
تا چند سال قبل هدف اصلی سئو تقریباً مشخص بود: سایت برای کلمات کلیدی مهم در نتایج گوگل رتبه بگیرد، کاربر روی لینک کلیک کند و وارد سایت شود. اما در عصر ChatGPT، Gemini، AI Overview و AI Mode، مسیر جستجو دیگر همیشه به همین شکل طی نمیشود.
کاربر امروز ممکن است به جای جستجوی چند کلمه کوتاه، سؤال کاملی مانند «بهترین روش افزایش فروش یک فروشگاه اینترنتی چیست؟» بپرسد و قبل از مشاهده نتایج سنتی، یک پاسخ ساختهشده توسط هوش مصنوعی دریافت کند.
بنابراین مسئله اصلی دیگر فقط این نیست که:
«چطور رتبه اول گوگل را بگیریم؟»
سؤال مهمتر این است:
چطور کاری کنیم برند و محتوای ما هم در نتایج گوگل رتبه بگیرد، هم در AI Overview نمایش داده شود و هم ChatGPT، Gemini و سایر موتورهای هوش مصنوعی بتوانند آن را بهعنوان منبع معتبر شناسایی و معرفی کنند؟
پاسخ کوتاه این است که سئو از بین نرفته است؛ بلکه دامنه آن وسیعتر شده. امروز یک استراتژی مؤثر باید SEO، AEO، GEO، برندسازی، Entity Optimization، تولید محتوای قابل استناد و تحلیل رفتار کاربران را در کنار یکدیگر قرار دهد.
گوگل نیز در راهنمای رسمی خود برای بهینهسازی سایت در قابلیتهای Generative AI تأکید میکند که اصول اصلی SEO همچنان زیربنای حضور در AI Overviews و AI Mode هستند و برای این بخشها به یک «سئوی کاملاً متفاوت» نیاز نداریم.
لیست مطالب
آنچه تغییر کرده خود نیاز کاربران نیست؛ بلکه روش رسیدن به پاسخ تغییر کرده است.
در مدل سنتی جستجو:
کاربر → جستجوی گوگل → مشاهده نتایج → کلیک → مطالعه سایت
اما در جستجوی مبتنی بر هوش مصنوعی مسیر میتواند به شکل زیر باشد:
کاربر → سؤال پیچیده → تحلیل چند منبع توسط AI → پاسخ ترکیبی → معرفی چند منبع یا برند → کلیک احتمالی
این تفاوت کوچک به نظر میرسد، اما اثر بسیار بزرگی روی استراتژی سئو دارد.
طبق آمار رسمی گوگل در سال ۲۰۲۶، AI Overviews بیش از ۲.۵ میلیارد کاربر فعال ماهانه دارد و AI Mode نیز از مرز یک میلیارد کاربر ماهانه عبور کرده است.
پس دیگر نمیتوان AI Search را یک قابلیت فرعی یا آزمایشی در نظر گرفت.
از طرف دیگر، افزایش پاسخهای مستقیم میتواند تعداد کلیک برخی کوئریهای اطلاعاتی را کاهش دهد. مطالعه Ahrefs روی دادههای دسامبر ۲۰۲۵ نشان داد وجود AI Overview با حدود ۵۸ درصد CTR کمتر برای نتیجه رتبه اول در مجموعه کوئریهای بررسیشده همبستگی داشته است.
بنابراین KPI سئو نیز باید تغییر کند.
در گذشته ممکن بود فقط این موارد را بررسی کنیم:
رتبه، کلیک، Impression و CTR.
اما امروز باید موارد دیگری مانند Brand Mention، AI Citation، Share of Voice، Referral Traffic از ابزارهای AI و حضور در پاسخهای بدون کلیک را نیز اندازهگیری کنیم.
خیر.
اتفاقاً شواهد نشان میدهد سئو همچنان زیرساخت اصلی حضور در بسیاری از سیستمهای AI Search است.
گوگل صراحتاً اعلام کرده است که قابلیتهای هوش مصنوعی Search بر سیستمهای اصلی Search، Ranking و Quality متکی هستند و از روشهایی مانند Retrieval-Augmented Generation یا RAG برای بازیابی اطلاعات از ایندکس جستجو استفاده میکنند.
یعنی برای اینکه یک صفحه بتواند بهعنوان منبع انتخاب شود، همچنان مواردی مانند:
اهمیت دارند.
در واقع SEO دیگر پایان مسیر نیست؛ زیرساخت مسیر جدید است.
اگر درباره اصول پایه سئو نیاز به مطالعه بیشتری دارید، راهنمای خدمات و اجزای سئو دارکوب میتواند نقطه شروع مناسبی باشد. خدمات سئو و اجزای آن در دارکوب
یکی از مشکلات محتوای موجود در وب این است که SEO، AEO و GEO را سه روش کاملاً جدا از یکدیگر معرفی میکنند؛ در حالی که در عمل همپوشانی زیادی دارند.
| مفهوم | هدف اصلی | نمونه خروجی |
|---|---|---|
| SEO | افزایش Visibility در موتورهای جستجو | رتبه گرفتن صفحه در Google |
| AEO | ارائه پاسخ واضح و قابل استخراج | انتخاب پاسخ برای سؤال مشخص |
| GEO | افزایش Visibility و Citation در موتورهای مولد | ذکر برند یا سایت در ChatGPT و Gemini |
| Entity SEO | شفافسازی هویت اشخاص، برندها و موضوعات | درک بهتر ارتباط میان برند، مدیر، خدمات و محصولات |
| CRO | تبدیل Visibility به نتیجه تجاری | تماس، ثبتنام، Lead یا فروش |
نکته مهم این است که گوگل در راهنمای رسمی ۲۰۲۶ خود درباره اصطلاحاتی مانند AEO و GEO تأکید کرده که از دید Google Search، بهینهسازی برای قابلیتهای Generative AI همچنان بخشی از Search Optimization محسوب میشود.
بنابراین نباید برای SEO و GEO دو سایت یا دو استراتژی جدا ساخت.
استراتژی صحیح این است:
یک زیرساخت قوی SEO + محتوای قابل استناد + هویت دیجیتال قوی + ساختار پاسخمحور.
برای توضیح تخصصیتر AEO میتوانید مقاله دارکوب درباره بهینهسازی موتور پاسخ را مطالعه کنید. AEO چیست؟
برای اینکه بتوانیم سایت را برای AI Search بهینه کنیم، ابتدا باید بفهمیم پاسخ AI چگونه شکل میگیرد.
مدل سادهشده را میتوان به چهار مرحله تقسیم کرد:
Query → Retrieval → Evaluation → Generation
یعنی سیستم ابتدا سؤال کاربر را تحلیل میکند، سپس منابع مرتبط را پیدا میکند، اعتبار و ارتباط آنها را میسنجد و در نهایت پاسخ را تولید میکند.
این فرایند در هر موتور متفاوت است.
Google AI Overviews و AI Mode تا حد زیادی از زیرساخت Google Search استفاده میکنند.
ChatGPT Search میتواند اطلاعات وب را بازیابی کرده و در پاسخ به منابع لینک دهد.
Perplexity نیز به شکل گسترده بر Retrieval و Citation متکی است.
در نتیجه صرف اینکه یک مدل زبانی قبلاً درباره برند شما «آموزش دیده باشد» کافی نیست.
برند باید در وب فعلی نیز قابل کشف، قابل بررسی و قابل اعتماد باشد.
RAG مخفف Retrieval-Augmented Generation است.
در این معماری، هوش مصنوعی قبل از تولید پاسخ، اطلاعات مرتبط را از منابع خارجی بازیابی میکند و سپس پاسخ را بر اساس آنها میسازد.
این موضوع یک نتیجه بسیار مهم برای SEO دارد:
بهینهسازی برای AI فقط به مدل زبانی مربوط نیست؛ Retrieval اهمیت بسیار زیادی دارد.
اگر محتوای شما در سیستم بازیابی پیدا نشود، احتمال استفاده از آن در مرحله Generation نیز کاهش پیدا میکند.
به همین دلیل اصول کلاسیک سئو مانند Crawlability، Indexation، Internal Linking، Topical Relevance و Authority همچنان مهم هستند.
یکی از مهمترین مفاهیمی که گوگل در توضیح AI Search مطرح کرده، Query Fan-out است.
در جستجوی سنتی ممکن است کاربر فقط یک Query وارد کند.
اما یک سیستم AI میتواند سؤال کاربر را به چند Query مرتبط تقسیم کند.
برای مثال کاربر میپرسد:
«برای یک فروشگاه اینترنتی کوچک سئو بهتر است یا تبلیغات گوگل؟»
سیستم ممکن است همزمان موضوعاتی مانند این موارد را بررسی کند:
هزینه SEO، هزینه Google Ads، زمان نتیجهگیری، نرخ تبدیل، مزایای SEO، مزایای تبلیغات، نوع کسبوکار و بودجه.
بنابراین صفحهای که فقط دقیقاً عبارت «سئو بهتر است یا گوگل ادز» را چند بار تکرار کرده باشد الزاماً بهترین منبع نخواهد بود.
صفحه باید موضوع را پوشش دهد، نه فقط Keyword را.
Google Search Central نیز Query Fan-out را بهعنوان یکی از روشهای مورد استفاده در AI Search توضیح داده است.
این تغییر یکی از دلایلی است که Topic Coverage و Semantic SEO در عصر AI اهمیت بیشتری پیدا کردهاند.
هیچ فرم یا دکمهای وجود ندارد که با ثبت سایت در آن تضمین شود ChatGPT همیشه از سایت شما استفاده کند.
اما یک اقدام فنی مهم وجود دارد.
OpenAI در راهنمای رسمی ناشران اعلام کرده است که سایتهایی که میخواهند محتوایشان در ChatGPT Search قابل کشف، نمایش و Citation باشد، نباید OAI-SearchBot را مسدود کنند.
بنابراین اولین بررسی فنی برای ChatGPT Search باید robots.txt باشد.
نکته مهمتر اینکه OAI-SearchBot و GPTBot الزاماً یک وظیفه ندارند.
طبق راهنمای OpenAI، GPTBot با استفاده احتمالی از محتوا برای Training مرتبط است، در حالی که OAI-SearchBot برای کشف محتوا در Search استفاده میشود. بنابراین یک کسبوکار میتواند سیاست متفاوتی برای Search و Training داشته باشد.
این یکی از موضوعاتی است که در بسیاری از مقالههای فارسی سئو AI به آن اشاره نمیشود.
در دارکوب میتوان این مسیر را در قالب یک مدل هفتلایه بررسی کرد:
Discoverability → Understanding → Evidence → Authority → Retrieval → Citation → Conversion
اگر یکی از این مراحل ضعیف باشد، Visibility نهایی نیز محدود میشود.
قبل از GEO، AEO یا هر اصطلاح دیگری باید مطمئن شوید صفحات مهم سایت قابل Crawl هستند.
مواردی مانند:
robots.txt، Meta Robots، Canonical، Sitemap، HTTP Status Code، JavaScript Rendering و Internal Linking باید بررسی شوند.
گوگل نیز در راهنمای Generative AI خود تأکید میکند که محتوای قابل Crawl و در دسترس، پایه Visibility در Search است.
اشتباه رایج این است که تیم بازاریابی درباره GEO برنامهریزی میکند، در حالی که بخشی از صفحات اصلی سایت noindex هستند یا از مسیر لینک داخلی مناسبی قابل دسترسی نیستند.
ساختار سایت باید رابطه میان موضوعات را نشان دهد.
برای مثال یک شرکت سئو میتواند ساختاری مانند این داشته باشد:
صفحه خدمات سئو ← سئو تکنیکال ← سئو داخلی ← تولید محتوا ← AEO ← GEO ← AI Overview ← بازاریابی هوش مصنوعی.
این ساختار به موتورهای جستجو کمک میکند بفهمند سایت در چه حوزهای تخصص دارد و هر صفحه چه نقشی در Topic Cluster دارد.
لینکسازی داخلی در اینجا فقط برای انتقال Link Equity نیست؛ بلکه رابطه معنایی میان صفحات را نیز مشخص میکند.
در دارکوب، مقاله حاضر باید نقش Hub یا Pillar را داشته باشد و صفحات تخصصیتر مانند «AEO چیست؟» یا «چگونه در AI Overview باشیم؟» بهعنوان Cluster باقی بمانند.
برای مطالعه تخصصیتر درباره AI Overview میتوانید به راهنمای دارکوب مراجعه کنید. چگونه در AI Overview گوگل باشیم؟
در سئو سنتی بسیاری از تیمها یک Keyword List تهیه میکردند و برای هر عبارت مقاله جداگانه تولید میکردند.
این روش در بسیاری از پروژهها باعث ایجاد صفحات بسیار مشابه، Thin Content و Keyword Cannibalization شده است.
در عصر AI بهتر است به جای سؤال:
«برای این Keyword چه مقالهای بنویسیم؟»
بپرسیم:
«کاربر برای تصمیمگیری درباره این موضوع چه اطلاعاتی لازم دارد؟»
برای مثال صفحهای درباره انتخاب شرکت سئو فقط نباید «بهترین شرکت سئو» را هدف قرار دهد.
کاربر احتمالاً میخواهد بداند:
شرکت چگونه انتخاب شود، قرارداد چگونه باشد، قیمت چگونه تعیین میشود، چه KPIهایی مهم هستند، چه زمانی نتیجه میگیریم، گزارشدهی چگونه است و چه نشانههایی از شرکت نامعتبر وجود دارد.
پوشش این نیازها باعث ایجاد محتوایی میشود که هم برای انسان مفیدتر است و هم برای Query Fan-out شانس Retrieval بیشتری دارد.
یکی از مهمترین تغییرات محتوا این است که «بازنویسی اطلاعات موجود» ارزش کمتری پیدا کرده است.
اگر ده سایت نوشتهاند:
«SEO یعنی بهینهسازی سایت برای موتور جستجو»
سایت یازدهم با بیان همان تعریف در ۳۰۰۰ کلمه اطلاعات جدیدی به وب اضافه نکرده است.
Google در راهنمای رسمی ۲۰۲۶ خود بهطور مشخص بر تولید محتوای valuable, unique و non-commodity تأکید کرده و توصیه کرده است چیزی ارائه شود که به سادگی توسط صدها سایت یا مدل مولد قابل بازتولید نباشد.
اینجا مفهوم Information Gain اهمیت پیدا میکند.
مثلاً:
برای مثال مقالهای با عنوان «چطور در ChatGPT دیده شویم؟» اگر فقط تعریف GEO را ارائه دهد، اطلاعات جدید زیادی ندارد.
اما اگر نشان دهد:
«ما ۱۰۰ Prompt مرتبط با حوزه X را در ChatGPT، Gemini و Perplexity بررسی کردیم و این منابع بیشتر Citation گرفتند»
ارزش محتوای آن کاملاً متفاوت میشود.
در دارکوب پیشنهاد میکنیم هر صفحه مهم علاوه بر Content Layer یک Evidence Layer داشته باشد.
Content Layer توضیح میدهد.
Evidence Layer اثبات میکند.
برای مثال اگر میگویید:
«بهبود سرعت سایت میتواند تجربه کاربری را بهتر کند»
یک ادعا ارائه دادهاید.
اما اگر بگویید:
«در پروژه X بعد از کاهش LCP از ۴.۱ به ۱.۹ ثانیه، Conversion Rate صفحه طی سه ماه Y درصد تغییر کرد»
اطلاعات قابل استناد تولید کردهاید.
مدلهای AI به منابعی نیاز دارند که بتوانند از آنها Fact، Statistic، Comparison و Evidence استخراج کنند.
بنابراین برای بسیاری از کسبوکارها مهمترین سرمایهگذاری محتوایی سالهای آینده، تولید داده اختصاصی خواهد بود.
هیچ عدد جادویی وجود ندارد.
مقاله ۵۰۰۰ کلمهای که اطلاعات تکراری ارائه میکند الزاماً بهتر از مقاله ۱۵۰۰ کلمهای دارای داده اختصاصی نیست.
طول محتوا باید تابع پیچیدگی Search Intent باشد.
اگر پاسخ سؤال ۷۰۰ کلمه است، اضافه کردن ۳۰۰۰ کلمه توضیح غیرضروری فقط باعث کاهش Information Density میشود.
در عصر AI مفهومی که ارزش بیشتری پیدا میکند Information Density است:
چه مقدار اطلاعات مفید، جدید و قابل استفاده در هر بخش صفحه وجود دارد؟
بنابراین هدف نباید «مقاله بلندتر» باشد.
هدف باید:
پوشش کاملتر + اطلاعات منحصربهفردتر + پاسخ شفافتر
باشد.
پاراگراف کوتاه، Heading واضح، جدول و ساختار منطقی برای کاربر مفید هستند، اما نباید آنها را یک «هک GEO» تصور کرد.
گوگل در راهنمای ۲۰۲۶ خود مشخصاً هشدار داده است که تاکتیکهایی مانند Chunking مصنوعی محتوا یا تکنیکهای مشابه نباید جای کیفیت واقعی محتوا را بگیرند.
بنابراین صفحه را برای خوانایی انسان ساختاربندی کنید.
اگر ساختار برای انسان روشن باشد، معمولاً برای ماشین نیز قابل تفسیرتر خواهد بود.
Structured Data همچنان مفید است؛ زیرا به موتور جستجو کمک میکند معنای برخی دادهها را دقیقتر بفهمد.
برای مثال:
Organization، Person، Product، Article، Breadcrumb و LocalBusiness.
اما یک تصور اشتباه رایج این است که اضافه کردن چند Schema باعث میشود سایت مستقیماً وارد AI Overview شود.
گوگل اعلام کرده است که برای حضور در قابلیتهای Generative AI به Schema اختصاصی یا Markup ویژه AI نیاز نیست.
Structured Data باید:
با محتوای قابل مشاهده صفحه هماهنگ باشد و اطلاعات واقعی ارائه کند.
نه اینکه اطلاعاتی را فقط برای موتور جستجو ایجاد کند.
FAQ واقعی برای تجربه کاربر و پوشش سؤالها همچنان ارزشمند است.
اما نباید آن را با FAQ Rich Result اشتباه گرفت.
گوگل در ژوئن ۲۰۲۶ مستندات FAQ Rich Result را حذف کرد؛ زیرا این Rich Result دیگر در نتایج Google Search نمایش داده نمیشود.
بنابراین FAQ را برای کاربر، Search Intent و Answer Coverage تولید کنید، نه صرفاً برای گرفتن Rich Result.
در سالهای اخیر فایل llms.txt بهعنوان روشی برای معرفی محتوای سایت به مدلهای زبانی مطرح شده است.
اما حداقل درباره Google Search نباید آن را عامل رتبهبندی یا AI Visibility تصور کرد.
Google در ژوئن ۲۰۲۶ اعلام کرد وجود یا نبود llms.txt تأثیر مثبت یا منفی بر Visibility و Ranking در Google Search ندارد.
بنابراین اگر سئو تکنیکال، محتوا و معماری سایت مشکل دارند، ساختن llms.txt هیچکدام از آنها را حل نمیکند.
فرض کنید کاربر از ChatGPT میپرسد:
«بهترین شرکت سئو در ایران کدام است؟»
برای پاسخ به چنین سؤالی فقط یک صفحه مقاله کافی نیست.
سیستم ممکن است دنبال نشانههایی مانند:
نام شرکت، سابقه، مدیران، خدمات، سایت رسمی، پروفایلهای اجتماعی، Mentionهای مستقل، Reviews، پروژهها و منابع معتبر بگردد.
اگر نام برند در منابع مختلف با اطلاعات متناقض دیده شود، درک Entity دشوارتر خواهد شد.
به همین دلیل صفحه About Us، اطلاعات Organization، مشخصات مدیران، صفحات خدمات، پروفایلهای اجتماعی و Mentionهای معتبر باید با یکدیگر هماهنگ باشند.
در دارکوب مقاله جداگانهای درباره ثبت و تقویت مشخصات شرکت و شخص در هوش مصنوعی وجود دارد که این بخش را با جزئیات بیشتری بررسی میکند. ثبت مشخصات شرکت و شخص در هوش مصنوعی
بله، اما نگاه صرفاً کمی به بکلینک کمتر از گذشته مفید است.
در AI Visibility باید حداقل سه نوع سیگنال خارجی را از هم جدا کنیم:
Link، Mention و Evidence.
Link یعنی سایت دیگری به شما لینک دهد.
Mention یعنی برند شما را حتی بدون لینک نام ببرد.
Evidence یعنی یک منبع مستقل اطلاعات مشخصی درباره برند یا تخصص شما ارائه کند.
برای مثال Mention شدن نام شرکت در یک گزارش تخصصی معتبر میتواند از دهها بکلینک ضعیف ارزش بیشتری داشته باشد.
بنابراین Digital PR، Expert Contribution، Case Study مشترک، Research و Mentionهای معتبر بخشی از GEO مدرن محسوب میشوند.
لینک دادن به منابع معتبر به خودی خود کار اشتباهی نیست.
اگر آماری را از Google، OpenAI، Ahrefs یا یک مقاله علمی نقل میکنید، بهتر است منبع آن مشخص باشد.
این کار دو مزیت دارد:
اول اینکه خواننده میتواند ادعا را بررسی کند.
دوم اینکه مقاله از حالت «ادعای بدون مدرک» خارج میشود.
برای مثال اطلاعات مربوط به نحوه کار Generative AI Search بهتر است مستقیماً به مستندات Google Search Central استناد کند، نه به وبلاگی که خودش از Google نقل کرده است.
محتوای Citation-Friendly معمولاً دارای چند ویژگی است.
مهمترین آن Fact Extraction آسان است.
برای مثال به جای نوشتن:
«سرعت سایت خیلی مهم است و میتواند تأثیر زیادی روی کاربران داشته باشد.»
بنویسید:
«در پروژه X، زمان LCP از ۴.۱ ثانیه به ۱.۹ ثانیه کاهش یافت و نرخ تبدیل صفحه طی بازه مشخص از X به Y رسید.»
مثال دوم یک Fact قابل نقل دارد.
برای افزایش Citation Potential بهتر است صفحات شامل مواردی مانند تعریف دقیق، آمار، مقایسه، روش، تاریخ، محدودیت و منبع باشند.
مدلهای هوش مصنوعی میتوانند هزاران مقاله عمومی را در چند ثانیه خلاصه کنند.
اما چیزی که به راحتی تولید نمیکنند، تجربهای است که فقط کسبوکار شما دارد.
مثلاً:
«در ۵۰ پروژه فروشگاهی که بررسی کردیم، بیشترین خطای تکنیکال مربوط به Filter URLها بود.»
این اطلاعات ارزشمندتر از جمله عمومی:
«فیلتر محصولات میتواند برای سئو مشکل ایجاد کند.»
است.
هرچقدر AI در تولید متن عمومی قویتر شود، ارزش تجربه واقعی، داده اختصاصی و Expertise افزایش پیدا میکند.
Experience، Expertise، Authoritativeness و Trust همچنان مفاهیم مهمی برای ارزیابی کیفیت محتوا هستند.
اما E-E-A-T را نباید تبدیل به چکلیستی مانند «حتماً Author Box بگذار» کرد.
Author Box زمانی ارزشمند است که نویسنده واقعاً قابل شناسایی باشد.
برای محتوای تخصصی بهتر است مشخص باشد:
چه کسی نوشته، چه تجربهای دارد، اطلاعات چگونه جمعآوری شده، آخرین بهروزرسانی چه زمانی بوده و منابع کداماند.
در حوزههای پزشکی، مالی، حقوقی و سایر YMYLها اهمیت این موضوع بیشتر است.
مسئله اصلی ابزار تولید نیست؛ کیفیت خروجی است.
Google Search Central اعلام کرده استفاده از Generative AI برای تحقیق یا کمک به تولید محتوا به خودی خود مشکل نیست، اما تولید انبوه صفحاتی که ارزش جدیدی برای کاربر ایجاد نمیکنند میتواند با سیاست Scaled Content Abuse تعارض داشته باشد.
بنابراین:
AI میتواند Research Assistant باشد.
AI میتواند Draft تولید کند.
AI میتواند ساختار پیشنهاد دهد.
اما Expertise، Fact Checking، Information Gain و Editorial Judgment باید به محتوا اضافه شود.
مهمترین اشتباه این است که تصور کنیم AI Overview الگوریتمی کاملاً جدا از Google Search دارد.
طبق راهنمای Google Search Central، سیستمهای Generative AI Search به Core Search Systems متکی هستند.
بنابراین اولویتها شامل:
SEO تکنیکال صحیح، Search Intent، محتوای ارزشمند، Internal Linking، Page Experience، منابع معتبر و Information Gain هستند.
در بسیاری از Queryها ممکن است صفحهای در AI Overview Citation دریافت کند که دقیقاً رتبه اول Organic نیست.
این یعنی بهینهسازی باید فقط حول «Position» انجام نشود.
یکی از مهمترین تغییرات سال ۲۰۲۶ اضافه شدن گزارش Generative AI به Google Search Console است.
گوگل در ژوئن ۲۰۲۶ این گزارشها را معرفی کرد و اعلام کرد تا ۳۱ اوت ۲۰۲۶ این قابلیت برای همه سایتها در سطح جهانی Rollout شده است.
این گزارش میتواند دید بهتری درباره Visibility صفحات در قابلیتهای Generative AI گوگل ایجاد کند.
بنابراین گزارش ماهانه SEO در سال ۲۰۲۶ نباید صرفاً شامل:
Clicks، Impressions، CTR و Position
باشد.
بلکه باید AI Visibility نیز به آن اضافه شود.
OpenAI اعلام کرده است Referralهایی که از ChatGPT Search به سایت ارسال میشوند دارای UTM با مقدار utm_source=chatgpt.com هستند و میتوان آنها را در ابزارهای Analytics ردیابی کرد.
بنابراین در GA4 میتوان Source/Medium مربوط به ChatGPT را جداگانه تحلیل کرد.
اما یک نکته مهم وجود دارد:
تمام ارزش AI در Referral Traffic خلاصه نمیشود.
ممکن است کاربر نام برند شما را در ChatGPT ببیند و بعداً مستقیماً نام برند را در Google جستجو کند.
در این حالت Attribution ساده Last Click نمیتواند اثر واقعی AI Visibility را نشان دهد.
برای ارزیابی عملکرد بهتر است چهار دسته KPI بررسی شود:
| لایه | KPI |
|---|---|
| Search | Click، Impression، CTR، Position |
| AI Visibility | Citation، Mention، Share of Voice |
| Brand | Branded Search، Direct Traffic، Brand Mention |
| Business | Lead، Sale، Revenue، Conversion Rate |
هدف نهایی کسبوکار نباید «ذکر شدن در ChatGPT» باشد.
هدف باید این باشد که این Visibility به:
اعتماد، Lead، تماس و فروش تبدیل شود.
برای مطالعه بیشتر درباره اتصال AI Visibility به فروش، راهنمای «فروش با هوش مصنوعی» دارکوب را ببینید. فروش با هوش مصنوعی؛ AEO، GEO و بازاریابی AI
بحث درباره AI Search گاهی به شکلی مطرح میشود که انگار ترافیک سنتی گوگل تقریباً از بین رفته است.
دادهها چنین چیزی را نشان نمیدهند.
مطالعه Semrush در سال ۲۰۲۶ که میلیاردها بازدید در بیش از ۵۰ هزار سایت و ۱۷ صنعت را بررسی کرده، نشان داده AI Traffic طی سال ۲۰۲۵ حدود ۶۶ درصد رشد کرده، اما همچنان کمتر از ۰.۱۵ درصد کل Visits را تشکیل میداده است.
این آمار یک نتیجه استراتژیک مهم دارد:
SEO سنتی را متوقف نکنید تا فقط روی GEO کار کنید.
استراتژی منطقی، توسعه SEO برای پوشش کانال جدید AI است؛ نه جایگزین کردن کامل آن.
Position 1 همچنان مهم است.
اما دیگر نمیتوان فرض کرد هر Keyword که رتبه اول دارد همان CTR گذشته را خواهد داشت.
در Queryهایی که پاسخ کامل در SERP یا AI Overview ارائه میشود، احتمال Zero-click بیشتر است.
بنابراین هنگام انتخاب Keyword باید علاوه بر Search Volume از معیار دیگری نیز استفاده کنیم:
Click Potential
برای مثال Query:
«SEO چیست؟»
ممکن است Search Volume بالایی داشته باشد، اما بخش زیادی از پاسخ در SERP داده شود.
در مقابل Query:
«بهترین شرکت سئو برای فروشگاه اینترنتی B2B»
ممکن است حجم کمتری داشته باشد، اما Commercial Intent و ارزش Conversion آن بسیار بالاتر باشد.
Keyword Research باید از «لیست کلمات» به Demand Mapping تبدیل شود.
در Demand Mapping باید کل Journey کاربر بررسی شود:
Awareness → Problem → Research → Comparison → Decision → Purchase.
برای مثال یک کاربر خدمات سئو ممکن است ابتدا جستجو کند:
«چرا سایت من ورودی ندارد؟»
بعد:
«سئو چقدر طول میکشد؟»
بعد:
«SEO یا Google Ads؟»
و در نهایت:
«بهترین شرکت سئو».
اگر برند فقط Query انتهایی را هدف گرفته باشد، بخش بزرگی از Customer Journey را به رقبا واگذار کرده است.
خیر.
Google در راهنمای Generative AI خود درباره تولید تعداد زیادی صفحه صرفاً برای پوشش variationهای مختلف Query هشدار داده است.
اگر چند سؤال Intent یکسان دارند، بهتر است در یک صفحه جامع پوشش داده شوند.
صفحه جدید زمانی ساخته شود که Search Intent، مخاطب یا هدف تجاری واقعاً متفاوت باشد.
این رویکرد علاوه بر کاهش Cannibalization، Topical Authority را نیز قویتر میکند.
Featured Snippet همچنان یکی از فرمهای پاسخ مستقیم است، اما AI Overview و AI Mode پاسخهای پیچیدهتری تولید میکنند.
به همین دلیل AEO فقط گرفتن Featured Snippet نیست.
AEO مدرن یعنی طراحی محتوا به شکلی که:
پاسخ روشن باشد، Factها مشخص باشند، ساختار منطقی باشد و سؤالهای واقعی کاربر پوشش داده شوند.
یکی از مهمترین تفاوتهای Search سنتی و AI Search این است که Ranking و Citation الزاماً یکسان نیستند.
ممکن است صفحهای در Organic Position پایینتری باشد، اما بخش خاصی از آن بهترین پاسخ برای یک Sub-query باشد و در پاسخ AI استفاده شود.
این موضوع بهخصوص با Query Fan-out مهم است.
پس برای GEO باید صفحات را در سطح Passage و Fact نیز بررسی کنیم، نه فقط کل Keyword صفحه.
نباید با یک بار سؤال از ChatGPT نتیجه بگیرید که برند در AI «رتبه دارد» یا «ندارد».
پاسخ مدلها میتواند با زمان، مدل، Context، مکان، شخصیسازی و نوع Prompt تغییر کند.
یک مطالعه Semrush در سال ۲۰۲۶ نشان داد فقط حدود ۲۵.۶ درصد دامنههای Citation شده میان حالتهای مختلف Reasoning در ChatGPT مشترک بودهاند.
یعنی AI Ranking را نباید مانند Position ثابت Google تحلیل کرد.
بهتر است مجموعهای از Promptها به شکل دورهای بررسی شود.
AI Share of Voice نشان میدهد برند شما در چه درصدی از Promptهای مهم بازار دیده میشود.
برای مثال اگر ۱۰۰ سؤال تجاری مهم تعریف کنیم و برند در ۲۸ پاسخ معرفی شود:
AI Share of Voice تقریباً ۲۸ درصد است.
سپس میتوان این عدد را با رقبا مقایسه کرد.
این KPI برای GEO بسیار مفیدتر از بررسی یک Prompt تصادفی است.
برای پروژههای SEO + AI میتوان از چارچوب زیر استفاده کرد:
Demand → Entity → Content → Evidence → Authority → Retrieval → Conversion
Demand: کاربران چه سؤالاتی دارند؟
Entity: برند چگونه در وب شناخته میشود؟
Content: آیا پاسخ کامل وجود دارد؟
Evidence: چه مدرکی برای ادعاها داریم؟
Authority: چه منابع دیگری برند را تأیید میکنند؟
Retrieval: آیا موتورهای Search و AI میتوانند محتوا را پیدا کنند؟
Conversion: آیا Visibility به Lead یا فروش تبدیل میشود؟
این مدل کمک میکند GEO از یک پروژه صرفاً «محتوایی» به بخشی از استراتژی Digital Marketing تبدیل شود.
برای سایتی که از امروز میخواهد این مسیر را شروع کند، اجرای پروژه را میتوان در سه فاز انجام داد.
ابتدا وضعیت Crawl، Index، robots.txt، Sitemap، Canonical، Internal Linking، Entityها، صفحات خدماتی و Keyword Cannibalization بررسی شود.
همزمان Queryهای اصلی کاربران و Promptهای مرتبط استخراج شوند.
صفحات مهم براساس Search Intent آپدیت شوند.
محتوای Commodity حذف یا ادغام شود.
Case Study، داده اختصاصی، مقایسه و تجربه واقعی به صفحات اضافه شود.
Entityهای مهم مانند شرکت، مدیران، خدمات و محصولات تقویت شوند.
Digital PR، Mention، Citation و لینکهای معتبر تقویت شوند.
AI Share of Voice اندازهگیری شود.
ChatGPT Referral و Search Console AI Visibility بررسی شود.
در نهایت بر اساس داده واقعی، Content Gapهای جدید استخراج شوند.
یکی از بزرگترین مشکلات بازار GEO این است که مجموعهای از تاکتیکهای ساده بهعنوان «راز حضور در ChatGPT» فروخته میشوند.
برای مثال:
ساخت llms.txt به تنهایی، اضافه کردن FAQ زیاد، تولید صدها مقاله با AI، تکرار نام برند در متن یا ایجاد Schemaهای غیرواقعی هیچکدام تضمین Citation نیستند.
Google نیز در راهنمای جدید خود صراحتاً تأکید کرده که تمرکز باید بر SEO مؤثر و محتوای ارزشمند باشد، نه «AEO/GEO hacks».
برای بسیاری از برندها خیر.
AI Visibility ممکن است از منابع مختلف شکل بگیرد.
وبسایت رسمی، رسانههای تخصصی، شبکههای اجتماعی، Reviewها، مصاحبهها، Directoryهای معتبر، مقالات کارشناسی و منابع مستقل همگی میتوانند به شکلگیری Digital Footprint برند کمک کنند.
به همین دلیل GEO به SEO خارجی و Digital PR بسیار نزدیک شده است.
کوئریهایی مانند:
«بهترین شرکت سئو»،
«بهترین برند لپتاپ»،
«بهترین کلینیک»،
«بهترین نرمافزار حسابداری»
با سؤالهای اطلاعاتی ساده متفاوتاند.
برای چنین Queryهایی، ادعای خود برند کافی نیست.
صفحهای که میگوید «ما بهترین شرکت هستیم» Evidence مستقلی ایجاد نمیکند.
برای افزایش شانس حضور در Recommendation Queryها باید:
اعتبار برند، Review، مقایسه مستقل، Mention رسانهای، تجربه مشتری، Case Study و اطلاعات قابل بررسی تقویت شوند.
دارکوب راهنمای جداگانهای نیز درباره حضور در لیست بهترینهای هوش مصنوعی دارد. چگونه در لیست بهترینهای هوش مصنوعی باشیم؟
احتمالاً بخشی از Queryهای اطلاعاتی با کاهش کلیک روبهرو خواهند شد.
اما این به معنی کمارزش شدن سایت نیست.
برعکس، سایت به Source of Truth برند تبدیل میشود.
مدل AI ممکن است اطلاعات را خلاصه کند، اما برای بررسی جزئیات، قیمت، خرید، ثبتنام، تماس، ابزار، فایل، تجربه تعاملی و اطلاعات اختصاصی همچنان به سایت نیاز است.
بنابراین کسبوکارها باید محتوایی تولید کنند که دلیل واقعی برای Click ایجاد کند.
مثلاً:
Calculator، Template، Dataset، Case Study کامل، ابزار آنلاین، قیمت بهروز، نمونهکار، فایل دانلودی یا مقایسه تعاملی.
در عصر AI سؤال مهم این نیست که:
«آیا این محتوا قابل رتبه گرفتن است؟»
بلکه باید بپرسیم:
«آیا بعد از خواندن خلاصه AI، هنوز دلیلی برای ورود به این صفحه وجود دارد؟»
اگر پاسخ خیر باشد، احتمال کاهش Organic Click بیشتر خواهد بود.
پس محتوا باید چیزی ارائه کند که در Summary کامل قابل انتقال نباشد.
این میتواند یکی از مهمترین معیارهای Content Strategy در سالهای آینده باشد.
فروشگاه اینترنتی فقط نباید مقاله تولید کند.
داده محصول بسیار مهم است.
اطلاعاتی مانند:
قیمت، موجودی، ویژگی، مدل، مقایسه، Review، تصویر واقعی، FAQ خرید، شرایط ارسال و مشخصات فنی باید دقیق و Machine-readable باشند.
همچنین Structured Data محصول باید با اطلاعات واقعی صفحه مطابقت داشته باشد.
AI Shopping و Agentic Commerce احتمالاً اهمیت کیفیت Product Data را بیشتر خواهند کرد.
در سایت خدماتی باید مشخص شود:
چه خدمتی ارائه میشود، در چه منطقهای، توسط چه تیمی، با چه فرآیندی، برای چه مخاطبی، با چه سابقهای و چه نتایجی.
صفحات خدماتی عمومی مانند:
«ما بهترین خدمات را با بالاترین کیفیت ارائه میکنیم»
اطلاعات کمی برای موتورهای AI دارند.
صفحه باید Fact داشته باشد.
در B2B، AI اغلب در مرحله Research و Vendor Shortlisting استفاده میشود.
بنابراین صفحات باید شامل اطلاعاتی مانند:
Specification، استاندارد، ظرفیت، Industry، Lead Time، Certification، Market، Case Study و Process باشند.
هرچه اطلاعات تجاری قابل بررسیتر باشد، برند شانس بیشتری برای ورود به Comparison و Recommendation دارد.
یکی از تغییرات مهم AI Mode طولانیتر شدن Queryهاست.
گوگل اعلام کرده بود کاربران اولیه AI Mode سؤالهایی حدود دو تا سه برابر طولانیتر از Search سنتی مطرح میکردند.
یعنی Keywordهایی مانند:
«سئو سایت»
به سؤالهایی مانند:
«برای یک فروشگاه اینترنتی تازهکار با بودجه محدود بهتر است اول سئو کنیم یا Google Ads؟»
تبدیل میشوند.
این تغییر باعث میشود Search Intent، Context و Expertise اهمیت بیشتری پیدا کنند.
بله؛ اما هدف کامل نیست.
هدف مدرن Search Marketing باید ترکیبی از این موارد باشد:
Ranking + Citation + Mention + Traffic + Conversion
ممکن است یک برند برای Keyword مهم Position 3 داشته باشد، در AI Overview Citation شود، در ChatGPT معرفی شود و Conversion بیشتری از رقیب Position 1 ایجاد کند.
بنابراین نباید موفقیت را فقط با یک عدد اندازه گرفت.
کار سئوکار از «Keyword Optimizer» به Search & Information Strategist نزدیکتر میشود.
سئوکار باید علاوه بر Keyword Research و Technical SEO بتواند:
Search Intent، Entity، Content Architecture، Analytics، AI Search، Brand Signals و Conversion را درک کند.
در نتیجه ارزش متخصصانی که فقط ابزارها را اجرا میکنند کاهش پیدا میکند و ارزش افرادی که میتوانند مسئله کسبوکار را تحلیل کنند افزایش مییابد.
پاسخ صحیح این است:
برای هیچکدام بهتنهایی ننویسید؛ برای کاربر و اکوسیستم Search بنویسید.
صفحهای که:
قابل Crawl است، پاسخ دقیق دارد، تجربه واقعی ارائه میدهد، Evidence دارد، منابع خود را مشخص میکند، Entityهای روشن دارد، ساختار منطقی دارد و نیاز واقعی کاربر را حل میکند،
هم شانس خوبی در Google دارد و هم میتواند منبع مناسبی برای سیستمهای Generative AI باشد.
سئو در عصر هوش مصنوعی به معنی کنار گذاشتن SEO نیست.
بلکه به معنی توسعه آن از:
Search Engine Optimization
به:
Search Visibility Optimization
است.
هدف دیگر فقط گرفتن یک لینک آبی در Google نیست.
هدف این است که هر جا مشتری درباره مسئله، محصول یا خدمت شما تحقیق میکند، برند شما بخشی از پاسخ باشد.
دارکوب با ترکیب سئو، AEO، GEO، تولید محتوای تخصصی، ساخت Entity برند، بهینهسازی فنی و بازاریابی هوش مصنوعی به کسبوکارها کمک میکند تا هم در نتایج سنتی Google و هم در نسل جدید AI Search Visibility بهتری داشته باشند.
برای آشنایی بیشتر با این مسیر میتوانید راهنمای بازاریابی در هوش مصنوعی دارکوب را نیز مطالعه کنید. بازاریابی در هوش مصنوعی و معرفی برند به AI
خیر. SEO همچنان زیرساخت اصلی Crawl، Index، Ranking و Retrieval است. GEO را بهتر است لایهای برای افزایش Visibility در سیستمهای Generative AI در نظر گرفت.
فرم عمومی برای تضمین حضور وجود ندارد. سایت باید عمومی و قابل دسترس باشد و برای حضور در ChatGPT Search نباید OAI-SearchBot را مسدود کند.
هیچ Schemaای حضور در ChatGPT یا AI Overview را تضمین نمیکند. Structured Data برای شفافتر کردن ساختار اطلاعات مفید است، اما باید با محتوای واقعی صفحه هماهنگ باشد.
برای Google Search خیر. گوگل اعلام کرده llms.txt تأثیری بر Ranking یا Visibility در Search ندارد.
اگر مفید، دقیق، منحصربهفرد و مطابق سیاستهای Google باشد، استفاده از AI به خودی خود مانع رتبهگیری نیست. تولید انبوه محتوای کمارزش میتواند مشکلساز شود.
یک عامل واحد وجود ندارد. بهترین نتیجه معمولاً از ترکیب SEO تکنیکال، محتوای منحصربهفرد، Evidence، Entity، اعتبار خارجی و پوشش Search Intent حاصل میشود.
اعتبار خارجی همچنان اهمیت دارد، اما در کنار لینک باید Mention، Citation، Digital PR و Evidence مستقل را نیز بررسی کرد.
Referralهای ChatGPT Search با utm_source=chatgpt.com قابل شناسایی هستند و میتوان آنها را در ابزارهای Analytics بررسی کرد.
فقط زمانی که Search Intent مستقل وجود دارد. تولید تعداد زیادی صفحه مشابه برای Variationهای جزئی Keyword میتواند باعث Cannibalization و کاهش کیفیت کلی سایت شود.
SEO به سمت ترکیب Search، AI Retrieval، Entity Optimization، Content Evidence، Brand Visibility و Conversion حرکت میکند. رتبه همچنان مهم است، اما تنها KPI موفقیت نخواهد بود.