
بازار جستجو در ۲۰۲۵ یک پیام روشن دارد: گوگل همچنان ستون اصلی اکتشاف اطلاعات در وب است و درخواستهای با ماهیت جستجو در مدلهای زبانی بزرگ هنوز فاصله زیادی تا جایگزینی جستجوی متنی دارند. دادهای که نقشه راه را ساده میکند این است: روزانه حدود ۱۴ میلیارد جستجو در گوگل در برابر حدود ۶۶.۵ میلیون درخواست شبیه جستجو در ChatGPT. نسبت سادهاش میشود حدود ۲۱۰ برابر. این فاصله برای هر تصمیم بودجهای در سئو باید جلوی چشم باشد؛ چون هر راهبردی که هزینه فرصت دارد، اگر از گوگل برداشته و به کانالهای نوظهور منتقل شود، باید با همین نسبت توجیه شود.
در کنار این اختلاف مقیاس، یک سوءتفاهم هم سال گذشته فراگیر شد: عدد کل پرامپتهای روزانه در ChatGPT. این شاخص در جولای به حدود ۲.۵ میلیارد رسیده اما تنها بخشی از آن ماهیت جستجویی دارد. برآوردها نشان میدهد نزدیک به یکپنجم پرامپتها درخواستهای با ماهیت جستجو هستند و تازه بخش عمده رشد هم از سمت APIها آمده است، یعنی استفادههای پشت صحنه در محصولات، نه الزاماً جریانهای مصرفی که به وبسایتها رفرال بدهند. نتیجه عملی برای تحلیلگر سئو این است که «پرامپت کل» را نباید به اشتباه «تقاضای جستجو» فرض کرد. اگر این دو را با هم جمع ببینیم، تصویری اغراقآمیز از پتانسیل ترافیکی LLMها میسازیم.
در لایه رفرال هم نشانهها همسو هستند: داکداکگو از نظر فرستادن کاربر به وبسایتها عملکرد بهتری از ChatGPT داشته و بر اساس دادههای BrightEdge کمتر از یک درصد ورودی سایتها از سرچهای مبتنی بر AI میآید. این یعنی در زمان حال، AI-Search بیشتر «ارزش افزوده» است تا «جایگزین». اگر KPIهای شما روی سشن ارگانیک، CTR از SERP و لیدهای سرچ متکیاند، باز هم بیشترین بازده سرمایه در گوگل حاصل میشود. البته نظارت بر سهم AI-Search برای رصد تغییر روندها منطقی است اما باید با انتظارات واقعبینانه همراه باشد.
شاخص «سرچ مانند» بودن یک پرامپت چیست؟ همان لحظهای که کاربر از یک مدل زبانی سؤال میپرسد تا به پاسخ یا منبع برسد؛ یعنی شبیه رفتاری که در جستجو رخ میدهد، اما الزاماً با همان انگیزه، آگاهی و ساختار بازخورد نیست. این تفاوت کوچک اما مهم است. در جستجو، کاربر بین نتایج، تیتر، اسنیپت و URL انتخاب میکند و کلیک او یک سیگنال روشن برای شما میسازد. در محیط LLM، پاسخ در همان باکس ارائه میشود و اگر ارجاعی هم داده شود، الزاماً به معنای کلیک و بازدید نیست. پس وقتی گفته میشود ۶۶.۵ میلیون «درخواست با ماهیت جستجو» در روز در ChatGPT وجود دارد، نباید آن را معادل «بازدید بالقوه از وب» دانست. کسبوکارهایی که امروز به دنبال سنجش ROI از LLMها هستند، اگر این مرزبندی را رعایت نکنند، سریع با «قیمتگذاری غلط روی امید» روبهرو میشوند: انتظاری از ترافیک که قرار نیست با همان نسبت محقق شود.
رشد APIها هم داستان خودش را دارد. بسیاری از مصرفهای LLM که عدد کل پرامپت را بالا میبرد، درون تجربههای محصولی رخ میدهد: چتهای درون برنامهها، دستیارهای یکپارچه با نرمافزارها یا گردشهای کاری خودکار. اینها ارزش دارند اما بیشتر ارزش «در محصول» خلق میکنند تا «به وب»؛ در نتیجه سهم مستقیمشان از «رفرال وب» محدود میماند مگر اینکه محصول شما در همان جریان API حضور فعال داشته باشد. برای برنامهریزی سئو، این یعنی وزندهی منطقی به جایی که هنوز رفتار کلیک و سفر صفحهمحور کاربر شکل میگیرد: SERP گوگل.
اگر کمتر از یک درصد ترافیک ورودی سایتها از سرچهای AI میآید، دو معنا دارد. اول اینکه شرایط فعلی هنوز «مرحله افزودن کانال» است نه «مرحله جایگزینی کانال». پس هر استراتژی که بخواهد هزینه از گوگل بردارد و به امید AI-Search خرج کند، باید با دقت سناریو نوشته شود: در کدام موضوعات و نیتها ممکن است سهم AI-Search از یک درصد فراتر رود؟ کدام تیپ نیازها در AI باقی میمانند و سراغ وبسایت نمیآیند؟
دوم اینکه رصد و اندازهگیری این سهم باید جداگانه و با مدلهای انتساب واقعگرا انجام شود؛ چون ممکن است اثر AI غیرمستقیم باشد (تشکیل ایده، تدوین خواسته و روشن شدن زبان جستجو) و کلیک نهایی در گوگل اتفاق بیفتد. بدون تعریف یک چارچوب اندازهگیری که این تعامل چندمرحلهای را درک کند، به راحتی اثر AI یا دستکم گرفته میگردد یا بیش از حد نسبت داده میشود.
الگوی رفتاری مشاهدهشده ساده است: وقتی افراد شروع به استفاده از ابزارهای AI میکنند، تعداد جستجوهای گوگل همان افراد هم بیشتر میشود. یعنی AI نقش «تقسیم مسئله و ایدهپردازی» را بازی میکند و گوگل نقش «اطمینان و انتخاب نهایی» را. این رفت و برگشت باعث میگردد مسیر کاربر تکهتکهتر شود؛ نقطههای تماس بیشتر میشوند و فرصت Capture (جذب کاربر) در چند مرحله پدید میآید.
برای سئو یعنی چه؟ یعنی اگر شما فقط نقطه پایانی را پوشش دهید (صفحه لندینگ تصمیم)، فرصت اثرگذاری بر زبان، چارچوب و معیارهای ارزیابی کاربر در مراحل قبلی را از دست میدهید. اگر فقط به تولید پاسخ برای AI فکر کنید و حضور قوی در SERP را رها نمایید، لحظه انتخاب نهایی را از دست میدهید. تعادل درست، همسو کردن سیگنالها در هر دو محیط است: پاسخی که در AI بهروز، شفاف و قابل استناد است، باید در گوگل هم صفحهای منسجم، کامل و اطمینانبخش داشته باشد تا حلقه سفر بسته شود.
تا وقتی نسبت ۲۱۰ برابری برقرار میباشد، ستون فقرات رشد ارگانیک همان گوگل میماند. آزمایش در AI-Search لازم است، اما به عنوان «پرتفوی تکمیلی». این حرف نسخه واحد برای همه نیست؛ حتی در همان دادهها هم گفته میشود که در بعضی حوزههای خاص یا بازارهای محدود، AI ممکن است اثرگذارتر از داکداکگو باشد. اما تا وقتی سبد کلی ترافیک وب در سطح صنعت به این شکل است، اولویتگذاری بودجه باید منعکسکننده واقعیت مقیاس باشد. اگر مجبورید بین «بهینهسازی یک کلاستر محتوا برای سه نیت اصلی در گوگل» و «آزمایش یک تجربه AI-Search» یکی را انتخاب کنید، حالت پایه این است که گوگل را در اول نگه دارید؛ مگر آنکه شواهد دادهای خاص شما خلافش را ثابت کند.
در اندازهگیری نیز باید قاعده روشن باشد: «درخواستهای با ماهیت جستجو» را از «کل پرامپت» جدا کنید. اگر تیمی گزارش میدهد «استفاده از LLM دو برابر شد»، پرسش بعدی این است: چه سهمی از این استفاده واقعا ماهیت جستجویی داشته؟ از آن سهم، چند درصد به تعامل با وب انجامیده؟ و از آن تعامل، چند درصد به کلیک ارگانیک یا تبدیل منتهی شده؟ این زنجیره اگر تکمیل نشود، تفسیر KPIها سریع به اشتباه میافتد و سازمان در تله یا خوشبینی بیپشتوانه یا بدبینی غیرمنصفانه گرفتار میشود. بهترین پاسخ، تعریف داشبوردهای تفکیکشده است: یک نما برای پرامپت کل، یک نما برای درخواستهای با ماهیت جستجو، یک نما برای تعاملهای دارای ارجاع و یک نما برای کلیکها و تبدیلهای حقیقی نسبت داده شده به هر کانال.
از منظر رفرال، نگاه واقعبینانه یعنی پذیرفتن اینکه «زیر یک درصد» در سطح کل صنعت عدد کوچکی است؛ اما در پروژههای خاص میتواند مهم باشد. مثلا اگر موضوع شما در طیف نیازهایی است که پاسخهای مولد AI آن را خوب پوشش میدهد و کاربر هم به همان پاسخ اکتفا میکند، سهم مستقیم رفرال کم و سهم غیرمستقیم بیشتر میشود. اینجا بازی شما «حضور در پاسخ» است، نه «جلب کلیک». باید مطمئن شوید نام برند، طبقهبندی محصول یا روشتان در پاسخهای AI به شکلی ثابت و همسو نمایش داده میشود؛ این همسویی سیگنالها همان چیزی است که بعدا در جستجوی نهایی در گوگل به سود شما تمام میشود.
وقتی میگوییم «قیف ترکیبی»، منظور یک مسیر قابل ترسیم است: کاربر مسئله را با AI روشن میکند، واژگان و محدوده انتخاب را پیدا میکند، سپس برای اطمینان و خرید یا اقدام نهایی به گوگل برمیگردد. اگر پاسخ AI شما را ذکر کند اما لندینگ شما در گوگل برای همان نیت ناقص باشد، حلقه پاره میشود. اگر لندینگ شما کامل باشد اما پاسخ AI شما را اشاره نکند یا با شما نامنسجم باشد، حلقه باز هم میلنگد. راهحل عملی این است که برای هر نیت اصلی، یک «جفت محتوا» تعریف کنید: نسخه کپسولی و بیحاشیهگویی که بتواند در پاسخ AI منطقی به نظر برسد (تعریف روشن، فکتهای صریح، روش مقایسه قابل اتکا) و نسخه مفصل که در گوگل رتبه بگیرد و همه نیازهای اعتمادسازی را پوشش دهد (شواهد، روش، محدودیتها، قیمتگذاری یا معیارهای انتخاب). هماهنگی این دو نسخه را دورهای بازبینی کنید؛ چون پاسخهای AI و امیدهای کاربر نسبت به آنها ثابت نیستند.
در معماری صفحه هم باید این همصدایی را عملی کنید: تیترهایی که زبان رایج در پاسخهای AI را بازتاب بدهد، پاراگرافهایی که به سوالات متداول همان پاسخها جواب مستقیم بدهد و بلوکهایی برای مقایسه که «پایان بحث» را تسهیل کنند. اگر AI میگوید «سه روش اصلی وجود دارد»، صفحه شما هم باید همین سه روش را با ساختار قابل پویش و شواهد روشن پوشش دهد. اگر AI یک تعریف استاندارد را تکرار کند، تعریف شما نباید جور دیگری باشد که کاربر احساس تناقض کند. این همسویی زبان، فقط برای رضایت ذهنی کاربر نیست؛ برای موتورهای جستجو هم سیگنال منسجم میسازد که صفحه شما همان «اساس» گفتگوهای عادی درباره موضوع است.
وقتی رشد مصرف LLM را به API نسبت میدهیم، معنا این است که بسیاری از تعاملها اصلاً وارد وبسایتی که شما مدیر سئوی آن هستید نمیشوند. اگر میخواهید از این رشد سهم بگیرید، دو راه دارید: یا محصولی دارید که خود در این جریان است (پس باید استراتژی AIO یا بهینهسازی برای پاسخهای مولد را در سطح محصول طراحی کنید)، یا باید مطمئن شوید محتوایتان در منابع و دادههایی که بهطور معمول برای پاسخسازی استفاده میشوند حضور پررنگ و سالم دارد (مستندسازی روشن، دادههای ساختاریافته، صفحات منبع معتبر).
در هر دو حالت، اثر مستقیم بر «رفرال وب» تنها وقتی ظاهر میشود که یا تجربه محصول شما پل بازگشت به وب داشته باشد، یا پاسخهای AI به شکل پایدار شما را به عنوان مرجع یاد کنند و کاربر را به کلیک متقاعد سازند. بدون این پلها، مصرف درونمحصولی میماند و سهم وب شما کم.

شما نیاز دارید همین پیامها را «عملی و قابل اجرا» کنید، بدون اینکه از دایره موضوعات خارج شوید. قدمهای زیر همه در همین محدودهاند:
در حوزه «وضعیت بازار»: هر بار که میخواهید برنامه سه ماهه سئو بنویسید، همان نسبت ۲۱۰ برابر را کنار میز بگذارید و بپرسید: اگر فلان بازی آزمایشی در AI-Search را انجام بدهیم، چه میزان از منابع کلاسترهای اصلی گوگل را آزاد میکنیم؟ توجیه دارد یا نه؟ اگر جواب نه است، آزمایش را کوچک و کمهزینه نگه دارید.
در حوزه «ماهیت ترافیک LLM»: تعریف داخلی از «درخواستهای با ماهیت جستجو یا سرچ مانند» را مکتوب کنید و در گزارشهای ماهانه آن را جدا بیاورید. اگر ابزارهای شما این تفکیک را ندارند، حداقل لایه گزارش دستی بسازید تا مدیریت ارشد هر بار با «عدد پرامپت کل» اغوا نشود.
در حوزه «رفرال»: برای موضوعات اصلی یک بار «نمونهبرداری» انجام دهید؛ پاسخهای AI را رصد کنید که چگونه و کجا به شما اشاره میکنند. اگر اشاره نیست اما شما مرجع خوبی دارید، لحن و ساختار صفحه را با الگوهای رایج پاسخها همسو کنید تا قابلیت ارجاع بالا برود. اگر اشاره هست اما کلیک کم میباشد، عنوان، متا و اسنیپت را با همان زبان پاسخها همنوا کنید تا احتمال کلیک افزایش یابد.
در حوزه «تعامل رفتاری»: نقشه سفر کاربر را با دو مسیر موازی مستند کنید: مسیر «شروع در AI و ختم در گوگل» و مسیر «شروع در گوگل و ختم در AI». برای هر مسیر، نقاط بازگشت به وب را مشخص کنید و داراییهای محتوایی متناظر را آماده نمایید؛ از نسخه کپسولی برای پاسخها تا نسخه مفصل برای لندینگ.
در حوزه «API-محور بودن»: اگر محصول یا سرویس شما قابلیت اتصال به LLMها دارد، سناریوهای بازگشت به وب را طراحی کنید (لینکهای زمینهای، صفحات راهنمای کوتاه و مستندات قابل استناد). اگر ندارید، روی «مرجع شدن» کار کنید: دادههای ساختاریافته، تعریفهای استاندارد، جداول مقایسهای شفاف و شواهد قابل استناد که پاسخهای AI را به ذکر نام شما ترغیب کند.
بودجه بندی بدون گزارش دهی شفاف به تعویق میافتد. پیشنهاد ساده این است که برای هر فصلی سه صفحه گزارش داشته باشید:
صفحه اول «تصویر کلان بازار» با همان دو عدد محوری؛ ۱۴ میلیارد جستجو در روز برای گوگل و ۶۶.۵ میلیون سرچ مانند برای ChatGPT (و یادداشت روشن درباره APIها).
صفحه دوم «پیشرفت گوگل»؛ کلاسترها، نیتهای اصلی، بهبود در CTR و تبدیل.
صفحه سوم «تجربه AI-Search»؛ میزان ذکر برند در پاسخها، میزان همسویی محتوا با پاسخها و اثر قابل مشاهده بر کلیکهای نهایی.
این سه صفحه نه چیزی بیرون از موضوعات اضافه میکند و نه مدیران را با نمودارهای نامرتبط خسته میسازد؛ اما دقیقا همان شکاف برداشتهای رایج را پر میکند.
هوش مصنوعی در حال رشد و نفوذ است، اما برای تصاحب تاج و تخت جستجو هنوز راهی طولانی در پیش دارد. این جمله زمانی ارزش عملی پیدا میکند که کنارش اعداد واقعی قرار بگیرند؛ ۱۴ میلیارد در برابر ۶۶.۵ میلیون، کمتر از یک درصد سهم رفرال و افزایش جستجوی گوگل در کنار پذیرش AI.
برای تیم سئو این یعنی راهبرد «Google-first ،AI-aware»؛ ستون گوگل را محکم نگه دارید، اما سیگنالها و هماهنگی محتوا را طوری مدیریت کنید که در پاسخهای AI هم حضور پایدار و همسو داشته باشید. اگر این دو را با هم پیش ببرید، هم سفر کاربر را پیوسته میکنید و هم از بزرگترین منبع تقاضای ارگانیک غافل نمیشوید.
تهیه شده توسط تیم تخصصی سئو سید احسان خسروی (مدیر، متخصص و مشاور استراتژیک سئو)