بیش از یک دهه است که در اکوسیستم وب فارسی، از طریق مدیریت پروژههای سئو در آژانس دیجیتال مارکتینگ اینتن (Inten)، با الگوریتمهای گوگل، رتبهبندی کلمات کلیدی و خزش صفحات زندگی کردهام. در این سالها، جامعه سئوی ایران رشد چشمگیری داشته است؛ همکاران متخصصی نظیر محسن طاووسی با تحلیلهای عمیق بر مبانی تکنیکال گوگل یا رضا شیرازی با توسعه سامانههای بومی و سئوی سازمانی، استانداردهای فنی ارزشمندی را در وب فارسی پایهگذاری کردهاند.
اما از حدود دو سال پیش و با ظهور موج پرشتاب موتورهای جستجوی مولد نظیر ChatGPT Search، Perplexity و Google AI Overviews، به این نتیجه رسیدم که اتکای صرف به متدولوژیهای سنتی سئو، دیگر پاسخگوی آینده بازاریابی دیجیتال نیست.
در این یادداشت تجربی، میخواهم روایتی کوتاه از چرایی این تغییر زاویه دید و مسیری را که برای توسعه چارچوب GEO (Generative Engine Optimization) و ابزارهای متنباز آن طی کردهام، با شما به اشتراک بگذارم.
لحظهای که فهمیدم قوانین بازی تغییر کرده است
در سئوی سنتی، ما برای «رباتهای خزشگر» بهینهسازی میکردیم: کدهای صفحه را تمیز میکردیم، چگالی کلمات کلیدی را میسنجیدیم و بکلینک میساختیم تا در میان ۱۰ لینک آبی صفحه اول گوگل قرار بگیریم. کاربر انسانی هم وارد صفحه میشد و خودش میان چند سایت مقایسه میکرد.
اما در دنیای جدید هوش مصنوعی:
۱. کاربر دیگر فقط لیست لینک نمیخواهد؛ پاسخ آماده، مقایسهشده و سنتزشده میخواهد.
۲. هوش مصنوعی به ادعای خودِ شما اعتماد نمیکند؛ مدلهای زبانی به دنبال فکتهای ساختاریافته، تأیید چندمنبعی (Cross-Validation) و متن کمابهام هستند.
۳. متریک بازی تغییر کرده است. معیار موفقیت دیگر فقط رتبه یک کلمه کلیدی نیست، بلکه «سهم مدل» (Share of Model یا SoM) است؛ یعنی از هر ۱۰۰ سؤال صنعتی کاربران در چتباتها، نام برند شما چند بار بهعنوان توصیه شماره یک ارائه میشود؟
وقتی دیدم ابزار یا مدل مشخصی برای سنجش این رفتار در زبان فارسی و منطقه وجود ندارد، تصمیم گرفتم به جای فعالیت صرف بهعنوان مشاور سئو، زمانم را روی معماری سیستمهای هوش مصنوعی و GEO بگذارم.
تولد هرم پنجلایهای دیدهشدن؛ The Molavi GEO Pyramid
برای اینکه بهینهسازی در هوش مصنوعی از حالت حدس و گمان خارج شود، مدل ساختاریافتهای به نام The Molavi GEO Pyramid را تدوین و در پایگاه پژوهشیام مستند کردم: https://molavi.pro/fa/research/geo-pyramid
این چارچوب نشان میدهد دیدهشدن در هوش مصنوعی حاصل یک ترفند نیست، بلکه زنجیرهای مهندسیشده در پنج مرحله است:
- لایه ۱، دادههای ماشینفهم: استقرار اسکیماهای پیشرفته JSON-LD و فایل استاندارد /llms.txt برای خوانش سریع خزندهها.
- لایه ۲، اعتبار موجودیت یا Entity Authority: رفع ابهام از نام برند و اشخاص در گرافهای دانش و پایگاههای وب.
- لایه ۳، بهینهسازی بازیابی یا RAG Optimization: بازنویسی محتوا در قالب چانکهای فکتمحور، بدون حاشیه و با ابهام حداقلی.
- لایه ۴، استنادهای چندمدلی یا Multi-LLM Citations: تزریق دادههای دستاول به رسانهها برای اعتبارسنجی متقابل هوش مصنوعی.
- لایه ۵، سهم ادراکی عاملها یا Agentic Mindshare: آمادهسازی کسبوکار برای روزی که ایجنتهای هوشمند به جای انسانها تصمیم به خرید میگیرند.
چرا ابزارهایم را متنباز در گیتهاب منتشر کردم؟
یکی از چالشهای بزرگ حوزه هوش مصنوعی، ادعاهای بدون اثبات و ارزیابی است. برای حل این چالش، ابزارهایم را بهصورت کدباز در صفحه گیتهابم و مخزنهای زیر در دسترس عموم قرار دادهام:
۱. geo-scope: https://github.com/tmolavi/geo-scope
ابزاری پایتونی برای بنچمارک، پایش پرامپتها و مهندسی معکوس نحوه پیشنهاد دادن برندها در موتورهای جستجوی مولد. این پروژه برای آزمونپذیر کردن فرضیههای GEO طراحی شده است؛ نتایج اولیه آن قانون قطعی یا وزن رسمی موتورهای هوش مصنوعی نیستند.
۲. mcp-geo-server: https://github.com/tmolavi/mcp-geo-server
سروری مبتنی بر پروتکل Model Context Protocol (MCP) تا دستیاران هوش مصنوعی و ایجنتهای توسعهدهنده بتوانند وبسایتها را از نظر آمادگی برای RAG و استانداردهای GEO ارزیابی کنند.
۳. sage-audit: https://github.com/tmolavi/sage-audit
موتوری یکپارچه برای ارزیابی همزمان سئوی تکنیکال، AEO و GEO در قالب یک پکیج خطفرمان و کتابخانه پایتون.
مخزنهای دیگر من، از جمله mcp-agent-skills-hub، n8n-agent-skills، lean-agent-skills و laravel-ai-summary، در فهرست کامل repositoryهای عمومی قابل مشاهدهاند: https://github.com/tmolavi?tab=repositories
توصیه من به متخصصان سئو و مدیران کسبوکار در سال ۱۴۰۵
سئوی تکنیکال و سنتی را کنار نگذارید؛ چون پایه زیرساخت فنی وب است. اما روی آن متوقف نشوید. اگر از همین امروز صفحات خود را برای چانکبندی هوش مصنوعی، فایلهای شناسنامه LLM و حذف لفاظیهای کلیشهای بهینه نکنید، در چند سال آینده سهم بزرگی از ترافیک تصمیمگیرندگان بازار را از دست خواهید داد.
خوشحال میشوم تجربیات و دیدگاههای شما، همکاران و توسعهدهندگان عزیز، را در بخش نظرات بخوانم تا با هم به توسعه ادبیات فنی GEO در وب فارسی کمک کنیم.
برچسبها: سئو، هوش مصنوعی، GEO، تقی مولوی، پایتون، دیجیتال مارکتینگ
