نقشه سازی موجودیت (Entity Mapping): راهنمای کامل برای سئو در گوگل و هوش مصنوعی

اگر اصطلاح «نقشه‌سازی موجودیت» برایتان آشنا به نظر می‌رسد، به این دلیل است که قبلاً با آن سر و کار داشته‌اید. این همان بحث «گراف دانش» است که در سال ۲۰۲۱ داشتید، اما با ظاهری مدرن‌تر. واژگان تقریباً دست‌نخورده باقی مانده‌اند: «موجودیت‌ها، نه رشته‌های متنی» (entities, not strings)، رفع ابهام، sameAs، روابط بین گره‌ها و تغذیه ساختار برای درک بهتر ماشین. به طور خلاصه: نقشه‌سازی موجودیت برای گوگل، که یک گراف واقعی برای تغذیه دارد، کاملاً مؤثر است، اما برای خود مدل زبانی، که چنین گرافی ندارد، تقریباً هیچ تأثیری ندارد. این دو، سیستم‌های متفاوتی با قوانین متفاوت هستند و فعالان این حوزه گاهی آن‌ها را به عنوان یک تاکتیک واحد به شما می‌فروشند. تفکیک این دو برای درک عملکرد سیستم‌ها و LLMها ضروری است.

در گوگل، این تکنیک ارزشمند است. گراف دانش (Knowledge Graph) یک موجودیت واقعی و مدیریت‌شده است. گوگل آن را در سال ۲۰۱۲ با شعار «چیزها، نه رشته‌های متنی» معرفی کرد و از آن زمان به لایه‌ای تبدیل شده که قبل از بارگذاری نتایج، تصمیم می‌گیرد یک کوئری درباره چه شخص یا چیزی است. شما این گراف را به طور غیرمستقیم از طریق داده‌های ساختاریافته (structured data)، تأییدیه‌های معتبر از منابع شخص ثالث و شاید یک ورودی تمیز در Wikidata که منابع مستقل با آن موافق هستند، تغذیه می‌کنید. در بازار ایران، این به معنای داشتن یک صفحه فارسی دقیق در Wikidata و کسب اشارات (mentions) از خبرگزاری‌های معتبر و وب‌سایت‌های تخصصی فارسی‌زبان است. دلیل اینکه صرفاً ادعای خودتان کافی نیست، این است که گراف دانش یک ماشین اعتماد است، نه یک صندوق ورودی. اسکیمای شما ادعای شما را بیان می‌کند، اما گره (node) زمانی ساخته و معتبر می‌شود که منابع مستقل و معتبر کافی، همان حرف را به گوگل بزنند.

مشکل از جایی شروع می‌شود که همین تاکتیک را برای سیستم کاملاً متفاوتی به کار می‌بریم، بدون آنکه متوجه تغییر باشیم. تمام فرضیات قبلی درباره یک موجودیت قابل بازرسی و قابل تغذیه، بی‌سر و صدا به سیستمی تعمیم داده می‌شود که هیچ‌یک از این ویژگی‌ها را ندارد. اینجاست که تردستی اتفاق می‌افتد، دقیقاً به این دلیل که کلمات تغییر نکرده‌اند. فرض پنهان این است: سیستمی که هدف قرار داده‌ایم، اصلاً قابل تغذیه است.

یک مدل زبانی گره‌ای برای تغذیه ندارد. دانش یک مدل در چیزی به نام «حافظه پارامتریک» (Parametric memory) ذخیره می‌شود؛ دانشی که در طول فرآیند آموزش در وزن‌های مدل پخته شده و با اطلاعاتی که به صورت زنده جستجو می‌کند، متفاوت است. در این حافظه، هیچ رکورد مشخصی از برند شما برای ویرایش وجود ندارد. بلکه یک الگوی آماری پراکنده در میان میلیاردها پارامتر وجود دارد که از خواندن کلان‌داده‌ها به دست آمده، نه از خواندن کدهای اسیکمای شما. مدل، برند شما را در میلیون‌ها زمینه مختلف می‌بیند و وزن‌های خود را برای کدگذاری شکل آماری نحوه توصیف شما تنظیم می‌کند. در این فرآیند، هیچ بلوک اسکیما یا لینک sameAs تجزیه و تحلیل نمی‌شود. مدل فقط زبان را در مقیاس بزرگ می‌خواند و آنچه باقی می‌ماند، اجماع است، نه کد. صفحه شما تنها یک زمینه در میان میلیاردها زمینه دیگر است و اگر در جای دیگری تکرار و تأیید نشود، داده‌های ساختاریافته شما در برابر حجم عظیم اطلاعات دیگر، تقریباً بی‌وزن است.

حتی اگر فرض کنیم می‌توانستید به حافظه پارامتریک دسترسی پیدا کنید، باز هم نمی‌توانستید نمودار خود را در آن پیاده کنید، زیرا ساختار داخلی مدل شبیه نمودار نیست. هر عبارت داده ساختاریافته یک سه‌گانه است: فاعل، گزاره، مفعول (مثلاً: برند شما، می‌فروشد، این محصول را). این واحد اتمی وب معنایی است که کل استراتژی موجودیت شما برای تولید آن تلاش می‌کند. اما این همان واحدی است که مدل زبانی ذخیره نمی‌کند. تحقیقات نشان می‌دهد که دانش موجودیت و دانش رابطه‌ای در بخش‌های مختلفی از مدل زندگی می‌کنند و با هم تطابق ندارند. تصویری که نقشه‌سازی موجودیت از گره‌ها و یال‌ها ترسیم می‌کند، یک ابزار مناسب برای برنامه‌ریزی انسانی است، اما توصیف دقیقی از عملکرد داخلی مدل نیست.

این تحلیل به معنای «هیچ‌چیز مهم نیست» نیست. جستجوی مبتنی بر هوش مصنوعی صرفاً پارامتریک نیست و فرآیند «بازیابی» (retrieval) نقش بسیار مهمی ایفا می‌کند. بهتر است این دو سطح را از هم جدا کنیم. وقتی یک مدل بدون جستجو و از حافظه خود پاسخ می‌دهد، شما با بخش پارامتریک روبرو هستید و هیچ‌چیز در صفحه شما به آن نمی‌رسد. اما وقتی ابزارهایی مانند پاسخ‌های هوش مصنوعی گوگل (AI Overviews) یا ChatGPT در حالت جستجو، صفحات را به صورت زنده واکشی می‌کنند، شما با بخش بازیابی سر و کار دارید. در این حالت، ساختار تمیز و سیگنال‌های واضح موجودیت به شما کمک می‌کند تا انتخاب و نقل‌قول شوید. اکثر پاسخ‌های امروزی ترکیبی از این دو هستند. کمک به یک سیستم بازیابی برای پیدا کردن و درک محتوای شما، با «یادگرفته شدن» توسط مدل تفاوت دارد. اولی را می‌توان با ساختار و رفع ابهام به دست آورد، دومی نیازمند سال‌ها حضور معتبر در وب است. اشتباه این است که این دو را یکی بدانیم.

بنابراین، چگونه بفهمیم کدام سیستم در حال تأثیرپذیری است؟ تنها راه صادقانه این است که به خروجی‌ها مستقیماً نگاه کنید: ردیابی کنید که آیا برند شما در پاسخ‌های مبتنی بر حافظه مدل ظاهر می‌شود یا در پاسخ‌های مبتنی بر جستجوی زنده. اگر حضور شما فقط در پاسخ‌های مبتنی بر بازیابی افزایش می‌یابد، در حالی که پاسخ‌های مبتنی بر حافظه ثابت می‌مانند، شما در حال تماشای این شکاف در زمان واقعی هستید و می‌بینید که نقشه‌سازی موجودیت دقیقاً نیمی از کاری را که ادعا می‌شد انجام می‌دهد، به سرانجام می‌رساند. این اندازه‌گیری، همان حقیقتی است که هیچ ادعای تبلیغاتی نمی‌تواند در برابر آن دوام بیاورد.