توزیع پرسوجو (Query Fan-Out) به عنوان یکی از مفاهیم کلیدی در درک رفتار موتورهای جستجوی مبتنی بر هوش مصنوعی شناخته میشود؛ پدیدهای که در آن یک پرامپت ساده کاربر، زنجیرهای از زیرپرسوجوهای نادیده را در پسزمینه فعال میکند. با این حال، بررسیهای اخیر نشان میدهد که این سازوکار پیچیده، شباهت بینظیری به یک استراتژی سئوی سنتی دارد که بیش از دو دهه پیش، یعنی در سال ۲۰۰۳، تحت عنوان «عروسکهای ماتریوشکای روسی» پایهگذاری شده بود. این همگرایی میان فناوریهای نوین هوش مصنوعی و اصول کلاسیک بهینهسازی، مسیر جدیدی را پیش روی بازاریابان دیجیتال و مدیران برند قرار داده است.
مفهوم «عروسکهای روسی» و ریشههای تاریخی آن
در اوت سال جاری، امجی کاچون (MJ Cachón) مطالعهای روی یک مجموعه داده انجام داد که در آن ۱۸۹ پرامپت برنددار را وارد چتجیپیتی (ChatGPT) کرد. نتایج نشان داد که این مدل هوش مصنوعی، ۱۷۹۷ زیرپرسوجوی فرعی را که هیچ کاربری آنها را تایپ نکرده بود، ایجاد و پردازش کرد. گرگ جاربو (Greg Jarboe)، از متخصصان باسابقه این حوزه، معتقد است این رفتار مدلهای زبانی بزرگ، ساختاری کاملاً مشابه با روشی دارد که او از اوایل سال ۲۰۰۳ در بیانیههای مطبوعاتی به کار میگرفته است؛ دورانی که هنوز اصطلاحاتی مانند «توزیع پرسوجو» یا «بهینهسازی برای موتورهای جستجوی زایشی» (GEO) وجود نداشتند.
در استراتژی سنتی جاربو، بهینهسازی بر اساس گنجاندن عبارات کوتاهتر درون عبارات طولانیتر انجام میشد، درست مانند عروسکهای ماتریوشکا که یک عروسک کوچکتر را در دل خود جای میدهند. به عنوان مثال، اگر عبارت هدف «بلیط هواپیما به فیلادلفیا» (airfare to Philadelphia) بود، او به این حد بسنده نمیکرد و محتوا را حول یک عبارت چهارکلمهای طولانیتر مانند «بلیط ارزان هواپیما به فیلادلفیا» (cheap airfare to Philadelphia) ساختاردهی میکرد. با این روش، محتوا هم برای کاربرانی که عبارت کوتاهتر را جستجو میکردند و هم برای کسانی که عبارت طولانیتر را تایپ میکردند، قابل کشف بود. در مقابل، تمرکز صرف بر عبارت کوتاهتر، محتوا را از دید جستجوگران عبارات طولانی پنهان میکرد.
ثبات آمار ۱۵ درصدی گوگل و اهمیت سرعت انتشار خبر
گوگل برای نخستین بار در سال ۲۰۱۹ و همزمان با معرفی الگوریتم برت (BERT) اعلام کرد که ۱۵ درصد از جستجوهای روزانه این پلتفرم، عباراتی هستند که پیش از آن هرگز جستجو نشدهاند. در مارس ۲۰۲۵، جان مولر (John Mueller) در رویداد Search Central Live NYC دوباره به این آمار اشاره کرد و از ثبات بیتغییر این رقم ابراز شگفتی نمود. مولر اظهار داشت که انتظار داشت با ظهور مدلهای زبانی بزرگ، این نسبت افزایش یابد، اما این شاخص همچنان در مرز ۱۵ درصد باقی مانده است.
ضرب این نسبت در میلیاردها جستجوی روزانه گوگل، به معنای صدها میلیون عبارت جستجوی کاملاً جدید در هر روز است. این عبارات جدید معمولاً از اخبار فوری، نام محصولات تازه، تغییرات سیاستی یا اصطلاحاتی که روزنامهنگاران در لحظه خلق میکنند، سرچشمه میگیرند. در این میان، بیانیههای مطبوعاتی به دلیل سرعت بالای انتشار، بهترین ابزار برای جذب این ترافیک هستند. بر خلاف پستهای وبلاگی که فرآیند تولید طولانیتری دارند، بیانیههای مطبوعاتی خود جریانساز خبر هستند و در صورت استفاده از ساختار عروسکهای روسی، میتوانند برای پرسوجوهایی رتبه کسب کنند که در زمان نگارش متن هنوز وجود خارجی نداشتهاند.
رفتار مدلهای زبانی بزرگ در توزیع پرسوجو
یافتههای کاچون نشان میدهد که فرآیند توزیع پرسوجو در چتجیپیتی کاملاً هدفمند عمل میکند. اولین زیرپرسوجو در یک زنجیره معمولاً با زبانی ساده و محاورهای آغاز میشود. در مراحل بعدی، مدل با استفاده از عملگر «:site» جستجوی خود را محدودتر کرده و سپس به سراغ عبارات دقیق داخل گیومه میرود تا صحت اطلاعات دریافتی را بررسی کند. بر اساس این دادهها، میزان استفاده از عبارات داخل گیومه (نقلقولهای دقیق) در طول یک فرآیند جستجو، تا ۲۵ برابر افزایش مییابد.
این فرآیند، در واقع معکوس همان اصل عروسکهای روسی است. در گذشته، بازاریابان از یک عبارت کوچک به سمت عبارات بزرگتر حرکت میکردند تا دامنه دسترسی را افزایش دهند، اما اکنون سیستمهای هوش مصنوعی از یک پرامپت کلی آغاز کرده و برای راستیآزمایی به سمت عبارات دقیق و جزئیتر حرکت میکنند. در هر دو حالت، نیاز اصلی یکسان است: محتوای شما باید حاوی عبارات دقیق در طولهای مختلف باشد، در غیر این صورت بخشی از قیف جستجو را از دست خواهید داد. دادههای رسمی گوگل در مه ۲۰۲۶ نیز نشان میدهد که میانگین طول پرسوجوها در حالت هوش مصنوعی (AI Mode) در ایالات متحده، سه برابر جستجوهای سنتی است و زیرپرسوجوهای حاصل از توزیع پرامپتها به طور میانگین هفت کلمه طول دارند.
سه عادت کلیدی برای بهینهسازی محتوا در عصر جدید
برای انطباق با این تغییرات ساختاری، کارشناسان سئو و مدیران برند باید سه رویکرد عملی را در دستور کار خود قرار دهند:
- شناسایی عبارات تودرتو: به جای تمرکز صرف بر کلمات کلیدی پایه، عبارات چهار و پنجکلمهای طبیعی که کلمه کلیدی اصلی را در خود دارند شناسایی کرده و پاراگرافهای آغازین یا عناوین فرعی (H2) خود را بر اساس آنها بنویسید. بررسی ابزار گوگل سرچ کنسول برای یافتن عباراتی با بازدید (Impressions) بالا و کلیک کم، بهترین نقطه شروع است.
- انتشار همگام با سرعت اخبار: از آنجا که ۱۵ درصد جستجوهای جدید مستقیماً با رویدادهای روز مرتبط هستند، سازمانها باید از کانالهای انتشار سریع مانند بیانیههای مطبوعاتی یا وبلاگهای واکنشسریع استفاده کنند تا پیش از رقبا، مالکیت واژگان جدید را در اختیار بگیرند.
- نگارش پاسخهای صریح و قابل نقلقول: با توجه به افزایش ۲۵ برابری جستجوی عبارات دقیق توسط هوش مصنوعی برای راستیآزمایی، پاسخ به سوالات باید در قالب جملاتی مستقل و کاملاً واضح نوشته شود که سیستمهای هوش مصنوعی بتوانند آنها را بدون تغییر نقل کنند.