سئو برای ChatGPT؛ چطور سایت شما در پاسخ هوش مصنوعی دیده شود
یکی از مشتریهای ما پارسال متوجه شد ترافیک ارگانیکش ثابت مانده اما تعداد تماسها بالا رفته؛ وقتی از تماسگیرندهها پرسید از کجا پیدایمان کردید، چند نفر گفتند «از ChatGPT پرسیدم». این دقیقاً همان اتفاقی است که آژانسهای سئو در ایران هفتهای چند بار دربارهٔ آن سؤال میشوند و تقریباً هیچ منبع فارسی جدیای برایش وجود ندارد. اسم این حوزه را GEO یا بهینهسازی برای موتورهای مولد گذاشتهاند و در ادامه سعی میکنیم بدون بزرگنمایی بگوییم چه چیزی از آن معلوم است و چه چیزی هنوز نیست.
یک صداقت لازم از همین ابتدا: این رشته جوان است. برخلاف سئوی کلاسیک که دو دهه داده و آزمایش پشتش است، اینجا با رفتار سامانههایی روبهرو هستیم که مستند نیستند، مرتب تغییر میکنند و هیچکس بیرونشان نمیداند دقیقاً چطور یک منبع را انتخاب میکنند. هر کسی که فرمول قطعی به شما بدهد، دارد حدس خودش را بهجای واقعیت میفروشد.
دستیارها منبعشان را از کجا برمیدارند؟
سه مسیر کاملاً متفاوت وجود دارد و خلط کردنشان بیشترین سوءتفاهم را میسازد:
- دانش داخلی مدل: چیزی که در زمان آموزش دیده است. اینجا هیچ لینکی نمایش داده نمیشود، تاریخ قطع دانش وجود دارد و شما عملاً کنترلی روی آن ندارید جز اینکه در سطح وب بهقدر کافی دربارهٔ برندتان نوشته شده باشد.
- جستجوی زنده هنگام پاسخ: وقتی سؤال تازه است، دستیار یک جستجو انجام میدهد، چند صفحه را میخواند و از رویشان جواب میسازد. اینجاست که ارجاع و لینک ظاهر میشود و بیشترین فرصت شما همین است.
- مرور صفحهٔ مشخص: کاربر خودش لینکی میدهد و میخواهد خلاصه شود.
مسیر دوم مهمترین است و نکتهٔ کلیدیاش این است که در بیشتر موارد، فهرست نامزدها از یک ایندکس جستجو میآید. یعنی سئوی کلاسیک پیشنیاز است، نه رقیب. اگر صفحهٔ شما در نتایج جستجو نیست، در پاسخ هوش مصنوعی هم نخواهد بود. تفاوت اینجاست که بعد از انتخاب نامزدها، مدل بین چند صفحه یکی را برای نقلقول برمیدارد و معیارهای این انتخاب با معیارهای رتبهبندی یکی نیست.
یک تفاوت رفتاری هم هست که کمتر به آن توجه میشود: کاربر در گوگل کلیدواژه تایپ میکند و در دستیار جمله مینویسد. سؤالها بلندتر، محاورهایتر و پر از شرط و زمینهاند؛ چیزی شبیه «برای فروشگاه اینترنتی کوچک با پنجاه محصول کدام روش بهتر است». یعنی دم بلند کلیدواژهها اینجا اهمیت بیشتری پیدا میکند و صفحهای که موقعیتهای مشخص را نام برده و برای هرکدام جواب جدا داده، بیشتر از صفحهای که فقط تعریف کلی نوشته، شانس نقل شدن دارد. هر دستیار هم رفتار متفاوتی دارد؛ تفاوتهای کلی این سرویسها را در مقایسه ChatGPT و Gemini نوشتهایم.
خزندهها را بشناسید و تصادفی نبندید
بخشی از سایتهای ایرانی بدون اینکه بدانند، خزندههای دستیارها را بلاک کردهاند؛ یا در robots.txt، یا با قوانین سختگیرانهٔ فایروال و ضدربات. تفکیک اینها لازم است چون کارکردشان یکی نیست:
| خزنده | کارش چیست | بستنش یعنی چه |
|---|---|---|
| GPTBot | جمعآوری داده برای آموزش مدل | محتوای شما وارد دانش مدل نمیشود؛ روی نمایش در پاسخ زنده اثر مستقیم ندارد |
| OAI-SearchBot | ساخت ایندکس جستجوی ChatGPT | احتمال ظاهر شدن در پاسخهای همراه با لینک کم میشود |
| ChatGPT-User | واکشی صفحه وقتی کاربر لینک میدهد | کاربری که مستقیم آدرس شما را داده، جواب نمیگیرد |
| PerplexityBot | ایندکس و ارجاع در Perplexity | از منابع آن سرویس حذف میشوید |
| Google-Extended | کنترل استفادهٔ محصولات هوش مصنوعی گوگل | بر ایندکس جستجوی گوگل اثری ندارد، اما استفادهٔ مولد را محدود میکند |
تصمیم با شماست و برای ناشران محتوای اختصاصی، بستن خزندهٔ آموزشی تصمیم کاملاً موجهی است. فقط آگاهانه تصمیم بگیرید: بستن خزندهٔ جستجو با بستن خزندهٔ آموزش دو کار متفاوت با دو نتیجهٔ متفاوت است. قبل از هر چیز فایل robots.txt و لاگ دسترسی سرور را باز کنید و ببینید وضع فعلی چیست.
چه چیزهایی واقعاً شانس ارجاع را بالا میبرد؟
الگویی که در بررسی صفحههای پرارجاع مدام تکرار میشود، این پنج تاست:
- جواب مستقیم، نزدیک به سؤال. اگر تیتر شما یک سؤال است، پاراگراف بلافاصله بعدش باید جواب کامل و مستقل آن سؤال باشد؛ نه مقدمه، نه «در ادامه بررسی میکنیم». مدل تکههایی را نقل میکند که بدون خواندن بقیهٔ صفحه معنا بدهند.
- ساختار تمیز. تیترهای معنادار، فهرستها، جدولها و پاراگرافهای کوتاه. متنی که به تکههای مستقل تقسیم شده، راحتتر بازیابی و نقل میشود.
- جزئیات قابل استناد. عدد، تاریخ، نسخه، محدودیت، مرحله. جملهای مثل «سرعت خوبی دارد» قابل نقل نیست؛ جملهای که یک عدد مشخص و یک شرط مشخص دارد، نقل میشود.
- دادهٔ ساختاریافته. نشانهگذاری Article، FAQPage، Product و Organization بهدرستی پیاده شود. اینها تضمینی نیستند، اما ماشین را از حدس زدن بینیاز میکنند و در سئوی کلاسیک هم به کارتان میآید.
- ذکر برند در بیرون سایت. این احتمالاً کمتوجهترین بخش ماجراست. دانش داخلی مدل از وب عمومی میآید: انجمنها، مقایسههای شخص ثالث، فهرستهای صنفی، ویکیها، رسانهها. برندی که فقط در سایت خودش دربارهٔ خودش نوشته، برای مدل تقریباً وجود ندارد.
یک نکتهٔ عملی دربارهٔ بند اول: بسیاری از سایتهای ایرانی عادت دارند جواب اصلی را وسط یا انتهای مقاله بگذارند تا کاربر بیشتر بماند. این عادت دقیقاً برعکس چیزی است که اینجا لازم است. اگر جواب در پاراگراف اول باشد و بقیهٔ مقاله آن را باز کند، هم کاربر راضیتر است و هم تکهای که ماشین برمیدارد کامل است. برای کسبوکارها این تغییر کوچک معمولاً بیشترین بازدهی را در کوتاهمدت دارد؛ نمونههای کاربردیتر همین رویکرد را در کاربردهای ChatGPT برای کسبوکارهای ایرانی جمع کردهایم.
جدول اولویت؛ کجا وقت بگذاریم
| اقدام | اثر بر سئوی کلاسیک | اثر بر دیدهشدن در پاسخ هوش مصنوعی | تلاش لازم |
|---|---|---|---|
| جواب مستقیم زیر هر تیتر | متوسط | زیاد | کم |
| افزودن جدول و عدد مشخص | کم تا متوسط | زیاد | متوسط |
| داده ساختاریافته (Schema) | متوسط | متوسط | متوسط |
| باز کردن خزندههای جستجوی دستیارها | هیچ | زیاد | کم |
| ذکر برند در منابع بیرونی | متوسط | زیاد | زیاد |
| سرعت و سلامت فنی صفحه | زیاد | غیرمستقیم | متوسط |
| تولید انبوه مقالهٔ سطحی | منفی | منفی | کم |
چه چیزهایی کمک نمیکند
به همان اندازه که فهرست بالا مهم است، اینها هم مهماند چون وقت و بودجه میخورند:
- تکرار کلیدواژه. همانطور که در سئوی کلاسیک سالهاست جواب نمیدهد، اینجا هم فقط متن را برای انسان بدتر میکند.
- فایلهای پیشنهادی مثل llms.txt. این یک پیشنهاد اجتماع است، نه استانداردی که سرویس بزرگی رسماً اعلام کرده باشد که در انتخاب منابعش استفاده میکند. گذاشتنش ضرری ندارد و چند دقیقه بیشتر وقت نمیگیرد، اما آن را جای کارهای واقعی نگذارید.
- متن پنهان مخصوص ربات. نمایش محتوای متفاوت به خزنده و کاربر، همان تخلف قدیمی است و ریسکش تغییری نکرده.
- انتشار انبوه محتوای تولیدشده و ویرایشنشده. این کار همزمان به سئوی کلاسیک و به اعتبار برند لطمه میزند؛ گردش کار درست را در مقالهٔ سئو شده با هوش مصنوعی نوشتهایم.
چطور بفهمیم اصلاً به ما ارجاع میدهند؟
اندازهگیری اینجا به بلوغ ابزارهای سئوی کلاسیک نیست، اما سه راه عملی وجود دارد:
- ترافیک ارجاعی را جدا کنید. در ابزار تحلیل ترافیک یا مستقیم در لاگ سرور، بازدیدهایی را که ارجاعدهندهشان دامنههای دستیارها است جدا و بهصورت ماهانه دنبال کنید. حجمش کوچک است اما روند آن گویاست و کیفیت این ترافیک معمولاً بالاست، چون کاربر بعد از خواندن جواب روی لینک کلیک کرده.
- یک مجموعه پرسش ثابت بسازید. بیست تا سی سؤال واقعی که مشتری شما میپرسد را در یک فایل بنویسید و ماهی یک بار همانها را در دو سه دستیار بپرسید و ثبت کنید که چه منابعی نام برده شده و آیا شما بینشان هستید. این کار دستی است اما تنها سنجهٔ مستقیمی است که در اختیار دارید.
- بازدید خزندهها را رصد کنید. در لاگ سرور ببینید خزندههای دستیارها چه صفحاتی را و با چه تناوبی میخوانند. اگر بخش مهمی از سایت اصلاً بازدید نمیشود، مشکل فنی دارید نه محتوایی.
برای مرحلهٔ اول، یعنی مطمئن شدن از اینکه اصلاً در نتایج جستجو حضور دارید، ابزارهای رایج سئو هنوز بهترین گزینهاند؛ تفاوتشان را در Ahrefs یا Semrush مقایسه کردهایم. برای بررسی دستی پاسخهای همراه با منبع هم بسیاری از سئوکارها از Perplexity استفاده میکنند چون ارجاعها را صریح نشان میدهد.
یک برنامهٔ سی روزهٔ واقعبینانه
اگر میخواهید از فردا شروع کنید و نمیخواهید کل استراتژی را عوض کنید:
- هفتهٔ اول:
robots.txt، فایروال و قوانین ضدربات را بررسی کنید. مجموعه پرسش ثابت را بنویسید و اولین اندازهگیری پایه را انجام دهید. - هفتهٔ دوم: ده صفحهٔ پربازدید را بردارید و زیر هر تیتر یک جواب مستقیم و مستقل بگذارید. هر جا ادعای مبهم دارید، جایش عدد یا شرط مشخص بنویسید.
- هفتهٔ سوم: دادهٔ ساختاریافته را روی همان صفحات درست کنید و بخش پرسشهای متداول واقعی اضافه کنید.
- هفتهٔ چهارم: روی ذکر بیرونی برند کار کنید؛ مصاحبه، مقایسه در رسانههای صنفی، پاسخهای واقعی در انجمنهای تخصصی. بعد اندازهگیری را تکرار کنید.
انتظار معجزه نداشته باشید. هیچکس، از جمله ما، نمیتواند به شما قول بدهد که بعد از این کارها در پاسخ فلان دستیار ظاهر میشوید. کاری که میشود کرد این است که صفحهٔ شما قابل خواندن، قابل استناد و قابل پیدا شدن باشد و بقیهاش دست سامانهای است که مرتب تغییر میکند.
قدم بعدی
اگر میخواهید این آزمایشها را خودکار کنید — مثلاً همان مجموعه پرسش ثابت را ماهانه بهصورت برنامهنویسی اجرا کنید و پاسخها را در یک جدول ذخیره کنید — به یک کلید API نیاز دارید نه اشتراک چت. درگاه هوش مصنوعی «نِت اَرز» یک base_url سازگار با OpenAI در صفحهٔ درگاه هوش مصنوعی میدهد و اعتبارش با پرداخت تومانی شارژ میشود؛ فعلاً مدلهای OpenAI فعال است و بقیهٔ ارائهدهندگان در حال اتصالاند.
برای کار روزمرهٔ تحلیل رقبا و رصد کلیدواژه هم ابزارهای سئو سر جای خودشان هستند؛ قیمت لحظهای اکانت Ahrefs و اکانت Semrush Pro را در صفحهٔ خودشان ببینید و اگر میخواهید فهرست جمعوجورتری از ابزارهای همین حوزه داشته باشید، صفحهٔ راهکارهای سئوکاران را باز کنید.
آموزشهای کاربردی در گیسو
گیسو برند هوش مصنوعی نِت اَرز است، با همین حساب و همین اعتبار. این راهنماها قدمبهقدم نشان میدهند همین کار را چطور با هوش مصنوعی انجام دهید.
پرسشهای پرتکرار
آیا برای دیده شدن در پاسخ هوش مصنوعی باید سئوی کلاسیک را کنار بگذارم؟
نه، دقیقاً برعکس. در بیشتر موارد فهرست منابع کاندید از یک ایندکس جستجو میآید، پس صفحهای که در نتایج جستجو نیست شانسی برای نقل شدن ندارد. سئوی کلاسیک پیشنیاز است و کارهای مخصوص پاسخهای مولد لایهای روی آن.
فایل llms.txt واقعاً کار میکند؟
این یک پیشنهاد اجتماعی است و هیچ سرویس بزرگی رسماً اعلام نکرده که آن را در انتخاب منابعش استفاده میکند. ساختنش چند دقیقه وقت میگیرد و ضرری ندارد، اما آن را جایگزین ساختار درست محتوا و باز بودن خزندهها نکنید.
اگر GPTBot را ببندم از پاسخهای ChatGPT حذف میشوم؟
این دو یکی نیستند. GPTBot خزندهٔ جمعآوری دادهٔ آموزشی است، در حالی که ایندکس جستجویی که در پاسخهای همراه با لینک استفاده میشود خزندهٔ جداگانهای دارد. اگر میخواهید محتوایتان وارد آموزش نشود اما در پاسخهای زنده دیده شوید، باید این دو را جدا تنظیم کنید.
چطور بفهمم چقدر ترافیک از دستیارهای هوش مصنوعی میگیرم؟
در ابزار تحلیل ترافیک یا لاگ سرور، بازدیدهایی را که ارجاعدهندهشان دامنهٔ دستیارهاست جدا کنید و روندشان را ماهانه دنبال کنید. حجم این ترافیک معمولاً کم اما کیفیتش بالاست، چون کاربر بعد از خواندن پاسخ آگاهانه روی لینک کلیک کرده است.
نظر خوانندگان
هنوز نظری ثبت نشده. اگر این مقاله پرسشتان را جواب داد یا جای چیزی در آن خالی ماند، همینجا بنویسید.