اطلاعات و داده‌ها به استراتژی و مسیر متفاوتی برای دیده شدن در هوش مصنوعی اشاره دارند؛ جایی که منابعی که از شما یاد می‌کنند، ممکن است اهمیت بیشتری نسبت به محتوایی داشته باشند که خودتان کنترل می‌کنید.
بخش زیادی از توصیه‌های فعلی در مورد بهینه‌سازی برای موتورهای مولد (GEO)، بر پایه نظریات، اسکرین‌شوت‌های ایزوله یا یک کمپین تک و منفرد استوار است. من به دنبال نتایج قابل اندازه‌گیری بودم؛ به همین دلیل دو آزمایش ساختاریافته را به صورت پشت سر هم اجرا کردم، نتایج را به صورت دستی ثبت نمودم و آنچه کارساز بود، آنچه شکست خورد و تغییراتی را که بین این دو تست رخ داد، مستند کردم.
آزمایش اول، برای یک برند موجود که به آن مشاوره می‌دادیم، هزاران دلار هزینه داشت و طی چند ماه اجرا شد. آزمایش دوم، یک آزمایش ۳۰ روزه شروع از صفر (Cold-start) برای یک آژانس لینک‌سازی SaaS بود که در زمان شروع تست، هیچ حضور قابل اندازه‌گیری در هوش مصنوعی نداشت.
در هر تست، ۱۵ کلمه کلیدی با قصد تجاری (Commercial-intent) پیگیری شد. تست اول چهار پلتفرم هوش مصنوعی را پوشش داد، در حالی که تست دوم شش پلتفرم را شامل می‌شد. من ۷۷۵ مورد استناد (Citation event) را در هر دو آزمایش ثبت کردم و یکی از نتایج اولیه من در تست دوم دوام نیاورد. در ادامه به نحوه راه‌اندازی، مشاهدات و نحوه به‌کارگیری آن‌ها در کارتان می‌پردازیم.
آزمایش ۱: تست مشاوره‌ای
ما ۱۵ کلمه کلیدی با قصد تجاری را در چهار پلتفرم پیگیری کردیم: ChatGPT، Claude، Gemini و Perplexity. هر پرس‌وجو (Query) به صورت دستی، با و بدون VPN اجرا شد تا تفاوت‌های احتمالی مبتنی بر مکان جغرافیایی لحاظ شود.
استراتژی ما قرار دادن مقالات فهرستی (Listicles) در منابعی بود که معمولاً توسط مدل‌های زبانی بزرگ (LLMs) برای کلمات کلیدی ما نمایش داده می‌شدند، و همچنین در سایت خود برند. ما از این استراتژی از طریق روابط عمومی (PR)، پست‌های میهمان و فعالیت ارگانیک در لینکدین پشتیبانی کردیم.
در پایان، برند تقریباً برای ۱۰ تا ۱۲ کلمه کلیدی از ۱۵ کلمه کلیدی ظاهر شد. اوج حضور کلمات کلیدی در تاریخ ۲۹ آوریل به ۳۷.۰۱ درصد رسید. روند کلی صعودی بود، همراه با تغییرات معنادار هفته به هفته. استنادها به تفکیک پلتفرم به شرح زیر بود: ChatGPT با ۱۴۸ مورد، Claude با ۹۶ مورد، Gemini با ۸۷ مورد و Perplexity با ۶۴ مورد.
منبع اصلی استنادها، یک مقاله فهرستی جامع در Indeed SEO با ۱۹۰ بار یادآوری بود. پس از آن MEXC و یک بیانیه خبری در GlobeNewswire قرار گرفتند، اما هیچ‌کدام به این حجم نرسیدند. در مجموع، مقالات فهرستی ۷۲.۴ درصد از استنادها و روابط عمومی ۲۴.۱ درصد را به خود اختصاص دادند. پست‌های میهمان، سایت اختصاصی برند و لینکدین مابقی موارد را تقسیم کردند.
ما همچنین چهار درس بزرگ آموختیم که می‌توانید در پروژه بعدی خود به کار بگیرید.
اطلاعات و داده‌ها به استراتژی و مسیر متفاوتی برای دیده شدن در هوش مصنوعی اشاره دارند؛ جایی که منابعی که از شما یاد می‌کنند، ممکن است اهمیت بیشتری نسبت به محتوایی داشته باشند که خودتان کنترل می‌کنید.
بخش زیادی از توصیه‌های فعلی در مورد بهینه‌سازی برای موتورهای مولد (GEO)، بر پایه نظریات، اسکرین‌شوت‌های ایزوله یا یک کمپین تک و منفرد استوار است. من به دنبال نتایج قابل اندازه‌گیری بودم؛ به همین دلیل دو آزمایش ساختاریافته را به صورت پشت سر هم اجرا کردم، نتایج را به صورت دستی ثبت نمودم و آنچه کارساز بود، آنچه شکست خورد و تغییراتی را که بین این دو تست رخ داد، مستند کردم.
آزمایش اول، برای یک برند موجود که به آن مشاوره می‌دادیم، هزاران دلار هزینه داشت و طی چند ماه اجرا شد. آزمایش دوم، یک آزمایش ۳۰ روزه شروع از صفر (Cold-start) برای یک آژانس لینک‌سازی SaaS بود که در زمان شروع تست، هیچ حضور قابل اندازه‌گیری در هوش مصنوعی نداشت.
در هر تست، ۱۵ کلمه کلیدی با قصد تجاری (Commercial-intent) پیگیری شد. تست اول چهار پلتفرم هوش مصنوعی را پوشش داد، در حالی که تست دوم شش پلتفرم را شامل می‌شد. من ۷۷۵ مورد استناد (Citation event) را در هر دو آزمایش ثبت کردم و یکی از نتایج اولیه من در تست دوم دوام نیاورد. در ادامه به نحوه راه‌اندازی، مشاهدات و نحوه به‌کارگیری آن‌ها در کارتان می‌پردازیم.
آزمایش ۱: تست مشاوره‌ای
ما ۱۵ کلمه کلیدی با قصد تجاری را در چهار پلتفرم پیگیری کردیم: ChatGPT، Claude، Gemini و Perplexity. هر پرس‌وجو (Query) به صورت دستی، با و بدون VPN اجرا شد تا تفاوت‌های احتمالی مبتنی بر مکان جغرافیایی لحاظ شود.
استراتژی ما قرار دادن مقالات فهرستی (Listicles) در منابعی بود که معمولاً توسط مدل‌های زبانی بزرگ (LLMs) برای کلمات کلیدی ما نمایش داده می‌شدند، و همچنین در سایت خود برند. ما از این استراتژی از طریق روابط عمومی (PR)، پست‌های میهمان و فعالیت ارگانیک در لینکدین پشتیبانی کردیم.
در پایان، برند تقریباً برای ۱۰ تا ۱۲ کلمه کلیدی از ۱۵ کلمه کلیدی ظاهر شد. اوج حضور کلمات کلیدی در تاریخ ۲۹ آوریل به ۳۷.۰۱ درصد رسید. روند کلی صعودی بود، همراه با تغییرات معنادار هفته به هفته. استنادها به تفکیک پلتفرم به شرح زیر بود: ChatGPT با ۱۴۸ مورد، Claude با ۹۶ مورد، Gemini با ۸۷ مورد و Perplexity با ۶۴ مورد.
منبع اصلی استنادها، یک مقاله فهرستی جامع در Indeed SEO با ۱۹۰ بار یادآوری بود. پس از آن MEXC و یک بیانیه خبری در GlobeNewswire قرار گرفتند، اما هیچ‌کدام به این حجم نرسیدند. در مجموع، مقالات فهرستی ۷۲.۴ درصد از استنادها و روابط عمومی ۲۴.۱ درصد را به خود اختصاص دادند. پست‌های میهمان، سایت اختصاصی برند و لینکدین مابقی موارد را تقسیم کردند.
ما همچنین چهار درس بزرگ آموختیم که می‌توانید در پروژه بعدی خود به کار بگیرید.
آزمایش ۲: تست شروع از صفر (Cold Start)
این تست شامل یک آژانس لینک‌سازی SaaS بود که در زمان شروع آزمایش، هیچ حضور قابل اندازه‌گیری در هوش مصنوعی نداشت. در بازه زمانی مبنا از ۳۰ آوریل تا ۲۹ می، این برند هیچ حضور قابل اندازه‌گیری در هیچ‌یک از پلتفرم‌های پیگیری‌شده نداشت.
آزمایش از ۳۰ می تا ۲۸ ژوئن اجرا شد و شش پلتفرم را پوشش داد که Google AI Mode و Grok نیز به فهرست آزمایش اول اضافه شدند. ما ۱۵ کلمه کلیدی با قصد تجاری را که یک خریدار SaaS ممکن است هنگام ارزیابی یک آژانس استفاده کند، پیگیری کردیم. هر پلتفرم و کلمه کلیدی به صورت دستی بررسی شد.
این آزمایش منجر به ۲۹۸ مورد حضور در ۳۰ روز از نقطه صفر کامل شد. میزان حضور به تفکیک پلتفرم عبارت بود از: Gemini با ۱۰۴ مورد، Google AI Mode با ۹۵ مورد، Claude با ۵۹ مورد، ChatGPT با ۳۲ مورد، Grok با ۴ مورد و Perplexity با ۴ مورد.
پلتفرم‌های Gemini و Google AI Mode تقریباً دو سوم از کل آمار پلتفرم‌های ذکرشده در بالا را به خود اختصاص دادند. این امر تفاوت شدیدی با آزمایش اول داشت، جایی که ChatGPT در صدر قرار داشت. این مقایسه باید با احتیاط صورت گیرد زیرا AI Mode در آزمایش اول پیگیری نشده بود و این دو حوزه تخصصی (Niche) نیز مستقیماً قابل مقایسه نبودند.
تأثیر بر کسب‌وکار: در طول این بازه ۳۰ روزه، ۱۸.۵ درصد از کاربران جدید از طریق ارجاع ترافیک (Referral Traffic) و ۳.۲۵ درصد دیگر از طریق کانال دستیار هوش مصنوعی GA4 وارد شدند. این کانال‌ها در مجموع کمی بیش از یک‌پنجم کل کاربران جدید را تشکیل دادند. یک ارجاع از سمت Perplexity منجر به جذب یک مشتری بالقوه شد که بعداً به مشتری پرداختی تبدیل گردید، حتی با وجود اینکه Perplexity کم‌ترین حجم ترافیک را در این آزمایش داشت.
در ادامه مواردی که این آزمایش به من آموخت آورده شده است.
تمرکز بر استنادهای مشاهده‌شده و درج‌های کسب‌شده
من آموختم که باید لیست هدف خود را بر اساس استنادهای مشاهده‌شده بسازید، نه صرفاً بر اساس اعتبار دامنه (DR). قبل از شروع بازاریابی و ارتباطات (Outreach)، تمام ۱۵ کلمه کلیدی را در هر پلتفرم اجرا کردم، منابعی را که ظاهر شدند ثبت نمودم و آن‌ها را بر اساس فراوانی استناد رتبه‌بندی کردم. آن لیست رتبه‌بندی شده به لیست بازاریابی و ارتباطات ما تبدیل شد.
پنج هدف از هشت هدف تعیین‌شده در ترکیب نهایی استنادها ظاهر شدند. رسانه Indie Hackers از ۴۴ یادآوری در طول مرحله ارزیابی، پس از فعال شدن درج مطلب ما به ۱۴۶ مورد افزایش یافت که یک بهبود ۲۳۲ درصدی است. رسانه Bruce Jones SEO از ۲۶ به ۶۹ مورد افزایش یافت (۱۶۵ درصد رشد)، در حالی که TechBullion از ۱۵ به ۳۷ مورد رسید که یک جهش ۱۴۷ درصدی را نشان می‌دهد.
این رویکرد در همه موارد کارساز نبود. RankTracker و HR.com استنادهای کمتری را پس از درج مطلب نسبت به زمان ارزیابی نشان دادند، و دو سایت انتخاب‌شده در لیست نهایی تا پایان بازه اندازه‌گیری اصلاً ظاهر نشدند. به نظر می‌رسید این روش نرخ موفقیت را بهبود می‌بخشد، اما استنادها را تضمین نمی‌کند.
تمرکز درج مطالب بسیار شدید بود. سه منبع — Indie Hackers، Bruce Jones SEO و مقاله فهرستی خود ما — ۳۴۲ مورد از ۴۳۷ یادآوری کل منابع یا تقریباً ۷۸ درصد را به خود اختصاص دادند. هفت درج مطلب فعال دیگر، مابقی یادآوری‌ها را به اشتراک گذاشتند. در این آزمایش، تعداد کمی از منابع بیشترین میزان دیده شدن را ایجاد کردند.
در این آزمایش، درج‌های کسب‌شده (Earned Placements) با اختلاف زیادی از محتوای اختصاصی (Owned Content) بهتر عمل کردند. از همان ۴۳۷ یادآوری منبع، مقالات فهرستی شخص ثالث ۸۵.۸ درصد، مقاله فهرستی منتشرشده توسط خود ما ۱۴.۰ درصد و روابط عمومی ۰.۲ درصد را تولید کردند.
اندازه‌گیری استنادها در طول زمان
زمان لازم تا ثبت استناد بین ۱ تا ۱۸ روز متغیر بود. به دو درج مطلب، یک روز پس از انتشار استناد شد، در حالی که موارد دیگر ۱۰ یا ۱۱ روز طول کشیدند. چهار درج مطلب فعال بودند اما تا پایان دوره اندازه‌گیری به آن‌ها استناد نشده بود. این تفاوت نشان می‌دهد که تنها یک بار بررسی، آن هم یک هفته پس از انتشار، رویکرد اندازه‌گیری قابل اعتمادی نیست.
کندترین منبع برای استناد داده شدن، همان منبعی بود که تحت کنترل خود ما قرار داشت. مقاله فهرستی خود ما ۱۸ روز طول کشید، یعنی طولانی‌تر از هر درج مطلب شخص ثالث، از جمله دو مورد که یک‌شبه جذب شده بودند.
مقالات فهرستی اختصاصی یک پایه هستند، نه یک اهرم رشد
اینجاست که مجبور شدم نتیجه‌گیری اولیه خود را بازبینی کنم.
بعد از آزمایش اول، من انتشار مقالات فهرستی در سایت اختصاصی برند را توصیه کردم زیرا به نظر می‌رسید بسیاری از برندهای دارای رتبه برتر از محتوای خود بهره می‌برند. آزمایش دوم نشان داد که یک مقاله فهرستی اختصاصی بیشتر یک پایه است تا یک موتور رشد اصلی. این مقاله کندترین منبع برای استناد داده شدن بود و ۱۴ درصد از یادآوری‌ها را تشکیل داد، در حالی که درج‌های کسب‌شده بیشترین میزان دیده شدن را ایجاد کردند.
بررسی دقیق‌تر: چگونه بفهمیم بهینه‌سازی موتور مولد (GEO) ما کارساز است؟
محتوای مقایسه‌ای موثر است
مقاله فهرستی اختصاصی ما زمانی که کم‌تر جنبه تبلیغاتی پیدا کرد و بیشتر به حالت مقایسه‌ای درآمد، بهبود یافت. در تاریخ ۲۳ ژوئن، ما آن را به روز کردیم تا به جای ارائه برند به تنهایی، رقبای اصلی ما را هم شامل شود. یادآوری‌های آن منبع از چهار مورد به ۴۹ مورد افزایش یافت که یک افزایش ۱۲.۲۵ برابری در تعداد نهایی را نشان می‌دهد. منحنی دیده شدن روزانه نیز در همان دوره افزایش یافت؛ از ۲۲ مورد در ۲۳ ژوئن به اوج ۹۵ مورد در ۲۷ ژوئن رسید.
این موضوع اثر «مجموعه همتا» (Peer-set effect) مشاهده‌شده در آزمایش اول را منعکس کرد، اما از جهت معکوس. حذف نام‌های شناخته‌شده در دور اول با کاهش عملکرد همراه بود، در حالی که اضافه کردن رقبای شناخته‌شده در دور دوم با یک افزایش قابل توجه همراه شد. الگوی مشابهی در دو برند و دو حوزه تخصصی متفاوت ظاهر شد، که آن را به یکی از یافته‌هایی تبدیل می‌کند که من برای تست‌های بعدی در اولویت قرار می‌دهم.
پوشش مقایسه‌ای در این تست عملکرد بهتری نسبت به جانبداری و تبلیغ مستقیم داشت. این افزایش ۱۲.۲۵ برابری پس از به‌روزرسانی رخ داد که باعث شد صفحه به جای صفحه‌ای که عمدتاً روی شرکت خود ما تمرکز دارد، به عنوان یک منبع مفید برای کل آن حوزه دسته‌بندی عمل کند. دامنه، نویسنده و کلمه کلیدی هدف یکسان باقی ماندند؛ تغییر اصلی در دامنه و ماهیت محتوا بود.
استنادها برابر با کلیک نیستند
پرپستنادترین منابع و پرکلیک‌ترین منابع یکسان نبودند.
رسانه Indie Hackers حجم استناد بیشتری نسبت به هر منبع دیگری ایجاد کرد، اما ترافیک ارجاعی آن ثابت ماند. TechBullion استنادهای کمتری تولید کرد، اما نشست‌های کاربران (Sessions) را از یک به ۶۴ افزایش داد. نشست‌های ارجاعی از Claude.ai سه برابر شد، در حالی که نشست‌های ارجاعی ChatGPT حدود ۱۶۶ درصد افزایش یافت.
این نتایج نشان می‌دهد که حجم استناد به تنهایی برای تصمیم‌گیری در مورد اینکه کدام منابع شایستگی سرمایه‌گذاری بیشتر دارند، کافی نیست.
قصد کاربر در هر مدل متفاوت است
در این آزمایش، Claude تمرکز شدیدتری روی عبارت‌های با قصد بالا (High-intent terms) داشت. Gemini در کل میزان حضور با ۱۰۴ در مقابل ۵۹ مورد پیشتاز بود، اما Claude در ۵ مورد از ۱۰ کلمه کلیدی با بهترین عملکرد، در رتبه اول قرار داشت یا هم‌رتبه بود.
حجم Gemini به صورت گسترده‌تر توزیع شده بود، در حالی که Claude بیشتر روی پرس‌وجوهای تجاری متکثر بود. برای کسب‌وکاری که ارزش پلتفرم‌ها را ارزیابی می‌کند، این نحوه توزیع ممکن است اهمیت بیشتری نسبت به آمار کلی و تیتر اصلی داشته باشد.
دارایی‌های دارای عبارت دقیق نیز عملکرد خوبی داشتند
دو کلمه کلیدی قوی ما عبارت‌های “Best SaaS Link Building Agency in USA” و همان عبارت به همراه “2026” بودند که هر کدام ۱۸ بار حضور داشتند. این موضوع الگوی آزمایش اول را در یک حوزه تخصصی دیگر تکرار کرد و نشان می‌دهد که دارایی‌های اختصاصی ممکن است همچنان برای کلمات کلیدی تجاری با ارزش بالا ضروری باشند.
دیدگاه تیم پارس سئو دبی درباره این موضوع
ما در تیم پارس سئو دبی طی پروژه‌های اخیر و بررسی رفتار موتورهای جستجوی مبتنی بر هوش مصنوعی در بازارهای رقابتی منطقه به این نتیجه رسیدیم که اتکای صرف به سئوی سنتی و انتشار انبوه محتوای متنی در بلاگ داخلی، دیگر پاسخگوی نیاز برندها برای دیده شدن در الگوریتم‌های جدید نیست.
تجربه عملی ما در پارس سئو دبی نشان می‌دهد که مدل‌های هوش مصنوعی مانند ChatGPT و Perplexity بیش از آنکه به «ادعای خود برند» در سایت شخصی‌اش توجه کنند، به «شبکه اعتباری و ذکر نام برند در منابع ثالث» بها می‌دهند. از همین رو، ما استراتژی سئوی مشتریان خود را از تمرکز محض بر تولید محتوای آن‌پیک به سمت ارتقای ساختار سیگنال‌های خارجی (PR تخصصی، مقالات مقایسه‌ای صنعت و تثبیت انتیتی برند) سوق داده‌ایم تا بالاترین سهم پاسخ (Share of Model) را در موتورهای جستجوی هوش مصنوعی تصاحب کنند.
