نمونه پرامپت ChatGPT برای سئو: 25 کاربرد
نمونه پرامپت ChatGPT برای سئو: 25 کاربرد در پژوهش، برنامهریزی محتوا، بررسی فنی، بومیسازی و گزارشدهی، همراه با قواعد راستیآزمایی خروجی.
نوشته Roozbeh Nazari · CEO
رایجترین مشکل تیمهایی که در کار سئو از ابزارهای هوش مصنوعی استفاده میکنند، کلی و سطحی ماندن خروجی است. علت آن اغلب خود ابزار نیست، بلکه مبهم بودن دستور است. در این مقاله نمونه پرامپت ChatGPT برای سئو را به اشتراک میگذاریم: 25 کاربرد در پنج حوزه کاری، همراه با نکتههایی درباره راستیآزمایی خروجی هر کدام. نمونهها را قالب بدانید؛ وقتی بخشهای داخل کروشه را با دادههای خودتان پر کنید، نتیجه دقیقتری میگیرید. محدودیتهای تولید مقاله با هوش مصنوعی از دید سیاستهای Google را جداگانه در مقاله هوش مصنوعی مقالهنویس بررسی کردهایم.
یک پرامپت خوب ChatGPT چگونه ساخته میشود
راهنمای مهندسی پرامپت OpenAI پیشنهاد میکند دستورها به بخشهای روشن تقسیم شوند، نقش و زمینه داده شود و در صورت نیاز نمونه ورودی و خروجی به اشتراک گذاشته شود. در سئو این یعنی چهار بخش: وظیفه (چه چیزی خواسته میشود)، زمینه (سایت، مخاطب، زبان، بازار)، ورودی (دادهای که شما میدهید) و قالب خروجی (جدول، فهرست، محدودیت کاراکتر). انتظار اینکه ابزار خودش حجم جستجوی بهروز، رتبه یا داده ترافیک تولید کند اشتباه است؛ چنین عددهایی باید از Search Console یا ابزار کلمات کلیدی شما گرفته و بهعنوان ورودی به پرامپت داده شوند. همه نمونههای زیر بر همین اصل نوشته شدهاند.
کاربردهای پژوهش و کلمات کلیدی
- «فهرست کلمات کلیدی زیر را بر اساس نیت جستجو به اطلاعاتی، مقایسهای، تراکنشی و برند دستهبندی کن و در قالب جدول بده: [فهرست]»
- «در این خروجی پرسوجوهای Search Console، پرسوجوهایی را که یک موضوع را با واژههای متفاوت جستجو میکنند خوشهبندی کن و برای هر خوشه یک صفحه اصلی پیشنهاد بده: [داده]»
- «پرسشهایی را که کاربر در مسیر تصمیم درباره [موضوع] ممکن است بپرسد، به تفکیک مرحله آگاهی، ارزیابی و تصمیم فهرست کن.»
- «فهرست عنوانها و H2های دو صفحه زیر را مقایسه کن و بخشهایی را نشان بده که یک نیت را هدف گرفتهاند و ممکن است با هم رقابت کنند: [داده]»
- «مترادفها و عبارتهای محلی که کاربران در [صنعت] به کار میبرند را پیشنهاد بده و مشخص کن کدامها باید در ابزار جستجو راستیآزمایی شوند.»
کاربردهای برنامهریزی محتوا و نگارش
- «برای [کلمه کلیدی] یک طرح محتوای متناسب با نیت جستجو آماده کن: H1، عنوانهای H2 و پرسشی که هر عنوان پاسخ میدهد.»
- «این طرح را بخوان و بخشهای تجربه و مثالی را که یک متخصص اضافه میکند اما در طرح نیست فهرست کن: [طرح]»
- «در متن زیر ادعاهایی را که به شاهد نیاز دارند پیدا کن و برای هر کدام بنویس چه نوع منبعی لازم است: [متن]»
- «این پاراگراف را بدون تغییر معنا با جملههای کوتاهتر و روشنتر بازنویسی کن و اصطلاحات فنی را حفظ کن: [پاراگراف]»
- «برای این مقاله سه پیشنهاد متا دیسکریپشن بین 115 و 160 کاراکتر که [کلمه کلیدی] را داشته باشند بنویس و تعداد کاراکتر هر کدام را بگو.»
کاربردهای بررسی سئو فنی
- «فایل robots.txt زیر را بخوان و توضیح بده کدام پوشهها برای کدام خزندهها مسدود شدهاند و کدام مسدودسازیها ممکن است ناخواسته باشند: [فایل]»
- «تگهای canonical، hreflang و meta robots در بخش head این صفحه را بررسی کن و ناهماهنگیها را فهرست کن: [کد]»
- «در فهرست ریدایرکت زیر، سطرهایی را که زنجیره یا حلقه میسازند پیدا کن: [فهرست]»
- «برای این صفحه محصول یک پیشنویس داده ساختاریافته schema.org بساز و اطلاعاتی را که در صفحه دیده نمیشود اضافه نکن: [محتوای صفحه]»
- «خلاصه این گزارش خزش را اولویتبندی کن: موارد پراثر و آساناجرا را بالا نشان بده: [گزارش]»
کاربردهای بومیسازی و چندزبانه
- «این عنوان ترکی را با عبارتهایی که کاربران در بازارهای انگلیسی، عربی و فارسی بهطور طبیعی جستجو میکنند تطبیق بده و ترجمه تحتاللفظی نکن: [عنوان]»
- «اصطلاحات این ترجمه را با واژهنامه زیر مقایسه کن و کاربردهای ناهماهنگ را نشان بده: [ترجمه] [واژهنامه]»
- «عبارتهای دوجهته در نسخه عربی این متن را که ممکن است در چیدمان راستبهچپ مشکل ایجاد کنند فهرست کن: [متن]»
- «برای فهرست نشانیهای زیر، معادل هر نسخه زبانی را پیدا کن و صفحههایی را که معادل ندارند نشان بده: [فهرست]»
- «مثالهای این صفحه را که با بازار محلی سازگار نیستند و جزئیاتی مثل واحد پول و قالب تاریخ را علامت بزن: [صفحه]»
کاربردهای گزارشدهی و دیده شدن در هوش مصنوعی
- «این داده ماهانه Search Console را با ماه قبل مقایسه کن و صفحههایی را که بیشترین تغییر را داشتهاند و دلایل احتمالی را فقط بر پایه اطلاعات داده خلاصه کن: [داده]»
- «خلاصه این گزارش را به یک یادداشت تصمیم پنجبندی تبدیل کن که مدیری غیرفنی بفهمد: [خلاصه]»
- «برای آزمودن این 20 پرسش درباره برند ما در دستیارهای هوش مصنوعی، یک قالب جدول ثبت یکنواخت بساز: [پرسشها]»
- «بخشهای کوتاه و مستقلی از این صفحه را که میتوانند در پاسخ یک هوش مصنوعی نقل شوند مشخص کن و برای کمبودها پیشنهاد بده: [صفحه]»
- «در نتایج آزمون زیر، پرسشهایی را که برند ما در آنها بهعنوان منبع آمده و آنهایی را که نیامده در یک جدول خلاصه کن: [نتایج]»
کتابخانه پرامپت را در تیم مدیریت کنید
کاربردهای بالا وقتی تکتک استفاده شوند در زمان صرفهجویی میکنند؛ وقتی به یک کتابخانه مشترک در تیم تبدیل شوند، یکپارچگی میآورند. ساختاری که در عمل جواب میدهد، نگهداری یک سابقه کوتاه برای هر پرامپت است: برای چه کاری استفاده میشود، چه ورودیهایی میخواهد، خروجی در چه قالبی میآید و آخرین بار چه کسی و در چه تاریخی آن را بهروز کرده است. وقتی پرامپتی نتیجه غیرمنتظره میدهد، این سابقه کمک میکند تشخیص دهید مشکل از دستور بوده یا از ورودی.
قاعده دوم کتابخانه این است که داده محرمانه یا شخصی وارد پرامپت نشود. بهجای نام مشتریان، اطلاعات بیماران یا جزئیات قراردادها باید از نمونههای ناشناسشده استفاده کرد. قاعده سوم، آزمودن دوباره پرامپتهای پرکاربرد هنگام تغییر مدل یا ابزار است؛ یک دستور ممکن است در مدلهای مختلف نتیجههایی با سطح جزئیات متفاوت بدهد. همین انضباط کوچک باعث میشود کاربردها ماهها بعد هم با همان کیفیت کار کنند. نگهداری کتابخانه در یک سند که همه به آن دسترسی دارند و بایگانی نسخههای قدیمی بهجای حذف آنها، ردگیری تغییرات را هم ممکن میکند.
قواعد راستیآزمایی خروجی
این نمونه پرامپتهای ChatGPT هر قدر هم خوب ساخته شده باشند، خروجی نباید بدون راستیآزمایی منتشر شود. چهار قاعده پیشنهاد میکنیم. نخست، عددها فقط باید از دادهای بیایند که خودتان دادهاید و آماری که مدل خودش تولید میکند نباید استفاده شود. دوم، توصیههای فنی باید روی صفحه زنده آزموده شوند. سوم، در حوزههایی مانند سلامت، مالی و حقوقی، متن باید توسط یک متخصص بازبینی شود. چهارم، باید پرسید آیا محتوای منتشرشده واقعاً به کاربر کمک میکند. Google توضیح میدهد که بیش از شیوه تولید محتوا، به مفید بودن آن نگاه میکند؛ راهنمای محتوای مفید آن هم پرسشهای چه کسی، چگونه و چرا محتوا را تولید کرده را برجسته میکند.
شیوه کار خود در سمت محتوا را در صفحه خدمت سئو محتوایی و روش سنجش دیده شدن در دستیارهای هوش مصنوعی را در صفحه مرئی بودن در جستجوی هوش مصنوعی توضیح دادهایم. اگر راهاندازی جزئی سنجش مبتنی بر پرامپت برایتان مهم است، مقاله بنچمارک 100 پرامپت را ببینید. هیچیک از این نمونهها تضمینی برای رتبه یا حضور در پاسخ هوش مصنوعی نیست؛ هدفشان کمک به تیم شما برای انجام همان کار به شکلی یکپارچهتر و قابل ممیزی است.