مجموعة مرشحي جوجل الموسعة وأزمة الاختيار

تشير مجموعة مرشحات Google الموسعة إلى تحول أعمق في كيفية تقييم أنظمة البحث للمحتوى. نظرًا لأن أنظمة الذكاء الاصطناعي تعالج مجموعات أكبر من المعلومات، فإن الرؤية تعتمد بشكل متزايد على التحقق والعلاقات وإشارات الثقة بدلاً من استهداف الكلمات الرئيسية التقليدية وحدها.

يدفع هذا التحول تحسين محركات البحث إلى ما هو أبعد من آليات الاسترجاع والتصنيف نحو شيء أقرب إلى هندسة الطب الشرعي – وهي أنظمة مصممة لمساعدة الآلات على التحقق من المعلومات والثقة بها على نطاق واسع.

نشرت شركة Search Engine Land مؤخرًا مقالًا حول مجموعة مرشحي Google الموسعة. عندما قرأته، شعرت بموجة هائلة من الارتياح وجرعة من الأدرينالين. لقد أكدت أن حفرة الأرانب التي كنت أحفر فيها طوال السنوات الخمس الماضية ليست مجرد هاجس شخصي. إنه بالضبط المكان الذي يتجه إليه النظام البيئي الرقمي.

لقد عملت على مدى أكثر من 30 عامًا على تلبية متطلبات اليوم بطرق تخدم متطلبات الغد أيضًا. تعلمك هذه التجربة التعرف على الأنماط مبكرًا واتخاذ القرارات التي لا تقتصر على المهام فحسب، بل هي نقطة انطلاق نحو الاتجاه التالي الذي تتجه إليه الصناعة.

التطور: من كاتب المكتبة إلى محقق الطب الشرعي

لفهم سبب حدوث “أزمة الاختيار”، عليك أولاً التمييز بين الزاحف ووكيل الذكاء الاصطناعي.

في الأيام الأولى، كان Googlebot عبارة عن أداة جلب ميكانيكية. لقد اتبع منطقًا صارمًا قائمًا على القواعد: ابحث عن رابط، وقم بتنزيل الصفحة، وفهرسة الكلمات. لم “يفكر” في المحتوى الخاص بك. لقد سجلها بكل بساطة. لقد كان كاتب مكتبة. 

التطور نحو الذكاء

على مدى العقد الماضي، عاد موظف المكتبة هذا إلى المدرسة، وحصل على درجة الدكتوراه في اللغويات، وأصبح محققًا في الطب الشرعي:

طبقة التفكير (2015): سمح RankBrain للنظام باستنتاج النية للاستعلامات التي لم يسبق له رؤيتها من قبل.

التحول السياقي (2019): سمح BERT للزاحف بفهم العلاقات بين الكلمات، ونقل البحث إلى ما هو أبعد من الكلمات الرئيسية ونحو اكتساب المعلومات (IG).

قفزة العامل التوليدي (2023 إلى الوقت الحاضر): باستخدام Gemini وAI Overviews، يقرأ النظام الآن مئات الصفحات في وقت واحد لتجميع إجابة واحدة فريدة من نوعها.

عملاؤك يبحثون في كل مكان. تأكد من ظهور علامتك التجارية.

مجموعة أدوات تحسين محركات البحث (SEO) التي تعرفها، بالإضافة إلى بيانات رؤية الذكاء الاصطناعي التي تحتاجها.

ابدأ النسخة التجريبية المجانية

ابدأ مع

محفز OpenAI وأزمة الاختيار

أدى وصول ChatGPT في أواخر عام 2022 إلى تسريع التحول نحو محركات الإجابة. توقف المستخدمون عن السؤال عن الوصفات وبدأوا في المطالبة بخطط الوجبات.

وقد خلق هذا ما أسميه “أزمة الاختيار”. ونظرًا لأن وكيل الذكاء الاصطناعي يقدم إجابة واحدة متماسكة، فيجب عليه تحديد الحقائق التي يجب تضمينها وتلك التي يجب تجاهلها. أدى ذلك إلى تسوية الملعب. أتاحت واجهة اللغة الطبيعية لأي شخص الوصول إلى معلومات عالية الجودة، بغض النظر عن إلمامه بالبحث.

بالنسبة لأولئك منا الذين يعيشون في الخنادق، أثبت هذا أن اكتساب المعلومات والحقائق الذرية هي العملات الوحيدة التي تهم. إذا تمكن نظام الذكاء الاصطناعي من تلخيص صفحتك المكونة من 2000 كلمة في جملتين، فإن الكلمات الـ 1980 الأخرى تصبح دينًا للسياق، وهو وزن غير ضروري ستتجاهله الآلة في النهاية.

رحلة مدتها 30 عامًا نحو اكتساب المعلومات والحقائق الذرية

لم يتم التوصل إلى هذا الاستنتاج من خلال لحظة “العصا السحرية”. لقد جاء ذلك بعد 30 عامًا من تحديد الحقائق الزومبية، أو المعلومات القديمة وغير الصحيحة التي تتنكر كحقيقة، جنبًا إلى جنب مع التجربة والخطأ على نطاق واسع.

بدأ طريقي في الصناعات عالية المخاطر: صيدليات الإنترنت وألعاب iGaming الخاضعة للتنظيم.

في هذه القطاعات، الثقة ليست كلمة طنانة. إنها الطريقة الوحيدة للبقاء في العمل. في عام 2018، بدأت البحث في الثلاثيات الدلالية والرسم البياني للمعرفة. أدركت أن الزاحف لا يحتاج فقط إلى العثور علينا. كان يحتاج إلى خريطة منطقية لفهمنا.

أزمة السلع

وفي وقت لاحق، بينما كنت أدير ثمانية مواقع للتجارة الإلكترونية تبيع منتجات متطابقة بأسعار متطابقة، واجهت أزمة السلع الأساسية. إذا قال الجميع نفس الشيء، فلن يكون لدى محرك الإجابة سبب منطقي لاختيارك. يجب عليك تقديم الحقيقة الذرية: المعلومة الفريدة التي تم التحقق منها والتي يمكنك أنت فقط تقديمها.

لقد أمضيت عقدًا من الزمن في بناء أدوات لمعالجة الثغرات التي وجدتها:

محرك E-E-A-T: نظام تدقيق جنائي مكون من 500 نقطة يعتمد على إرشادات تقييم جودة البحث من Google.

الشطيرة الذرية: بنية ثلاثية الطبقات (الحقيقة الذرية، اكتساب المعلومات، الطبقة الهيكلية) التي تتعامل مع المحتوى كمخطط تقني.

مُقيّم IG الشرعي: أداة لقياس ما إذا كان المحتوى الخاص بك يضيف شيئًا جديدًا بالفعل إلى المحادثة.

في النهاية، أصبح حزام الأدوات ثقيلًا جدًا. وكانت المشاكل ــ الديون السياقية وفجوة الثقة ــ تتطلب نهجا أكثر توحيدا.

قادني ذلك إلى تطوير إطار عمل مصمم للربط بين الهندسة عالية المستوى وفهم طاولة المطبخ.

احصل على النشرة الإخبارية التي يعتمد عليها مسوقو البحث.

انظر الشروط.

بناء الثقة في مشهد محرك الإجابة

أكدت المراجعة الجنائية الأخيرة التي أجريتها عبر 28 كيانًا رقميًا أن أزمة الاختيار قد وصلت إلى شبكة الإنترنت العامة. وكما ذكرت شركة Search Engine Land، تقوم Google الآن بتقييم مجموعة أكبر بكثير من الصفحات من أجل التصنيف.

في حقل يضم المئات، لم تعد الآلة تسأل من لديه أفضل الكلمات الرئيسية. إنه يسأل، “من يمكنني التحقق؟” التصنيف وحده لم يعد كافيا. يجب أن تصبح مصدرًا يمكن لأنظمة الذكاء الاصطناعي التحقق منه والثقة به.

لحل هذه المشكلة، أستخدم ثلاث ركائز لهندسة الطب الشرعي:

الركيزة الأولى – سلطة التشفير: في اقتصاد التزييف العميق، أستخدم معيار JSON Web Signature (JWS) (RFC 7515) للتوقيع على بيان الكيان. فكر في الأمر على أنه تمرير سريع عبر مجموعة المرشحين لأنه يتيح التحقق الفوري.

الركيزة الثانية – الرسم البياني الدلالي: الذكاء الاصطناعي يفكر في العلاقات، وليس في الفقرات. باستخدام معايير W3C RDF-star، أقوم بتصدير عمليات التدقيق كرسوم بيانية معرفية منظمة. وهذا يقلل من خطأ الترجمة عندما تقرأ أنظمة الذكاء الاصطناعي بياناتك.

الركيزة 3 – المواءمة التنظيمية: قمت بتعيين البنية وفقًا لقانون الذكاء الاصطناعي للاتحاد الأوروبي (اللائحة 2024/1689). وهذا يحمي الناتج المحلي الإجمالي الرقمي من التحولات التشريعية. إذا كنت تريد أن تكون مرئيًا عالميًا، فيجب عليك تلبية المتطلبات العالمية.

يغير محرك الإجابة ما يتم تحديده

يوضح توسيع مجموعة المرشحين كيف أصبحت محركات البحث محركات إجابات. تعتمد الرؤية بشكل متزايد على ما إذا كانت أنظمة الذكاء الاصطناعي يمكنها التحقق من المعلومات المرتبطة بكيانك والاتصال بها والوثوق بها.

هذا التحول يغير وظيفة SEO. لم يعد الأمر يتعلق فقط بالاسترجاع والتصنيف. ويتعلق الأمر بشكل متزايد ببناء أنظمة تساعد الآلات على فهم العلاقات والتحقق من صحة المعلومات وبناء الثقة على نطاق واسع.

إن الأطر والمعايير المطلوبة لدعم هذا التحول موجودة بالفعل في المجال العام. ويتمثل التحدي الآن في تعلم كيفية تجميعها في أساس موثوق للرؤية في البحث المعتمد على الذكاء الاصطناعي.