Tag: سئو برای هوش مصنوعی

  • یوتیوب: چگونه الگوریتم را فریب دهیم و 100 بازدید منحصر به فرد دریافت کنیم

    یوتیوب: چگونه الگوریتم را فریب دهیم و 100 بازدید منحصر به فرد دریافت کنیم

    در چشم‌انداز همیشه در حال تغییر بازاریابی دیجیتال، درک اینکه YouTube: چگونه الگوریتم را فریب دهیم و 100 بازدید منحصر به فرد بگیریم برای بازاریابان حیاتی می‌شود. آیا از خود می‌پرسید چرا تعداد بازدیدهای YouTube به شدت افزایش یافته است، اما لیدها و فروش‌ها ثابت مانده‌اند؟ آیا می‌خواهید بدانید کدام معیارهای YouTube واقعاً اکنون مهم هستند و چگونه ویدیوهای خود را در Ask YouTube، ChatGPT و سایر ابزارهای جستجوی هوش مصنوعی قابل یافتن کنید؟ در این مقاله، نحوه عملکرد معیارهای جدید بازدید YouTube، داده‌های تحلیلی که باید به جای معیارهای قدیمی ردیابی کنید، و نحوه بهینه‌سازی ویدیوها، فصل‌ها و Shorts برای جستجو و کشف هوش مصنوعی را خواهید آموخت.

    اکنون معیار بازدید YouTube به نمایش نزدیک‌تر شده است. اگر کسی یک ویدیوی طولانی را پیمایش کند و آن به طور خودکار برای کسری از ثانیه پخش شود، YouTube آن را به عنوان یک بازدید حساب می‌کند. آنچه YouTube قبلاً بازدید می‌نامید، اکنون بازدید تعاملی نامیده می‌شود، به این معنی که فرد علاقه خاصی به ویدیو نشان داده است، نه اینکه فقط آن را پیمایش کرده باشد.

    YouTube در حال تغییر قوانین بازی است: آنچه بازاریابان باید بدانند

    تکامل معیارها: YouTube در حال رسیدن به رقبا است

    به گفته جاستین براون، این تغییر تلاشی از سوی YouTube برای رسیدن به سایر پلتفرم‌ها است. برای مدت طولانی، سازندگانی که یک ویدیو را در چندین پلتفرم منتشر می‌کردند، متوجه می‌شدند که YouTube بازدیدهای کمتری نسبت به TikTok یا Facebook گزارش می‌دهد، زیرا پلتفرم‌ها بازدیدها را به روش‌های مختلفی شمارش می‌کنند. در برخی پلتفرم‌ها، پیمایش یک ویدیو برای سال‌ها به عنوان یک بازدید محسوب می‌شد.

    در سیستم قدیمی، YouTube هرگز تعریف دقیقی از بازدید منتشر نکرد. شایعات آستانه 30 ثانیه را به آن نسبت می‌دادند، اما جاستین ادعا می‌کند که این هرگز معیار خوبی نبوده است، زیرا برای ویدیوهای کوتاه کار نمی‌کرد. بازدید به سادگی به معنای کسی است که به اندازه کافی یک ویدیو را تماشا کرده است تا آن را معنادار تلقی کند، که می‌تواند به معنای چند ثانیه در یک ویدیو و بخش عمده‌ای از ویدیوی دیگر باشد.

    YouTube همچنین توضیح نداده است که بازدید تعاملی چیست، و جاستین مشکوک است که این پلتفرم عمداً تعریف را مبهم نگه داشته است. گوگل مالک مرورگر وب، سیستم‌عامل‌ها، کروم‌بوک‌ها و تلفن‌های اندروید است، بنابراین می‌تواند از سیگنال‌هایی مانند اینکه آیا تب مرورگر باز است یا اینکه آیا فرد ویدیوی قبلی را تماشا کرده و به احتمال زیاد ویدیوی بعدی را هنگام پخش خودکار تماشا خواهد کرد، استفاده کند.

    جاستین معتقد است که این سیگنال‌های رفتاری اکنون وزن بیشتری نسبت به درصد تماشای ویدیو دارند. بهترین حدس او این است که تماشای درگیرانه به طول ویدیو بستگی دارد و با چند ثانیه شروع می‌شود – به اندازه‌ای که یک فرد تصمیم بگیرد که آیا ویدیو برای او مناسب است یا خیر. از اینجا، امتیاز باید به آنچه در ادامه اتفاق می‌افتد بستگی داشته باشد: بیننده‌ای که بلافاصله ترک می‌کند، احتمالاً نباید حساب شود، در حالی که کسی که می‌ماند، باید حساب شود.

    پخش خودکار و تأثیر آن بر درگیری

    پخش خودکار نیز نحوه تماشای ویدیوها را تغییر می‌دهد. ویدیوهایی که قبلاً به صورت خودکار پخش نمی‌شدند، اکنون در تلویزیون، موبایل و دسکتاپ پخش می‌شوند. جاستین خود را در حال تماشای ویدیوهایی در برنامه موبایل می‌دید که هرگز روی آنها کلیک نکرده بود، زیرا با اسکرول کردن فید شروع به پخش می‌کردند.

    یوتیوب اکنون این پیش‌نمایش‌ها را از ابتدای ویدیو پخش می‌کند و اگر او فید را اسکرول کند و برگردد، پخش از جایی که متوقف شده بود از سر گرفته می‌شود. از آنجایی که الگوریتم یوتیوب رفتار و ترجیحات بیننده را درک می‌کند، جاستین می‌بیند که این تجربه پخش خودکار منجر به تماشای درگیرانه بیشتر می‌شود، نه فقط بازدید.

    در کانال Primal Video، تعداد بازدیدها در روزی که تغییرات اعمال شد، به طور قابل توجهی افزایش یافت و خط پایه اکنون بالاتر است. ویدیویی که برای جستجو بدون عنوان کلیک‌بیت بهینه شده بود، قبلاً در 24 ساعت اول چند هزار بازدید دریافت می‌کرد. اکنون این عدد نزدیک به 5000-7000 بازدید است. در مقابل، تماشای درگیرانه تقریباً در همان سطح یا کمی بالاتر است.

    جاستین نرخ بازدید بالاتر را به عنوان یک خط پایه جدید می‌بیند، نه یک افزایش عملکرد، زیرا ردیابی‌های داخلی که کسب‌وکار او به آنها متکی است، تقریباً بدون تغییر باقی مانده‌اند. پیاده‌سازی نیز ناهموار به نظر می‌رسد. جاستین نرخ بازدید متفاوتی را در دسکتاپ نسبت به برنامه موبایل می‌بیند، به ویژه برای پخش زنده، که به گفته او، برای نحوه پیاده‌سازی تغییرات توسط یوتیوب معمول است.

    متریک‌های کلیدی برای کسب‌وکار: فقط بازدیدها نیستند

    برای یک کسب‌وکار، مهمترین متریک یوتیوب، متریکی است که به هدف ویدیو گره خورده است. جاستین می‌گوید که بازدیدها تنها بخش کوچکی هستند. قبل از ارزیابی یک ویدیو، او توصیه می‌کند که تصمیم بگیرید آیا هدف آن ساخت مخاطب، افزایش لیست ایمیل یا افزایش فروش است. برای شرکت‌هایی که یک برند می‌سازند، هدف تولید سرنخ، فروش و مشتری است و جاستین از این نقطه شروع می‌کند.

    بازدیدها خوب هستند، اما به خودی خود چیز زیادی در مورد نتایج کسب‌وکار نمی‌گویند. در میان داده‌های تحلیلی یوتیوب موجود، تماشای درگیرانه (معادل تعداد بازدیدهای قدیمی)، زمان تماشا و نرخ کلیک تصویر واضح‌تری از اینکه آیا افراد مناسب کلیک می‌کنند و تماشا می‌کنند، ارائه می‌دهند.

    جاستین معتقد است که هر معیاری ارزش توجه دارد، اما می‌گوید که هر یک باید به صورت موردی در نظر گرفته شود. مقایسه میانگین مدت زمان تماشا زمانی کار می‌کند که ویدیوها مشابه باشند، مانند یک سری تکراری. در کانالی مانند Primal Video، که ویدیوی یک هفته در مورد نرم‌افزار ویرایش است و هفته بعد در مورد فیلمبرداری با آیفون، مدت زمان تماشای طولانی‌تر یک ویدیو به این معنی نیست که بینندگان از آن سود بیشتری برده‌اند. بیننده‌ای که ویدیویی را برای مدت زمان کمتری تماشا کرده است، ممکن است دقیقاً آنچه را که نیاز داشته است به دست آورده باشد، مشکل خود را حل کرده باشد و به یک بیننده وفادار و بازگشتی تبدیل شده باشد.

    تجزیه و تحلیل عملکرد: تمرکز بر ناهنجاری‌ها

    به جای ساعت‌ها نشستن در تجزیه و تحلیل YouTube، جاستین توصیه می‌کند که یک تجزیه و تحلیل آینده‌نگر و مبتنی بر ناهنجاری انجام دهید. او پربازده‌ترین و کم‌بازده‌ترین ویدیوها را در یک دوره زمانی مشخص می‌کند، چه بر اساس بازدیدهای درگیر، بازدیدها یا زمان تماشا، و سپس نمودارهای حفظ مخاطب آنها را مقایسه می‌کند تا ببیند مردم کجا از تماشا دست می‌کشند.

    ویدیویی که عملکرد ضعیفی داشته است، ممکن است بخش زیادی از بینندگان خود را در ابتدا از دست داده باشد، در حالی که افرادی که باقی مانده‌اند، بقیه را تماشا کرده‌اند. این الگو به یکی از دو مشکل اشاره دارد: یک قلاب ضعیف یا YouTube ویدیو را به مخاطبان اشتباهی نشان می‌دهد که روی آن کلیک کرده و بلافاصله آن را ترک کرده‌اند. هیچ معیاری عملکرد را به تنهایی توضیح نمی‌دهد، بنابراین جاستین میانگین مدت زمان تماشا، زمان تماشا و حفظ مخاطب را با هم در نظر می‌گیرد تا بفهمد چه اتفاقی برای افرادی که بیش از 30 ثانیه اول را تماشا می‌کنند، می‌افتد.

    نحوه عملکرد اولیه یک ویدیو نشان‌دهنده نحوه عملکرد آن در طول زمان نیست، به خصوص برای کانال‌هایی که بر جستجوی YouTube تمرکز دارند. Primal Video در روز اول یا هفته اول، حتی با توجه به اندازه کانال خود، اعداد بزرگی دریافت نمی‌کند. با گذشت زمان، ویدیوها در جستجوی YouTube و به طور فزاینده‌ای در ترافیک هدایت شده توسط هوش مصنوعی قرار می‌گیرند و سپس شروع به «گلوله برفی» می‌کنند. برخی از بزرگترین ویدیوهای کانال در هنگام راه‌اندازی شکست خوردند.

    به همین دلیل، جاستین معمولاً یک ویدیوی کم‌بازده را به حال خود رها می‌کند و به سراغ ویدیوی بعدی می‌رود. ویرایش مجدد نیز پرخطرتر شده است. تیم Primal Video قبلاً چندین «قلاب» را فیلمبرداری می‌کردند، ویدیو را منتشر می‌کردند و از ویرایشگر YouTube برای بریدن نسخه‌هایی که کار نمی‌کردند، با امکان بازیابی آنها در آینده استفاده می‌کردند. اکنون تغییرات در یک ویدیوی منتشر شده فقط می‌تواند فیلم را حذف کند. هیچ چیز را نمی‌توان دوباره اضافه کرد و پس از ذخیره ویرایش، نمی‌توان آن را لغو کرد.

    YouTube: چگونه الگوریتم را فریب دهیم و 100 بازدید منحصر به فرد دریافت کنیم — illustration 2
    • نکته حرفه‌ای: ویرایشگر YouTube هنوز هم می‌تواند برای آزمایش یک مقدمه طولانی‌تر استفاده شود. رویکرد جاستین این است که ویدیویی را با یک بخش گسترده منتشر کند و اگر کار نکرد، آن را با یک برش تمیز کوتاه کند. جاستین می‌گوید که بینندگانی که محتوای رایگان تماشا می‌کنند، به ندرت متوجه یک برش ناگهانی یا پرش در موسیقی می‌شوند.

بازدیدهای مشترک: یک معیار جدید یا فقط یک تخمین؟

یوتیوب همچنین معیاری به نام «بازدیدهای (مشترک)» را اضافه کرده است که تخمین می‌زند چه زمانی بیش از یک نفر ویدیو را با هم تماشا می‌کنند، مانند خانواده‌ای که در اتاق نشیمن تلویزیون تماشا می‌کنند. یوتیوب این تخمین را بر اساس عواملی مانند جمعیت‌شناسی، ژانر ویدیو و زمان روز انجام می‌دهد.

جاستین توصیه نمی‌کند که محتوا را برای تشویق به تماشای گروهی تغییر دهید، مانند درخواست از بینندگان برای دعوت از یک دوست یا همسر. از هر چیزی که او دیده است، این معیار هنوز یک تخمین از سوی یوتیوب است و حساب‌های مشترک خانوادگی در تلویزیون‌ها از قبل داده‌ها را منحرف کرده‌اند. تا زمانی که یوتیوب راه قابل اعتمادتری برای ردیابی بازدیدهای مشترک پیدا نکند، او آن را اهرم معنی‌داری برای استراتژی محتوا نمی‌داند.

ارزش داده‌های بازدیدهای مشترک در معاملات برند و حمایت مالی است، زیرا می‌تواند نشان دهد که دسترسی یک سازنده بیشتر از آن چیزی است که فقط تعداد بازدیدها نشان می‌دهد، به خصوص برای محتوای خانوادگی. جاستین انتظار دارد که نسبت بازدید به بازدیدهای درگیر شده به معیاری تبدیل شود که سازندگان آن را مقایسه می‌کنند و جایگزین مقایسه سنتی نمایش‌ها با نرخ کلیک می‌شود. از آنجایی که معیار بازدید بسیار جدید است، هنوز برای تعیین معیارهای اولیه زود است.

بسته‌بندی محتوا: بسته‌بندی همه چیز است

اما تبدیل یک بازدید به یک بازدید درگیر شده هنوز به بسته‌بندی بستگی دارد: عنوان، تصویر کوچک و به خصوص شروع ویدیو. وقتی ویدیو به صورت خودکار پخش می‌شود، تصویر کوچک اهمیت کمتری دارد، زیرا ممکن است بیننده هرگز آن را نبیند. آنچه در چند ثانیه اول اتفاق می‌افتد اهمیت بیشتری دارد. این کاملاً جدید نیست.

هنگامی که یوتیوب برای اولین بار پخش خودکار در فید را معرفی کرد، تیم Primal Video متوجه شد که مردم بدون صدا و بدون کلیک روی ویدیو تماشا می‌کنند – رفتاری که جاستین آن را «تلویزیون دستشویی» می‌نامد. پاسخ جاستین این بود که در ابتدای هر ویدیو متنی را روی صفحه قرار دهد که توضیح دهد ویدیو در مورد چیست. این زیرنویس‌های پنهان نیستند که بینندگان می‌توانند آن‌ها را روشن یا خاموش کنند. این یک عنوان است که در ویدیو تعبیه شده است، مانند «بهترین نرم‌افزار ویرایش مک 2026»، تا هر کسی که پخش خودکار ویدیو را می‌بیند، دقیقاً بداند که در مورد چیست، حتی اگر هرگز تصویر کوچک یا عنوان را ندیده باشد.

متن در حدود 3 ثانیه اول ظاهر می‌شود، زمانی که عمل روی صفحه شروع می‌شود و وعده ویدیو را بیان می‌کند: نتیجه یا تحولی که بیننده تجربه خواهد کرد. جاستین می‌گوید که این امر تأثیر قابل توجهی بر Primal Video داشت، زمانی که پخش خودکار راه‌اندازی شد، زیرا بینندگان را به حالت درگیر شده منتقل کرد. «سر سخنگو» بدون متن روی صفحه، درک اینکه ویدیو در مورد چیست را برای بیننده بی‌صدا دشوار می‌کند.

  • نکته حرفه‌ای: متن عنوان روی صفحه نیازی به ویرایشگر ویدیوی تخصصی ندارد. جاستین آن را به عنوان متن ساده روی صفحه توصیف می‌کند که وعده ویدیو را اعلام می‌کند و هر ویرایشگری می‌تواند آن را اضافه کند.

Ask YouTube و جستجوی هوش مصنوعی: عصر جدید کشف محتوا

YouTube در حال معرفی قابلیتی به نام Ask YouTube است که از تلویزیون شروع شده و به موبایل و دسکتاپ گسترش می‌یابد. این قابلیت به کاربران امکان می‌دهد تا با YouTube گفتگو کنند تا موضوعات پیچیده‌ای را فراتر از جستجوی سنتی کلمات کلیدی کاوش کنند و پاسخ‌ها می‌توانند شامل متن و همچنین ویدیوهای مرتبط، Shorts و کلیپ‌های ویدیویی باشند. YouTube ادعا می‌کند که سازندگان می‌توانند با ادامه تولید محتوای منحصر به فرد و با کیفیت بالا و افزودن فصل‌های ویدیویی واضح و عناوین توصیفی، شانس خود را برای ظاهر شدن در نتایج Ask YouTube بهبود بخشند.

جاستین Ask YouTube را به عنوان بخشی از یک تغییر گسترده‌تر می‌بیند. مردم انتظار دارند سریع‌تر به نتیجه برسند، چه بخواهند چیزی یاد بگیرند یا سرگرم شوند، و ابزارهای هوش مصنوعی این انتظارات را افزایش داده‌اند. او انتظار دارد که بینندگان به طور فزاینده‌ای به بخش‌های خاصی از ویدیوها بروند به جای اینکه کل ویدیو را تماشا کنند. امید این است که یک کلیپ کوتاه یا خلاصه، بینندگان را تشویق کند تا ویدیوی کامل را تماشا کنند، همانطور که قطعه‌های جستجوی گوگل به برخی از جستجوگران در محل کمک می‌کنند، در حالی که ترافیک را به ویدیو هدایت می‌کنند.

جستجوی هوش مصنوعی در حال حاضر منبع قابل توجهی از ترافیک برای Primal Video است. منبع شماره یک ترافیک برای کانال، جستجوی YouTube است و دومین منبع، جستجوی گوگل است، از افرادی که هرگز در YouTube شروع نکرده‌اند. سومین و سریع‌ترین رشد، ابزارهای هوش مصنوعی هستند. ChatGPT و Claude بینندگان را به ویدیوهای Primal Video در YouTube می‌فرستند و کانال به طور منظم نظراتی از افرادی دریافت می‌کند که می‌گویند ChatGPT آنها را به آنجا فرستاده است.

SEO برای هوش مصنوعی: آنچه اکنون کار می‌کند

تحقیق کلمات کلیدی از بین نرفته است. Primal Video هنوز به حجم جستجو نگاه می‌کند تا قبل از ساخت ویدیو، تقاضا را ارزیابی کند، نه اینکه فقط منتشر کند و امیدوار باشد. اما ترتیب کلمات کلیدی اهمیت کمتری نسبت به قبل دارد. YouTube مدت‌هاست که آنچه در ویدیوها گفته می‌شود را رونویسی می‌کند و اکنون هوش مصنوعی به آن امکان می‌دهد تا بفهمد واقعاً در ویدیو چه اتفاقی می‌افتد. هرچه ویدیو بیشتر پخش شود، YouTube از زمان تماشا بیشتر یاد می‌گیرد که کدام بخش‌ها برای بینندگان جذاب است و جاستین انتظار دارد که YouTube بینندگان را به آن بخش‌ها هدایت کند.

این بدان معناست که بهینه‌سازی YouTube اکنون به تجربه بیننده بستگی دارد. جاستین بر آنچه بینندگان می‌خواهند، آنچه آنها در گوگل یا YouTube برای یافتن یک ویدیو وارد می‌کنند، و آنچه توجه آنها را جلب می‌کند، حتی اگر به دنبال آن نباشند، تمرکز می‌کند.

از آنجایی که پاسخ‌های سریع به طور فزاینده‌ای از هوش مصنوعی می‌آیند، جاستین معتقد است که بخشی از ویدیو که هوش مصنوعی نمی‌تواند جایگزین کند، بخش انسانی است. بیننده ممکن است اندازه بنر یا تنظیمات را از هوش مصنوعی دریافت کند، اما او می‌خواهد بشنود که یک فرد خاص چگونه به آن نزدیک می‌شود، آن فرد چه انتخاب‌هایی می‌کند و چرا. با به اشتراک گذاشتن نظرات، تجربیات، باورها و چارچوب‌ها، شما به بینندگان چیزی می‌دهید که هیچ کس دیگری نمی‌تواند ارائه دهد. جاستین می‌گوید که مردم قبلاً از محتوای هوش مصنوعی «خسته» شده‌اند و به محض شنیدن صدای هوش مصنوعی آن را ترک می‌کنند، بنابراین او انتظار دارد که محتوای تولید شده توسط انسان ارزشمندتر شود، نه کمتر.

Primal Video با فصل‌ها همان‌طور رفتار می‌کند که قبلاً با سرفصل‌ها رفتار می‌کرد. برای هر فصل، تیم از خود می‌پرسد که اگر این بخش یک ویدیوی جداگانه بود، افراد برای یافتن آن چه چیزی را تایپ می‌کردند، کلمات کلیدی و حجم جستجو را بررسی می‌کند و فصل را بر اساس آن نام‌گذاری می‌کند. برچسب‌های زمانی و نشانگرهای فصل در توضیحات ویدیو، مکانی برای بهینه‌سازی هم برای جستجوی YouTube و هم برای Google باقی می‌مانند و هر یک یک پیوند مستقیم به آن لحظه در ویدیو هستند.

به جای نوشتن عناوین فصل‌ها به عنوان «قلاب‌هایی» که به آنچه در ادامه می‌آید اشاره می‌کنند، جاستین عناوینی را توصیه می‌کند که نشان می‌دهند هر بخش واقعاً چه چیزی را پوشش می‌دهد. برای ویدیویی درباره پنج چیزی که هوش مصنوعی در ویرایش خوب عمل می‌کند، هر فصل به یک چیز خاص اشاره می‌کند. افشای پاسخ در برچسب‌های زمانی به YouTube کمک می‌کند تا آن بخش را نمایش دهد، به ابزارهای هوش مصنوعی مانند ChatGPT مسیری مستقیم به پاسخ می‌دهد و از پنهان شدن آن در یک عنوان مرموز که ممکن است بینندگان روی آن کلیک کنند یا نکنند، جلوگیری می‌کند.

جاستین فصل‌های بهینه‌سازی شده برای جستجو را به عنوان «نخ‌های ماهیگیری» اضافی می‌بیند که به بینندگان کمک می‌کند محتوا را پیدا کنند. این رویکرد برای کانال‌هایی که برای جستجو ساخته شده‌اند، مناسب است. Primal Video آموزش می‌دهد، نه سرگرم می‌کند، بنابراین به جای رقابت با سازندگان محتوای سرگرمی مانند MrBeast برای جایگاهی در صفحه اصلی، هدف آن این است که وقتی کسی مشکل خاصی دارد، در صدر ظاهر شود. او همین فرصت را برای اکثر صاحبان مشاغل می‌بیند که می‌توانند نظرات خود را به اشتراک بگذارند و درباره محصولات خود صحبت کنند، بدون اینکه برای بازدیدهای سرگرمی رقابت کنند.

ابزارهای هوش مصنوعی بهینه‌سازی فصل‌ها را بسیار سریع‌تر از انجام دستی آن می‌کنند. جاستین به vidIQ اشاره می‌کند که ابزارهای هوش مصنوعی آن عناوین و نشانگرهای فصل را بر اساس حجم جستجو تولید می‌کنند. تیم Primal Video vidIQ را از طریق اتصال MCP به دستیار هوش مصنوعی خود متصل کرده است. پس از اتمام ویدیو، تیم فایل زیرنویس VTT یا SRT را که شامل زمان‌بندی برای همه گفته‌ها است، آپلود می‌کند و از هوش مصنوعی می‌خواهد فصل‌ها را بر اساس عبارات کلیدی اطراف هر بخش تولید کند، در حالی که عناوین را خوانا نگه می‌دارد.

  • استنادهای رایگان هوش مصنوعی دوام نخواهند آورد: چگونه گوگل زمین باز را محصور می‌کند

    استنادهای رایگان هوش مصنوعی دوام نخواهند آورد: چگونه گوگل زمین باز را محصور می‌کند

    استنادهای رایگان هوش مصنوعی دوام زیادی نخواهند داشت: چگونه گوگل زمین باز را محصور می‌کند

    استنادهای هوش مصنوعی هنوز از طریق محتوا و روابط عمومی قابل دسترسی هستند، اما به گفته یک کهنه‌کار سئو، این پنجره به سرعت در حال بسته شدن است. «بخش ارزان‌قیمت در حال بسته شدن است،» شین تپر، هم‌بنیانگذار Resonate Labs به من گفت. «دوره‌ای که می‌توانستی با کار، نه با بودجه، یک جایگاه را به دست بیاوری.»

    مستقیماً از او پرسیدم: همه از بسته شدن پنجره صحبت می‌کنند، اما سطح جستجوی هوش مصنوعی در حال گسترش است – تعداد بیشتری از پرس‌وجوها از ChatGPT و Perplexity پاسخ دریافت می‌کنند، تعداد بیشتری از پاسخ‌ها حاوی استنادهای قابل کلیک هستند. پس دقیقاً چه چیزی در حال بسته شدن است؟ پاسخ او مرا به گذشته فرستاد، به این‌که چگونه زمین باز قبلاً محصور می‌شد.

    از سال 2003 تا 2025، من رئیس SEO-PR بودم. شهرت اولیه ما بر اساس تاکتیک «SEO PR» بنا شده بود: یک بیانیه مطبوعاتی بهینه‌شده از طریق سرویس wire سه مزیت همزمان داشت – افزایش مستقیم رتبه از متن لنگر با کلمات کلیدی، ترافیک ارجاعی و لینک‌هایی از روزنامه‌نگاران. جستجوی هوش مصنوعی نیز از همان الگو پیروی می‌کند، فقط سریع‌تر. تپر ادعا می‌کند که محصورسازی قبلاً شروع شده است. برندهایی که قبل از تکمیل آن جای خود را محکم کنند، در زمین باقی خواهند ماند.

    پنجره یک تاریخ نیست، بلکه یک مسابقه با رقبا است

    تپر به ممیزی Fuel Online اشاره کرد: 1000 دامنه شرکتی، 62٪ از نظر فنی برای مدل‌های هوش مصنوعی نامرئی هستند. اگر از این برندها یک سؤال ساده درباره دسته‌بندی‌شان بپرسید، مدل‌ها در 81٪ موارد به آنها اشاره نمی‌کنند. این اندازه زمین باز است – اکثریت هنوز نیامده‌اند.

    چیزی که پنجره را می‌بندد سرعت است، نه کمبود. داده‌های Profound: میانگین زمان تا اولین استناد محتوای جدید 6.81 روز است. منتشر کردی، ایندکس گرفتی، استناد – همه در یک هفته. تنها چیزی که مانع از دریافت استناد یک برند می‌شود سرعت است. «پنجره زمانی بسته می‌شود که رقبا بیدار شوند،» تپر می‌گوید. در دسته‌بندی‌های شلوغ B2B، تایمر در حال تیک‌زدن است.

    جهش 7 می پایدار است و به وضوح بر اساس دسته‌بندی تقسیم می‌شود

    من به جهش 157.7٪ی ترافیک ارجاعی ChatGPT در 7 می اشاره کردم و پرسیدم آیا این یک موج بود؟ نه. Similarweb آن را یک سطح پایه جدید نامید و Profound یک جهش ساختاری (دو برابر شدن) را در تمام سبدهای برند ردیابی کرد. سه روش مختلف اندازه‌گیری به تغییراتی در محصول OpenAI در آن روز اشاره دارند، اگرچه شرکت آنها را اعلام نکرد.

    تقسیم‌بندی بر اساس دسته‌بندی:

    • نرم‌افزار B2B و SaaS – رشد بیش از 200٪ از سطح پایه 7 می
    • خدمات مالی و فین‌تک – +60٪
    • تجارت الکترونیک و خرده‌فروشی تقریباً بدون تغییر – توصیه‌های محصول از طریق سطح تجاری ChatGPT انجام می‌شود، نه از طریق جریان لینک‌های برند

    دسته‌بندی‌هایی که در آنها ChatGPT یک شرکت را توصیه می‌کند برنده شدند؛ جایی که محصول را توصیه می‌کند، نه.

    OpenAI و Perplexity شرط‌های متضادی می‌بندند – و هر دو منطقی هستند

    سیگنال مهم‌تر: در همان هفته‌ای که OpenAI تبلیغات self-serve را باز کرد، شروع به نمایش لینک‌های برند قابل کلیک کرد (7 می). جاسازی URL برندها و ردیابی کلیک‌ها – این داده‌هایی هستند که برای آموزش سیستم تبلیغاتی لازم است.

    پلتفرم‌ها هنوز بر روی یک مدل واحد برای کسب درآمد از پاسخ‌های هوش مصنوعی به توافق نرسیده‌اند، اما آن‌که کاربران بیشتری دارد، در حال ساخت زیرساختی است که بر اساس رفتار کلیک ارگانیک ناشی از استنادها کار می‌کند. نادیده گرفتن این موضوع ریسک‌آور است.

    «اعتبار هوش مصنوعی» — نه لینک‌ها، بلکه فراوانی ذکرها

    از تپر خواستم «اعتبار هوش مصنوعی» را مشخص کند. پاسخ او: این فراوانی است که مدل شما را پیدا می‌کند، به شما اعتماد می‌کند و شما را به‌عنوان منبعی به‌روز برای ذکر در پاسخ به سؤالات خریداران می‌خواند. این پدیده داده‌های آموزشی نیست، زیرا موتورهای تحقیق فروشندگان اطلاعات را به‌صورت زنده استخراج می‌کنند.

    تحلیل Muck Rack (25 میلیون لینک استنادشده توسط هوش مصنوعی) نشان داد: قوی‌ترین پیش‌بینی‌کننده، بک‌لینک‌ها نیستند، بلکه ذکرها در رسانه‌ها هستند (84٪ استنادها در مقابل 0.3٪ از قراردادهای پولی). نباید اندازه‌گیری کرد که «آیا یک بار ظاهر شده‌ایم». تپر اشاره کرد: احتمال دریافت یک توصیه هوش مصنوعی یکسان دو بار برای یک پرسوجر — کمتر از 1٪ است. یک نتیجه، نویز است.

    راه‌حل: به‌طور منظم مجموعه‌ای پایدار از پرس‌وجوهای واقعی خریداران را در ChatGPT، Perplexity و Google AI اجرا کنید و سهم صدا را بر اساس ذکرهای برند در متن پاسخ ردیابی کنید.

    آیا این به همان شکلی که دید ارگانیک گوگل فروپاشید، فرو خواهد ریخت؟ احتمالاً تا حدی

    متخصصان سئو زخم‌هایی به‌جا گذاشته‌اند: سال‌ها ارگانیک ساختند و بعد تبلیغات و AI Overviews از آن کاستند. پرسیدم چرا استنادهای هوش مصنوعی باید متفاوت باشند. «احتمالاً تا حدی فرو می‌ریزند،» تپر پاسخ داد. «تبلیغات در حال حاضر در حدود یک‌چهارم نتایج AI Overviews ظاهر می‌شوند، در حالی که یک سال پیش حدود 5٪ بود.»

    Бесплатные AI-цитирования не продержатся долго: как Google огораживает открытое поле — illustration 2

    همین حالا چه باید کرد

    توصیه تپر نیازی به بودجه ندارد.

    اول: خودتان یک ممیزی انجام دهید

    15-20 سؤال بنویسید که یک خریدار واقعی در چت‌بات وارد کند (مقایسه‌ها، «بهترین X برای Y»، «چگونه انتخاب کنیم») و آن‌ها را در ChatGPT، Perplexity و Google AI Mode بپرسید. علامت بزنید کجا شما ظاهر می‌شوید، کجا رقیب، و کجا میدان خالی است. این یک روز وقت می‌گیرد و موقعیت شروع واقعی شما را نشان می‌دهد.

    دوم: به دنبال ذکرها باشید، نه لینک‌ها

    از آنجا که بیشتر تغییرات در پاسخ‌های هوش مصنوعی ناشی از ذکرهاست، نه بک‌لینک‌ها، مؤثرترین حرکت این است که در مقالات مقایسه‌ای شخص ثالث، نقدها و خلاصه‌های دسته‌بندی که مدل‌ها اطلاعات را از آن استخراج می‌کنند، قرار بگیرید.

    سوم: امروز robots.txt را بررسی کنید

    بسیاری از برندها به‌طور فنی نامرئی هستند، زیرا به‌طور تصادفی GPTBot، ClaudeBot یا PerplexityBot را مسدود می‌کنند. رفع آن — 10 دقیقه، رایگان.

    یک عدد که باید با احتیاط به آن نگاه کرد

    پیش‌بینی eMarketer: هزینه‌های تبلیغات جستجوی هوش مصنوعی در ایالات متحده از حدود 1 میلیارد دلار در سال 2025 به 2.08 میلیارد دلار در امسال و تا 25.9 میلیارد دلار تا سال 2029 (13.6٪ از کل هزینه‌های تبلیغات جستجو) افزایش خواهد یافت. این یک عدد واقعی از یک منبع معتبر است، اما این یک پیش‌بینی مبتنی بر فرضیات درباره پذیرش پلتفرم‌ها و قالب‌های تبلیغات قابل خرید است.

    تحلیل‌گران eMarketer اشاره می‌کنند: اگر پاسخ‌های هوش مصنوعی به سرکوب کلیک‌ها ادامه دهند، تبلیغات ممکن است ترافیک مورد انتظار را ایجاد نکنند و گوگل ممکن است کسب درآمد را تا روشن شدن اقتصاد کند کند. Truist درآمد OpenAI از تبلیغات را 30 میلیارد دلار تا سال 2030 پیش‌بینی می‌کند. 26 میلیارد دلار را به‌عنوان یک میانه قابل قبول در نظر بگیرید، نه یک واقعیت ثابت.

    سوالات متداول

    AI-استناد چیست؟

    این به معنای ذکر برند یا لینک به آن در پاسخ یک مدل هوش مصنوعی (مانند ChatGPT، Perplexity) به درخواست کاربر است.

    چرا پنجره AI-استناد بسته می‌شود؟

    زیرا پلتفرم‌ها شروع به کسب درآمد از ترافیک می‌کنند، با معرفی تبلیغات و محدود کردن ذکرهای ارگانیک. رقبا نیز فعال‌تر می‌شوند.

    چگونه دید AI برند را اندازه‌گیری کنیم؟

    به طور منظم ۱۵-۲۰ درخواست واقعی مشتریان را در ChatGPT، Perplexity و Google AI Mode بپرسید. سهم صدا را پیگیری کنید — درصد پاسخ‌هایی که برند شما در آنها ذکر شده است.

    کدام ارزان‌تر است: بنر یا AI-استناد؟

    AI-استناد از طریق محتوا و روابط عمومی ممکن است ارزان‌تر باشد، اگر مایل باشید زمان خود را برای ایجاد محتوای با کیفیت و کسب ذکرهای رسانه‌ای سرمایه‌گذاری کنید. اما با بسته شدن پنجره، هزینه افزایش خواهد یافت.

    نتیجه‌گیری

    من دیده‌ام که چگونه یک زمین باز قبلاً محصور شد. Google در ۳۰ ژوئیه ۲۰۱۳ هشدار نداد — فقط صفحه توصیه‌ها را به‌روزرسانی کرد و متن لنگر بهینه‌شده در بیانیه‌های مطبوعاتی دیگر کار نکرد. کسانی که بعداً برنده شدند، شکایت نکردند، بلکه چیزی ساختند که حصار نمی‌توانست از بین ببرد: روابط ارجاعی، ارتباط با روزنامه‌نگاران، نتایج برای مشتریان.

    داده‌های Tepper نشان می‌دهد که اکثر برندها هنوز زمان دارند تا چیزی محکم قبل از بسته شدن این پنجره بسازند. اما پنجره اندازه دارد، نه شکل، و هر هفته کوچک‌تر می‌شود در حالی که رقیب سریع‌تر از شما عمل می‌کند.

    از امروز شروع کنید: robots.txt را بررسی کنید، ۱۵ درخواست بنویسید، یک ممیزی اجرا کنید. زمان تنها منبع شماست که نمی‌توان آن را خرید.