در دنیای امروز، تغییر الگوی رفتاری مخاطبان و نفوذ هوش مصنوعی، ساختار سنتی «مقاله» را دستخوش تحول کرده است. رسانهها و ناشرانی که نگران کاهش ورودی خود از موتورهای جستجو هستند، باید فرآیندهای انتشار محتوای خود را بازسازی کنند تا بتوانند در ویژگیهای جدید SERP بر پایه هوش مصنوعی گوگل و مدلهای بزرگ زبانی (LLMs) دیده شوند.
الگوریتمهای متکی بر هوش مصنوعی، نحوه نمایش محتوای خبری را تغییر دادهاند؛ الگویی که در آن مخاطبان به سمت ویدیو و یک تجربه ترکیبی از شبکههای اجتماعی و جستجو حرکت میکنند. مقاله به عنوان یک فرمت نمرده است، اما ناشران باید پاهای خود را از مرزهای سنتی آن فراتر بگذارند و مفهوم محتوای سیال (Liquid Content) را در آغوش بگیرند.
«نیکیتا روی» (Nikita Roy) این تغییر ساختار را در جریان ارائه خود در کنفرانس ONA25 به زیبایی خلاصه کرد:
«در دنیایی که توسط هوش مصنوعی مدیریت میشود، مقاله دیگر واحد اصلی روزنامهنگاری نیست.»
او همچنین حاضران را با این سوال به چالش کشید:
«اگر هیچچیز از سیستم اتاقهای خبر سنتی نمیدانستید و فقط میدانستید که مردم به اطلاعات موثق و تاییدشده نیاز دارند، با فناوریهای امروز چه چیزی میساختید؟»
محتوای سیال (Liquid Content) چیست؟
همانند بحثهای داغ پیرامون GEO ،AEO و AI SEO، هنوز تعریف واحد و اجماعیافتهای برای «محتوای سیال» وجود ندارد. اما تعریف ارائهشده در گزارش پیشبینیهای سال ۲۰۲۶ موسسه رویترز (Reuters Institute) بسیار دقیق و کاربردی است:
«محتوای سیال به محتوا یا داستانهایی گفته میشود که استاتیک و ثابت نیستند، بلکه به صورت آنی (Real-time) بر اساس بافتار (Context)، موقعیت مکانی، زمان یا نوع تعامل بیننده سازگار میشوند. هوش مصنوعی این روند را با شخصیسازی محتوا بر اساس ترجیحات فردی تسهیل میکند. این امر مستلزم آن است که رسانههای سنتی از نگارش مقالات سخت و صلب فاصله گرفته و به سمت تولید اشیاء صوتی، تصویری و متنی انعطافپذیر و اتمی (Atomic Objects) حرکت کنند.»
عناصر تشکیلدهنده یک مقاله سنتی همچنان ارزشمند و ضروری هستند:
-
اطلاعات تاییدشده و معتبر
-
نقلقولها
-
دادهها و آمار
-
منابع و ارجاعات
اما به جای حبس کردن این اجزا در قالب صلبِ یک مقاله متنی ثابت، این عناصر در کانالها و لولههای انعطافپذیرِ توزیع محتوا قرار میگیرند. در واقع، ارزش محتوا از کلِ مقاله به دادهها، حقایق و آمار درون آن منتقل میشود.
نقش محتوای چندوجهی (Multimodal) در سیستم محتوای سیال
گاهی اوقات اصطلاحات «محتوای چندوجهی» (Multimodal Content) و «محتوای سیال» به جای یکدیگر استفاده میشوند. اما بهتر است محتوای چندوجهی را به عنوان خوراکی دانست که در سیستم توزیع محتوای سیال جریان دارد. این سیستم بر دو پایه اصلی استوار است:
-
فرمت (Format)
-
شخصیسازی (Personalization)
کلید موفقیت در این است که نقاط قوت موضوعی یک رسانه یا وبسایت را با فرمت مورد علاقه مخاطبانش همراستا کنیم.
یکی از نمونههای معروف تولیدکننده محتوای چندوجهی، ابزار NotebookLM گوگل (که قبلاً با نام Gemini Notebook شناخته میشد) است. اگر یک فایل PDF از حکم دادگاه، یک ویدیو تحلیلی یا یک مقاله تحقیقی ۲۰۰۰ کلمهای را به این ابزار بدهید، میتواند اطلاعات آن را به فرمتهای متنوعی تبدیل کند:
-
خلاصههای مدیریتی (Briefings)
-
اینفوگرافیک (Infographics)
-
آزمون و کویز (Quizzes)
-
پادکستهای صوتی
-
اسلایدهای ارائهای (Slide Decks)
اگرچه ممکن است تجربه تبدیل گزارشهای تحلیل داده به اینفوگرافیکهای کاملاً دقیق همواره یکنواخت نباشد (که برای فناوریهای نوظهور هوش مصنوعی طبیعی است)، اما همچنان ابزاری ارزشمند برای تست گزینههای مختلف چندوجهیسازی محتوا به شمار میرود.
تطبیق گردشکارهای اتاق خبر برای تولید محتوای شناور (Liquid Content)
برای ایجاد گردشکارهای مبتنی بر محتوای شناور (Liquid Content)، سیستم مدیریت محتوای (CMS) یک اتاق خبر باید قابلیت تبدیل یک مقاله به فرمتها و قالبهای مختلف را داشته باشد. با این حال، این فرایند نباید به صورت تماماتوماتیک و کاملاً ماشینی انجام شود؛ چرا که دخالت و نظارت انسانی در آن بنیادی و حیاتی است.
به جای اینکه یک سوژه یا خبر را مجبور کنیم تا در قالب پیشفرض و سنتی یک مقاله متنی بگنجد، خودِ داستان و ماهیت آن باید تعیین کند که چگونه و با چه فرمتی ارائه شود تا بیشترین تأثیر را روی مخاطب هدف بگذارد. استیون ویلسون-بیلز (Steven Wilson-Beales) پیشنهاد میکند که همواره این سوال کلیدی را از خود بپرسیم:
«هسته و بذر اصلی این داستان چیست و چه فرمتهایی به این بذر اجازه میدهند تا به بهترین شکل رشد کند و شکوفا شود؟»
بازآفرینی و تغییر فرمت محتوا اقدام جدیدی نیست و رسانهها همین حالا هم در تستهای A/B برای عنوان مقالات مهارتی دیرینه دارند. اما امروزه با کمک هوش مصنوعی، آنها میتوانند فرمتهای مختلف محتوایی را به روشی مشابه آزمایش کنند تا متوجه شوند کدام قالب بیشترین تعامل را با مخاطبان ایجاد میکند.
چالشبرانگیزترین بخش این مسیر، لایه شخصیسازی (Personalization Layer) است.
شبکه رادیو و تلویزیون فنلاند (Yle) بیش از یک دهه است که روی برنامههای شخصیسازی محتوا کار میکند. اکنون فناوری هوش مصنوعی به آنها کمک میکند تا برخی از مفاهیم ذهنی خود را به واقعیت تبدیل کنند؛ مانند ارائه فرمتهای مختلفی از یک خبر که دقیقاً متناسب با نیاز لحظهای کاربر تنظیم شده است (برای مثال، ارائه نسخه صوتی برای فردی که در حال رانندگی است در مقایسه با یک مقاله متنی برای مسافری که در مترو نشسته است).
رسانهها و ناشران بزرگ در حال حاضر با روشهای گوناگونی در حال آزمون و خطا روی محتوای چندوجهی (Multimodal) و محتوای شناور هستند:
-
Sky News: این شبکه در حال بازطراحی کامل گردشکارهای خود است تا پروژهها را به صورت همزمان برای چندین پلتفرم توزیع توسعه دهد، به جای اینکه ابتدا برنامهای را پخش تلویزیونی کند و سپس آن را به فرمت دیجیتال برگرداند.
-
Die Zeit: این روزنامه آلمانی بر روی پادکست به عنوان یک فرصت چندفرمت نگاه میکند.
-
ابزار داستانی AP (Associated Press): این ابزار هوشمند، داستانها را به انواع فرمتها، از پستهای شبکههای اجتماعی گرفته تا اعلانهای آنی (Push Alerts)، تبدیل میکند.
-
واشنگتن پست (The Washington Post): در اواخر سال ۲۰۲۵ دست به یک آزمایش بر پایه هوش مصنوعی زد و پادکست اختصاصی “Your Personal Podcast” را راهاندازی کرد که در آن مخاطبان میتوانند موضوعات و گویندگان مورد علاقه خود را انتخاب کنند. رونمایی پرچالش و پر فراز و نشیب این سرویس نباید بهانهای برای سایر ناشران باشد تا از آزمایشهای مبتنی بر هوش مصنوعی در اتاقهای خبر خود دست بکشند؛ زیرا این پروژههای پیشگامانه درسهای ارزشمندی برای ساخت محصولات باکیفیتتر در آینده ارائه میدهند.
ساختاردهی مقالات برای جستجوی مبتنی بر هوش مصنوعی (AI Search)
مفهوم محتوای شناور (Liquid Content) تماماً درباره انعطافپذیری است، اما با این حال این محتوا همچنان نیازمند ساختاری مشخص است تا ویژگیهای جستجوی هوش مصنوعی گوگل و مدلهای بزرگ زبانی (LLMs) بتوانند به راحتی آن را کشف، استخراج و به عنوان منبع یاد کنند.
این موضوع به معنای آگاهی از نحوه پردازش و استخراج محتوا توسط رباتهای هوش مصنوعی است، نه اینکه صرفاً و فقط برای آنها بنویسیم. در واقع، هر آنچه برای رباتها مفید است، میتواند برای مخاطبان و خوانندگان رسانه نیز عالی و کاربردی باشد.
عناصر کلیدی که باید در نظر بگیرید:
-
اصل مطلب را پنهان نکنید: به جای حاشیهپردازی، از ساختار هرم معکوس (Inverted Pyramid) استفاده کنید (مهمترین اطلاعات و پاسخ اصلی را در همان ابتدای متن ارائه دهید).
-
استفاده از دادههای ساختاریافته (NewsArticle Schema): از اسکیماهای تخصصی خبری برای درک بهتر محتوا توسط موتورهای جستجو بهره ببرید.
-
خلاصههای بولتپوینتی در بالای مقاله: به ویژه برای مقالات و گزارشهای بلند، یک خلاصه کلیدی و چندخطی در ابتدای متن قرار دهید.
-
استفاده از زیرعنوانها (Subheaders): برای سازماندهی، تفکیک و مشخص کردن بخشهای مختلف متن از تیترهای ساختاریافته استفاده کنید.
-
استخراج نکات و سوالات کلیدی: سوالات اصلی، درسهای مهم یا نقلقولهای شاخص مقاله را شناسایی کرده و آنها را در باکسهای نقلقول (Quote Box) یا عناصر بصری مشابه برجسته کنید.
-
اهرم لینکسازی داخلی (Internal Linking): برای درک عمیقتر مخاطب و تعامل بیشتر، و همچنین نمایش قدرت و اعتبار موضوعی (Topic Authority) به گوگل، از لینکسازی داخلی متوازن استفاده کنید.
آخرین کاری که ناشران خبری باید انجام دهند این است که به جای نوشتن برای الگوریتمهای سنتی جستجو، ناگهان به سمت نوشتن صرف برای الگوریتمهای هوش مصنوعی تغییر مسیر دهند! ساختاردهی و فرمتبندی هوشمندانه مقاله میتواند به محتوای خبری کمک کند تا هم به دست رباتها برسد و هم توجه خوانندگان پرمشغله انسانی را جلب کند.
اگرچه به نظر میرسد توجه و تمرکز مخاطبان اخبار کاهش یافته است، اما واقعیت این است که موضوع اصلی، تطبیق مخاطب با پلتفرم و فرمت دلخواه اوست. در دنیایی که کاربران از حجم زیاد اخبار دچار خستگی شدهاند (News Fatigue)، محصولات مبتنی بر محتوای شناور میتوانند تجربهای متحولکننده برای مصرفکنندگان اخبار ایجاد کنند.
روشهای جدید برای توزیع و درآمدزایی از محتوای خبری
محتوای شناور به صنعت رسانه و دیجیتال مارکتینگ این فرصت را میدهد تا از حالت «اجاره فضای تبلیغاتی در پلتفرمهای شخص ثالث» فاصله گرفته و به سمت «مالکیت کانالهای اختصاصی محتوا» حرکت کند؛ کانالهایی که از دادههای ارزشمند و اختصاصی پر شدهاند. این یک تغییر مسیر راهبردی است که برای رسیدن به سودآوری، نیازمند هدفی شفاف، تمرکز بالا و آزمون و خطاست.
میتوان مدل یک رستوران را به عنوان الگویی برای یک مدل موفق محتوای شناور در اتاق خبر در نظر گرفت: یک رستوران لیستی از غذاهای استاندارد (منو) را ارائه میدهد، اما خود را با رژیم غذایی، بودجه و سلیقه فضایی مشتریانش وفق میدهد.
به همین ترتیب، سبد محتوایی یک رسانه (وبسایت، خبرنامه، اپلیکیشن) نقش منوی آن را ایفا میکند. ناشران با اتخاذ گردشکار محتوای شناور، از یک منوی ثابت و غیرقابل تغییر به سمت یک تجربه پویا و سفارشیسازیشده (À la carte) حرکت میکنند که دقیقاً بر اساس ترجیحات مخاطب تنظیم میشود.
۱. درآمدزایی از دادههای اختصاصی ناشران
گزارش سال ۲۰۲۵ مؤسسه FT Strategies مفهومی به نام «ژورنالیسم به عنوان یک سرویس» (JaaS یا Journalism as a Service) را پیشنهاد کرد؛ مدلی که در آن ناشران میتوانند از طریق APIها یا فروش مجوز (Licensing)، از دادههای اختصاصی خود درآمدزایی کنند.
ناشران اخبار مالی و اقتصادی شاید در حال حاضر در این زمینه پیشتاز باشند، اما رسانههای حوزه سلامت، علم و ورزش نیز روی گنجینهای از دادهها و تحلیلهای تاریخی نشستهاند.
رسانهها و وبسایتهای محلی نیز فرصتهای مشابهی دارند تا به مراکز اطلاعاتی جامع و هوشمند برای جامعه تبدیل شوند؛ یا همانطور که Splice Media این مفهوم را تعبیر میکند: «یک شبکه اجتماعی محلی برای ماشینها و رباتها (Nextdoor for machines)».
۲. فرصتهای طلایی برای محتوای سیستم همکاری در فروش (Affiliate Content)
ناشران نباید از محتوای افیلیت (سفارش و معرفی محصول) غافل شوند. قابلیتهای خرید مبتنی بر هوش مصنوعی که به نتایج جستجو (SERP) اضافه شدهاند، در کنار بهروزرسانیهای گوگل درباره «سؤاستفاده از اعتبار سایت» (Site Reputation Abuse Policy)، برخی ناشران را گیج کرده است، در حالی که گروهی دیگر به دنبال شکار فرصتهای جدید هستند.
مجله Time در حال کار روی یک محصول دادهای است که اختصاصاً برای رباتها طراحی شده است؛ چرا که پتانسیل روزافزون هوش مصنوعی عاملیتدار (Agentic AI) را درک کرده است—جایی که رباتها به نمایندگی از کاربران خریدهای آنلاین را انجام میدهند!
سؤال کلیدی این است: آیا ناشران میتوانند با تبدیل شدن به منبع موثق بررسی محصول برای رباتهای خریدار، جایگاه خود را در محتوای افیلیت دوباره به دست آورند؟
۳. یافتن پلتفرمهای درست برای توزیع محتوا
محتوای شناور میتواند به سمت پلتفرمهایی هدایت شود که بالاترین نرخ تعامل (Engagement) را دارند. به عنوان مثال، آمار بازدیدهای ورزشی در شبکههای اجتماعی رو به رشد است و هواداران به جای تماشای کامل مسابقات از تلویزیون، خلاصه بازیها و محتوای تولیدشده توسط کریئیتورها را دنبال میکنند.
ناشران باید ابزارهای تحلیلی (Analytics) خود را عمیقاً بررسی کنند تا نه تنها عملکرد خود در شبکههای اجتماعی، بلکه نحوه نمایش پستهای اجتماعیشان را در نتایج جستجوی گوگل درک کنند. گوگل نیز با اضافه کردن دادههای شبکههای اجتماعی و ویدئویی ناشران به Google Search Console، پیگیری این فرآیند را راحتتر کرده است.
۴. شخصیسازی توزیع محتوا
گوگل همچنین در حال توسعه شخصیسازی در ویژگیهای خبری مبتنی بر هوش مصنوعی خود است. قابلیت Preferred Sources (منابع ترجیحدادهشده) طراحی شده است تا به کاربران وفادار کمک کند مستقیماً به ناشران و اشتراکهای مورد علاقه خود متصل شوند.
باری آدامز (Barry Adams)، کارشناس برجسته سئو خبری، معتقد است که ویژگیهای شخصیسازی گوگل در واقع در حال ساخت «زیستبوم وفاداری مخاطب» هستند. محتوایی که یک دنبالکننده جدی را درگیر میکند (مانند مقالات تحلیلی و عمیق)، تبدیل به یک مگنت و جذبکننده لید (Lead Magnet) برای سایر محصولات سودآور ناشر مانند خبرنامهها، اشتراکهای پولی و اپلیکیشنها میشود.
از دیگر تحولات امیدوارکننده میتوان به ابزار Nota اشاره کرد که از هوش مصنوعی برای درآمدزایی از محتوا در زمان جهش ناگهانی توجه مخاطبان استفاده میکند. همچنین سرویس Beakon یک سرویس شخصیسازی خبر بر پایه هوش مصنوعی برای اخبار مالی است. پیشبینی میشود این بخش از صنعت در سالهای آینده به شدت رشد و گسترش یابد.
مخاطرات و ریسکهای محتوای شناور (Liquid Content)
بر اساس یافتههای پژوهش اتاقهای خبر آینده در سال ۲۰۲۶ (Future Newsrooms Study 2026)، هنوز ۶۴ درصد از اتاقهای خبر، داستانها و گزارشهای خود را بر اساس پلتفرم مقصد (سایت، نسخه چاپی، تلویزیون) تولید میکنند؛ در حالی که تنها ۲۱ درصد از آنها مبنای تولید را ترجیح و سلیقه مخاطب قرار میدهند. رسանهها ممکن است احساس کنند که دیگر توان تغییر مسیرهای متعدد را ندارند، اما واقعیت این است که ریسکِ عقب ماندن از برندهای رسانهای که اشتیاق بیشتری برای آزمون و خطا دارند، بسیار جدیتر است.
زمانی که مقالات تا حد «اتمهای اطلاعاتی خردشده» تجزیه میشوند، خطر تحریف و از دست رفتن معنای اصلی کاملاً جدی میشود. همه ما دیدهایم که قابلیت AI Overviews گوگل گاهی با تکهتکه کردن و ترکیب منابع مختلف، پاسخهای عجیب و نادرست (اطلاعات غلط یا اصطلاحاً پاسخهای فرانکنشتاینی) تولید میکند.
من نمونههایی را ثبت کردهام که در آن هوش مصنوعی گوگل، تیترها را در Google Discover بازنویسی کرده یا حتی برای مسابقهای که هنوز شروع نشده بود، نتایج خیالی ارائه داده است! رسانهها شاید مالک محتوایی باشند که وارد این کانالها میشود، اما این گوگل است که کنترل ماشین SERP بیقاعده (Freestyle SERP) خود را در دست دارد و ملغمهای از محتواهای بیکیفیت تولیدشده توسط هوش مصنوعی (AI Slop) را با نام و برند خودِ رسانه تحویل مخاطب میدهد!
از سوی دیگر، تمرکز بیش از حد بر شخصیسازی محتوای خبری ممکن است پدیدهی «اتاقهای پیچش صدا» (Echo Chambers) را که جامعه در یک دهه گذشته تمایل زیادی به آن نشان داده، تقویت کند. وقتی به افراد کنترل و اختیارات گستردهتری برای سفارشیسازی نحوه دریافت اخبار میدهیم، این احتمال وجود دارد که آنها زاویه دید خود را محدودتر کرده و تنها محتوایی را انتخاب کنند که دقیقاً با جهانبینی و باورهای قبلیشان همخوانی دارد.
چگونه محتوای شناور را به نفع رسانهها و ناشران فعال کنیم؟
جستجوی مبتنی بر هوش مصنوعی در حال شکلدادن به یک تحول عمیق در قالبهای سنتی مقالات است؛ تحولی که طی آن، مقالات به داراییهای دادهای انعطافپذیر و ارزشمندی تبدیل میشوند که سوخت اصلی پاسخهای هوش مصنوعی و ارجاعات مدلهای بزرگ زبانی (LLM) را تامین میکنند.
ناشران و صاحبان کسبوکارهای اینترنتی باید دادههای ارزشمند تحت مالکیت خود را بهینهسازی کنند تا مطمئن شوند که در یک گردشکار محتوای شناور، توانایی کسب درآمد و سودآوری از محصولاتشان را خواهند داشت. اگر این تغییر مسیر به صورت استراتژیک و هوشمندانه پیادهسازی شود، میتواند فرصتهای درآمدی جدید و بسیار حیاتی را برای صنعت رسانه و تولید محتوا خلق کند.
نکته کلیدی این موضوع برای رشد سئو و ورودی سایت (از زبان پارس سئو دبی)
اگر بخواهیم این موضوع را از زاویه تجربه فنی و عملیاتی تیم پارس سئو دبی بررسی کنیم، کلید موفقیت در عصر جدید سئو و جستجوهای هوش مصنوعی، «کنترل هوشمندانه نحوه استخراج دادهها توسط رباتها» است.
همانطور که در متن مقاله اشاره شد، الگوریتمهای هوش مصنوعی (مانند AI Overviews) تمایل زیادی دارند تا بخشهای خردشده محتوا را ترکیب کنند که اگر ساختار متن شما مبهم باشد، به ارجاع اشتباه یا افت اعتبار برند شما منجر میشود. ما در پروژههای آژانس پارس سئو دبی برای حل این چالش و استفاده حداکثری از پتانسیل محتوای شناور، راهکارهای زیر را به عنوان محور اصلی سئوی محتوایی پیشنهاد میکنیم:
۱. استفاده مکرر از پاراگرافهای خودکفا (Self-Contained Paragraphs): هر بخش از مقاله شما (بهویژه زیرعنوانهای H2 و H3) باید به گونهای نوشته شود که اگر هوش مصنوعی آن پاراگراف را به تنهایی جدا کرد، مفهوم آن کامل، دقیق و بدون ابهام باشد.
۲. پیادهسازی دقیق اسکیماهای تخصصی (Structured Data): جهت جلوگیری از تعبیر اشتباه الگوریتمها، دادههای کلیدی مانند نویسنده، تاریخ بروزرسانی، موضوع اصلی و دادههای عددی را با اسکیماهای دقیق نشانهگذاری کنید تا گوگل همان معنایی را درک کند که شما قصد انتقال آن را داشتهاید.
۳. تمرکز بر ساخت برند موثق (Entity Authority): هوش مصنوعی برای تولید پاسخهای نهایی، بیشتر به سراغ برندهایی میرود که در یک حوزه تخصصی «مرجعیت موضوعی» دارند. با تولید محتوای جامع و لینکسازی داخلی متوازن، پایگاه دانش سایت خود را به منبعی تبدیل کنید که الگوریتمها چارهای جز ارجاع به آن نداشته باشند.







