چرا محتوای هوش مصنوعی دیگر جواب نمی دهد؟

محتوای بی کیفیت و انبوهِ هوش مصنوعی (AI Slop) به قیمت از دست رفتن کلیک های شما تمام می شود. یاد بگیرید که چگونه به محتوای هوش مصنوعی رنگ و بوی انسانی ببخشید، آن را برای دستیابی به نتایج واقعیِ تجاری پاسخگو نگه دارید و به «لایه پاسخ گویی هوش مصنوعی» در موتورهای جستجو دست یابید. (این مقاله خلاصه ای از یک وبینار تخصصی است).

۶۰ درصد از جستجوهای گوگل اکنون بدون حتی یک کلیک روی هیچ محتوایی به پایان می رسند!

این آمار تکان دهنده، چارچوب اصلی استدلال گابریل دیلون (Gabriel Dillon)، مدیر ارشد بخش شخصی سازی در شرکت Contentful را شکل می دهد: زمانی که هوش مصنوعی هزینه تولید محتوا را تقریباً به صفر می رساند، دیگر «تولید انبوه و حجم بالای محتوا» یک استراتژی محسوب نمی شود. تنها محتوایی می تواند توجه مخاطب را جلب کند که متعهد به ایجاد یک نتیجه تجاری مشخص باشد، برای یک انسانِ واقعی ساخته شده باشد و بتوان آن را با داده های واقعی اندازه گیری کرد.

در یکی از وبینارهای تخصصیِ Search Engine Journal (SEJ) که با حضور جان گراهام (استراتژیست ارشد راهکارها در Contentful) برگزار شد، دیلون به صورت موشکافانه بررسی کرد که چرا متن های نوشته شده با هوش مصنوعی معمولاً به سمت خروجی های کلیشه ای و عمومی سوق پیدا می کنند. او همچنین ۴ سؤالی را که پیش از انتشار هر متن مارکتینگی از خود می پرسد و سیگنال های شخصی سازیِ ساده اما مؤثری را که نیازی به پیچیده کردن زیرساخت های سایت ندارند، معرفی کرد.

در این جلسه به این موضوع نیز پرداخته شد که در یک جریان کاریِ مبتنی بر هوش مصنوعی، جایگاه دقیق «انسان» کجاست و چگونه می توان «آزمایش گری» و «شخصی سازی» را برای بهبود عملکرد محتوا با هم ترکیب کرد.

ما در تیم سئو دانش وب نیز دقیقاً با همین چالش روبرو بوده ایم. امروزه انتشار روزانه ده ها مقاله کپی شده توسط ChatGPT نه تنها رتبه سایت شما را بالا نمی برد، بلکه بودجه خزش (Crawl Budget) سایت را هدر داده و نرخ پرش (Bounce Rate) را به شدت افزایش می دهد. دورانِ کمیت به پایان رسیده و وارد عصر کیفیت و شخصی سازی شده ایم.

چرا محتوای هوش مصنوعی شما دقیقاً شبیه به بقیه است؟

دستیار نویسنده هوش مصنوعیِ شما، در واقع به عنوان یک «بله قربان گویِ مطلق» عمل می کند و پیش فرض ها و فرضیاتِ خودِ شما، این چرخه باطل را تغذیه می کند. این توضیحِ دیلون برای این پدیده است که چرا کپی رایتینگِ مبتنی بر هوش مصنوعیِ همه برندها، در نهایت به یک خروجیِ یکسان و تکراری ختم می شود.

او می گوید: «تعصبات ذهنیِ ما هنگام نوشتن محتوا با استفاده از ربات ها، در نهایت محتوایی را که تولید می کنیم می بلعد. ما در چرخه ای گرفتار می شویم که فکر می کنیم در حال تولید محتوای خوبی هستیم، اما در واقعیت، آن محتوا کاری را که ما انتظار داریم انجام نمی دهد.»

متنی که هوش مصنوعی به شما تحویل می دهد، یا باورهای قبلی شما را تأیید می کند، یا دقیقاً آینه ای از مقالات وبلاگِ رقبایتان است که در داده های آموزشیِ آن ابزار (Training Data) وجود داشته اند. هر دوی این نتایج، برای خواننده شکست محسوب می شوند.

وزنه تعادلی که دیلون برای این مشکل پیشنهاد می دهد، «سلیقه و بینش» است. او این تعریف را فراتر از یک کلیشه می برد: سلیقه یعنی قدرت تشخیص و شهود، به علاوه ریسک پذیری برای بیان ادعایی که هیچ ابزار هوش مصنوعی ای داوطلبِ گفتن آن نیست؛ ادعایی که بر اساس شناختِ واقعی و انسانیِ شما از بازار هدفتان شکل گرفته است.

در این وبینار دقیقاً مشخص شد که در فرآیند تولید محتوا، انسان باید در کدام مرحله وارد عمل شود: دقیقاً در فضای بین «هوش مصنوعی به عنوان ابزار تحقیق و درک زمینه» و «متن نهایی که قرار است منتشر شود».

این تصویر نشان می دهد که چگونه یک استراتژیست محتوای انسانی، خروجی های اولیه و کلیشه ایِ دستیار هوش مصنوعی را بررسی و با استفاده از «سلیقه و بینش» خود اصلاح می کند تا به یک مقاله نهایی باکیفیت و آماده انتشار در سایت «دانش وب» تبدیل شود.

چگونه محتوا را در قبال نتایج تجاری (Business Outcomes) پاسخگو نگه داریم؟

دیلون پیش از انتشار هر قطعه از محتوای بازاریابی B2B (فروش سازمانی)، چهار سؤال ثابت را مطرح می کند.

سؤال اول این است که آیا این متن اصلاً نتایجی که انتظار داریم را تولید می کند یا خیر. سه سؤال دیگر به این موارد می پردازند: این محتوا برای چه کسی نوشته شده است؟ چگونه آن افراد را شناسایی می کنید؟ و چگونه می توان این بینش را توسعه داد و در ابعاد بزرگتر (Scale) استفاده کرد؟

او در این باره می گوید: «اگر داده هایی نداشته باشیم که ثابت کند محتوای ما خوب و اثربخش است، واقعاً نمی توانیم به راه هایی برای توسعه دادن یا مؤثرتر کردن آن فکر کنیم.»

در این مدل، «آزمایش گری» و «شخصی سازی»، دو روی یک سکه هستند. نحوه ترکیب این دو برای ساخت یک «سیستم» کارآمد (به جای انجام چند تستِ پراکنده و مقطعی)، نقطه ای است که این وبینار عمیقاً به آن می پردازد.

ما در دپارتمان دیجیتال مارکتینگ دانش وب همواره تأکید داریم که تولید محتوا بدون تعریف شاخص های کلیدی عملکرد (KPI) بی معنی است. اگر یک لندینگ پیج (Landing Page) فقط زیبا نوشته شده باشد اما نرخ تبدیل (Conversion Rate) پایینی داشته باشد، عملاً بی ارزش است. به همین دلیل، انجام تست های A/B روی کال تو اکشن ها (CTA) و عنوان ها ضروری است.

اقدام عملی (Action Item): پیش از آنکه دستور تولید سری بعدیِ محتواهای هوش مصنوعی خود را صادر کنید، آن ها را با چهار سؤالِ ارزیابیِ دیلون بسنجید.

کدام سیگنال های شخصی سازی بدون پیچیده کردنِ سایتتان جواب می دهند؟

پاسخ ساده است: سیگنال هایی که زیرساخت فعلی سایت شما همین حالا در حال جمع آوری آن هاست. تشخیصِ دیلون در مورد اینکه چرا شخصی سازی در بازاریابی B2B سال هاست که انتظارات را برآورده نکرده این است: تیم های مارکتینگ معمولاً به سراغ برنامه هایی می روند که بیش از حد بلندپروازانه هستند و در نهایت در دامِ پیچیدگیِ فنیِ آن ها گرفتار می شوند.

او سه سطح از سیگنال ها را معرفی کرد که از ساده ترین آن ها شروع می شود: بازدیدکنندگان جدید در برابر بازدیدکنندگان بازگشتی. یک بازدیدکننده که برای اولین بار به سایت می آید، قصد و نیت متفاوتی نسبت به یک کاربرِ وفادار و تکراری دارد. اگر به هر دوی آن ها یک متن و تصویر یکسان (در بخش هیرو یا بالای سایت) نشان دهید، عملاً این تفاوتِ ارزشمند را هدر داده اید.

در پروژه های طراحی سایت اختصاصی که در دانش وب اجرا می کنیم، قابلیتی را برای کارفرمایان فراهم می کنیم که بتوانند بنر صفحه اصلی را برای کاربری که قبلاً از سایت خرید کرده، تغییر دهند و به جای معرفی اولیه برند، مستقیماً یک کد تخفیف اختصاصی یا محصول مکمل را به او نمایش دهند. این یعنی شخصی سازی هوشمند بدون درگیری های فنیِ عجیب وغریب.

سطح دوم و سوم شامل استفاده از سیگنال هایی است که کمپین های تبلیغاتی و برنامه های وفاداریِ (Loyalty Programs) فعلی شما تولید می کنند. دیلون شیوه فعلیِ برخورد با یکی از این سیگنال ها را «یک فرصت به شدت از دست رفته» نامید که در نسخه ضبط شده وبینار، جزئیات استفاده از آن ها آموزش داده شده است.

این تصویر به صورت عملی نشان می دهد که چگونه می توان بدون پیچیدگی فنی، تجربه کاربریِ سایت را شخصی سازی کرد. برای یک بازدیدکننده جدید، بنر عمومی نمایش داده می شود، در حالی که برای یک کاربر بازگشتیِ وفادار، بنر مستقیماً به یک پیشنهاد ویژه یا محصول مکمل تغییر می کند، که این امر باعث افزایش نرخ تبدیل می شود.

آیا گوگل محتوای هوش مصنوعی را جریمه می کند؟ تغییراتِ دنیای «جستجوهای بدون کلیک» چیست؟

دیلون استدلال می کند که تلاش برای «تشخیص دادن یا ندادن متن توسط گوگل» اصلاً مشکلِ اصلی نیست. اینکه آیا گوگل می تواند محتوای هوش مصنوعی را شناسایی کند یا خیر، اهمیت بسیار کمتری نسبت به این موضوع دارد که «چه بلایی بر سر کلیک ها می آید؟»

مشتریان Contentful از همین حالا گزارش داده اند که با روی کار آمدنِ خلاصه های هوش مصنوعیِ گوگل (AI Overviews)، ترافیک ارگانیک (سئو) آن ها با افت شدیدی روبرو شده و این خلاصه ها، کلیک ها را می بلعند.

پاسخ عملی به این بحران، رقابت برای رسیدن به «لایه پاسخ گویی هوش مصنوعی» است. مفاهیمی مثل GEO (بهینه سازی برای موتورهای تولیدگر / Generative Engine Optimization) و AEO (بهینه سازی برای موتورهای پاسخگو / Answer Engine Optimization) تعیین می کنند که آیا خلاصه هوش مصنوعی در بالای صفحه نتایج گوگل، اصلاً نامی از برند شما می برد یا خیر.

نتیجه گیریِ او، به بحث تکراریِ «انسان در برابر ربات» پایان داد: تنها یک نوع محتوا وجود دارد که می تواند همزمان در خلاصه های هوش مصنوعی (SGE) و در نرخ تبدیلِ داخل صفحه موفق عمل کند. نیازهای این نوع محتوا در این جلسه به تفصیل بررسی شد.

خدمات حرفه ای سئو

نتیجه گیری

دوران تولید محتوای فله ای و بی روح به پایان رسیده است. امروزه گوگل و کاربران به دنبال پاسخ های دقیق، تجربیات انسانی و ارزش افزوده هستند. اگر صرفاً از هوش مصنوعی برای پر کردن صفحات سایت خود استفاده کنید، نه تنها در رقابت سئو (به خصوص با ظهور مفاهیم جدیدی مثل GEO و AEO) شکست می خورید، بلکه اعتماد مخاطب را نیز از دست خواهید داد. هوش مصنوعی باید به عنوان یک دستیارِ پژوهشی در دستان یک متخصص قرار گیرد، نه یک جایگزین برای تفکر انسانی. برای موفقیت در این اکوسیستم جدید، نیازمند استراتژی های دقیق، شخصی سازی محتوا و ترکیب هنر انسانی با سرعت هوش مصنوعی هستید؛ هدفی که ما در دانش وب با ارائه خدمات تخصصی سئو و طراحی سایت، برای کسب وکار شما محقق می کنیم تا در صدر نتایج و قلب مخاطب بمانید.

سوالات متداول

1. 1. سخ: مفیدترین سؤالاتِ مطرح شده در وبینار

      سؤال: آیا پس از آپدیت اسپم گوگل، گوگل در حال حذف محتواهای نوشته شده با هوش مصنوعی است؟

      انتظار داشته باشید که فرآیند شناسایی محتوای هوش مصنوعی سخت و سخت تر شود. دیلون این وضعیت را مبارزه ای نامید که «گوگل در آن پیروز نخواهد شد». راهنمایی او این است که انرژی خود را از تلاش برای فرارِ کامل از ابزارهای تشخیص هوش مصنوعی، به سمت هدف دیگری معطوف کنید؛ هدفی که با رشد جستجوهای بدون کلیک (Zero-Click)، اهمیت بسیار بیشتری پیدا کرده است.

   2. چگونه با دید انتقادی به تعصبِ ذاتی (Bias) موجود در محتوای هوش مصنوعی نگاه کنیم؟

      تعصب از دو طریق وارد محتوای شما می شود. اول از طریق پرامپت ها (دستورات) و زمینه ای که شما به ابزار می دهید؛ که این کار «نتیجه ای را که شما می خواهید تولید می کند، اما نه لزوماً نتیجه ای را که بیشترین اثربخشی را دارد.» دومین مورد، تعصبی است که در خودِ داده های آموزشیِ هوش مصنوعی وجود دارد. راهکار دیلون برای کاهش این مشکل، قبل از شروع به تولید هرگونه متنی آغاز می شود.

   3. وقتی مدیران سازمان بدون درک کنترل کیفیت، خواهان تولید انبوهِ محتوای هوش مصنوعی هستند، چه باید کرد؟

      مدیران را در قبال عملکردی که انتظار دارند پاسخگو نگه دارید. «با استفاده از داده ها به آن ها نشان دهید که می توانید با تولید محتوای کمتر اما باکیفیت تر، نتایج تجاریِ مدنظر آن ها را محقق کنید.» در بازار ایران این یک چالش بزرگ است. در جلسات مشاوره دانش وب با مدیران شرکت ها، همیشه با آمار و ارقام نشان می دهیم که یک مقاله جامع، یونیک و پاسخگو به نیاز کاربر (User Intent)، به مراتب بیشتر از ۱۰۰ مقاله بی کیفیتِ کپی شده توسط هوش مصنوعی، برای آن ها مشتری واقعی و فروش خلق می کند.

   4. آیا صفحات خدمات (سئو) به لحن و صدای منحصر به فرد نیاز دارند، یا هوش مصنوعی می تواند آن ها را بنویسد؟

      دیلون موضوع «لحن برند» را از «اثربخشی» جدا می کند. او می گوید: «من فکر نمی کنم صفحات خدمات یا صفحات قیمت گذاری برای اینکه مؤثر باشند، نیاز به لحنِ خیلی شخصیت پردازی شده ای داشته باشند.» اما حتی این صفحاتِ روتین نیز میزبان بازدیدکنندگانی با اهداف متفاوت هستند و در پاسخ کامل او مشخص می شود که چه صفحاتی به چیزی فراتر از متن های ساده هوش مصنوعی نیاز دارند.