مقاله سئو شده با هوش مصنوعی؛ گردش کار ۶ مرحله‌ای بدون جریمه گوگل

احتمالاً این را تجربه کرده‌اید: از مدل می‌خواهید «یک مقالهٔ ۱۵۰۰ کلمه‌ای سئو شده دربارهٔ فلان موضوع» بنویسد، متنی می‌گیرید که خوش‌ظاهر است، منتشرش می‌کنید و هیچ اتفاقی نمی‌افتد. نه رتبه‌ای، نه ترافیکی، نه تماسی. مشکل مدل نیست؛ مشکل این است که یک درخواست تک‌مرحله‌ای جای فرایندی را گرفته که هفت هشت تصمیم انسانی دارد.

این مقاله همان فرایند را در شش مرحله می‌نویسد. برای هر مرحله دقیقاً می‌گوییم مدل چه کاری می‌کند و انسان چه کاری باید بکند. و از همین ابتدا یک نکتهٔ حقوقی و حرفه‌ای: هیچ‌کس نمی‌تواند به شما رتبه در گوگل قول بدهد و ما هم نمی‌دهیم. چیزی که این گردش کار به شما می‌دهد، متنی است که ارزش انتشار دارد؛ رتبه نتیجهٔ آن است، نه محصولش.

موضع گوگل دقیقاً چیست؟

سوءتفاهم رایج این است که گوگل «محتوای هوش مصنوعی» را جریمه می‌کند. چیزی که در سیاست‌های رسمی آمده این نیست. معیار اعلام‌شده، مفید بودن محتوا برای انسان است و نحوهٔ تولید فی‌نفسه موضوع نیست. اما در کنارش سیاست ضد هرزنامه‌ای وجود دارد که تولید انبوه محتوا با هدف اصلی دستکاری رتبه را هدف گرفته و صریحاً می‌گوید فرقی نمی‌کند این کار با اتوماسیون انجام شده باشد یا با نیروی انسانی.

ترجمهٔ عملی این دو جمله ساده است: اگر روزی سه مقالهٔ تولیدشده و خوانده‌نشده منتشر می‌کنید تا شبکه‌ای از صفحات بسازید، دقیقاً همان الگویی هستید که این سیاست هدف گرفته. اگر ماهی چهار مقاله منتشر می‌کنید که یک متخصص واقعی رویشان کار کرده و مدل فقط سرعت پیش‌نویس را بالا برده، در وضعیت متفاوتی هستید. تفاوت در ابزار نیست، در مقیاس و در میزان کار انسانی است.

نکتهٔ دوم که کمتر گفته می‌شود این است که خطر واقعی، جریمه شدن نیست؛ بی‌اثر بودن است. اکثر سایت‌هایی که با محتوای انبوه ضربه می‌خورند، هیچ اخطار دستی نمی‌گیرند. فقط صفحاتشان هیچ‌وقت جایی نمی‌روند، بودجهٔ خزش سایت صرف صفحات بی‌ارزش می‌شود و کیفیت میانگین دامنه پایین می‌آید تا جایی که مقاله‌های خوبشان هم دیرتر دیده می‌شوند. این آسیب کند و خزنده است و درست به همین دلیل معمولاً وقتی متوجهش می‌شوید که ماه‌ها از آن گذشته و جبرانش یعنی حذف یا بازنویسی ده‌ها صفحه.

مرحلهٔ اول: بریف — کار انسان است، نه مدل

قبل از هر پرامپتی، یک صفحه بنویسید که این پنج چیز را روشن کند: کلیدواژهٔ اصلی و نیت پشت آن، مخاطب دقیق، سؤالی که خواننده بعد از خواندن باید جوابش را داشته باشد، زاویه یا دادهٔ اختصاصی که فقط شما دارید، و کاری که خواننده در پایان باید انجام دهد.

بند چهارم مهم‌ترین است و همان چیزی است که مدل نمی‌تواند تولید کند. تجربهٔ پشتیبانی شما، دادهٔ فروش شما، اشتباهی که سال پیش کردید، عددی که از سیستم خودتان درآوردید. مقاله‌ای که این را ندارد، هرچقدر هم روان باشد، نسخهٔ دیگری از ده مقالهٔ موجود است. برای پیدا کردن کلیدواژه و سنجش رقابت هم ابزارهای سئو کارشان را بلدند؛ تفاوتشان را در Ahrefs یا Semrush نوشته‌ایم.

مرحلهٔ دوم: تحقیق — مدل خلاصه می‌کند، انسان تأیید

پنج تا هفت صفحهٔ برتر همان کلیدواژه را جمع کنید و از مدل بخواهید سرفصل‌های مشترکشان و شکاف‌هایشان را دربیاورد. این کاری است که مدل واقعاً خوب انجام می‌دهد و یک ساعت از وقت شما را نجات می‌دهد.

اما دو قاعده را نشکنید: هیچ عددی را که مدل تولید کرده بدون دیدن منبع اصلی وارد مقاله نکنید، و به خلاصهٔ مدل از صفحه‌ای که خودتان نخوانده‌اید اعتماد نکنید. مدل‌ها در بازگویی جزئیات دقیق و ارجاع، هنوز خطا دارند و یک عدد اشتباه در مقاله‌ای که برند شما پایش را امضا کرده، هزینهٔ اعتباری دارد.

مرحلهٔ سوم: اسکلت — سه نسخه بگیرید، یکی را بازنویسی کنید

به‌جای یک اسکلت، سه اسکلت با زاویه‌های متفاوت بخواهید. بعد هیچ‌کدام را عیناً استفاده نکنید؛ از هرکدام بخش‌های خوب را بردارید و خودتان ترتیب نهایی را بچینید. تیترها باید سؤال‌هایی باشند که مخاطب واقعاً تایپ می‌کند، نه عنوان‌های تزئینی.

موضوع: {topic}
مخاطب: {audience}
نیت جستجو: {intent}
زاویهٔ اختصاصی: {angle}

سه اسکلت متفاوت بده. برای هر اسکلت:
- ۵ تا ۷ تیتر H2 که هرکدام یک سؤال واقعی باشد
- زیر هر تیتر، در یک خط بگو آنجا چه چیزی باید ثابت شود
- بگو کجای این اسکلت به جدول یا عدد نیاز دارد
هیچ متن نهایی ننویس.

مرحلهٔ چهارم: پیش‌نویس — بخش‌به‌بخش، نه یک‌جا

این تفاوت، بزرگ‌ترین تفاوت کیفی کل فرایند است. وقتی می‌گویید «کل مقاله را بنویس»، مدل ناچار است طول را با تعمیم و عبارت‌های پرکننده پر کند. وقتی هر بار یک بخش می‌خواهید و در همان درخواست می‌گویید آن بخش باید چه چیزی را ثابت کند و چه داده‌ای در اختیارش است، متن متراکم‌تر و مشخص‌تر می‌شود.

در هر درخواست بخش، این‌ها را بدهید: تیتر بخش، هدف آن بخش در یک جمله، داده‌ها و اعدادی که باید استفاده شود، سقف کلمه، و فهرست عبارت‌های ممنوع. همان فهرست ممنوعه — «در دنیای امروز»، «بی‌نظیر»، «انقلابی»، «شکی نیست که» — به‌تنهایی لحن متن را از حالت ماشینی درمی‌آورد. اصول دقیق‌تر نوشتن این درخواست‌ها را در راهنمای پرامپت‌نویسی باز کرده‌ایم.

مرحلهٔ پنجم: ویرایش انسانی — جایی که مقاله ساخته می‌شود

این مرحله قابل حذف نیست و به این ترتیب انجام می‌شود:

1. حذف تعمیم‌ها. هر جمله‌ای که در هر مقالهٔ دیگری هم صدق می‌کند را پاک کنید. معمولاً بین ده تا بیست درصد متن این‌طور است و حذفشان مقاله را بهتر می‌کند نه کوتاه‌تر.
2. افزودن تجربه. حداقل سه جای مقاله باید چیزی باشد که فقط شما می‌توانید بنویسید: یک نمونهٔ واقعی، یک عدد از سیستم خودتان، یک اشتباه رایج که در کار دیده‌اید.
3. راستی‌آزمایی. هر عدد، تاریخ، نام محصول و محدودیت را با منبع اصلی تطبیق دهید.
4. اصلاح لحن. جمله‌های بلند را بشکنید، تکرارها را حذف کنید و مطمئن شوید متن مثل یک آدم حرف می‌زند. ابزارهای ویرایش برای متن انگلیسی کمک می‌کنند؛ مقایسه‌شان در گرامرلی یا کوییل‌بات آمده است.
5. افزودن مسیر داخلی. سه تا شش لینک به مقاله‌های مرتبط خودتان با متن لینک معنادار.

مرحلهٔ ششم: انتشار و اندازه‌گیری

قبل از انتشار: عنوان و توضیح متا را خودتان بنویسید (این دو مستقیم روی نرخ کلیک اثر دارند و ارزش پنج دقیقه وقت انسانی را دارند)، دادهٔ ساختاریافتهٔ مقاله را اضافه کنید، و اگر مقاله جواب سؤال مشخصی می‌دهد، آن جواب را در همان ابتدا و مستقل بیاورید.

بعد از انتشار: چهل و پنج روز صبر کنید و بعد داده را ببینید. اگر صفحه نمایش می‌گیرد اما کلیک نمی‌خورد، مشکل از عنوان و توضیح متاست. اگر کلیک می‌خورد اما کاربر سریع برمی‌گردد، مشکل از جواب اول مقاله است. اگر اصلاً نمایش ندارد، مشکل عمیق‌تر از متن است و به نیت جستجو یا اعتبار دامنه برمی‌گردد. نکتهٔ مکمل: بخشی از کاربران دیگر اصلاً وارد نتایج جستجو نمی‌شوند و جواب را از دستیار می‌گیرند؛ این لایه را در سئو برای ChatGPT جداگانه نوشته‌ایم.

تقسیم کار بین انسان و مدل

جمع می‌شود حدود سه تا چهار ساعت برای یک مقالهٔ جدی؛ در برابر شش تا هشت ساعت نگارش کاملاً دستی. صرفه‌جویی واقعی است، اما نه آن چیزی که در تبلیغ‌ها می‌گویند. اگر کسی به شما می‌گوید با هوش مصنوعی روزی ده مقاله منتشر کنید، دارد همان الگویی را می‌فروشد که سیاست ضد هرزنامه هدف گرفته است.

قدم بعدی

پیشنهاد ما این است که این گردش کار را روی یک مقاله امتحان کنید و زمان هر مرحله را یادداشت کنید. بعد از سه مقاله می‌فهمید کجا کند هستید و کجا مدل واقعاً کمک می‌کند؛ معمولاً مرحلهٔ دوم و چهارم بیشترین صرفه‌جویی را دارند و مرحلهٔ پنجم هیچ‌وقت کوتاه‌تر نمی‌شود.

برای اجرای این فرایند، اشتراک ماهانهٔ یک دستیار برای کار دستی کافی است و قیمت لحظه‌ای اشتراک ChatGPT Plus در صفحهٔ خودش درج شده است. اگر می‌خواهید مراحل دوم تا چهارم را به‌صورت برنامه‌نویسی و روی چند ده موضوع اجرا کنید، مسیر درست کلید API است نه اشتراک؛ درگاه هوش مصنوعی «نِت اَرز» یک base_url سازگار با OpenAI در صفحهٔ درگاه هوش مصنوعی می‌دهد و در حال حاضر مدل‌های OpenAI فعال است و بقیهٔ ارائه‌دهندگان در حال اتصال‌اند. تفاوت هزینهٔ این دو مسیر را در تفاوت API و اشتراک حساب کرده‌ایم و فهرست ابزارهای متداول بازاریابان محتوا هم در صفحهٔ راهکارهای بازاریابان جمع شده است.