یکپارچگی داده: مرز جدید سئو تکنیکال برای عصر هوش مصنوعی

طی دو سال اخیر، گوگل پشتیبانی خود را از نُه ItemType در گالری نتایج غنی جستجو حذف کرده است. این اتفاق کمی پس از عرضه ChatGPT و فراگیر شدن استفاده از آن رخ داد.

اینکه آیا این روند کاهشی ادامه خواهد داشت یا نه، هنوز مشخص نیست، اما حذف اخیر اسکیما FAQ/FAQPage بحث‌هایی را در مورد نقش schema.org در آینده جستجو به راه انداخته است.

پس اسکیما مرده است، درست است؟

برخی معتقدند اسکیما دیگر تأثیر مثبتی ندارد، اما باید به متن دقیق پیام گوگل در مورد حذف نتایج غنی FAQ توجه کنیم: «...ما نمایش جستجوی FAQ، گزارش نتایج غنی و پشتیبانی در ابزار تست نتایج غنی را در ژوئن ۲۰۲۶ متوقف خواهیم کرد.»

توجه کنید که گوگل نگفته استفاده از اسکیمای FAQ دیگر لازم نیست. این حذف مربوط به «نتایج غنی» است که یک ویژگی نمایشی محسوب می‌شود. خود اسکیما یک لایه برای «درک مطلب» است که موجودیت‌ها و روابط بین آن‌ها را مشخص می‌کند. به نظر من، اسکیما نه تنها نمرده، بلکه اهمیت آن بیشتر هم شده است. در حالی که برخی ویژگی‌ها منسوخ می‌شوند، ویژگی‌های دیگری مانند Product در حال گسترش هستند.

البته افزودن اسکیما به تنهایی تضمینی برای رشد معیارهایی مانند ایمپرشن و کلیک نیست. همانطور که سوگانتان موهاناداسان اشاره می‌کند، اسکیما در سه حوزه نقش دارد: ۱) خط لوله ایندکس گوگل، ۲) پیش‌آموزش مدل‌های زبانی بزرگ (غیرمستقیم)، و ۳) بازیابی اطلاعات در لحظه توسط مدل‌های زبانی. متخصصان سئو تاکنون بیشتر بر روی مورد اول تمرکز کرده‌اند، اما کاربرد اسکیما بسیار فراتر از آن است.

بزرگترین تهدید برای سئو: ابهام

اسکیما یک استاندارد وب است که به «یکپارچگی داده» (Data Integrity) کمک می‌کند. بزرگترین خطر برای یکپارچگی داده، «ابهام» است. ابهام منجر به «توهم» (Hallucination) در هوش مصنوعی می‌شود. این توهم‌ها می‌توانند روی هم انباشته شده و نتایج نادرست یا حتی آموزش اشتباه مدل‌های زبانی را در پی داشته باشند که اثرات بلندمدتی خواهد داشت.

اگر یک عامل هوشمند (agent) بتواند شما را اشتباه درک کند، در نهایت این کار را خواهد کرد. اینجاست که مدل‌های زبانی بزرگ در معرض خطر «رانش معنایی» (semantic drift) قرار می‌گیرند و روایت را بر واقعیت ترجیح می‌دهند.

این موضوع نشان می‌دهد که نقش یک متخصص سئو، به حداکثر رساندن یکپارچگی داده است که اسکیما بخش مهمی از آن محسوب می‌شود. در ادامه، پنج لایه یکپارچگی داده را بررسی می‌کنیم:

۱. موجودیت‌ها (Entities): چه چیزی وجود دارد و آن چیز چیست. مانند Thing، Organization و Person که با id@ تثبیت شده و به منابع معتبری مانند Wikidata، GS1 یا ORCID متصل می‌شوند تا یک عامل هوشمند «اپل» شما را با میوه سیب اشتباه نگیرد.

۲. روابط (Relationships): این موجودیت‌ها چگونه به هم متصل هستند. با استفاده از id@ و sameAs.

۳. فرمت (Format): ساختار چگونه سریال‌سازی و ارائه می‌شود. مانند JSON-LD، RDFa و Microdata.

۴. اقدامات (Actions): چه کارهایی را می‌توان انجام داد که برای عامل‌های هوشمند تعریف شده باشد. مانند Actions در Schema.org (مثلاً BuyAction).

۵. ادراک (Perception): درک شخص ثالث، احساسات و موارد مشابه.

این مفاهیم چگونه در بازار ایران کاربرد دارند؟

برای وب‌سایت‌های فارسی‌زبان که در اکوسیستم گوگل فعالیت می‌کنند، این اصول اهمیت دوچندان دارند. ابهام در زبان فارسی می‌تواند بیشتر باشد و هوش مصنوعی گوگل برای درک دقیق محتوای شما به داده‌های ساختاریافته نیاز دارد. به جای استفاده از ابزارهای غربی که ممکن است در دسترس نباشند، می‌توانید به صورت دستی اسکیمای JSON-LD را برای موجودیت‌های کلیدی مانند «سازمان» (Organization)، «محصول» (Product) و «شخص» (Person) پیاده‌سازی کنید. برای رفع ابهام، می‌توانید با استفاده از ویژگی sameAs، موجودیت‌های خود را به صفحات معتبر در ویکی‌پدیای فارسی یا دیگر منابع شناخته‌شده لینک دهید. این کار به گوگل کمک می‌کند تا بفهمد «شرکت دیجی‌کالا» یک فروشگاه آنلاین است و آن را با مفاهیم دیگر اشتباه نگیرد. این یک سرمایه‌گذاری برای آینده سئو در عصر جستجوی مبتنی بر هوش مصنوعی (SGE) است.

پروتکل‌های جدید، اما بدون اجماع

در دو سال گذشته، پروتکل‌های جدیدی برای تجمیع، راهنمایی و مصرف داده توسط عامل‌های هوشمند معرفی شده‌اند (مانند llms.txt، WebMCP، OKF، ARD). هدف همه آن‌ها کاهش تعداد درخواست‌ها و افزایش کارایی در پردازش اطلاعات است. اما یک مشکل بزرگ وجود دارد: هیچ توافق یا استاندارد مشترکی بین غول‌های فناوری مانند گوگل و مایکروسافت وجود ندارد. برخلاف sitemap.xml یا Schema.org که با همکاری مشترک ایجاد شدند، اکنون هر شرکت راه خود را می‌رود.

این عدم قطعیت، کار را برای متخصصان سئو که به دنبال یک راهنمای مشخص هستند، دشوار می‌کند. بحث‌ها ادامه دارند و به نظر نمی‌رسد که سوالات جامعه سئو در اولویت این شرکت‌ها باشد.

اکنون چه کاری می‌توانید انجام دهید؟

با نگاهی به پنج لایه یکپارچگی داده، شما بر چهار لایه اول کنترل دارید. اگر بخواهم یک ترتیب اولویت پیشنهاد دهم، به این صورت خواهد بود:

۱. id@ های خود را تثبیت کرده و لینک‌های sameAs به Wikidata و دیگر منابع معتبر اضافه کنید. این پایه و اساس همه چیز است.

۲. نحوه تفسیر شدن وب‌سایت خود توسط ماشین را با ابزارهایی مانند NLWeb آزمایش کنید، نه اینکه فرض کنید گراف شما همانطور که قصد داشتید خوانده می‌شود.

۳. اگر در حوزه تجارت الکترونیک فعالیت می‌کنید، فید محصولات خود را بررسی کرده و به اسکیمای Product و BuyAction توجه کنید.

۴. سعی کنید WebMCP را پیاده‌سازی کنید. این پروتکل برای هر وب‌سایتی قابل استفاده است و محدود به فروشگاه‌ها نیست.

۵. ارائه محتوا با فرمت Markdown را می‌توانید به زمانی موکول کنید که منابع مهندسی کافی در اختیار دارید.

۶. پروتکل‌های OKF و ARD را بررسی کنید. وقتی گوگل پروتکل جدیدی معرفی می‌کند، همیشه ارزش توجه دارد.

هدف، شرط‌بندی روی یک پروتکل خاص نیست. پیاده‌سازی هر یک از این موارد، ریسک اینکه یک مدل زبانی برای درک محتوای شما مسیر طولانی و پرخطایی را طی کند، کاهش می‌دهد. با این کار، شما برای هر عامل هوشمندی از هر پلتفرمی آماده خواهید بود.

به دنبال پروتکل نباشید، بر لایه‌های زیرین مسلط شوید

در حال حاضر، به نظر نمی‌رسد که هیچ «برنده» واحدی از میان این پروتکل‌ها به یک استاندارد وب تبدیل شود. اما همه آن‌ها یک نقطه مشترک دارند: همگی از یک بستر تغذیه می‌شوند که شامل موجودیت‌های دقیق، روابط صریح و محتوایی است که ماشین بتواند بدون حدس و گمان آن را بخواند.

رتبه‌بندی، معیار موفقیت در وب قدیم بود. در وب جدید، اعتماد، یکپارچگی، دقت و اعتبار حرف اول را می‌زند و کسب این‌ها همچنان وظیفه یک متخصص سئو است.