ایده‌یابی و تقویم محتوا با هوش مصنوعی

آخرین به‌روزرسانی: ۱ شهریور ۱۴۰۵

از یک مدل زبانی بخواهید «پنجاه ایده‌ی مقاله برای سایت فروش افزونه‌ی وردپرس» بدهد. ده ثانیه بعد فهرستی دارید که همه‌اش معقول است و هیچ‌کدامش مال شما نیست. همان فهرستی است که هر کس دیگری با همان درخواست می‌گیرد.

مشکل از ماشین نیست. ماشین نمی‌داند مشتری‌های شما دیروز در پشتیبانی چه پرسیدند. این را فقط شما می‌دانید.

هوش مصنوعی در ایده‌یابی چه کاری را خوب انجام می‌دهد؟#

در مرتب‌کردن، دسته‌بندی و گسترش ایده‌هایی که شما می‌آورید خوب است؛ در دانستن اینکه مخاطب شما واقعاً چه می‌خواهد و چقدر جستجو می‌شود، نه.

مرحله‌ی ۱: ایده‌ی خوب از کجا می‌آید؟#

از داده‌ای که فقط شما دارید. هر پرسشی که یک مشتری واقعی پرسیده، ایده‌ای است که دست‌کم یک نفر دنبالش بوده:

• پشتیبانی: تیکت‌ها، ایمیل‌ها و پیام‌ها. پرسش‌هایی که تکرار می‌شوند بهترین ایده‌ها هستند.
• سرچ کنسول: گزارش عملکرد نشان می‌دهد سایت شما برای چه عبارت‌هایی دیده شده، حتی اگر کسی کلیک نکرده.
• جستجوی داخلی سایت: اگر ثبتش می‌کنید، مستقیم می‌گوید بازدیدکننده چه چیزی را پیدا نکرده.
• نظرها: زیر مقاله‌ها و محصولات.
• پرسش‌های پیش از خرید: چیزی که مردد را مشتری می‌کند.

یک ماه از این‌ها را در یک فایل ساده جمع کنید، هر پرسش در یک خط. پیش از دادن به هر ابزاری، نام، ایمیل، شماره و هر اطلاعات شخصی را پاک کنید؛ دلیلش را در چه چیزهایی را هرگز به هوش مصنوعی ندهیم نوشته‌ایم.

مرحله‌ی ۲: پرسش‌ها را چطور خوشه‌بندی کنیم؟#

فهرست خام را به مدل بدهید و بخواهید پرسش‌ها را در چند خوشه‌ی موضوعی دسته‌بندی کند، بدون اینکه پرسشی از خودش اضافه کند. خوشه‌ی موضوعی یعنی یک مقاله‌ی جامع درباره‌ی یک موضوع و چند مقاله‌ی جزئی که هر کدام یک پرسش مشخص را جواب می‌دهند و به هم لینک می‌دهند.

این فهرست پرسش‌های واقعی مشتری‌های یک فروشگاه افزونه‌ی وردپرس است،
هر پرسش در یک خط.
۱. پرسش‌های هم‌معنا را یکی کن و بشمار هر کدام چند بار آمده.
۲. آن‌ها را در ۵ تا ۸ خوشه‌ی موضوعی دسته‌بندی کن.
۳. برای هر خوشه یک موضوع جامع و فهرست پرسش‌های جزئی بده.
۴. هیچ پرسشی از خودت اضافه نکن. اگر خوشه‌ای کمتر از سه پرسش دارد،
   جدا بگو.
خروجی: جدول با ستون‌های خوشه، پرسش، تعداد تکرار.

خط چهارم مهم است. بدون آن، مدل خوشه‌های کم‌جمعیت را با پرسش‌های ساختگی «کامل» می‌کند و دیگر نمی‌دانید کدام ایده از مشتری آمده و کدام از ماشین.

بعد از خوشه‌بندی، اجازه دارید از مدل زاویه‌ی تازه بخواهید؛ این بار آگاهانه و جدا:

برای خوشه‌ی «امنیت سایت»، پنج زاویه‌ی دیگر پیشنهاد بده که در
پرسش‌ها نیامده ولی همین مخاطب احتمالاً لازم دارد. کنار هر کدام
بنویس «پیشنهاد ماشین».

مرحله‌ی ۳: کدام ایده‌ها اول نوشته شوند؟#

آن‌هایی که هم زیاد پرسیده شده‌اند و هم به کار و محصول شما نزدیک‌اند. اولویت‌بندی تصمیم کسب‌وکار است و به ماشین سپرده نمی‌شود، ولی یک جدول امتیاز ساده کار را منصفانه می‌کند:

ستون رقابت را خودتان با جستجوی واقعی پر کنید. عددهای حجم جستجو را هم هرگز از چت نگیرید؛ مدل به داده‌ی زنده دسترسی ندارد و عدد می‌سازد. روش درستش را در تحقیق کلمه‌ی کلیدی با هوش مصنوعی آورده‌ایم.

مرحله‌ی ۴: تقویم محتوا را چطور بسازیم؟#

تقویم محتوا جدولی است که برای هر مقاله تاریخ انتشار، مسئول، هدف و وضعیت را مشخص می‌کند. چیدن جدول کاری است که ماشین سریع و خوب انجام می‌دهد:

این ۱۲ موضوع اولویت‌دار ماست، به ترتیب اهمیت. یک تقویم سه‌ماهه
بساز با دو انتشار در هفته، سه‌شنبه و شنبه.
- در هر خوشه، اول مقاله‌ی جامع و بعد مقاله‌های جزئی.
- این مناسبت‌ها و تاریخ‌هایشان را در نظر بگیر: [فهرست از تقویم معتبر]
- خروجی CSV با ستون‌های: تاریخ، عنوان پیشنهادی، خوشه، پرسش هدف،
  لینک به کدام مقاله‌ها، مسئول، وضعیت.

خروجی را در یک صفحه‌گسترده بریزید. چند قاعده‌ی عملی:

1. عددی را انتخاب کنید که ماه‌ها بتوانید ادامه دهید؛ انتشار منظم از هجوم کوتاه بهتر است.
2. برای هر هفته یک جای خالی بگذارید تا پرسش‌های تازه یا به‌روزرسانی مقاله‌های قدیمی جا شوند.
3. تاریخ مناسبت‌ها را از مدل نپذیرید؛ مناسبت‌های قمری هر سال جابه‌جا می‌شوند.
4. عنوان‌های پیشنهادی ماشین پیش‌نویس‌اند؛ عنوان نهایی را بعد از نوشتن مقاله بگذارید.

نوشتن خود مقاله‌ها روش جدایی دارد که در نوشتن مقاله با کمک هوش مصنوعی آمده. تقویم پر از مقاله‌ی ماشینی بی‌بازبینی همان چیزی است که موتورهای جستجو دنبال کم‌ارزش‌کردنش هستند؛ جزئیاتش در گوگل با محتوای هوش مصنوعی چه می‌کند.

بعد از انتشار چه کنیم؟#

چرخه را ببندید: هر ماه ببینید کدام مقاله‌ها دیده شده‌اند، برای چه عبارت‌هایی، و چه پرسش تازه‌ای رسیده. این داده ورودی دور بعدی ایده‌یابی است.

• مقاله‌ای که دیده می‌شود ولی کلیک نمی‌گیرد، عنوان و توضیح بهتری لازم دارد.
• مقاله‌ای که برای عبارتی نزدیک ولی متفاوت دیده می‌شود، یک مقاله‌ی جزئی تازه پیشنهاد می‌کند.
• پرسشی که بعد از انتشار باز هم در پشتیبانی تکرار می‌شود، یعنی مقاله جوابش را روشن نداده.

این موضوع به کجا می‌رود#

روند روشن این است که پاسخ‌های هوش مصنوعی در جستجو، پرسش‌های کلی و ساده را مستقیم جواب می‌دهند. محتوایی ارزش بیشتری پیدا می‌کند که تجربه‌ی دست‌اول، داده‌ی خاص یا جواب دقیق به پرسش واقعی یک مخاطب مشخص دارد؛ یعنی دقیقاً چیزی که از داده‌ی خودتان درمی‌آید.

برای آماده شدن:

• جمع‌کردن پرسش‌های مشتری را به یک عادت ثابت تبدیل کنید، نه یک پروژه‌ی یک‌باره.
• روی خوشه‌های نزدیک به کار خودتان عمیق شوید، نه روی موضوع‌های عمومی.
• مقاله‌های قدیمی را منظم به‌روز کنید؛ در تقویم برایشان جا بگذارید.

خلاصه#

• ایده از داده‌ی خود شما بیاید: پشتیبانی، سرچ کنسول، جستجوی داخلی و نظرها.
• ماشین پرسش‌ها را خوشه‌بندی کند، بدون افزودن پرسش ساختگی.
• اولویت‌بندی با شما و با جدول امتیاز؛ حجم جستجو از ابزار واقعی.
• تقویمی بچینید که ماه‌ها قابل ادامه باشد و جای خالی داشته باشد.
• بعد از انتشار، داده‌ی تازه را به دور بعد برگردانید.