هوش مصنوعی گوگل و آینده سئو: چگونه محتوای شما در آینده جستجو می‌شود؟

فرارو- در سال‌های اخیر، مفهوم جستجو در فضای دیجیتال دستخوش تحولات عمیقی شده است. گوگل، با معرفی رویکردهای نوین مبتنی بر هوش مصنوعی، فلسفه خود را از صرفاً یافتن اطلاعات و ارائه لینک‌ها به سمت ارائه "هوشمندی" تغییر داده است. این تغییر پارادایم، که با شعار "AI in Search: Going beyond information to intelligence" در کنفرانس I/O گوگل مطرح شد، نشان‌دهنده یک دگرگونی اساسی در نحوه تعامل کاربران با موتور جستجو است. هدف اصلی این تحول، تسهیل پرسیدن هر نوع سوالی از گوگل، از جمله سوالات پیچیده، طولانی و چندوجهی (multimodal)، و دریافت پاسخ‌های مفید و جامع همراه با لینک‌های مرتبط به وب است. این رویکرد، تجربه کاربری را از یک موتور جستجوی سنتی مبتنی بر لیست لینک‌ها به یک "موتور پاسخگو" (Answer Engine)تغییر می‌دهد که به جای ارائه مسیر، مستقیماً پاسخ را ارائه می‌کند.

به گزارش فرارو، در قلب این تحول، دو قابلیت کلیدی قرار دارند: "AI Overviews" و "AI Mode". AI Overviews به عنوان یکی از موفق‌ترین راه‌اندازی‌ها در جستجوی گوگل طی یک دهه اخیر شناخته شده است که نشان‌دهنده پذیرش گسترده و رضایت کاربران از این رویکرد جدید است. در ادامه این مسیر، AI Mode به عنوان گام بعدی و یک تجربه جستجوی هوش مصنوعی جامع و پیشرفته‌تر معرفی شده است که برای کاربران حرفه‌ای و کسانی که به دنبال قابلیت‌های عمیق‌تر هستند، طراحی شده است. این گزارش به بررسی دقیق این قابلیت‌ها، تأثیرات آن‌ها بر رفتار کاربران و اکوسیستم محتوا، و استراتژی‌های بهینه‌سازی برای عصر جدید جستجوی هوش مصنوعی می‌پردازد.

AI Overviews: خلاصه‌ای هوشمند از وب

AI Overviews سال گذشته در کنفرانس Google I/O راه‌اندازی شد و از آن زمان تغییر چشمگیری در نحوه استفاده مردم از جستجوی گوگل ایجاد کرده است. این قابلیت، خلاصه‌هایی مبتنی بر هوش مصنوعی را در بالای نتایج جستجو (SERP) ارائه می‌دهد. این خلاصه‌ها اطلاعات کلیدی را از چندین منبع معتبر ترکیب می‌کنند و به کاربران امکان می‌دهند تا بدون نیاز به کلیک کردن بر روی لینک‌های متعدد، به سرعت به بینش‌های اصلی دست یابند.

تأثیر این قابلیت بر رفتار کاربران قابل توجه بوده است. با وجود AI Overviews، کاربران تمایل بیشتری به پرسیدن سوالات پیچیده‌تر، طولانی‌تر و چندوجهی (شامل متن، تصویر و صدا) پیدا کرده‌اند. گوگل گزارش داده است که AI Overviews منجر به افزایش رضایت کاربران و جستجوی مکررتر شده است. در بازارهای بزرگی مانند آمریکا و هند، AI Overviews منجر به افزایش بیش از ۱۰٪ در استفاده از گوگل برای انواع کوئری‌هایی شده است که این قابلیت را نمایش می‌دهند و این رشد در طول زمان نیز افزایش می‌یابد. علاوه بر این، AI Overviews سریع‌ترین پاسخ‌های هوش مصنوعی در صنعت را ارائه می‌دهد. یک نسخه سفارشی از Gemini 2.5، هوشمندترین مدل گوگل، در حال ادغام در جستجو برای هر دو AI Mode و AI Overviews در آمریکا است که کیفیت و دقت پاسخ‌ها را بهبود می‌بخشد.

با این حال، این تحول چالش‌ها و فرصت‌هایی را برای ناشران و متخصصان سئو به همراه دارد. مطالعات مستقل نشان می‌دهند که حضور AI Overviews می‌تواند نرخ کلیک (CTR) برای صفحات برتر را به طور قابل توجهی کاهش دهد. به عنوان مثال، تحلیل ۳۰۰,۰۰۰ کلمه کلیدی توسط Ahrefs، کاهش ۳۴.۵٪ در CTR را برای صفحه برتر نشان داد. مطالعه‌ای دیگر توسط Amsive، کاهش ۱۵.۴۹٪ در CTR کلی و ۱۹.۹۸٪ برای کلمات کلیدی غیربرند را گزارش کرده است. در مقابل، گوگل ادعا می‌کند کلیک‌هایی که از صفحات نتایج جستجو با AI Overviews صورت می‌گیرد، کیفیت بالاتری دارند و کاربران زمان بیشتری را در سایت می‌گذرانند، زیرا هوش مصنوعی در یافتن اطلاعات و وب‌سایت مناسب‌تر برای آن‌ها بهتر عمل کرده است. نگرانی‌هایی وجود دارد که AI Overviews ترافیک را حول برندهای شناخته شده یا ویژگی‌های خود گوگل متمرکز می‌کند و فرصت را برای ناشران مستقل و استارتاپ‌ها کاهش می‌دهد. با این حال، مطالعه Amsive نشان داد که برای کلمات کلیدی برند شده، CTR حتی ۱۸.۶۸٪ افزایش یافته است. گوگل معتقد است AI Overviews با نمایش لینک‌های بیشتر از منابع متنوع‌تر، فرصت‌های جدیدی برای کشف محتوا ایجاد می‌کند.

بینش‌های عمیق (AI Overviews)

تحلیل داده‌ها به وضوح نشان می‌دهد که AI Overviews نرخ کلیک را به شدت کاهش می‌دهد، به ویژه برای کوئری‌های اطلاعاتی و غیربرند. این بدان معناست که صرفاً رتبه اول بودن در نتایج ارگانیک، دیگر تضمین‌کننده ترافیک بالا نیست، زیرا پاسخ مستقیماً در صفحه نتایج جستجو  (SERP)ارائه می‌شود. با این حال، گوگل ادعا می‌کند کلیک‌ها با کیفیت‌تر هستند و کاربران رضایت بیشتری دارند. این امر نشان می‌دهد که هدف گوگل، کاهش کلیک‌های بی‌هدف و افزایش کلیک‌های با ارزش است. یک نکته مهم‌تر، افزایش نرخ کلیک برای کوئری‌های برند شده در حضور AI Overviews است. این موضوع به این مفهوم است که اگرچه هوش مصنوعی پاسخ می‌دهد، اما کاربران همچنان برای اطلاعات عمیق‌تر یا تعامل با یک منبع قابل اعتماد، به برندهای شناخته شده مراجعه می‌کنند. این تغییر به این معناست که رقابت سئو از "رتبه اول بودن برای یک کلمه کلیدی" به "تولید محتوایی که توسط هوش مصنوعی استناد شود" و "ساخت یک برند قوی و قابل اعتماد" تغییر می‌کند. ناشران باید استراتژی‌های درآمدزایی خود را بازنگری کنند و به جای تکیه صرف بر حجم ترافیک ارگانیک، بر ارزش محتوا، کیفیت تعامل و برندسازی تمرکز کنند. این امر به معنای اولویت دادن به محتوای عمیق، معتبر و "قابل استناد" (cite-worthy)است که هوش مصنوعی آن را به عنوان منبع موثق "نقل قول" کند، نه صرفاً محتوایی که برای رتبه گرفتن نوشته شده است.

AI Overviews به کاربران پاسخ‌های مستقیم و خلاصه‌شده ارائه می‌دهد. این بدان معناست که کاربران دیگر نیازی به کلیک کردن و گشتن در چندین لینک برای یافتن پاسخ ندارند؛ پاسخ مستقیماً در صفحه نتایج در دسترس است. این رویکرد با هدف گوگل برای تبدیل شدن از یک "موتور جستجو"  (Search Engine)به یک "موتور پاسخگو" (Answer Engine) همسو است. این تغییر بنیادی به مفهوم آن است که محتوا باید به گونه‌ای نوشته شود که مستقیماً، واضح و جامع به سوالات کاربر پاسخ دهد. محتوای "پاسخ‌محور" با ساختار واضح، اطلاعات دقیق و قابلیت خلاصه‌سازی آسان توسط هوش مصنوعی، شانس بسیار بیشتری برای حضور در AI Overviews و جذب "کلیک‌های با کیفیت" خواهد داشت.

AI Mode: تجربه جستجوی هوش مصنوعی جامع

AI Mode به عنوان یک تجربه جستجوی هوش مصنوعی "پایان به پایان" (end-to-end) برای کاربران حرفه‌ای و پیشرفته طراحی شده است. این قابلیت قدرتمندترین جستجوی هوش مصنوعی گوگل محسوب می‌شود که قابلیت‌های استدلال پیشرفته، چندوجهی  (multimodality)و امکان عمیق‌تر شدن از طریق سوالات تکمیلی و لینک‌های مفید به وب را ارائه می‌دهد. در هفته‌های آینده، یک تب جدید برای AI Mode در رابط کاربری جستجوی گوگل و نوار جستجوی اپلیکیشن گوگل ظاهر خواهد شد، که نشان‌دهنده یکپارچگی عمیق‌تر آن در تجربه جستجو است.

AI Mode از تکنیک پیشرفته "Query Fan-out" استفاده می‌کند. این تکنیک سوال پیچیده کاربر را به چندین زیرموضوع تقسیم کرده و همزمان تعداد زیادی کوئری را از طرف او صادر می‌کند. این رویکرد به جستجو اجازه می‌دهد تا عمیق‌تر از یک جستجوی سنتی در وب کاوش کند، اطلاعات را از منابع متنوع گردآوری کند و محتوای فوق‌العاده مرتبط و جامع را کشف کند. AI Mode اولین پلتفرمی است که قابلیت‌های پیشرفته و مرزی مدل‌های Gemini گوگل در آن عرضه می‌شود، که به عنوان پیش‌نمایشی از آینده جستجو عمل می‌کند. یک نسخه سفارشی از Gemini 2.5، هوشمندترین مدل گوگل، برای AI Mode و AI Overviews در آمریکا ادغام شده است. Gemini 2.5 Pro دارای یک حالت استدلال پیشرفته به نام "Deep Think" است. این حالت به مدل اجازه می‌دهد تا چرخه‌های محاسباتی بیشتری را به وظایف پیچیده، به ویژه در ریاضیات و برنامه‌نویسی، اختصاص دهد و فرضیه‌های متعدد را قبل از فرمول‌بندی پاسخ نهایی، کاوش کند.

قابلیت‌های پیشرفته  AI Modeدر حال عرضه در Labs

• Deep Search(جستجوی عمیق): برای سوالاتی که نیاز به پاسخ‌های بسیار کامل و تحقیقاتی دارند، Deep Search قابلیت‌های تحقیقاتی AI Mode را با ارتقاء تکنیک Query Fan-out به سطح بعدی، تقویت می‌کند. این قابلیت می‌تواند صدها جستجو را انجام دهد، بین قطعات اطلاعاتی نامرتبط استدلال کند و یک گزارش تخصصی کاملاً مستند و ارجاع‌داده شده را در عرض چند دقیقه تولید کند که ساعت‌ها در تحقیق دستی صرفه‌جویی می‌کند.
• Live Capabilities  قابلیت‌های زنده با (Project Astra) :این ویژگی قابلیت‌های زنده Project Astra را به جستجو می‌آورد. با Search Live، کاربران می‌توانند با استفاده از دوربین دستگاه خود، درباره آنچه در زمان واقعی می‌بینند، با جستجو به صورت مکالمه‌ای صحبت کنند. به عنوان مثال، می‌توان با دوربین به یک پروژه یا شیء اشاره کرده و سوال پرسید. جستجو به یک شریک یادگیری تبدیل می‌شود که می‌تواند آنچه کاربر می‌بیند را درک کند، مفاهیم پیچیده را توضیح دهد و پیشنهاداتی ارائه دهد، همراه با لینک‌هایی به منابع مختلف مانند وب‌سایت‌ها، ویدئوها و انجمن‌ها. Project Astra بر تعامل طبیعی (ورودی/خروجی صوتی بهبود یافته، مکالمه آگاه از زمینه)، هوش عملیاتی (استفاده از ابزارها مانند جیمیل، تقویم، مپس برای انجام وظایف) و شخصی‌سازی هوشمند (حافظه چندوجهی برای یادگیری و حفظ ترجیحات کاربر) تمرکز دارد.
•  Agentic Capabilities  قابلیت ‌های عاملیت ‌محور با (Project Mariner) :این قابلیت‌ها از Project Mariner به AI Mode می‌آیند تا به کاربران در انجام وظایفی مانند خرید بلیط، رزرو رستوران یا تعیین وقت محلی در زمان صرفه‌جویی کنند. کاربر می‌تواند درخواستی مانند "یافتن ۲ بلیط ارزان برای بازی ردز شنبه آینده در طبقه پایین" را مطرح کند. AI Mode یک Query Fan-out را آغاز می‌کند، صدها گزینه بلیط را با قیمت و موجودی بلادرنگ در سایت‌های مختلف تحلیل می‌کند و کارهای خسته‌کننده پر کردن فرم‌ها را انجام می‌دهد. این قابلیت با بلیط رویدادها، رزرو رستوران و قرارهای محلی آغاز می‌شود و گوگل با شرکت‌هایی مانند Ticketmaster، StubHub، Resy و Vagaro همکاری خواهد کرد تا تجربه‌ای یکپارچه و مفید ایجاد کند. Project Mariner به عنوان یک افزونه کروم عمل می‌کند و می‌تواند اقدامات انسانی مانند کلیک، اسکرول و پر کردن فرم را شبیه‌سازی کند و حتی وظایف موازی را انجام دهد.
•  AI Shopping Partnerشریک خرید هوش مصنوعی: تجربه خرید جدید AI Mode، قابلیت‌های مدل Gemini را با Shopping Graph گوگل ترکیب می‌کند تا به کاربران در مرور برای الهام، فکر کردن در مورد ملاحظات و محدود کردن محصولات کمک کند. یکی از هیجان‌انگیزترین ویژگی‌ها، قابلیت "تست مجازی لباس" است که به شما امکان می‌دهد میلیاردها لیست پوشاک را به صورت مجازی امتحان کنید، تنها با آپلود یک تصویر از خودتان. این قابلیت از یک مدل تولید تصویر سفارشی استفاده می‌کند تا لباس‌ها را به دقت بر روی انواع بدن نمایش دهد. ویژگی جدید "خرید خودکار"  (agentic checkout)به شما اجازه می‌دهد تا در صورت مناسب بودن قیمت، از طریق Google Pay خرید را انجام دهید، و البته با راهنمایی و نظارت کاربر. Shopping Graph یک پایگاه داده جامع با بیش از ۵۰ میلیارد لیست محصول است که شامل نظرات، قیمت‌ها، گزینه‌های رنگ و جزئیات موجودی است و بیش از ۲ میلیارد لیست آن هر ساعت به‌روزرسانی می‌شود.
• Personal Context (زمینه شخصی): به زودی AI Mode پیشنهادهای شخصی‌سازی شده بر اساس جستجوهای گذشته کاربر ارائه خواهد داد. کاربران می‌توانند برنامه‌های دیگر گوگل، از جمله جیمیل را متصل کنند تا زمینه شخصی بیشتری را وارد کنند. به عنوان مثال، اگر برای "کارهایی که این آخر هفته در نشویل با دوستان انجام دهیم، ما اهل غذا و موسیقی هستیم" جستجو شود، AI Mode می‌تواند رستوران‌هایی با فضای باز را بر اساس رزروهای گذشته و رویداد‌های نزدیک محل اقامت کاربر را بر اساس تأییدیه‌های پرواز و هتل نمایش دهد. گوگل تأکید می‌کند که کاربران همیشه کنترل این قابلیت را دارند و می‌توانند در هر زمان آن را متصل یا قطع کنند.
• Custom Charts and Graphs (نمودارها و گراف‌های سفارشی): هنگامی که نیاز به کمک در تحلیل اعداد یا بصری‌سازی داده‌ها وجود دارد، AI Mode مجموعه‌داده‌های پیچیده را تحلیل کرده و گرافیک‌هایی را ایجاد می‌کند که داده‌ها را زنده می‌کنند، همه به صورت سفارشی برای کوئری کاربر. مثلاً، می‌توان مزیت بازی خانگی دو تیم بیسبال مختلف را مقایسه کرد. جستجو یک تحلیل ارائه می‌دهد و یک گراف تعاملی برای پاسخ به سوال خاص کاربر با استفاده از اطلاعات ورزشی بلادرنگ گوگل تولید می‌کند. این قابلیت برای کوئری‌های ورزشی و مالی ارائه خواهد شد.

بینش‌های عمیق (AI Mode)

قابلیت‌های Project Astra (Live Search با دوربین) و Project Mariner (Agentic Capabilities) نشان می‌دهند که هوش مصنوعی گوگل دیگر فقط یک ابزار برای یافتن اطلاعات نیست، بلکه یک "همکار یادگیری" است که می‌تواند ببیند و پیشنهاد دهد، و یک "عامل"  (Agent)است که می‌تواند وظایف پیچیده و چندمرحله‌ای را به جای کاربر انجام دهد. این تغییر از "اطلاعات" به "هوشمندی" و "اقدام" در شعار اصلی گوگل نیز منعکس شده است. این تحول، انتظارات کاربران از جستجو را به شدت بالا می‌برد. کسب‌وکارها و توسعه‌دهندگان باید به فکر ایجاد تجربیاتی باشند که با این عوامل هوش مصنوعی تعامل داشته باشند، نه صرفاً محتوای ایستا. این می‌تواند شامل توسعه APIهای باز برای تعامل عامل، یا بهینه‌سازی وب‌سایت‌ها برای "خوانایی ماشینی" عمیق‌تر جهت تسهیل انجام وظایف خودکار توسط هوش مصنوعی باشد. همکاری با پلتفرم‌هایی مانند Ticketmaster و Resy نشان‌دهنده نیاز به یکپارچگی عمیق‌تر در اکوسیستم دیجیتال است.

قابلیت Personal Context در AI Mode که به سابقه جستجو، رزروهای گذشته و حتی اتصال به جیمیل و سایر برنامه‌های گوگل متکی است، نشان‌دهنده یک سطح بی‌سابقه از شخصی‌سازی است که می‌تواند تجربه کاربری را به شدت بهبود بخشد. با این حال، این سطح از دسترسی به داده‌های شخصی، به طور طبیعی نگرانی‌هایی جدی در مورد حریم خصوصی و امنیت داده‌ها ایجاد می‌کند. گوگل به این نگرانی‌ها اذعان دارد و تأکید می‌کند که این قابلیت "همیشه تحت کنترل کاربر است و می‌تواند آن را متصل یا قطع کند". برای کاربران، این یک مزیت بزرگ در دریافت نتایج بسیار مرتبط است. اما برای کسب‌وکارها، به معنای نیاز به درک عمیق‌تر از نیات و سوابق کاربران برای ارائه محتوای واقعاً مرتبط و شخصی‌سازی شده است. همچنین، شفافیت در مورد استفاده از داده‌های شخصی، رعایت دقیق مقررات حریم خصوصی و ایجاد اعتماد با کاربران در مورد نحوه مدیریت داده‌هایشان، بیش از پیش اهمیت پیدا می‌کند.

استفاده از Shopping Graph با بیش از ۵۰ میلیارد لیست محصول در AI Shopping Partner و قابلیت Custom Charts and Graphs که بر تحلیل مجموعه‌داده‌های پیچیده تأکید دارد، نشان می‌دهد که گوگل به شدت به داده‌های ساختاریافته و گراف‌های دانش خود متکی است. این داده‌ها به هوش مصنوعی اجازه می‌دهند تا اطلاعات را به سرعت و با دقت بالا پردازش، تحلیل و ارائه کند. AI Mode و AI Overviews برای "زمینه‌سازی" (grounding) پاسخ‌های خود و جلوگیری از "توهمات"، به منابع با کیفیت بالا و داده‌های ساختاریافته تکیه می‌کنند. برای متخصصان سئو و تولیدکنندگان محتوا، این به معنای تأکید مضاعف و حیاتی بر پیاده‌سازی صحیح Schema Markup و داده‌های ساختاریافته برای انواع محتوا (محصولات، رویدادها، دستورالعمل‌ها، مقالات، نظرات و غیره) است. این کار به هوش مصنوعی کمک می‌کند تا محتوای شما را بهتر درک کند، آن را به عنوان یک منبع قابل اعتماد شناسایی کند و در پاسخ‌های جامع و هوشمند خود استفاده کند. بدون داده‌های ساختاریافته، شانس دیده شدن در این قابلیت‌های پیشرفته به شدت کاهش می‌یابد.

مقایسه با رقبا: گوگل در برابر ChatGPT، پرپلکسیتی و بینگ کوپایلوت

درک جایگاه گوگل در اکوسیستم جستجوی هوش مصنوعی نیازمند مقایسه کمی و کیفی Google AI Overviews (AIOs) با سایر ابزارهای برجسته جستجوی هوش مصنوعی مانند ChatGPT، Perplexity و Bing Copilot است.

طول پاسخ: ChatGPT تمایل به تولید طولانی‌ترین پاسخ‌ها دارد (متوسط ۱۶۸۶ کاراکتر)، در حالی که بینگ کوپایلوت کوتاه‌ترین و مختصرترین پاسخ‌ها را ارائه می‌دهد (متوسط ۳۹۸ کاراکتر). گوگل AIO در میانه قرار دارد (متوسط ۹۹۷ کاراکتر).

تعداد لینک‌ها (ارجاعات): ChatGPT با ۱۰.۴۲ لینک در هر پاسخ بیشترین ارجاع را دارد، گوگل AIO با ۹.۲۶ لینک در رتبه دوم است، پرپلکسیتی ۵.۰۱ و بینگ کوپایلوت ۳.۱۳ لینک. این نشان می‌دهد که گوگل و ChatGPT تمایل بیشتری به ارائه منابع متعدد برای پشتیبانی از پاسخ‌های خود دارند.

تنوع منابع و سن دامنه: بینگ کوپایلوت کمترین تکرار دامنه را دارد و متنوع‌ترین منابع را ارائه می‌دهد (فقط ۱۳.۴۷٪ تکرار دامنه). این نشان می‌دهد که بینگ به دنبال ارائه دیدگاه‌های گسترده‌تری از وب است. گوگل AIO و ChatGPT بیشترین همپوشانی دامنه را دارند. گوگل AIO بیشترین ارجاع را به دامنه‌های قدیمی‌تر (۴۹.۲۱٪ بالای ۱۵ سال) دارد، که نشان‌دهنده تمرکز بر منابع با سابقه و تثبیت شده است. در مقابل، بینگ کوپایلوت به سایت‌های جوان‌تر بیشتر لینک می‌دهد (۱۸.۸۵٪ زیر ۵ سال)، که ممکن است فرصت‌هایی برای سایت‌های جدیدتر ایجاد کند.

رویکرد و تجربه کاربری: پرپلکسیتی شبیه یک "موتور تحقیقاتی" عمل می‌کند که مستقیماً پاسخ‌ها را با استناد از منابع متعدد خلاصه و ارائه می‌دهد، بدون نمایش تبلیغات. این برای تحقیقات پیچیده و نیاز به پاسخ‌های مستقیم و بدون درهم‌ریختگی مفید است. بینگ کوپایلوت بر پاسخ‌های مختصر، کاربردی و گام به گام تمرکز دارد و به سایت‌هایی مانند WikiHow بیشتر لینک می‌دهد. لحن آن خنثی و خوانایی بالایی دارد. گوگل با AI Mode و AI Overviews، به سمت ارائه پاسخ‌های جامع و تعاملی حرکت می‌کند، اما همچنان برای مرور دیدگاه‌های مختلف و جستجوهای ناوبری (مانند یافتن یک وب‌سایت خاص یا تصاویر/نقشه‌ها) مناسب‌تر است. با این حال، Perplexity با مشکلاتی مانند عدم دقت در برخی موارد (Hallucinations) و نگرانی‌های کپی‌رایت نادیده گرفتن (robots.txt)مواجه است که می‌تواند به اعتبار آن لطمه بزند.

جدول مقایسه ابزارهای جستجوی هوش مصنوعی

بهینه‌سازی برای عصر هوش مصنوعی: استراتژی‌های سئو و محتوا

تأثیر AI Overviews بر سئو قابل توجه است. AI Overviews در بالای نتایج جستجو ظاهر شده و لیست‌های ارگانیک را به شدت به پایین می‌راند (گاهی بیش از ۱۴۰٪)، که به معنای نیاز به اسکرول بیشتر برای دیدن نتایج سنتی است. این امر حتی برای سایت‌های رتبه ۱ نیز چالش‌برانگیز است. رقابت برای ترافیک ارگانیک باقی‌مانده تشدید می‌شود، زیرا کاربران ممکن است پاسخ خود را مستقیماً در خلاصه هوش مصنوعی بیابند و نیازی به کلیک نداشته باشند. در این میان، کیفیت محتوا و سیگنال‌های E-E-A-T (تجربه، تخصص، اعتبار، اعتماد) برای دیده شدن در خلاصه‌های هوش مصنوعی و به عنوان منبع قابل استناد، حیاتی‌تر شده است. مطالعات نشان داده‌اند که بهبود E-E-A-T می‌تواند رتبه‌بندی را به طور قابل توجهی بهبود بخشد (تا ۱۳۴٪ برای اعتماد).

استراتژی‌های محتوا برای AI Overviews و AI Mode

برای بهینه‌سازی محتوا در عصر هوش مصنوعی، چندین استراتژی کلیدی پیشنهاد می‌شود:

• تولید محتوای با کیفیت و جامع (پاسخگویی مستقیم به سوالات): محتوا باید مستقیماً، دقیق و به طور جامع به سوالات کاربر پاسخ دهد، به گونه‌ای که هوش مصنوعی بتواند آن را به راحتی خلاصه کند. تمرکز بر محتوای "What is" و "How to" برای بالای قیف بازاریابی  (TOFU) که برای تعاریف و آموزش‌ها ایده‌آل است، توصیه می‌شود. همچنین، ارائه جزئیات و ظرافت‌های مورد استفاده در موارد واقعی  (MOFU)و لیست‌های "بهترین ابزارها" (BOFU) برای پاسخ به نیازهای میانی و پایین قیف اهمیت دارد.

• ساختاردهی محتوا (هدینگ‌ها، لیست‌ها، اسکیما مارک‌آپ): استفاده از هدینگ‌ها و زیرهدینگ‌های واضح و توصیفی  (H2, H3)که به هوش مصنوعی در درک ساختار و محتوای صفحه کمک می‌کند، ضروری است. استفاده از لیست‌های نقطه‌ای و عددی نیز توصیه می‌شود، زیرا این قالب‌ها برای هوش مصنوعی بسیار آسان‌تر قابل تجزیه و تحلیل و استناد هستند. پیاده‌سازی Schema Markup و داده‌های ساختاریافته )مانند HowTo, FAQPage,  Product,Article, Review, VideoObject)برای کمک به موتورهای جستجو و LLMها در درک زمینه و ارتباط محتوا حیاتی است.
• اهمیت E-E-A-T (تجربه، تخصص، اعتبار، اعتماد): نمایش دانش تخصصی تیم، ارجاع به تجربیات دست اول و نتایج واقعی و گنجاندن مدارک صنعتی مرتبط برای تقویت اعتبار محتوا ضروری است. محتوا باید توسط منابع معتبر ذکر شود و از نظر واقعی قابل استناد باشد. شفافیت در منابع و نقل‌قول‌ها حیاتی است.
• محتوای "Cite-worthy" (قابل استناد توسط هوش مصنوعی): محتوایی که برای هوش مصنوعی قابل استناد باشد، باید دارای ساختار مناسب، E-E-A-T قوی، ماژولار بودن (یعنی قابل خواندن در بلوک‌های کوچک و خودکفا)، مبتنی بر نیت کاربر و دارای انتساب واضح (نویسنده، منبع، تاریخ) باشد. هدف، تولید محتوایی است که هوش مصنوعی بتواند آن را در خلاصه‌های خود نقل قول کند، نه فقط رتبه بگیرد.
• استفاده از چندرسانه‌ای (تصاویر، ویدئوها): بهره‌گیری از تصاویر، ویدئوها و اینفوگرافیک‌ها برای جذاب‌تر کردن محتوا و کمک به هوش مصنوعی در درک و ارائه آن، زیرا مدل‌های هوش مصنوعی چندوجهی هستند، توصیه می‌شود. بهینه‌سازی ویدئوها برای جستجو (عنوان، توضیحات، رونوشت، برچسب زمان) و استفاده از YouTube به عنوان پلتفرم اصلی، زیرا هوش مصنوعی به طور فزاینده‌ای از ویدئوها به عنوان منبع استفاده می‌کند، نیز اهمیت دارد.
• تمرکز بر موضوعات به جای کلمات کلیدی: به جای تمرکز بر کلمات کلیدی منفرد و پر کردن محتوا با آن‌ها، بر موضوعات گسترده‌تر و پوشش جامع آن‌ها تمرکز شود تا گوگل بتواند محتوا را به مفاهیم مرتبط پیوند دهد و آن را به عنوان یک مرجع جامع شناسایی کند.
• لینک‌سازی داخلی و خارجی به عنوان سیگنال اعتماد: لینک‌های برگشتی (Backlinks) از سایت‌های معتبر و مرتبط به عنوان سیگنال‌های اعتبار و اعتماد در عصر هوش مصنوعی اهمیت بیشتری پیدا می‌کنند، زیرا به هوش مصنوعی در تشخیص منابع با کیفیت کمک می‌کنند. لینک‌سازی داخلی مؤثر به موتورهای جستجو کمک می‌کند تا ساختار و سلسله مراتب محتوا را درک کنند و صفحات مهم‌تر را برجسته سازند.
• افزودن "لبه انسانی" به محتوا (Originality) :هوش مصنوعی نمی‌تواند تفکر اصیل، تجربه زیسته، دیدگاه‌های منحصر به فرد یا تخصص محصول را تکرار کند. محتوا باید این "لبه انسانی" را داشته باشد تا از محتوای تولید شده توسط هوش مصنوعی متمایز شود. این شامل ارائه چارچوب‌های اصلی، جزئیات موارد استفاده واقعی، نقل قول مستقیم از متخصصان و مشتریان و شخصی‌سازی محتوا برای مخاطبان خاص است.

ملاحظات اخلاقی و چالش‌های آینده هوش مصنوعی در جستجو

با وجود پیشرفت‌های چشمگیر در هوش مصنوعی جستجو، ملاحظات اخلاقی و چالش‌های متعددی نیز مطرح می‌شوند که نیازمند توجه دقیق هستند.

چالش‌های کلیدی

• توهمات (Hallucinations)و دقت اطلاعات: هوش مصنوعی ممکن است اطلاعات نادرست یا گمراه‌کننده تولید کند که به عنوان واقعیت ارائه می‌شوند. این "توهمات" می‌توانند ناشی از داده‌های آموزشی ناکافی، فرضیات نادرست مدل، یا سوگیری‌های موجود در داده‌ها باشند. این امر می‌تواند به سردرگمی کاربران و کاهش اعتماد به نتایج جستجو منجر شود.
• سوگیری (Bias)در الگوریتم‌ها: مدل‌های هوش مصنوعی می‌توانند سوگیری‌های موجود در داده‌های آموزشی خود را بازتولید یا تقویت کنند، که منجر به نتایج ناعادلانه یا تبعیض‌آمیز می‌شود.
• حریم خصوصی و استفاده از داده‌های شخصی: استفاده از داده‌های شخصی کاربر برای شخصی‌سازی نتایج جستجو، نگرانی‌هایی را در مورد حریم خصوصی و امنیت داده‌ها ایجاد می‌کند.
• حقوق مؤلف و انتساب محتوا: مدل‌های هوش مصنوعی بر روی مجموعه‌داده‌های عظیمی از محتوای موجود در وب آموزش می‌بینند که ممکن است شامل مواد دارای حق چاپ باشد. این امر سوالاتی را در مورد نقض حق چاپ و انتساب مناسب محتوا به منابع اصلی مطرح می‌کند. عدم انتساب صحیح می‌تواند به کاهش ترافیک و درآمد ناشران اصلی محتوا منجر شود.
• تأثیر بر اقتصاد محتوا و ناشران: همانطور که پیشتر ذکر شد، AI Overviews و AI Mode با ارائه پاسخ‌های مستقیم، می‌توانند نرخ کلیک به وب‌سایت‌های اصلی را کاهش دهند، که مدل‌های درآمدزایی ناشران مبتنی بر تبلیغات و ترافیک را به چالش می‌کشد.

راهکارهای گوگل و مسئولیت‌پذیری

گوگل در تلاش است تا با این چالش‌ها مقابله کند و رویکردی مسئولانه در توسعه و پیاده‌سازی هوش مصنوعی در جستجو اتخاذ نماید:

• مکانیسم‌های زمینه‌سازی (Grounding) و ارجاع به منابع معتبر: گوگل AI Overviews را به گونه‌ای طراحی کرده است که اطلاعات ارائه شده توسط نتایج با کیفیت بالا از وب پشتیبانی شود و شامل لینک‌هایی به محتوای وب باشد که اطلاعات ارائه شده را تأیید می‌کند. این رویکرد به کاهش "توهمات" کمک می‌کند.

• کنترل کاربر بر داده‌های شخصی: گوگل تأکید می‌کند که استفاده از زمینه شخصی برای شخصی‌سازی نتایج، همواره تحت کنترل کاربر است و می‌توان آن را در هر زمان فعال یا غیرفعال کرد.
• شفافیت و بازخورد: گوگل کاربران را تشویق می‌کند تا بازخورد خود را در مورد پاسخ‌های AI Mode و AI Overviews ارائه دهند تا به بهبود مستمر کیفیت کمک شود.
• نظارت انسانی: گوگل از فرآیندهای بررسی دقیق و نظارت انسانی برای ارزیابی کیفیت پاسخ‌های هوش مصنوعی استفاده می‌کند. این نظارت انسانی به شناسایی و رفع مشکلات احتمالی، از جمله سوگیری‌ها و عدم دقت، کمک می‌کند.

نتیجه‌گیری و توصیه‌ها برای آینده جستجو

عصر جدید جستجوی هوش مصنوعی، که توسط گوگل با معرفی AI Overviews و AI Mode پیشگام شده است، فراتر از یک تغییر تکنولوژیک ساده است؛ این یک دگرگونی بنیادی در نحوه دسترسی کاربران به اطلاعات و تعامل با وب است. جستجو از یک "موتور جستجو" به یک "موتور پاسخگو" تبدیل شده است که نه تنها اطلاعات را پیدا می‌کند، بلکه هوشمندی ارائه می‌دهد و حتی وظایف را به نمایندگی از کاربر انجام می‌دهد. قابلیت‌هایی مانند Deep Search، Live Capabilities با Project Astra، Agentic Capabilities با Project Mariner و AI Shopping Partner، چشم‌اندازی از آینده‌ای را ترسیم می‌کنند که در آن هوش مصنوعی به یک همکار فعال در زندگی روزمره تبدیل می‌شود. شخصی‌سازی عمیق، که با استفاده از زمینه شخصی کاربر امکان‌پذیر می‌شود، تجربه جستجو را به سطحی بی‌سابقه از ارتباط می‌رساند.

برای تولیدکنندگان محتوا و متخصصان سئو، این تحولات پیامدهای عمیقی دارد. صرفاً رتبه اول بودن در نتایج جستجوی سنتی دیگر کافی نیست؛ محتوا باید "قابل استناد" باشد و بتواند مستقیماً به سوالات کاربر پاسخ دهد. تمرکز بر کیفیت، جامعیت، ساختاردهی صحیح و استفاده از داده‌های ساختاریافته (Schema Markup) بیش از پیش اهمیت یافته است. سیگنال‌های E-E-A-T (تجربه، تخصص، اعتبار، اعتماد) به عنوان عوامل حیاتی برای دیده شدن در خلاصه‌های هوش مصنوعی و جلب اعتماد کاربران عمل می‌کنند. افزودن "لبه انسانی" به محتوا – یعنی تفکر اصیل، تجربیات دست اول و دیدگاه‌های منحصر به فرد – برای متمایز کردن محتوا از آنچه هوش مصنوعی می‌تواند تولید کند، ضروری است.

در نهایت، در حالی که هوش مصنوعی پتانسیل عظیمی برای بهبود تجربه جستجو دارد، چالش‌های اخلاقی مربوط به توهمات، سوگیری، حریم خصوصی، و حقوق مؤلف باید با جدیت مورد توجه قرار گیرند. گوگل با مکانیسم‌های زمینه‌سازی، کنترل کاربر، شفافیت، و نظارت انسانی در تلاش است تا این چالش‌ها را مدیریت کند. برای موفقیت در این عصر جدید، تولیدکنندگان محتوا و کسب‌وکارها باید نه تنها با فناوری‌های جدید همگام شوند، بلکه باید بر اصول بنیادی محتوای با کیفیت، شفافیت و ایجاد اعتماد با کاربران تمرکز کنند. آینده جستجو، آینده‌ای هوشمندتر و تعاملی‌تر است و آمادگی برای آن نیازمند یک رویکرد جامع و مسئولانه است.

در تدوین این مقاله از 34 منبع استفاده شده است که پایه آن وبلاگ گوگل است که به بررسی تحولات کنفرانس گوگل پرداخته است.