی است که در همان روز وقوع رویداد نوشته و منتشر می شود. یک پست وبلاگی ممکن است زمان ببرد تا خود را به چرخه خبر برساند، اما بیانیه مطبوعاتی خودِ چرخه خبر است. اگر عبارت بندی داخل آن بیانیه، دقیقاً کلماتی را در خود جای داده باشد که فردی بعداً در گوگل تایپ می کند (در نسخه ۳ یا ۴ کلمه ای)، آن بیانیه می تواند برای پرس وجویی رتبه بگیرد که در لحظه نوشتنِ نویسنده، اصلاً وجود خارجی نداشته است.
چیزی که داده های کاچون به ترفند قدیمی من اضافه کرد
اینجا همان جایی است که این غریزه «عروسک های تو در تو» ارتقای واقعی پیدا می کند. کاچون متوجه شد که «Query Fan-Out» در ChatGPT رفتار تصادفی ندارد. اولین زیر-پرس وجو معمولاً با زبان ساده و محاوره ای است. سپس مدل با استفاده از عملگر site: محدودتر می شود و در نهایت شروع به استخراج عبارت های دقیقِ داخل کوتیشن می کند تا بررسی کند که آیا منبع واقعاً همان چیزی را گفته که مدل فکر می کند یا خیر. در تحقیقات او، استفاده از نقل قول بین جستجوی اول و آخر، ۲۵ برابر افزایش یافت.
این همان اصل عروسک های تو در تو است که به صورت معکوس اجرا می شود. من قبلاً از یک عبارت کوچک به سمت عبارت بزرگ تر حرکت می کردم تا پرسش کاربر به صفحه من برسد. سیستم های هوش مصنوعی که کاچون مطالعه کرده، به سمت داخل کوچک می شوند؛ یعنی از کلیات شروع کرده و به عبارت دقیقی می رسند که می توانند کلمه به کلمه تاییدش کنند. در هر دو جهت، نیاز اصلی یکی است: محتوای شما باید عبارت بندی دقیق را در بیش از یک طولِ مشخص داشته باشد، وگرنه از بخشی از قیف جستجو حذف می شوید.
بر اساس داده های گوگل در می ۲۰۲۶، میانگین پرس وجوهای حالت هوش مصنوعی (AI Mode) در آمریکا اکنون سه برابرِ جستجوهای سنتی است. طول عبارت ها نه یک عارضه جانبی، بلکه «قلمرو جدید» سئو است.
چگونه این استراتژی را در تولید محتوا اعمال کنیم؟
شما برای استفاده از این دانش نیازی به دسترسی به APIهای پیچیده ندارید؛ تنها به سه عادت نیاز دارید:
- عبارت تو در تو را پیدا کنید، نه فقط عبارت اصلی: هر عبارت سه کلمه ای که هدف قرار می دهید را بردارید، دو یا سه عبارت چهار یا پنج کلمه ای که به طور طبیعی آن را در بر می گیرند بنویسید و پاراگراف اول یا تگ H2 خود را حول آن عبارت طولانی تر تنظیم کنید. اگر در انتخاب عبارت ها تردید دارید، خدمات سئو و تحقیق کلمات کلیدی در «دانش وب» می تواند به شما کمک کند تا دقیق ترین عباراتی را پیدا کنید که رقبا هنوز به آن ها نپرداخته اند.
- با سرعتِ اخبار منتشر کنید، نه سرعت تقویم محتوایی: آن ۱۵ درصد جستجوهای جدید، مستقیماً به اتفاقات روز گره خورده اند. اگر کسب وکار شما کانالی برای انتشار سریع (مانند اخبار شرکت یا مقالات تحلیل لحظه ای) داشته باشد، این بهترین فرصت برای تسخیر آن عبارت پیش از رقیبان است. متخصصان ما در «دانش وب» می توانند زیرساخت های لازم برای این سرعتِ عمل در وب سایت شما را طراحی کنند.
- پاسخ را به صورت یک جمله مستقل و قابل نقل بنویسید: داده های کاچون نشان می دهد سیستم های هوش مصنوعی برای تایید ادعاها، به دنبال جملات دقیق داخل سایت شما می گردند. اگر جمله ای که پاسخ سوال را می دهد نتواند به تنهایی معنای کامل را منتقل کند، آن را بازنویسی کنید.
نتیجه گیری
سئو در عصر هوش مصنوعی دیگر به معنای هدف قرار دادن کلمات کلیدی تک کلمه ای و رقابت های سنگین نیست؛ بلکه هنرِ پیش بینی و پاسخگویی به زبانِ در حالِ تکاملِ کاربران است. با استفاده از ساختارهای «تودرتو» در محتوا، می توانید همزمان به نیازهای جستجوی انسانی و الگوریتم های هوش مصنوعی پاسخ دهید. برای موفقیت در این فضای رقابتی و پیاده سازی استراتژی های مدرن تولید محتوا و سئو، تیم متخصص «دانش وب» با ارائه راهکارهای جامع طراحی سایت و دیجیتال مارکتینگ، آماده است تا وب سایت شما را به مرجعی قابل استناد برای هوش مصنوعی و کاربران تبدیل کند.