ChatGPT خودش برندها را قبل از جستجو انتخاب میکند: چگونه وارد فهرست شویم
ChatGPT نام برندها را در جستجوهای خود قبل از بارگذاری صفحات وارد میکند. من ۶۰ گفتگو را خواندم تا بفهمم این اتفاق چه زمانی رخ میدهد و چه چیزی به برند کمک میکند تا نامش ذکر شود. این یک بینش کلیدی برای همه کسانی است که روی دیدپذیری هوش مصنوعی کار میکنند: تصمیم درباره اینکه آیا برند شما توصیه شود یا نه، مدتها قبل از اینکه ChatGPT به سایت شما دست بزند گرفته میشود.
من از ChatGPT خواستم بهترین برنامه یادداشتبرداری با هوش مصنوعی را نام ببرد. هفت کلمه، بدون ذکر برند. قبل از بارگذاری هر چیزی، او چنین جستجویی برای خودش نوشت: Granola، Notion AI، Otter، Fireflies، Fathom، Mem، Limitless — هفت محصول در یک جستجو. من هیچکدام را نام نبردم و هیچ چیزی از جستجوی وب نیامد، پس این نامها از خود مدل آمدهاند.
سپس او نه جستجوی دیگر انجام داد — این همان «فن» جستجوهاست که در دو بخش اول دربارهاش نوشتم. یک جستجو فهرست کوتاه را میسازد، سپس یک جستجو برای هر برند، هر کدام مستقیماً به سایت شرکت میرود. فن هرگز جستجوی کاندیداها نبود — این ChatGPT است که از فهرستی که از قبل دارد پیروی میکند، یک نام در هر بار.
در دو بخش اول نوشتم که باید بررسی site:yourdomain.com را پشت سر بگذارید، چون ChatGPT چنین بررسیهایی را اجرا میکند. اما او فقط اگر در اولین جستجو باشید این بررسی را اجرا میکند. اگر در فهرست کوتاه نباشید، سایت شما اصلاً مشاهده نمیشود، هر چقدر هم که خوب باشد. تصمیم قبل از اینکه چیزی به سرور شما دست بزند گرفته میشود.
من دو ماه این ترافیک را برای بخشهای اول و دوم خواندم. این اولین چیزی است که توصیههای من به مشتریان را تغییر میدهد. قبل از ادامه خواندن: همه اینها از یک حساب به دست آمده، بنابراین هر درصد یک جهت است، نه یک اندازهگیری. مکانیزم چیز دیگری است. شما میتوانید آن را در حساب خودتان در دو دقیقه بازتولید کنید و من در پایان نشان میدهم چگونه.
این چگونه کار میکند
وقتی سؤالی میپرسید، ChatGPT آن را به جستجوهای خودش بازنویسی میکند، آنها را اجرا میکند، نتایج را میخواند و سپس پاسخ را مینویسد. این جستجوها در پاسخی که مرورگر شما بارگذاری میکند، زیر کلید search_queries قرار دارند. OpenAI نام آن را از search_model_queries در اوایل آگوست ۲۰۲۶ تغییر داد.
این یک نشت نیست: مرورگر شما به این JSON برای رندر کردن صفحه نیاز دارد و شما میتوانید آن را در DevTools در حساب خودتان در حدود دو دقیقه بخوانید. این یک مثال از سؤال درباره برنامههای چت است: من پرسیدم «بهترین نرمافزار هوش مصنوعی برای چت پشتیبانی»، و او سال، «رسمی»، «قیمتها» و سه نام را اضافه کرد.
همه چیز زیر بر اساس خواندن چند صد درخواست از این دست است. از اینجا شروع کنید: ChatGPT را باز کنید، سوال «بهترین [دسته شما]» را که مشتریانتان میپرسند بپرسید و درخواستی را که مینویسد بخوانید. این خط نشان میدهد که آیا ChatGPT از وجود برند شما اطلاع دارد یا نه — این دقیقاً همان چیزی است که معمولاً به عنوان ممیزی دید در هوش مصنوعی فروخته میشود. بقیه مقاله درباره این است که با چیزی که پیدا میکنید چه کنید.
تست علّیت
ایراد آشکار به مثال من در مورد برنامههای یادداشتبرداری این است: شاید ChatGPT ابتدا جستجو کرد، آن برندها را دید و سپس درخواست دوم هوشمندانهتری نوشت. این باعث میشد که نامها نتیجه جستجو باشند، نه علت.
بنابراین من یک تست انجام دادم: برای هر گفتگو، اولین پیام کاربر و اولین عبارت جستجو را که بر اساس زمان مرتب شده بودند گرفتم. در آن لحظه هیچ چیزی بارگذاری نشده بود، پس چیزی برای یادگیری وجود نداشت. در ۲۱ از ۲۷ گفتگو، اولین درخواست شامل برندهایی بود که کاربر وارد نکرده بود. به خطوط ۲ و ۳ نگاه کنید: همان سوال، با کمی تفاوت در بیان — و فهرست از سه به هفت نام افزایش یافت. فهرست بر اساس بیان رشد میکند، نه از یک جدول ثابت.
سپس ۱۲ دسته کاملاً نامرتبط را اجرا کردم تا بررسی کنم که این ویژگی نرمافزار نیست. ۱۱ از ۱۳ مورد همین را نشان دادند. خط مربوط به جاروبرقی رباتیک مرا شگفتزده کرد: یادآوری وجود Roborock معمولی بود، اما او Saros، Dreame X50 و Eufy S1 Pro را به یاد آورد — شماره مدلهای فعلی در اولین درخواست، بدون هیچ راهنمایی. این دانش تا خط تولید میرسد.
خط مربوط به شاسیبلندهای برقی رفتار متفاوتی دارد. برای حسابداری، درمان و میزبانی وب، او فروشندگان را نام برد و به صفحات قیمتگذاری آنها رفت. برای خودروها، او مجلات را نام برد: Car and Driver، Edmunds، Top Gear. در یک دسته، غریزه او رفتن به سمت تولیدکنندگان است، در دسته دیگر به سمت منتقدان.
من از این خوشحال شدم و سه دسته را دوباره اجرا کردم تا پایداری را بررسی کنم. یادگیری زبان تقریباً تغییر نکرد: پنج از شش نام یکسان بودند. حسابداری از شش فروشنده به یک درخواست هدفمند به QuickBooks کوچک شد. میزبانی وب کاملاً طرف را عوض کرد: همه فروشندگان را رها کرد و به سایت بررسیها رفت. بنابراین «فروشندگان در برابر مجلات» یک روند است که ممکن است بین اجراها تغییر کند، نه یک ویژگی ثابت دسته.
دو چیز ثابت میمانند: تزریق هر بار رخ میداد، و دستهای با واضحترین رهبران بازار نامهای خود را حفظ میکرد. من حدس میزنم که دستههای تثبیتشده فهرستهای کوتاه پایداری دارند، و دستههای مورد بحث نوسان میکنند، اما سه تکرار برای تأیید این کافی نیست. درباره دید در هوش مصنوعی بر اساس یک پاسخ قضاوت نکنید. سوال را پنج بار اجرا کنید، زیرا فهرست بین اجراها تغییر میکند.
چه چیزی بر تزریق برندها تأثیر میگذارد
در همه درخواستهای قبلی کلمه «بهترین» وجود داشت، بنابراین من سعی کردم آن را بشکنم. من ۲۴ درخواست اضافی بدون این کلمه در هفت شکل مختلف اجرا کردم. معلوم شد که «بهترین» هیچ ربطی به این موضوع ندارد. مهم این است که آیا ChatGPT باید خودش محصولات را اختراع کند یا نه.
وقتی او اصلاً جستجو نمیکند، این کار نمیکند. بپرسید نویز کنسلینگ چگونه کار میکند یا پایگاه داده برداری چیست — او از آموزش خود بدون جستجوی وب پاسخ میدهد. همینطور برای شکایتهای باز: «ما بیش از حد برای ابزارهای پشتیبانی مشتری هزینه میکنیم» — باز هم بدون جستجو. هفت مورد از بیست و چهار درخواست من اصلاً به وب مربوط نبودند، بنابراین هیچ لیست کوتاهی وجود نداشت که بتوان در آن قرار گرفت.
اگر خودتان برندها را نام ببرید، او آنها را میپذیرد. «Xero یا QuickBooks برای کسبوکار کوچک» بلافاصله به site:xero.com/uk رفت. «آیا باید از HubSpot برای یک آژانس کوچک استفاده کنم» — به site:hubspot.com. اگر انتخاب نامزدها را به صلاحدید او بسپارید، به حافظهاش رجوع میکند. این در ده مورد از یازده موردی که بدون ذکر نام درخواست توصیه کردم اتفاق افتاد.
خط سوم مورد علاقه من است: من عمداً از کلمات «جاروبرقی رباتیک» اجتناب کردم و هیچ نامی نبردم، و او در اولین جستجو به سایت مدل خاصی از Roborock رفت. خط ۲ باید شما را نگران کند اگر نرمافزار میفروشید: شکایت درباره یادداشتهای جلسه به «قیمتهای رسمی Granola» تبدیل شد قبل از اینکه صفحه بارگذاری شود.
نسخهای وجود دارد که روی رقبای شما متمرکز است. هر سه درخواست من درباره جایگزینی به نامهای جدید منجر شد: «جایگزینهای Zendesk» — Help Scout؛ «چه چیزی میتوانم به جای QuickBooks استفاده کنم» — Zoho Books؛ «چیزی شبیه Duolingo اما بهتر برای گرامر» — Kwiziq و Babbel. وقتی مشتری شما به دنبال راهی برای خروج از رقیب شماست، ChatGPT کسانی را پیشنهاد میدهد که از قبل میشناسد. این میتواند شما باشید، و در آن روز شما نمیتوانید روی آن تأثیر بگذارید.
اگر ChatGPT به دنبال یک محصول باشد و شما هیچ نامی نبرده باشید، او محصولات خودش را میآورد. این کار را انجام دهید: سؤال دستهبندی خود را پنج بار اجرا کنید و نامهایی را که هر بار در کوئری ظاهر میشوند یادداشت کنید. نامهایی که در هر اجرا ظاهر میشوند — مجموعه رقابتی واقعی شما در ذهن ChatGPT هستند. آنچه ظاهر و ناپدید میشود — قلمرو مورد مناقشه است که میتوانید در آن کار را پیش ببرید. اگر برند شما در پنج اجرا حتی یک بار ظاهر نشد، پاسخ خود را دارید، و این پاسخ فنی نیست.
استناد: شانس ۳.۱٪
من همه برندها را به دو گروه تقسیم کردم: آنهایی که در کوئری که ChatGPT نوشت ظاهر شدند و آنهایی که فقط در طول جستجو بارگذاری شدند اما نام برده نشدند. سپس بررسی کردم که هر گروه چند بار در پاسخ نهایی قرار گرفت. تفاوت تقریباً ۳۳ برابر بود. همچنین ۸۶ مورد پیدا کردم که برندی توصیه شد اما سایتش اصلاً در آن گفتگو بارگذاری نشد. ذکر کردن نیازی به مرور ندارد.
این برای صنعت خود من ناراحتکننده است. بخش بزرگی از آنچه امروز به عنوان GEO فروخته میشود، کار استخراج است، یعنی ستون ۲.۱٪. ستون ۶۸.۹٪ قبل از اینکه همه اینها راهاندازی شود حل میشود. بودجه را مطابق با دو ستون تقسیم کنید.
اگر شما در کوئری نیستید، پول باید صرف این شود که درباره شما نوشته شود، بررسی شود، مقایسه شود و در فهرستها قرار گیرد: PR دیجیتال، محتوای دستهبندی، قرارگیری در سایتهای بررسی، پوشش تحلیلگران، مشارکت در مجموعههایی که خریداران شما میخوانند. اگر قبلاً در کوئری هستید، این هزینهها عمدتاً انجام شده است و کار فنی زیر باقی میماند.
اگر همه چیز به همینجا ختم میشد، توصیه این بود که «سرمایه برند بسازید» و همه ما میتوانستیم برویم. اما بعد از جستجو، فیلتر دومی کار میکند و بیرحم است. من یک مجموعه داده برچسبگذاری شده از ۵۷ گفتگو ساختم: هر صفحه بارگذاریشده بهعنوان یک ردیف، با برچسبی که آیا استناد دریافت کرده است یا نه. ۳٬۵۵۴ صفحه، ۱۱۰ صفحه استناد دریافت کردند — ۳٫۱٪. ChatGPT حدود ۶۰۰ صفحه را میخواند تا یک پاسخ بنویسد و حدود ۳۰ مورد را ذکر میکند. تقریباً همه چیز خوانده میشود. شکاف بین خواندن و استناد — آنجاست که کار واقعی انجام میشود.
سه عامل مؤثر بر استناد
موقعیت. ChatGPT نتایج را بر اساس دامنهها گروهبندی میکند، و موقعیت شما در آن گروه تقریباً همه چیز را پیشبینی میکند. پایینتر از دو رتبه برتر، استناد یک خطای گرد کردن است. بودن در مجموعه پیروزی نیست، اگر نهم باشید.
آدمخواری. افزودن صفحات آسیب میزند. وقتی چندین صفحه از یک دامنه در یک گروه ظاهر میشوند، نرخ تبدیل هر صفحه بهشدت کاهش مییابد. دو صفحه کاملاً مرتبط بهینه است. بیشتر از شش — شما عمدتاً با خودتان رقابت میکنید. من یک سال به مشتریان میگفتم که بر اساس شهود تثبیت کنند. این اولین بار است که این را در دادهها میبینم.
ارتباط. ارتباط صلاحیت میکند، اما انتخاب نمیکند. من صفحه استنادشده را در برابر تمام صفحات دیگری که برای همان ادعا استخراج شده بودند، بر اساس اینکه متن آن چقدر با جمله پشتیبانیشده مطابقت دارد، ارزیابی کردم. صفحه استنادشده در ۵٪ برتر مجموعه قرار گرفت. اما تنها در ۲۰٪ موارد بهترین تطابق بود، و میانگین همپوشانی آن بهطور قابل توجهی کمتر از بهترین گزینه موجود بود.
بنابراین، ارتباط ادعا فهرست کوتاه را شکل میدهد، و چیز دیگری برنده را انتخاب میکند. به ۱۰٪ برتر برای یک ادعای خاص برسید — و در گفتگو هستید. این بخش را از طریق متن کنترل میکنید. انتخاب نهایی شامل چیزهایی است که من نمیبینم.
این کار را انجام دهید: سوالاتی را که خریداران شما میپرسند بردارید و تمام صفحات خود را که به همان سوال پاسخ میدهند پیدا کنید. صفحهای را انتخاب کنید که دقیقترین تطابق را با قصد دارد، آن را به پاسخ تبدیل کنید و بقیه را جمع کنید یا به آن هدایت کنید. مطمئن شوید که جملهای که واقعاً به سوال پاسخ میدهد در بالای صفحه بهصورت متن ساده HTML با اعداد قرار دارد.
پیدا کردن چنین همپوشانیهایی بهصورت دستی در یک سایت واقعی ناخوشایندترین بخش است. آدمخواری معمولاً با همپوشانی کلمات کلیدی ارزیابی میشود، اما این واحد اشتباهی است، زیرا ChatGPT بر اساس ادعاها گروهبندی میکند، نه کلمات کلیدی. دقیقاً برای همین Keyword Insights ساخته شده است: کلمات کلیدی را بر اساس قصد جستجو خوشهبندی میکند، نه تطابق رشته، بنابراین صفحاتی که برای یک قصد رقابت میکنند بهعنوان یک گروه دیده میشوند، حتی اگر کلمات کلیدی مشترکی نداشته باشند. این گروهبندی دقیقاً مطابق چیزی است که من میبینم وقتی ChatGPT یک دامنه را به یک صفحه استنادشده فشرده میکند. افشای کامل: این شرکت من است، بنابراین میدانم که از پس این کار برمیآید.
Практические выводы
Результаты делят ИИ-видимость на две игры, которые часто путают. Если ChatGPT не связывает ваш бренд с вашей категорией, он не назовет вас в запросе, и у вас 2% шанс на упоминание. Схема не исправит это, как и скорость страницы. Файл llms.txt имеет еще меньше шансов, потому что ваш сервер не контактирует до принятия решения.
Что, по-видимому, строит связь — это медленная и неприглядная работа: о вас пишут, рецензируют, сравнивают и спорят в открытом вебе годами, пока ассоциация не появится в обучающих данных. Это цифровой PR и контент, определяющий категорию, что неудобно для тех, кто продает технические аудиты как стратегию ИИ.
Техническая часть — это 3,1%, и она реальна: одна точно подобранная страница на намерение, предложение с ключевым утверждением в начале, факты и цифры в простом HTML-тексте, никакого кластера почти одинаковых страниц, борющихся друг с другом. Вот вся последовательность, которую можно выполнить на этой неделе:
- Проверьте, знает ли ChatGPT ваш бренд: задайте категорийный вопрос пять раз и посмотрите, появляется ли ваш бренд в поисковых запросах.
- Проверьте, какие страницы цитируются: используйте FanoutFox для отслеживания цитирования и просмотра запросов.
- Устраните каннибализацию: найдите страницы, отвечающие на один и тот же вопрос, и объедините их.
- Оптимизируйте контент: убедитесь, что ключевое утверждение и цифры находятся в верхней части страницы.
В моих данных один бренд был загружен 66 раз и ни разу не процитирован. Это не проблема осведомленности. Движок продолжал возвращаться и решал, что им нечего цитировать. Шаг 4 существует, чтобы поймать это.
Шаги 1 и 4 — это то, для чего я создал FanoutFox, потому что выполнять их вручную для каждого ответа быстро надоедает. Это бесплатное расширение для Chrome; всё остается в вашем браузере, и оно читает вашу собственную
