دنی سالیوان، عضو تیم جستجوی گوگل، در جریان رویداد «Google Search Central Live» تورنتو، دربارهٔ آیندهٔ نتایج جستجو در عصر هوش مصنوعی صحبت کرد. وی که رایان لورینگ از تیم مهندسی را همراهی می کرد، بر لزوم تولید محتوای تجربهمحور و پرهیز از انتشار صفحات عمومی و کپیشده تاکید کرد.
اصطلاح محتوای کالایی(Commodity Content)
سالیوان سادهانگاری در تولید محتوا را عامل کالایی شدن آن دانست و گفت: «محتوایی که بهراحتی توسط رقبا بازنویسی و تکثیر شود و ارزش افزودهٔ منحصربهفرد نداشته باشد، در نتایج جستجو محکوم به شکست است.» به گفته وی، معیار موفقیت محتوا در منحصربهفرد، خاص و معتبر بودن آن است. این یعنی باید بتوان شواهد تلاش و اصالت را در صفحه مشاهده و به مخاطب ارزش واقعی را منتقل کرد.
سالیوان در سخنرانی خود، «محتوای کالایی» (Commodity Content) را به محتوایی توصیف کرد که هر رقیبی میتواند آن را تولید کند و هیچ تجربهٔ شخصی یا تخصص منحصربهفردی را منعکس نمیکند. او برای درک بهتر این مفهوم، مثالهای عینی ارائه داد:
-
فروشگاه کفش ورزشی: نوشتن مقالهای با عنوان «۱۰ نکته برای خرید کفش ورزشی» محتوای کالایی است. اما تحلیل ویدیویی علت فرسودگی یک کفش خاص پس از ۴۰۰ مایل استفاده، محتوایی غیر کالایی و ارزشمند است.
-
مشاور املاک: مقالهٔ «۷ نکته برای خریداران خانه اولی» کلیشهای و عمومی است. در مقابل، شرح یک تجربهٔ واقعی و پرریسک از یک معاملهٔ خاص، محتوایی غیر کالایی محسوب میشود.
-
طراح داخلی: انتشار تصاویر عمومی از پینترست با عنوان «ترندهای آشپزخانه» بیارزش است. اما ویدیوی آزمایش واقعی ریختن آب انگور روی سنگ مرمر برای متقاعد کردن یک مشتری، محتوایی یگانه و قانعکننده است.
استراتژی جستجوی هوش مصنوعی
دنی سالیوان همچنین سازوکار پشت صحنهٔ جستجوی هوش مصنوعی را توضیح داد. بنا به توضیحات او، گوگل پرسشهای پیچیده را به زیرپرسشهای کوچکتر تقسیم (Fan-out) میکند و پاسخ نهایی را از ترکیب منابع متعدد میسازد. برای مثال، جستجوی «بهترین دوچرخه برقی قرمز برای مسیر شیبدار» به جستجوهای مجزایی مانند «بهترین دوچرخه برقی» و «دوچرخه مناسب شیب» خرد میشود. بنابراین، تولید محتوای تخصصی برای هر یک از این زیرموضوعات، کلید دیده شدن در نتایج پیچیده است.
نقش دادههای ساختاریافته
رایان لورینگ، در جلسهای تخصصی تأکید کرد که اسکیما با ظهور هوش مصنوعی نهتنها کماهمیت نشده، بلکه نقش آن حیاتیتر هم شده است. او گفت: «دادههای ساختاریافته دقتی بینظیر برای انتقال ابردادهها فراهم میکنند.»
به گفته لورینگ، اسکیما اکنون فراتر از نمایش ریچریزالتها است و بهعنوان یک سیگنال زمینهای کلیدی در «خلاصههای هوش مصنوعی» (AI Overviews) و «حالت هوش مصنوعی» (AI Mode) به کار گرفته میشود. وی به مدیران سایتهای فروشگاهی توصیه کرد که پیادهسازی مواردی چون حاشیهنویسی خدمات حملونقل، اطلاعات برنامههای وفاداری و اتصال دادهها با شناسهٔ @id را در اولویت قرار دهند.
تحریریه ژاکت
مشاهده تیم تحریریه
