GEO چیست؟ راهنمای کامل بهینه‌سازی برای موتورهای مولد هوش مصنوعی

کاربرها دیگر فقط در گوگل جست‌وجو نمی‌کنند و ده لینک آبی را مرور نمی‌کنند. بسیاری از آن‌ها سؤالشان را از ChatGPT، Perplexity یا AI Overviews و AI Mode گوگل می‌پرسند و یک پاسخ خلاصه با چند منبع می‌گیرند. سؤال صاحبان سایت این است: چطور در این پاسخ‌ها دیده شویم؟ اسمی که برای این کار رایج شده GEO یا «بهینه‌سازی برای موتورهای مولد» است.

در این مقاله توضیح می‌دهیم GEO چیست، از کجا آمده، پژوهش اصلی آن دقیقاً چه چیزی را نشان داده، گوگل رسماً دربارهٔ آن چه می‌گوید، و چه کارهایی واقعاً اثر دارند و چه کارهایی وقت تلف کردن است.

آخرین به‌روزرسانی: ۲ آبان ۱۴۰۵ — نقل‌قول‌ها و عددها از مقالهٔ علمی GEO (arXiv:2311.09735، KDD 2024) و مستندات رسمی Google Search Central، OpenAI و Perplexity برداشته شده‌اند (دریافت: ۲ آبان ۱۴۰۵).

GEO چیست؟

GEO مخفف Generative Engine Optimization است. منظور از «موتور مولد» سیستمی است که به‌جای فهرست لینک، با یک مدل زبانی بزرگ از چند منبع پاسخ ترکیبی می‌سازد و معمولاً منابع را هم ذکر می‌کند. هدف GEO این است که محتوای شما در این پاسخ‌ها بیشتر دیده شود و به‌عنوان منبع ذکر شود. اگر با مفهوم موتور پاسخ آشنا نیستید، مقالهٔ ظهور موتورهای پاسخ؛ Perplexity در برابر جست‌وجو را ببینید.

GEO، AEO و SEO چه فرقی دارند؟

• SEO (بهینه‌سازی برای موتور جست‌وجو): هدف رتبه گرفتن در نتایج جست‌وجو و گرفتن کلیک است.
• AEO (Answer Engine Optimization): تمرکز بر اینکه محتوا به‌عنوان «پاسخ مستقیم» انتخاب شود، مثل فیچر اسنیپت یا دستیار صوتی.
• GEO: تمرکز بر دیده شدن و ذکر شدن در پاسخ‌های تولیدشده با هوش مصنوعی.

گوگل در راهنمای رسمی بهینه‌سازی برای قابلیت‌های هوش مصنوعی مولد (به‌روزرسانی ۱۹ تیر ۱۴۰۵ / ۱۰ ژوئیهٔ ۲۰۲۶) هر دو اصطلاح AEO و GEO را تعریف می‌کند و صریح می‌گوید: «از دید جست‌وجوی گوگل، بهینه‌سازی برای جست‌وجوی هوش مصنوعی مولد، بهینه‌سازی برای تجربهٔ جست‌وجوست و بنابراین همچنان سئو است.»

GEO از کجا آمد؟ مقالهٔ علمی اصلی

اصطلاح GEO از مقاله‌ای با عنوان GEO: Generative Engine Optimization آمده است. نویسندگان آن Pranjal Aggarwal، Vishvak Murahari، Tanmay Rajpurohit و همکارانشان هستند. مقاله اولین بار در نوامبر ۲۰۲۳ در arXiv منتشر و بعداً در کنفرانس KDD 2024 پذیرفته شد. ادعای اصلی چکیدهٔ آن این است که روش‌های GEO می‌توانند دیده شدن در پاسخ موتورهای مولد را «تا ۴۰ درصد» افزایش دهند، و اثر هر روش در حوزه‌های مختلف متفاوت است.

GEO-bench: محک آزمایش

پژوهشگران برای آزمایش، مجموعه‌ای به نام GEO-bench ساختند. این مجموعه ۱۰ هزار پرسش از ۹ منبع مختلف دارد که به ۸ هزار پرسش آموزش، ۱ هزار اعتبارسنجی و ۱ هزار آزمون تقسیم شده‌اند. ۸۰ درصد پرسش‌ها اطلاعاتی، ۱۰ درصد تراکنشی و ۱۰ درصد ناوبری هستند. دیده شدن هم با دو معیار سنجیده شد: «تعداد کلمات با وزن موقعیت» (Position-Adjusted Word Count)، یعنی چه مقدار از پاسخ از منبع شما آمده و در چه جایگاهی، و «برداشت ذهنی» (Subjective Impression)، که چیزهایی مثل ارتباط، تأثیر و احتمال کلیک روی ارجاع را می‌سنجد.

۹ تکنیک آزمایش‌شده و نتیجه‌ها

مقاله ۹ روش بازنویسی محتوا را آزمایش کرد: لحن معتبرتر (Authoritative)، افزودن آمار، پر کردن کلمات کلیدی (Keyword Stuffing)، ارجاع به منابع، افزودن نقل‌قول، ساده‌نویسی، روان‌نویسی، واژه‌های منحصربه‌فرد و اصطلاحات تخصصی. نتیجه روی معیار تعداد کلمات با وزن موقعیت (جدول ۱ مقاله):

خود مقاله می‌گوید روش‌هایی مثل Keyword Stuffing که در سئوی سنتی رایج بوده‌اند «خوب عمل نمی‌کنند». بهترین روش‌ها حالت پایه را در دو معیار به ترتیب ۴۱ و ۲۸ درصد بهبود دادند. پژوهشگران همین روش‌ها را روی Perplexity.ai، که یک موتور مولد واقعی است، هم آزمایش کردند و تا ۳۷ درصد بهبود دیدند.

یافتهٔ جالب: سود بیشتر برای سایت‌های پایین‌تر

یکی از جالب‌ترین یافته‌های مقاله این است که GEO برای سایت‌هایی که در نتایج جست‌وجو رتبهٔ پایین‌تری دارند سود بیشتری دارد. روش ارجاع به منابع، دیده شدن سایت رتبهٔ پنجم را ۱۱۵.۱ درصد افزایش داد، در حالی که دیده شدن سایت رتبهٔ اول به‌طور میانگین ۳۰.۳ درصد کاهش یافت. نویسندگان این را فرصتی برای «دموکراتیک‌تر شدن» فضای دیجیتال و کمک به تولیدکنندگان کوچک محتوا می‌دانند.

گوگل رسماً دربارهٔ GEO چه می‌گوید؟

مهم‌ترین منبع برای سایت‌های فارسی‌زبان که بیشتر ترافیکشان از گوگل است، راهنمای رسمی گوگل است. خلاصهٔ آن:

قابلیت‌های هوش مصنوعی گوگل روی همان سیستم رتبه‌بندی ساخته شده‌اند

طبق این راهنما، قابلیت‌های هوش مصنوعی مولد گوگل (AI Overviews و AI Mode) «ریشه در سیستم‌های اصلی رتبه‌بندی و کیفیت جست‌وجو» دارند. دو تکنیک اصلی آن‌ها این‌هاست:

• RAG یا Grounding: مدل صفحه‌های مرتبط و به‌روز را از ایندکس جست‌وجو بازیابی می‌کند و پاسخ را بر پایهٔ آن‌ها، همراه با لینک‌های قابل کلیک، می‌سازد.
• Query fan-out: مدل چند پرسش مرتبط هم‌زمان می‌سازد تا اطلاعات بیشتری بگیرد. مثال خود گوگل: برای «چطور چمنی پر از علف هرز را درست کنم»، پرسش‌هایی مثل «بهترین علف‌کش‌ها» و «حذف علف هرز بدون مواد شیمیایی» هم جست‌وجو می‌شوند.

یعنی برای دیده شدن در AI Overviews، صفحه باید اول ایندکس شده و واجد شرایط نمایش با اسنیپت در جست‌وجوی گوگل باشد. پایه‌ها همان سئوی تکنیکال و محتوای مفید است. دربارهٔ خود AI Overviews، مقالهٔ AI Overviews گوگل چیست را ببینید.

کارهایی که گوگل می‌گوید لازم نیست

گوگل در بخشی با عنوان «افسانه‌زدایی» فهرستی از کارهایی آورده که برای جست‌وجوی گوگل «می‌توانید نادیده بگیرید»:

• فایل LLMS.txt و نشانه‌گذاری «ویژه»: جست‌وجوی گوگل از آن‌ها استفاده نمی‌کند. ساختنشان برای سرویس‌های دیگر اشکالی ندارد، اما در گوگل نه کمکی می‌کند و نه ضرری دارد.
• «چانک‌کردن» محتوا: لازم نیست محتوا را به تکه‌های کوچک بشکنید. سیستم‌های گوگل چند موضوع در یک صفحه را می‌فهمند. طول ایدهآلی هم برای صفحه وجود ندارد.
• بازنویسی محتوا فقط برای هوش مصنوعی: هوش مصنوعی مترادف‌ها و معنای کلی را می‌فهمد. لازم نیست نگران پوشش همهٔ کلمات کلیدی دم‌دراز باشید.
• دنبال «اشارهٔ» ساختگی بودن: ذکر نام برند به‌صورت غیرواقعی در سایت‌های دیگر آن‌قدر که به نظر می‌رسد مفید نیست و سیستم‌های ضداسپم آن را مسدود می‌کنند.
• تمرکز بیش از حد بر داده‌های ساختاریافته: برای هوش مصنوعی مولد الزامی نیست و schema خاصی هم لازم ندارد. البته استفاده از آن برای نتایج غنی همچنان مفید است.

جمع‌بندی خود گوگل در پایان راهنما: «استراتژی‌های مؤثر سئو را بر "ترفندهای AEO/GEO" مقدم بدانید.» گوگل همچنین هشدار می‌دهد که هیچ ابزار شخص ثالثی به سیستم‌های داخلی رتبه‌بندی یا هوش مصنوعی آن دسترسی ندارد، پس به ابزارهایی که «موفقیت در رتبه» را تضمین می‌کنند با احتیاط نگاه کنید.

محتوای «غیرکالایی» بنویسید

به گفتهٔ گوگل، محتوای منحصربه‌فرد و مفید در بلندمدت بیش از هر توصیهٔ دیگری روی حضور در هوش مصنوعی مولد اثر دارد. گوگل محتوای «کالایی» (Commodity) را با مثال «۷ نکته برای خریداران تازه‌کار خانه» توضیح می‌دهد: محتوایی بر پایهٔ دانش عمومی که هر کسی می‌تواند بنویسد. در مقابل، محتوای غیرکالایی تجربه یا دیدگاه تخصصی واقعی ارائه می‌کند. ساختن صفحه‌های جداگانه برای هر شکل ممکن پرسش، از جمله پرسش‌های fan-out، اگر برای دست‌کاری نتایج باشد، طبق همین راهنما نقض سیاست اسپم «سوءاستفاده از محتوای انبوه» است. دربارهٔ تولید محتوا با هوش مصنوعی هم نقش هوش مصنوعی در تولید محتوای سئو را بخوانید.

چطور دیده شدن در هوش مصنوعی را اندازه بگیریم؟

گوگل در ۱۳ خرداد ۱۴۰۵ (۳ ژوئن ۲۰۲۶) در وبلاگ Search Central گزارش‌های جدید «Generative AI performance» را در سرچ کنسول معرفی کرد. طبق یادداشت همان پست، از ۹ شهریور ۱۴۰۵ (۳۱ اوت ۲۰۲۶) این گزارش‌ها برای همهٔ سایت‌ها در سراسر دنیا فعال شده است. این گزارش‌ها نشان می‌دهند:

• Impressions: چند بار URLهای سایت شما در قابلیت‌های هوش مصنوعی Search و Discover ظاهر شده‌اند.
• Pages: کدام صفحه‌ها در قابلیت‌های هوش مصنوعی آمده‌اند.
• Countries و Devices: تفکیک کشور و دستگاه (دستگاه فقط برای نتایج Search).
• Dates: روند زمانی با دقت ساعتی، روزانه، هفتگی و ماهانه.

بینگ هم در ۲۱ بهمن ۱۴۰۴ (۱۰ فوریهٔ ۲۰۲۶) بخش «AI Performance» را به‌صورت پیش‌نمایش عمومی به Bing Webmaster Tools اضافه کرد و در ۲۱ مهر ۱۴۰۵ (۱۳ اکتبر ۲۰۲۶) قابلیت Topics Portfolio (بتا) را به آن افزود. این اطلاعات از عنوان پست‌های وبلاگ وب‌مستر بینگ است. برای ChatGPT و Perplexity ابزار رسمی مشابهی برای گزارش نمایش وجود ندارد و باید ترافیک ارجاعی آن‌ها را در ابزار آنالیتیکس خودتان دنبال کنید.

خزنده‌های هوش مصنوعی و robots.txt

برای اینکه هر موتور مولد بتواند محتوای شما را ببیند، خزندهٔ آن باید به سایت دسترسی داشته باشد. هر شرکت چند خزنده با کاربردهای جدا دارد:

• گوگل: AI Overviews و AI Mode از همان Googlebot استفاده می‌کنند. طبق صفحهٔ قابلیت‌های هوش مصنوعی گوگل، برای محدود کردن آنچه از صفحه نشان داده می‌شود باید از nosnippet، data-nosnippet، max-snippet یا noindex استفاده کنید. Google-Extended فقط آموزش و grounding را در «برخی سیستم‌های دیگر گوگل» محدود می‌کند و جست‌وجو را کنترل نمی‌کند.
• OpenAI: طبق مستندات خزنده‌های OpenAI، OAI-SearchBot برای نمایش سایت در جست‌وجوی ChatGPT است و GPTBot برای جمع‌آوری داده جهت آموزش مدل‌ها. این دو جدا کنترل می‌شوند. پس می‌توانید آموزش را ببندید و همچنان در جست‌وجوی ChatGPT دیده شوید. اعمال تغییرات robots.txt در جست‌وجو حدود ۲۴ ساعت طول می‌کشد. ChatGPT-User هم برای بازدید به درخواست کاربر است و برای خزش خودکار استفاده نمی‌شود.
• Perplexity: طبق مستندات Perplexity، PerplexityBot برای نمایش و لینک دادن در نتایج است. Perplexity-User چون به درخواست کاربر صفحه را می‌خواند، به گفتهٔ خود Perplexity «عموماً قوانین robots.txt را نادیده می‌گیرد».

نمونهٔ robots.txt برای سایتی که می‌خواهد در جست‌وجوی ChatGPT و Perplexity دیده شود ولی محتوایش برای آموزش مدل‌های OpenAI استفاده نشود:

User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: GPTBot
Disallow: /

چک‌لیست عملی GEO برای سایت‌های فارسی

با کنار هم گذاشتن یافته‌های مقالهٔ علمی و توصیه‌های رسمی گوگل، این چک‌لیست هم با پژوهش و هم با سیاست گوگل سازگار است:

1. سئوی پایه را درست کنید: ایندکس، سرعت، ساختار تیتر و نبود محتوای تکراری. بدون این‌ها، در AI Overviews هم دیده نمی‌شوید.
2. آمار و عدد واقعی بیاورید: با منبع و تاریخ. «افزودن آمار» در پژوهش GEO دومین روش مؤثر بود.
3. از متخصصان و منابع معتبر نقل‌قول کنید: «افزودن نقل‌قول» مؤثرترین روش در جدول ۱ مقاله بود.
4. به منابع معتبر لینک بدهید: ارجاع به منابع به‌خصوص برای سایت‌هایی که رتبهٔ اول نیستند اثر زیادی داشت.
5. روان و ساختاریافته بنویسید: پاسخ مستقیم در ابتدای متن، تیترهای واضح و پاراگراف‌های کوتاه، هم برای کاربر و هم برای هوش مصنوعی.
6. تجربهٔ دست‌اول اضافه کنید: تست واقعی، تصویر واقعی، مطالعهٔ موردی. این همان محتوای غیرکالایی است که گوگل از آن حرف می‌زند.
7. کلمات کلیدی را پر نکنید: هم در پژوهش اثر منفی داشت و هم گوگل آن را لازم نمی‌داند.
8. robots.txt را بررسی کنید: مطمئن شوید خزنده‌های جست‌وجوی هوش مصنوعی را ناخواسته مسدود نکرده‌اید.
9. اندازه بگیرید: گزارش Generative AI در سرچ کنسول و AI Performance در بینگ را ماهانه بررسی کنید.

این مقاله هم با همین اصول نوشته شده است: پاسخ کوتاه در ابتدا، عدد با منبع و تاریخ، و فهرست منابع در انتها. برای دیدن نمونه‌ای از تحلیل داده‌محور در حوزهٔ هوش مصنوعی، راهنمای Artificial Analysis یا بهترین هوش مصنوعی برای هر کار را ببینید. برای مقایسهٔ دستیارهایی که پاسخ‌های مولد می‌دهند هم مقایسهٔ ChatGPT، Claude، Gemini و Copilot را بخوانید.

اشتباه‌های رایج دربارهٔ GEO

• «سئو مرده و باید GEO کار کنیم»: گوگل صریحاً می‌گوید GEO برای گوگل همان سئو است و قابلیت‌های هوش مصنوعی آن روی سیستم‌های اصلی رتبه‌بندی ساخته شده‌اند.
• «با llms.txt در ChatGPT و گوگل دیده می‌شویم»: گوگل از آن استفاده نمی‌کند. برای سرویس‌های دیگر هم هیچ‌کدام از منابعی که بررسی کردیم تضمینی دربارهٔ اثر آن نداده‌اند.
• «باید برای هر پرسش یک صفحه بسازیم»: طبق راهنمای گوگل، این کار اگر برای دست‌کاری نتایج باشد اسپم محسوب می‌شود.
• «ابزار X رتبهٔ ما را در AI Overviews تضمین می‌کند»: گوگل می‌گوید هیچ ابزار شخص ثالثی به سیستم‌های داخلی آن دسترسی ندارد.
• «عدد ۴۰ درصد مقاله روی سایت ما هم تکرار می‌شود»: آن عدد مربوط به یک محیط آزمایشی در سال ۲۰۲۳ است و نتیجهٔ هر سایت فرق می‌کند.

اگر می‌خواهید سایتتان هم در نتایج گوگل و هم در پاسخ‌های هوش مصنوعی دیده شود، تیم رادینو در خدمات سئو می‌تواند کمک کند. برای اینکه بدانید اصلاً به متخصص نیاز دارید یا نه، آیا به متخصص سئو نیاز دارید؟ را بخوانید.

سؤالات متداول

GEO چیست؟

GEO یا Generative Engine Optimization یعنی بهینه‌سازی محتوا برای دیده شدن و ذکر شدن به‌عنوان منبع در پاسخ موتورهای مولد هوش مصنوعی مثل ChatGPT، Perplexity و AI Overviews گوگل. این اصطلاح از مقاله‌ای علمی (arXiv:2311.09735) آمده که در KDD 2024 پذیرفته شد.

فرق GEO و SEO چیست؟

SEO برای رتبه و کلیک در نتایج جست‌وجوست و GEO برای حضور در پاسخ‌های تولیدشده با هوش مصنوعی. گوگل می‌گوید از دید جست‌وجوی گوگل، GEO همان سئو است، چون AI Overviews و AI Mode روی سیستم‌های اصلی رتبه‌بندی گوگل ساخته شده‌اند.

مؤثرترین تکنیک‌های GEO کدام‌اند؟

در پژوهش اصلی GEO، افزودن نقل‌قول (۲۷.۲ در برابر ۱۹.۳)، افزودن آمار (۲۵.۲)، روان‌نویسی (۲۴.۷) و ارجاع به منابع (۲۴.۶) بیشترین اثر را داشتند. پر کردن کلمات کلیدی (۱۷.۷) حتی بدتر از حالت پایه بود.

آیا llms.txt برای سئو و GEO لازم است؟

برای گوگل نه. گوگل صریحاً می‌گوید جست‌وجویش از LLMS.txt استفاده نمی‌کند و ساختن آن نه کمکی می‌کند و نه ضرری دارد. ممکن است سرویس‌های دیگر از آن استفاده کنند.

چطور بفهمم سایتم در AI Overviews دیده می‌شود؟

از گزارش Generative AI performance در سرچ کنسول گوگل استفاده کنید. این گزارش از ۳۱ اوت ۲۰۲۶ برای همهٔ سایت‌ها فعال شده و نمایش، صفحه‌ها، کشور، دستگاه و روند زمانی را نشان می‌دهد.

آیا باید GPTBot را در robots.txt ببندم؟

بستگی دارد. GPTBot برای آموزش مدل‌های OpenAI است و OAI-SearchBot برای نمایش در جست‌وجوی ChatGPT. می‌توانید GPTBot را ببندید و OAI-SearchBot را باز بگذارید تا در جست‌وجوی ChatGPT دیده شوید.

جمع‌بندی

GEO اسم تازه‌ای برای یک هدف قدیمی است: اینکه محتوای شما جایی که کاربر جواب می‌گیرد دیده شود. پژوهش اصلی GEO نشان داد محتوایی با آمار واقعی، نقل‌قول و ارجاع به منابع معتبر بیشتر در پاسخ موتورهای مولد می‌آید و پر کردن کلمات کلیدی جواب نمی‌دهد. گوگل هم رسماً می‌گوید برای جست‌وجوی آن، GEO همان سئوی خوب است، و ترفندهایی مثل llms.txt و چانک‌کردن را لازم نمی‌داند. پس به‌جای دنبال کردن ترفندهای جدید، محتوای غیرکالایی و مستند بنویسید، دسترسی خزنده‌ها را درست تنظیم کنید و نتیجه را با گزارش‌های رسمی سرچ کنسول و بینگ اندازه بگیرید.

منابع و مراجع