مقالات

هوش مصنوعی چگونه منابعی را که به آن‌ها استناد می‌کند انتخاب می‌کند؟

به‌طور کلی، سیستم‌های هوش مصنوعی از صفحاتی استفاده می‌کنند که در دسترس، دارای ساختار روشن، مشخص و همخوان با منابع دیگر باشند.

هر پلتفرم هوش مصنوعی منابع را به شیوه خودش انتخاب می‌کند، این شیوه با گذشت زمان تغییر می‌کند و جزئیات کامل آن به‌طور عمومی شرح داده نمی‌شود. به‌طور کلی، یک دستیار هوش مصنوعی ممکن است بر اساس آنچه مدل در آموزش یاد گرفته، بر اساس صفحات وبی که هنگام پرسش بازیابی می‌کند، یا بر اساس هر دو پاسخ دهد. سیستم‌هایی که بازیابی انجام می‌دهند معمولاً از صفحاتی بهره می‌گیرند که برای خزنده‌ها در دسترس، دارای ساختار روشن، مشخص و همخوان با گفته‌های منابع دیگر باشند.

نکات کلیدی

  • پاسخ‌های هوش مصنوعی از دو جای اصلی می‌آیند: دانش آموخته‌شده و صفحاتی که لحظه‌ای بازیابی می‌شوند.
  • چهار ویژگی استفاده از محتوا را آسان‌تر می‌کند: در دسترس بودن، ساختار روشن، مشخص بودن و همخوانی با منابع دیگر.
  • نام برده شدن و مورد استناد قرار گرفتن دو چیز متفاوت‌اند و هر کدام کار متفاوتی می‌طلبند.
  • هیچ فرمولی استناد را تضمین نمی‌کند. فقط می‌توانید احتمال را بالا ببرید و بسنجید.

پاسخ هوش مصنوعی از کجا می‌آید؟

دو مسیر اصلی وجود دارد:

  • دانش حاصل از آموزش. یک مدل زبانی از حجم بسیار زیادی متن یاد می‌گیرد. آنچه درباره یک برند می‌داند بازتاب نحوه توصیف آن برند در منابع فراوان تا زمان آموزش است، بنابراین معمولاً به‌کندی تغییر می‌کند.
  • بازیابی لحظه‌ای. برخی سیستم‌ها در لحظه طرح پرسش صفحات وب را جست‌وجو می‌کنند و می‌خوانند، سپس از آن‌ها پاسخی می‌سازند و اغلب پیوند منابع را هم می‌آورند. تغییرات وب معمولاً از این مسیر زودتر نمایان می‌شوند.

بسیاری از محصولات این دو را ترکیب می‌کنند و نسبت آن‌ها ممکن است از پرسشی به پرسش دیگر فرق کند. این دلیل خوبی است که از چند آزمایش محدود، قواعد کلی نتیجه نگیرید.

چه نوع محتوایی معمولاً استفاده می‌شود؟

در دسترس. صفحه به‌اشتباه خزنده‌ها را مسدود نمی‌کند و محتوای اصلی آن بدون ورود به حساب کاربری یا تعامل پیچیده به‌صورت متن در دسترس است. محتوایی که خزنده نتواند بخواند بعید است به منبع تبدیل شود. مقاله ما درباره llms.txt و خزنده‌های هوش مصنوعی را ببینید.

دارای ساختار روشن. زیرتیترها پرسش واقعی را بیان می‌کنند، پاراگراف بعدی مستقیماً پاسخ می‌دهد و فهرست‌ها و جدول‌ها هر جا مفیدند به کار می‌روند. سیستم‌های بازیابی اغلب با بخش‌هایی از متن کار می‌کنند نه با کل صفحه، بنابراین هر بخش باید روی پای خودش بایستد: اگر جداگانه خوانده شود، باز هم روشن باشد که درباره چه کسی و چه چیزی است.

مشخص. تعریف‌ها، گام‌ها، شرایط، مقایسه‌ها، اینکه چیزی برای چه کسی مناسب است. جمله‌ای مانند «راهکاری جامع و پیشرو» چیزی برای نقل‌قول به هوش مصنوعی نمی‌دهد؛ اما جمله‌ای که می‌گوید محصول چه می‌کند، برای چه کسی و در چه موقعیتی، چنین چیزی می‌دهد.

همخوان با منابع دیگر. وقتی اطلاعات وب‌سایت شما با آنچه رسانه‌ها، سایت‌های نقد و بررسی و فهرست‌های کسب‌وکار می‌گویند همخوانی دارد، سیستم دلایل بیشتری برای اعتماد به آن دارد. اطلاعات متناقض، مانند نام‌های قدیمی، نشانی‌های متفاوت یا توصیف محصولی که از جایی به جای دیگر تغییر می‌کند، احتمال اینکه هوش مصنوعی برند را نادرست توصیف کند یا از قلم بیندازد بیشتر می‌کند.

روشن درباره گوینده. نام سازمان، نویسنده، تخصص او و تاریخ آخرین به‌روزرسانی می‌تواند به خوانندگان و سیستم‌ها کمک کند میزان اعتمادپذیری محتوا را ارزیابی کنند.

نام برده شدن با مورد استناد قرار گرفتن چه تفاوتی دارد؟

  • ذکر نام (Mention): نام برند در پاسخ می‌آید. این می‌تواند از دانش پایه مدل یا از منابع شخص ثالثی باشد که سیستم خوانده است.
  • استناد (Citation): صفحه شما به‌عنوان منبع معرفی می‌شود، معمولاً به شکل یک پیوند.

ممکن است از یک برند نام برده شود بی‌آنکه به هیچ‌یک از صفحاتش استناد شود، و برعکس. برای مورد استناد قرار گرفتن، تمرکز بر محتوای وب‌سایت خودتان است. برای نام برده شدن در پرسش‌های مقایسه‌ای، تمرکز معمولاً بر حضور شما در جاهای دیگر است.

چرا منابع شخص ثالث اهمیت دارند؟

برای پرسش‌هایی مانند «کدام ارائه‌دهنده قابل اعتماد است؟» یا «کدام نوع را انتخاب کنم؟»، هوش مصنوعی معمولاً بیشتر به مقالات مقایسه‌ای، نقدها، بحث‌های انجمن‌ها و پوشش رسانه‌ای تکیه می‌کند تا به توصیف خود برند از خودش. برندی که خود را بهترین بنامد، وزن کمتری دارد تا برندی که چند منبع مستقل با تعابیری مشابه از آن نام ببرند.

به همین دلیل GEO در وب‌سایت متوقف نمی‌شود: برند باید با اطلاعات دقیق در منابعی که هوش مصنوعی در صنعتش اغلب به آن‌ها مراجعه می‌کند حضور داشته باشد.

چه انتظاری نباید داشته باشید؟

  • فرمول تضمینی وجود ندارد. یک پرسش واحد ممکن است از یک بار به بار دیگر و از یک پلتفرم به پلتفرم دیگر پاسخ‌ها و منابع متفاوتی داشته باشد.
  • ترفندها دوام ندارند. محتوایی که برای فریب ماشین نوشته شده و برای خواننده بی‌فایده است، پایه پایداری نیست.
  • تغییر یکنواخت نیست. ممکن است سیستم‌های بازیابی به‌نسبت زود یک به‌روزرسانی در وب‌سایت شما را دریافت کنند، در حالی که تغییر دانش پایه مدل زمان بیشتری می‌برد.

اگر محتوایی می‌خواهید که برای استناد آسان ساخته شده باشد، نگاهی به AEO – بهینه‌سازی برای AI Overviews و روابط عمومی دیجیتال برای هوش مصنوعی بیندازید، یا بیاموزید چگونه دیده‌شدن در هوش مصنوعی را بسنجید تا ببینید امروز در کجا ایستاده‌اید.

مقالات مرتبط

برند شما امروز در پاسخ‌های هوش مصنوعی کجا ایستاده است؟

با یک گفت‌وگو و نگاهی اولیه به میزان دیده‌شدن برندتان در پلتفرم‌های هوش مصنوعی شروع کنید.

درخواست ممیزی دیده‌شدن در هوش مصنوعی