چگونه وب سایت خود را برای جستجوهای LLM بهینه کنیم؟

روش جستجوی افراد در حال تغییر است و به سرعت اتفاق می افتد. با ظهور ابزارهای مولد هوش مصنوعی مانند ChatGPT، Gemini، و Perplexity، همراه با تجسم مجدد SERP ها به لطف AI Overviews، کاربران بیشتری از جستجوی لینک آبی سنتی گوگل به طور کلی صرف نظر می کنند.

در واقع، آمار نشان می دهد که 52 درصد از Gen Z در حال حاضر از هوش مصنوعی برای تصمیم گیری آگاهانه استفاده می کنند. فرقی نمی‌کند برای تحقیق محصول، توصیه یا سؤالات روزمره باشد.

مسئله این است که این روند کند نمی شود.

همانطور که کاربران برای جستجو به LLM ها مراجعه می کنند، پایبندی به سئو سنتی دیگر کمکی نخواهد کرد. این تغییر نیاز به نوع جدیدی از بهینه سازی دارد.

وارد کنید: بهینه سازی مدل زبان بزرگ (LLMO).

برای رقابتی ماندن، برندها باید اطمینان حاصل کنند که محتوای آنها نه تنها توسط موتورهای جستجو قابل کشف است، بلکه همچنین می تواند قابل درک، قابل نقل قول، و قابل استفاده از مدل های هوش مصنوعی

در این مقاله، دقیقا نحوه بهینه سازی وب سایت خود را برای این مرز جدید در دید دیجیتال توضیح خواهیم داد.

LLM ها، دوباره چیست؟

LLM که مخفف Large Language Models است، زیرمجموعه ای از هوش مصنوعی مولد است که برای درک و تولید زبان انسانی آموزش دیده است.

بسته به ابزاری که استفاده می کنید، آنها می توانند مکانیسم های اصلی یا پیشرفته ای داشته باشند که به آنها اجازه می دهد به سؤالات پاسخ دهند، اطلاعات را خلاصه کنند و حتی مقالات کامل بنویسند.

LLM ها را می توان بیشتر به دو دسته اصلی تقسیم کرد:

A. Advanced Retrieval Generation یا RAG

RAG ها LLM هایی هستند که به منابع خارجی دسترسی دارند. وقتی سوالی می‌پرسید، اطلاعات بلادرنگ را از وب یا پایگاه‌های داده داخلی می‌کشند و سپس بر اساس آن داده‌های تازه، پاسخی را ایجاد می‌کنند.

این آنها را بسیار دقیق و به روز می کند و برای پرس و جوهای مبتنی بر واقعیت یا موضوعی ایده آل است. بررسی های Gemini و AI در این دسته قرار می گیرند.

وقتی از جمینی پرسیده شد چه کسی بین تب ایندیانا و گلدن استیت والکری در 10 ژوئیه برنده شد:

P.S. مسابقه در تاریخ برگزار شد 9 جولای، اما جمینی زحمت اصلاح سوال اشتباه من را به خود نداد.

ب. LLM های مستقل

در مقابل، LLM های مستقل تنها به داده هایی که بر روی آنها آموزش دیده اند بدون استخراج اطلاعات جدید متکی هستند. پاسخ‌های آن‌ها از الگوهایی می‌آید که قبلاً یاد گرفته‌اند، به این معنی که ممکن است کمتر مرتبط باشند، اما همچنان برای دانش عمومی، نوشتن یا حل مسئله عالی هستند.

ChatGPT (برای مدتی) و کلود در این دسته قرار می گیرند. به عنوان مثال، در زمان نگارش این مقاله، کلود تاریخ پایان دانش آوریل 2024 را دارد.

در همین حال، ChatGPT (GPT مخفف “Generative از قبل آموزش دیده Transformer”) از قبل دارای ویژگی هایی است که به آن امکان می دهد حتی در نسخه رایگان به مرور وب متصل شود.

در اینجا ChatGPT همان سوال بالا را می پرسد:

ChatGPT کار چشمگیرتری برای تصحیح تاریخ نادرست من و اضافه کردن ارجاع به محتوای آنها انجام داد، حتی از جمله یک حلقه برجسته برای اندازه گیری خوب.

LLMO چیست؟

به قول برنارد هوانگ، بنیانگذار Clearscope:

“LLM ها اولین جایگزین واقع بینانه برای جستجوی گوگل هستند.“

در حالی که گوگل برای مدت طولانی بر فضای جستجو تسلط داشت، تعداد کمی از آنها اکنون به سمت LLM و هوش مصنوعی مولد حرکت می کنند.

البته این تعداد در مقایسه با تعداد کل کاربران گوگل کمرنگ است. اما پایگاه کاربران فعال با توجه به اینکه LLM ها اکنون به عملکرد جستجوی وب مجهز هستند، هر چند به پیچیدگی فهرست بکر گوگل نیستند، همچنان بزرگتر و بزرگتر خواهد شد.

این ما را به LLMO یا بهینه سازی مدل زبان بزرگ می رساند.

LLMO یک رویکرد جدید برای دسترسی بیشتر و مفیدتر کردن محتوای شما برای ابزارهای هوش مصنوعی مولد، به ویژه آنهایی است که مجهز به RAG هستند، مانند ChatGPT، Gemini و Perplexity.

برخلاف سئو سنتی که بر رتبه بندی در صفحات نتایج موتورهای جستجو تمرکز دارد، LLMO در مورد بهینه سازی محتوا است تا توسط دستیاران هوش مصنوعی برای درخواست های مربوطه نمایش داده شود و مورد استناد قرار گیرد.

موتورهای جستجو مانند گوگل و بینگ الگوریتم های خاص خود را دارند که به آنها اجازه می دهد صفحات را بر اساس عوامل متعدد رتبه بندی کنند. LLM ها نیز همین را دارند.

به لطف اکتشافات اخیر، ما می‌توانیم در مورد برخی از مهم‌ترین ویژگی‌هایی که LLM‌های اصلی هنگام استناد به صفحات به دنبال آن هستند، بینشی به دست آوریم. و بعداً در مورد آنها بحث خواهیم کرد.

چرا LLMO در سال 2025 مهم است: 3 دلیل

با تبدیل شدن هوش مصنوعی به روشی جایگزین برای یافتن پاسخ‌های آنلاین، قوانین جستجو در حال تغییر هستند. رتبه اول در گوگل دیگر تنها هدف نیست. درک شدن توسط مدل های هوش مصنوعی به همان اندازه برای هدایت ترافیک و دید به وب سایت شما مهم است.

در اینجا سه دلیل خاص وجود دارد که چرا LLMO در اولین چشم انداز دیجیتال امروزی بیش از هر زمان دیگری اهمیت دارد.

دلیل شماره 1. سئوی سنتی در دنیای اول هوش مصنوعی کافی نیست

سال‌ها، سئو تنها مانع ورود در جستجو بود. این استراتژی حول بهینه سازی محتوا برای ربات های موتور جستجو از طریق کلمات کلیدی، بک لینک ها و سایر داده های فنی برای صعود به رتبه ها می چرخید.

با این حال، برای اولین بار، LLM ها موقعیت seo را به عنوان داور دیده شدن جستجو به چالش می کشند. با توجه به محبوبیت چت ربات‌های هوش مصنوعی مانند ChatGPT و Perplexity، مناسب است که گوگل همان خلاصه‌ساز را در بالای نتایج جستجو در پاسخ به پرسش‌ها ادغام کند (نمایش‌های AI).

این یک چالش دو جانبه برای سئو سنتی ایجاد کرد:

• اولین موقعیت ارگانیک به میزان قابل توجهی کلیک و CTR کمتری دریافت می کند
• اکنون باید SEO را انجام دهید تا رتبه بالایی کسب کنید و LLMO را برای به دست آوردن جایگاهی در عکس فوری هوش مصنوعی انجام دهید

پایبندی واقعی به این یا استراتژی دیگر جواب نمی دهد.

دلیل شماره 2. جستجوی صفر کلیک جایگزین SERP های سنتی می شود

بررسی های هوش مصنوعی در حال حاضر یک مشکل هستند. اما گوگل در حال ایجاد یک ویژگی جدید SERP به نام AI Mode است که به دنبال جایگزینی کامل رابط نتایج جستجوی سنتی با محتوای تولید شده توسط هوش مصنوعی، کامل با لینک های منبع است.

این فقط باعث می شود که جستجوی صفر کلیک قوی تر شود.

بر خلاف SERP های سنتی، که در آن کاربران فعالانه به دنبال پاسخ هستند، جستجوی صفر کلیک به دنبال پاسخ های فوری است. این بدان معنی است که دیگر نیازی به کلیک بر روی یک وب سایت ندارید و گوگل یک خلاصه جامع ارائه می دهد که به درخواست خاص شما پاسخ می دهد.

وقتی این اتفاق می افتد، ترافیک و دید شما کمتر به رتبه بندی بستگی دارد و بیشتر به گنجاندن شما در پاسخ تولید شده توسط هوش مصنوعی بستگی دارد.

LLMO محتوای شما را برای استنادهای هوش مصنوعی جذاب می کند و شانس شما را برای نمایش در آن جعبه های پاسخ افزایش می دهد.

دلیل شماره 3. محتوای شما می تواند بدون رتبه اول در جستجوی ارگانیک استناد شود

SEO و LLMO آسان نیستند.

اما برای یک وب‌سایت کوچک در صنعت بی‌نظیر، می‌توانیم استدلال کنیم که رتبه‌بندی برای بررسی‌های هوش مصنوعی و سایر LLM‌ها بسیار ساده‌تر از رتبه‌بندی نام‌های خانوادگی با بودجه نامحدود سئو است.

تحقیقات اخیر از Ahrefs نشان می‌دهد که معیارهای سنتی سئو با ذکر شده در AI Overviews، ChatGPT و Perplexity همبستگی چندانی ندارند. این به این معنی است که در حالی که معیارهای سئو مهم هستند، اگر LLMO را به درستی انجام دهید، می توانید برندهای معتبر را با استنادات هوش مصنوعی شکست دهید.

در اینجا چیزی است که پاتریک استوکس در خود پیدا کرد ذکر سهم در مقابل رتبه اهرف تجزیه و تحلیل 50 برند برتر ذکر شده در LLM:

این کشف جدید باعث می شود که زمین بازی حتی سطح بیشتری داشته باشد. و در زیر، به استراتژی های مبتنی بر داده در مورد نحوه انجام LLMO نگاه خواهیم کرد:

چگونه بهینه سازی مدل زبان بزرگ (LLMO) را انجام دهیم؟

هنوز هیچ اجماع ثابت شده ای در مورد بهترین شیوه ها برای بهینه سازی محتوا برای مدل های زبان بزرگ وجود ندارد. با این حال، مطالعات خرد توسط نویسندگان مختلف بینش ارزشمندی را در مورد ایجاد این فهرست ارائه کرده است.

در اینجا منابعی است که برای تنظیم این استراتژی ها فهرست کرده ایم:

1. دوباره بررسی کنید که آیا سایت شما به طور ناخواسته مانع از نمایه سازی محتوای شما توسط LLM می شود.

شما می‌توانید بهترین و قابل‌تشخیص‌ترین محتوای با هوش مصنوعی را داشته باشید، اما اگر جنبه‌های فنی سایت‌تان مانع تلاش‌های شما شود، صفحه‌تان همچنان به‌عنوان نقل‌قول نشان داده نمی‌شود.

فایل robots.txt خود را برای هر دستوری که ممکن است مانع از خزیدن LLM در سایت شما شود، بررسی کنید.

همچنین، مطمئن شوید که وب سایت شما در موتورهای جستجوی مختلف ایندکس شده است تا حداکثر دید را داشته باشید، چه برای جستجوی سنتی یا محتوای تولید شده توسط هوش مصنوعی.

به عنوان مثال، وب سایت OnlineDoctor.com در گوگل ایندکس شده است…

… اما نه در بینگ:

در این مورد، پرس و جوهای مرتبط در مورد جایگاه OnlineDoctor ممکن است در وب سایت در Google’s AI Overviews و Gemini ظاهر شوند، اما در CoPilot Bing نه.

سایر مسائل فنی که می تواند از ذکر AI جلوگیری کند عبارتند از:

• ربات های LLM توسط فایروال یا CDN مسدود می شوند
• لینک های شکسته نادیده گرفته شده که مانع از خزیدن کامل LLM در سایت شما می شود
• اجرای تغییر مسیر نادرست ربات های LLM را گیج می کند
• تگ های Nofollow در متادیتای صفحات شما

ناهماهنگی‌های فنی مانند این می‌تواند تلاش‌های LLMO شما را خراب کند، بنابراین مطمئن شوید که سایت شما برای ابزارهای هوش مصنوعی مولد قابل دسترسی است تا شانس شما برای استناد بیشتر شود.

2. محتوای خود را طوری بیان کنید که کاربران چت بات هوش مصنوعی درخواست خود را بیان می کنند

محتوای خود را به عنوان پاسخی مستقیم به یک درخواست هوش مصنوعی در نظر بگیرید. کاربران با پرسیدن پرس و جوهای طبیعی و مبتنی بر سؤال مانند «LLMO چه تفاوتی با SEO دارد؟“

بنابراین محتوای شما باید این درخواست ها را در ساختار و لحن منعکس کند. در نثر خود اینقدر آراسته و آراسته نشوید زیرا شکسپیر نیستید (مگر اینکه تمام مزخرفات شما این باشد).

در غیر این صورت، محتوای خود را ساده نگه دارید، به این معنی:

• از عبارات محاوره ای استفاده کنید
• به سوالات واضح پاسخ دهید
• گزینه هایی را برای نحوه تنظیم یک اعلان اضافه کنید

علاوه بر قالب بندی صحیح محتوای خود، به همان اندازه مهم است که محتوای خود را به گونه ای بیان کنید که منعکس کننده زبانی باشد که مردم در جستجوهای هوش مصنوعی خود استفاده می کنند.

برای مثال، کوین ایندیگ دریافت که اصطلاح «بهترینتقریباً در 70٪ از درخواست‌ها باعث ذکر نام تجاری شد. سایر محرک‌های سریع قدرتمند عبارتند ازقابل اعتماد“، “منبع“، و “من توصیه می کنم“

در عمل، در اینجا یک مثال از آنچه باید به نظر برسد آورده شده است. به جای اینکه بگوییم «ما پیوند داخلی خودکار SaaS را برای SEO ارائه می دهیم“می توانید بنویسید”ما یک شرکت قابل اعتماد SaaS هستیم که ابزار پیوند داخلی خودکار را ارائه می دهیم که توسط هزاران بازاریاب استفاده می شود.”

این نه تنها محتوای شما را مرتبط‌تر می‌کند، بلکه حتی آن را با هوش مصنوعی نیز دوست‌دار می‌کند.

هنوز تحقیقات کمی در مورد رایج ترین پرس و جوهای مورد استفاده در LLM وجود دارد، بنابراین ما نمی توانیم در این مرحله چیزی را با قطعیت مطلق مهندسی معکوس کنیم. اما بررسی‌های خرد مانند این به ما بینشی از عملکرد درونی این ماشین‌ها می‌دهد.

3. تعداد کلمات و جملات خود را بدون اضافه کردن کرک بیشتر افزایش دهید

بیایید یک چیز را واضح بگوییم: طول محتوا و عمق محتوا یکسان نیستند.

فقط به این دلیل که یک مقاله طولانی است به این معنی نیست که ارزشمند است. حدود 2000 مقاله کلمه را می توان تا 500 کلمه فشرده کرد و همچنان همان پیام را منتقل می کند.

با این حال، LLM ها محتوای طولانی تری دارند، به ویژه به این دلیل که قطعات طولانی تر تمایل بیشتری به ارائه پاسخ های کامل، جامع و به خوبی توضیح داده شده به یک پرس و جو دارند.

در اینجا یک نمودار سریع وجود دارد که تفاوت های اصلی بین 10٪ بالا و 90٪ پایین صفحات ذکر شده در عکس های فوری هوش مصنوعی را نشان می دهد:

برعکس، پست‌های کوتاه‌تر احتمالاً (نه لزوما) ارزش کمتری خواهند داشت.

با بهبودهای زیر سعی کنید ارزش محتوای خود را افزایش دهید:

• موضوعات فرعی اضافی یا مماس مرتبط با محتوای خود را پوشش دهید
• در صورت امکان گرافیک اصلی ایجاد کنید
• نمونه های قابل مقایسه یا واقعی را اضافه کنید
• به سوالات متداول پاسخ دهید
• از نقاط گلوله، مقایسه‌ها و قالب‌هایی استفاده کنید که هوش مصنوعی بتواند به راحتی آن‌ها را تجزیه و تحلیل کند

هدف این است که محتوای خود را متراکم و غنی از اطلاعات کنید، نیت رضایت بخشی داشته باشید و آن را برای استنادهای هوش مصنوعی جذاب تر کنید.

4. نمرات خوانایی Flesch-Kincaid خود را بهبود بخشید

باور کنید یا نه، معیارهای سنتی سئو مانند تعداد بک لینک، تعداد کلمات کلیدی و کل ترافیک برای استنادات هوش مصنوعی اهمیتی ندارند. حداقل این چیزی است که کوین ایندیگ در تحقیقات خود دریافت.

ابزارهای هوش مصنوعی مانند Perplexity و ChatGPT به نمرات خوانایی Flesch اهمیت بیشتری می دهند.

اگر آشنا نیستید، Flesch Reading Ease یک سیستم امتیاز دهی 0-100 است که میزان آسان خواندن یک متن را بر اساس طول جمله و پیچیدگی کلمه اندازه گیری می کند. هر چه امتیاز بالاتر باشد، خواندن مطالب آسان تر است.

بدیهی است که نمرات Flesch فقط برای خوانندگان نیست، بلکه برای LLM نیز می باشد. آن را نپیچانید. هوش مصنوعی می تواند حتی پیچیده ترین جملات را درک کند. با این حال، نمرات خوانایی ممکن است یک پارامتر سختگیرانه باشد که آنها هنگام استناد به منابع در نظر می گیرند.

برای بهبود خوانایی محتوای خود، در اینجا چند نکته وجود دارد:

• جملات را کوتاه و دقیق نگه دارید
• از صدای فعال تر استفاده کنید و استفاده از صدای غیرفعال را محدود کنید
• پاراگراف های طولانی را جدا کنید
• تا جایی که ممکن است از اصطلاحات خاص خودداری کنید

این در مورد فریب دادن محتوای شما نیست. به آن به عنوان ساده‌سازی ایده‌های پیچیده برای درک آسان‌تر فکر کنید و محتوای شما را برای ابزارهای هوش مصنوعی جذاب کند.

5. روی یک استراتژی روابط عمومی خوب سرمایه گذاری کنید تا دسترسی خود را گسترش دهید (به روشی خوب!)

در تجزیه و تحلیلی که توسط لوئیز لاینهان و Xibeijia Guan از Ahrefs انجام شد، آنها سه معیار را یافتند که بیشترین همبستگی را با ذکر اجمالی هوش مصنوعی داشتند:

• اشاره های وب برچسب شده: چند بار نام برند شما در وب باز ذکر شده است
• لنگرهای برند: چند بار از نام برند شما استفاده شده یا در متن های لنگر ادغام شده است (مرجع، پیوندهای داخلی، پیوندهای خارجی)
• حجم جستجوی برند: برند شما به طور متوسط در ماه چند بار در موتورهای جستجو جستجو می شود

در اینجا به تفکیک عوامل مؤثر بر استنادات مرور کلی هوش مصنوعی آمده است:

از آنجایی که LLM ها محتوا را از چندین منبع معتبر ارائه می کنند، می خواهید برند شما در همه جا حضور داشته باشد.

از منظر انسانی، دیدن اینکه برند شما در سراسر وب پخش می شود، برند شما را با شهرت مرتبط می کند، به یادآوری برند کمک می کند. همین اصل در مورد هوش مصنوعی نیز صدق می کند.

اگر نام برند شما در چندین نقطه تماس وجود داشته باشد، LLM ها به احتمال زیاد شما را به عنوان یک منبع معتبر می بینند و شانس شما را برای استناد بیشتر می کند.

یک استراتژی روابط عمومی هوشمند می‌تواند به گسترش محتوا و برند شما در مکان‌هایی که مدل‌های هوش مصنوعی احتمال بیشتری دارد آن را پیدا کنند، کمک کند. پست‌های مهمان، پوشش رسانه‌ای، ویژگی‌های پادکست و اشاره‌های خاص را در نظر بگیرید.

6. ایجاد بک لینک با کیفیت بالا از سایت های معتبر

با تفاوت از نقطه شماره 5، بک لینک ها با وجود کم اهمیت جلوه دادن معیارهای سئو سنتی، هنوز برای کشف هوش مصنوعی ارزشمند هستند.

اولاً، لنگرهای مارک دار یک عامل مهم در استنادهای مرور کلی هوش مصنوعی هستند. این امر اهمیت ایجاد بک لینک با استفاده از انکر تکست های مارک دار را برجسته می کند. لازم نیست دقیقاً مطابقت داشته باشد فی نفسه، اما گنجاندن نام تجاری خود در متن لنگر شما می تواند تأثیر زیادی داشته باشد.

دوم، بک لینک ها، مانند لینک های دیگر، مجرای ربات های هوش مصنوعی برای کشف سایت شما هستند. روی ایجاد بک لینک از سایت های معتبر تمرکز کنید زیرا احتمالاً توسط ربات های هوش مصنوعی مورد بازدید قرار می گیرند، که علاوه بر این، شانس کشف محتوای شما را افزایش می دهد.

در نهایت، جدای از سئو، بک لینک های با کیفیت بالا هنوز هم مهم ترین فاکتور رتبه بندی برای سئو امروز هستند. این بدان معنی است که مشارکت فعال در تلاش‌های ساخت لینک به شما امکان می‌دهد با یک سنگ به دو پرنده ضربه بزنید:

• افزایش عملکرد سئو سنتی
• افزایش احتمال استناد AI

7. روی عوامل مؤثر بر محبوبیت کلی برند خود کار کنید

به گفته کوین ایندیگ، محبوبیت مهم‌ترین معیار برای استناد به هوش مصنوعی است، به‌ویژه با AI Overviews، Perplexity و ChatGPT.

اما «محبوبیت» دقیقاً به چه معناست؟

محبوبیت یک اصطلاح فراگیر و چندوجهی در چشم انداز بازاریابی دیجیتال امروزی است. این به آن دسته از برندهایی اشاره دارد که در کانال‌های بازاریابی مختلف، از جمله سئو، تولید محتوا، رسانه‌های اجتماعی، بررسی‌ها و تبلیغات دیجیتال برتری دارند.

برای به حداکثر رساندن LLMO خود، نمی توانید دید تونلی داشته باشید یا در درجه اول بر یک یا دو جنبه بازاریابی تمرکز کنید و سپس بقیه را نادیده بگیرید.

اگر به طور مداوم در چندین کانال فعال و موفق باقی بمانید، احتمال اینکه توسط مدل‌های زبان اصلی مورد توجه و استناد قرار بگیرید را افزایش می‌دهید.

آیا سئو همچنان در دوران LLMO مرتبط است؟

فکر کردن به اینکه سئو فقط به این دلیل مرده است که مدل های زبان بزرگ دارای پایگاه کاربر رو به رشدی از جستجوگران هستند، اشتباه بزرگی است.

SEO و LLMO متقابلاً منحصر به فرد نیستند، بلکه به یکدیگر وابسته هستند.

بهینه سازی بازاریابی چند وجهی که شامل سئو می شود، ستون فقرات LLMO است. این به این معنی است که اگر می‌خواهید در استنادهای هوش مصنوعی ظاهر شوید، نادیده گرفتن سئو شما را در معرض ضرر قرار می‌دهد.

از سوی دیگر، تکیه صرفا بر سئو بدون تطبیق با نحوه استخراج و ارائه اطلاعات توسط سیستم های هوش مصنوعی نیز شما را پشت سر می گذارد. تاکتیک‌های سنتی سئو اساساً بر روی رتبه‌بندی در SERPها فرمول‌بندی و متمرکز می‌شوند، در حالی که LLMO تضمین می‌کند که محتوای شما ساختاریافته، خوانا، جامع و غنی از نظر معنایی است تا در پاسخ‌های تولید شده توسط هوش مصنوعی استناد شود.

گفته شد، SEO و LLMO مکمل یکدیگر هستند. به LLMO به عنوان یک تکامل سئو فکر کنید.

برای پیشرفت در چشم‌انداز امروزی مبتنی بر هوش مصنوعی، بازاریابان باید اصول SEO را با پیشرفت‌های متمرکز بر LLM ادغام کنند.

بنابراین، آیا برای موفقیت در LLMO آماده هستید؟