مسرد SEO وGEO

الزحف

يجلب الزاحف الصفحات تلقائيًا. وتعتمد إمكانية الجلب، من بين أمور أخرى، على قواعد الوصول واستجابات الخادم والروابط. ونجاح الجلب لا يعني بعد حدوث الفهرسة.

الفهرسة

يعالج محرك البحث صفحة ويأخذها في الاعتبار ضمن فهرسه. ويعود القرار إلى نظام البحث. وحتى الصفحة المفهرسة لا تحصل بذلك على ترتيب مضمون لسؤال معيّن.

Canonical

تحدّد إحالة Canonical عنوان URL المفضّل للمحتوى نفسه أو لمحتوى شديد التشابه. وينبغي أن تتّسق مع وجهة الصفحة المطلوبة فعلًا. وقد تصعّب إحالات Canonical الخاطئة فهم العلاقة بين الصفحات.

الوصف التعريفي وعنوان الصفحة

يصف العنوان موضوع الصفحة، ويلخّص الوصف التعريفي المحتوى. وينبغي أن يتوافق كلاهما بدقة مع الصفحة. وقد تركّب أنظمة البحث العرض الظاهر فعلًا بصورة مختلفة.

robots.txt

يحتوي ملف robots.txt على قواعد للجلب الآلي بواسطة روبوتات معيّنة. وهو ليس وسيلة حماية للوصول إلى المحتوى السرّي. ويجب التمييز بين الوصول لأغراض البحث والتدريب بحسب غرض الروبوت المعني.

Noindex

يطلب توجيه noindex من محركات البحث عدم إدراج صفحة في فهرسها. وهو ليس قفلًا بكلمة مرور. وينبغي حصر تغييرات توجيهات الفهرسة في الصفحات المعنية تحديدًا وفحصها بعد ذلك.

llms.txt

llms.txt هو تنسيق ملف مقترح لتوجيه أنظمة الذكاء الاصطناعي. ويعتمد أثره على ما إذا كان النظام يستخدمه فعلًا. يتجاهل Google Search هذا الملف؛ ولا يكون له هناك أثر إيجابي أو سلبي في الترتيب. وهو لا يغني عن موقع متاح أو محتوى مفيد.

OAI-SearchBot وGPTBot

OAI-SearchBot مخصّص لبحث OpenAI، وGPTBot لتدريب النماذج. لذلك، فالقرار بشأن إتاحة البحث ليس تلقائيًا قرارًا بشأن التدريب. أمّا ChatGPT-User فيتعلّق بالوصول الذي يبدأه المستخدمون.

البيانات المنظّمة

يمكن للمعلومات القابلة للقراءة آليًا أن تصف المؤسسة أو الشخص أو الصفحة التي يتعلّق بها المحتوى. وينبغي أن تتوافق مع المعلومات الظاهرة. فالترميز وحده لا يضمن عرضًا خاصًا للنتائج أو توصية من الذكاء الاصطناعي.

المؤسسة والشخص

قد تختلف بيانات الوكالة ومشغّلها القانوني والشخص المسؤول. ويمنع العرض المتّسق ظهور تعارض بين العلامة والموقع ووسيلة التواصل.

الربط الداخلي

تُظهر الروابط بين صفحات الموقع العلاقات وتقود القرّاء إلى معلومات إضافية. ونص الرابط الدقيق أنفع من تكرار «انقر هنا». وينبغي أن تكون الوجهات متاحة وتجيب عن السؤال المعلن.

LLM – Large Language Model

يعالج النموذج اللغوي الكبير اللغة وينتجها اعتمادًا على أنماط تعلّمها. ويمكن لتطبيق ربطه بالبحث أو بأدوات أخرى. ومع ذلك، يجب فحص الإجابة المُنتَجة من حيث الدقة وملاءمة المصادر.

التقسيم إلى رموز

في التقسيم إلى رموز، يُجزّأ النص إلى وحدات معالجة. ولا يكون الرمز بالضرورة كلمة كاملة. ولا ينتج عن ذلك لمحتوى المواقع قاعدة مفيدة للكتابة وفق عدد معيّن من الرموز.

نافذة السياق

تشير نافذة السياق إلى مقدار المعلومات الذي يمكن للنموذج أخذه في الاعتبار في عملية معالجة واحدة. لذلك، يهمّ أثناء الاستخدام أيضًا معرفة المستندات والرسائل السابقة التي أُدرجت فعلًا.

كيف يعمل ChatGPT في يوميات الشركات؟

يمكن للتطبيق، بحسب الوظيفة المستخدمة، إنتاج اللغة ومعالجة المحتوى المقدَّم والبحث عن معلومات حديثة. وينبغي للشركة تحديد الوظيفة المقصودة والبيانات المسموح بها وجهد المراجعة اللازم.

RAG – Retrieval-Augmented Generation

في RAG، تُسترجع معلومات مناسبة للمهمّة من مصدر وتُتاح لإعداد الإجابة. وتُعدّ جودة هذه المصادر وحداثتها وصلاحية استخدامها عوامل حاسمة. ولا يثبت RAG أن أي موقع عام يُستخدم تلقائيًا.

الضبط الدقيق

يكيّف الضبط الدقيق نموذجًا من خلال تدريب إضافي على أمثلة أو سلوكيات مرغوبة. وهو يختلف عن البحث الحالي على الويب أو تعديل موقع شركة. وبالنسبة إلى كثير من المهام التحريرية، تكون البداية الأهم مسار عمل جيّدًا يتضمّن المراجعة، لا تعديل نموذج خاص.

الذكر والتوصية

الذكر هو ظهور اسم يمكن نسبته بوضوح إلى جهة محدّدة. أمّا التوصية فتقيّمه باعتباره خيارًا مناسبًا لسؤال. وليس كل ذكر توصية.

الاستشهاد بمصدر

يربط الاستشهاد بمصدر مصدرًا محدّدًا داخل الإجابة. تحقّقوا من أن الصفحة المرتبطة تدعم العبارة فعلًا. فالرابط وحده ليس علامة جودة لكل ما ورد في الإجابة.

التحويل

التحويل هو إجراء محدّد مسبقًا، مثل استفسار وصل فعلًا. والنقر على الهاتف وإرسال نموذج والحصول على تكليف أحداث مختلفة. ويبيّن التقييم السليم صراحةً ما الذي يُحتسب.

دليل قياس الظهور في البحث بالذكاء الاصطناعي يربط هذه المصطلحات بإجراء فحص عملي.