آیا ما به یک چارچوب جداگانه برای GEO/AEO نیاز داریم؟ گوگل می گوید احتمالاً چنین نیست

در Google Search Central Live Deep Dive Asia Pacific 2025 ، Cherry Prommawin و Gary Illyes جلسه ای را در مورد چگونگی متناسب بودن هوش مصنوعی در جستجوی آنها برگزار کردند.

آنها از آنها سؤال كردند كه آیا ما برای بهینه سازی موتور تولیدی (GEO) و بهینه سازی موتور (AEO) به چارچوبهای جداگانه نیاز داریم.

بینش آنها نشان می دهد که GEO و AEO به رشته های کاملاً جدید احتیاج ندارند.

عکس گرفته شده توسط نویسنده ، جستجوی مرکز زندگی عمیق شیرجه آسیا اقیانوس آرام ، ژوئیه 2025

ویژگی های AI فقط ویژگی هایی هستند

Cherry Prommawin توضیح داد که AI Mode ، نمای کلی AI ، دایره برای جستجو و لنز مانند قطعه های برجسته یا پانل های دانش رفتار می کند.

این ویژگی ها در همان سیگنال های رتبه بندی و منابع داده به عنوان جستجوی سنتی می شوند.

همه آنها بدون نیاز به پلتفرم مستقل ، در موتور نمایه سازی و رتبه بندی اصلی Google کار می کنند. اضافه کردن یک مؤلفه هوش مصنوعی صرفاً موضوع معرفی لایه های تفسیر اضافی است.

گری ایلیز تأکید کرد که هر دو ابزار AI محور و خدمات جستجوی کلاسیک یک زیرساخت واحد و یکپارچه را به اشتراک می گذارند. این زیرساخت های اساسی از فهرست بندی ، رتبه بندی و خدمت برای انواع نتیجه برخوردار هستند.

AI Mode و نمای کلی AI فقط ویژگی های جستجو هستند و در همان زیرساخت های جستجو ساخته شده اند.

استفاده از قابلیت های جدید هوش مصنوعی به معنای ادغام مدل های اضافی در همان سیستم است. دایره برای جستجو و لنزها به سادگی ماژول های درک پرس و جو خود را در بالا اضافه کنید.

خزنده

تمام نمای کلی AI و حالت AI به همان خزنده که GoogleBot را قدرت می دهد ، متکی هستند. این خزنده از صفحات بازدید می کند ، پیوندها را دنبال می کند و محتوای تازه را جمع می کند.

Gemini به عنوان یک سیستم جداگانه در اکوسیستم خزنده Google تحت درمان قرار می گیرد و از ربات های خاص خود در اکوسیستم Google استفاده می کند تا داده ها را در مدل های خود تغذیه کند.

نمایه سازی

در جستجوی هوش مصنوعی ، فرآیند فهرست بندی هسته روشهای مورد استفاده برای جستجوی سنتی را آینه می دهد. صفحاتی که خزیده شده اند مورد تجزیه و تحلیل و سازماندهی در فهرست قرار می گیرند ، سپس از مدل های آماری و BERT برای اصلاح این داده ها استفاده می شوند.

این مدل های آماری بیش از 20 سال است که در حال استفاده هستند و برای اولین بار برای پشتیبانی از ویژگی “آیا منظور شما” و کمک به گرفتن هرزنامه ایجاد شده است.

برت درک عمیق تری از زبان طبیعی را به ترکیب اضافه می کند.

عکس گرفته شده توسط نویسنده ، جستجوی مرکز زندگی عمیق شیرجه آسیا اقیانوس آرام ، ژوئیه 2025

خدمت

پس از ساخت فهرست ، سیستم باید هر پرس و جو کاربر را تفسیر کند. این به دنبال کلمات متوقف است ، اصطلاحات کلیدی را مشخص می کند و پرس و جو را به قسمت های معنی دار می شکند.

مرحله رتبه بندی سپس صدها نتیجه بالقوه را بر اساس سیگنال های مختلف سفارش می دهد. قالب های مختلف مانند متن ، تصاویر و فیلم ، وزن های مختلفی را به همراه دارند.

RankBrain از یادگیری ماشین برای تنظیم آن سیگنال ها استفاده می کند در حالی که مادر یک رویکرد چند وجهی و چند وظیفه ای را برای درک پرس و جوهای پیچیده و مطابقت آنها با بهترین پاسخ های ممکن به ارمغان می آورد.

این به چه معنی است: از همان اصول از سئو استفاده کنید

با توجه به ادغام محکم ویژگی های AI با جستجوی استاندارد ، ایجاد برنامه های GEO یا AEO مجزا ممکن است تلاش های موجود را کپی کند.

به عنوان SEO ، ما باید بتوانیم شیوه های بهینه سازی موجود را برای جستجوی هوش مصنوعی و محصولات جستجوی “سنتی” اعمال کنیم. با تمرکز بر اینکه چگونه پیشرفت های هوش مصنوعی در گردش کار فعلی قرار می گیرد ، به تیم ها اجازه می دهد تا از تخصص خود استفاده کنند.

گسترش منابع برای ساختن چارچوب های جداگانه می تواند توجه را از کارهای با تأثیر بالاتر دور کند.

Cherry Prommawin و Gary Ilyyes جلسه خود را با تقویت اینكه AI یکی دیگر از ویژگی های محصول جستجو است ، به پایان رساندند.

متخصصان سئو می توانند با استفاده از همان اصول که بهینه سازی موتور جستجوی سنتی را راهنمایی می کند ، استراتژی های خود را اصلاح کنند.

منابع بیشتر:

تصویر برجسته گرفته شده توسط نویسنده