Perplexity بسته به پرسش، بین سه تا شش منبع در هر پاسخ استناد میکند. حالت مرورگری ChatGPT بهندرت بیش از پنج منبع نشان میدهد. پژوهشگرانی که اصطلاح «بهینهسازی موتور مولد» (GEO) را ابداع کردند — مقالهای در سال ۲۰۲۳ از دانشگاه پرینستون، جورجیا تک و Allen AI — دریافتند صفحاتی با آمار قابلاستناد و نقلقولهای مستقیم، تا ۴۰٪ افزایش دیدهشدن در پاسخهای تولیدشده با هوش مصنوعی داشتهاند، در حالی که تراکم بیشتر کلمات کلیدی، چیزی که زمانی رتبهی گوگل را جابهجا میکرد، تقریباً هیچ تأثیری نداشت. این سه عدد در مقالات GEO زیاد نقل میشوند. عدد چهارم اینطور نیست، در حالی که همان چیزی است که واقعاً باید نحوهی نوشتن یک صفحه را تغییر دهد: وقتی ردیابی میکنید که مدل پاسخش را از کدام بخش سند برداشته، تقریباً همیشه یکسوم بالایی سند است. نه بهترین پاراگراف نوشتهشده. نه بخشی با بیشترین جزئیات. بالای صفحه.
چرا «جامع بودن» دیگر برگ برنده نیست
برای پانزده سال، توصیهی سئو نسخهای از «منبع نهایی را بنویسید» بود. همهی زوایا را پوشش دهید، به ۲۵۰۰ کلمه برسید، از رقبا عمیقتر باشید، و سیستمهای رتبهبندی گوگل بالاخره متوجه میشدند که کاملترین پاسخ اینترنت را ساختهاید. این غریزه به نحوهی انتخاب منبع توسط یک موتور مولد منتقل نمیشود، و درک اینکه چرا، مستلزم درک این است که وقتی کسی بهجای تایپ در جعبهی جستوجو، سؤالی از ChatGPT یا Perplexity میپرسد، واقعاً زیر پوسته چه اتفاقی میافتد.
یک موتور جستوجو کل سند را رتبهبندی میکند. یک موتور مولد در زمان استنتاج کل سند را نمیخواند — بلکه چانکها را بازیابی میکند. صفحهی شما به پنجرههای همپوشان تقسیم میشود، معمولاً در محدودهی ۳۰۰ تا ۵۰۰ توکن، هر کدام به یک امبدینگ تبدیل شده و در برابر پرسش کاربر از نظر شباهت امتیازدهی میشود. سیستم چند چانک برتر را از میان همهی صفحات نامزد استخراج میکند، آنها را همراه با سؤال در کانتکست مدل قرار میدهد و از آن میخواهد پاسخی ترکیبی بسازد. راهنمای ۲۵۰۰ کلمهای شما دیگر بهعنوان یک واحد واحد رقابت نمیکند. چانک به چانک رقابت میکند، و بیشتر پایپلاینهای بازیابی تنها یک یا دو چانک از هر منبع را قبل از رفتن به استناد بعدی برمیدارند.
این بخشی است که وقتی برای اولین بار به این توجه کردم که کدام صفحات واقعاً برای پرسشهایی که دنبال میکردم استناد میشدند، مرا شگفتزده کرد: چانک ابتدایی بهطور نامتناسبی اغلب برنده میشود، حتی وقتی بخشی بعدتر دقیقتر به پرسش پاسخ میدهد. بخشی از این، ارتباط واقعی است — نویسندگان خوب بههرحال پاسخ را نزدیک بالا میگذارند. اما بخش زیادی از آن ساختاری است. عنوانها، H1ها و توضیحات متا در بسیاری از سیستمهای بازیابی وزن اضافه میگیرند، و آن وزن به هر پاراگرافی که بلافاصله زیرشان قرار دارد سرایت میکند. صفحهای که ادعای واقعیاش را زیر شش پاراگراف مقدمهچینی دفن میکند، بهترین محتوایش را به مرز چانکی میسپارد که کنترلی روی آن ندارد.
این در یک مقایسهی واقعی چه شکلی دارد
| عامل | وزن سئوی کلاسیک | وزن GEO |
|---|---|---|
| تعداد کل کلمات | سالها با رتبهبندی همبستگی داشته | تقریباً بیربط پس از چانک اول |
| تراکم کلمات کلیدی | بهطور تاریخی، سیگنالی متوسط | نزدیک به صفر — امبدینگها معنا را تطبیق میدهند، نه همپوشانی رشتهای را |
| موقعیت پاسخ در صفحه | عاملی جزئی در تجربهی کاربری | غالب — تعیینکنندهی اینکه کدام چانک بازیابی شود |
| آمار قابلاستناد / نقلقولهای مستقیم | برای بکلینک مفید ولی غیرضروری | طبق مطالعهی پرینستون/جورجیا تک، تا ۴۰٪+ افزایش دیدهشدن |
| تعداد بکلینک | سیگنال اصلی رتبهبندی | در بهترین حالت غیرمستقیم — همچنان برای اولویت خزش اهمیت دارد، نه امتیازدهی بازیابی |
بخشی که مردم اشتباه میگیرند
اشتباه رایجی که میبینم وقتی سازندگان میخواهند «GEO انجام دهند» این است که آن را مثل یک مسئلهی کلمات کلیدی با واژگان جدید میبینند — دنبال عباراتی میگردند که مردم در ChatGPT تایپ میکنند و سعی میکنند آنها را در تیتر بگنجانند. این چیز بیارزشی نیست، اما بهینهسازی برای سمت پرسش یک تطبیق است در حالی که اهرم تقریباً کاملاً در سمت سند قرار دارد. حرکتی که واقعاً در شمار استنادها ظاهر میشود، پاسخدادن به سؤال در ۱۵۰ تا ۲۰۰ کلمهی اول است، با جملات ساده و قطعی، پیش از رسیدن به ظرافتها، احتیاطها یا داستان اینکه چرا صلاحیت پاسخدادن دارید.
من یکی از صفحات مرکز راهنمای خودمان را صرفاً برای انتقال پاسخ به بالای صفحه بازنویسی کردم — همان محتوا، همان تعداد کلمه، فقط بازچینیشده — و در پاسخهای Perplexity برای پرسشی ظاهر شد که سه ماه هرگز در آن دیده نشده بود. هیچ چیز دیگری تغییر نکرد. این یک نقطهدادهی کوچک و منفرد است، نه یک مطالعه، اما از آن چیزهایی است که شما را از نوشتن مقدمه باز میدارد.
اثر مرتبهی دوم که ارزش دانستن دارد: چون واحد بازیابی یک چانک است، نه یک صفحه، یک صفحهی طولانی بهخاطر عمقش جریمه نمیشود — فقط در خودِ استناد امتیازی بابت آن نمیگیرد، هرچند آن عمق ممکن است دلیل کلیککردن یک انسان بعد از آن باشد. یعنی عادت قدیمی پرکردن ابتدای متن با حرفهای سئویی («در این راهنمای جامع، بررسی خواهیم کرد...») دارد همان جایگاه یگانهی مهم را از شما میگیرد، در حالی که محتوای واقعی پایینتر، برای کلیک و زمان ماندگاری کار بیمزد انجام میدهد اما هرگز وارد پنجرهی کانتکست مدل نمیشود.
چیزی که واقعاً باید تغییر دهید
سه چیز، به ترتیب میزان تأثیری که برای صفحاتی که زیر نظر داشتم داشتند: پاسخ مستقیم به سؤال ضمنی را در پاراگراف اول بگذارید، نه سوم. اگر عددی واقعی یا منبعی مشخص دارید، همان را در همان پاراگراف بیاورید — رقم ۴۰٪ اتفاقی نیست، بهنظر میرسد مدلها ادعاهای مشخص را بر بیانیههای کلی ترجیح میدهند وقتی تصمیم میگیرند چه چیزی را نقل کنند. و تیترها را طوری ساختار دهید که انگار هر کدام ممکن است تنها جملهی بازیابیشده باشد، چون برای سهم قابلتوجهی از ترافیک پاسخهای هوش مصنوعی، دقیقاً همینطور خواهد بود.
هیچکدام از اینها جایگزین نوشتن چیزی نمیشود که ارزش خواندن از ابتدا تا انتها را داشته باشد. فقط یعنی ۲۰۰ کلمهی ابتدایی دیگر فضای بیمصرف مقدمهچینی نیستند — کل پیشنهاد شما هستند، خطاب به مخاطبی متشکل از یک مدل که تصمیم میگیرد آیا اصلاً ارزش استناد دارید یا نه.
