گوگل: نیازی به صفحات Markdown برای LLM نیست

اظهارنظر شوک آور گوگل درباره صفحات مارک داون

جان مولر از گوگل، ساخت صفحات Markdown یا JSON مخصوص LLM را رد می‌کند و می‌گوید HTML تمیز و داده‌های ساختاریافته باید در اولویت قرار گیرند. او لزوم ایجاد صفحات جداگانه برای مدل‌های زبانی بزرگ را زیر سوال می‌برد و تأکید دارد که LLM‌ها از قبل HTML معمولی را به خوبی مدیریت می‌کنند.

به اعتقاد او، بعید است که عملکرد بهتر هوش مصنوعی صرفاً از فرمت فایل ناشی شود و گوگل می‌گوید نیازی به صفحات Markdown برای LLM نیست.

در همین حال، برخی از وب‌مستران برای بهبود عملکرد سایت خود، روش‌های مکمل مانند خرید ترافیک گوگل را نیز در کنار بهینه‌سازی محتوا مد نظر قرار می‌دهند.

آغاز بحث از کجا بود؟

بحث زمانی آغاز شد که لیلی ری در بلواسکای درباره ایجاد صفحات جداگانه markdown/JSON برای LLM‌ها و ارائه این URLها به ربات‌ها پرسید و اینکه آیا گوگل می‌تواند دیدگاه خود را به اشتراک بگذارد. ری پرسید: "مطمئن نیستم که بتوانید پاسخ دهید، اما چیزهای زیادی در مورد ایجاد صفحات markdown/JSON جداگانه برای LLM‌ها و ارائه آن URLها به ربات‌ها می‌شنوم. می‌توانید دیدگاه گوگل را در این مورد به اشتراک بگذارید؟"

واکنش‌ها به اظهارنظر مولر

این سؤال ساده، توجه را به یک روند رو به رشد جلب کرد که در آن ناشران نسخه‌های سایه‌ای از مطالب مهم را در قالب‌هایی ایجاد می‌کنند که درک آن‌ها برای سیستم‌های هوش مصنوعی آسان‌تر است.

از اظهارنظر جدید گوگل درباره صفحات مارک‌داون تا تأثیر آن بر رتبه سایت‌ها، موضوعی است که می‌تواند استراتژی بسیاری از وب‌مستران را تغییر دهد. بحث فعال‌تری در مورد این موضوع در شبکه اجتماعی ایکس در حال انجام است و این موضوع اخیراً بسیار داغ شده است.

شرکت‌هایی که این کار را انجام می‌دهند، پیشنهاد همکاری می‌دهند و بسیاری از فعالان حوزه سئو و تولید محتوا را به بازنگری در استراتژی‌های خود واداشته است.

نظر مولر در مورد صفحات مخصوص LLM

مولر در پاسخ به سوال لیلی ری، صراحتا اعلام کرد که از هیچ موردی در گوگل که چنین تنظیماتی را ایجاب کند، اطلاعی ندارد. او با اشاره به تجربه عملی مدل‌های زبانی بزرگ توضیح داد که این سیستم‌ها از ابتدا با صفحات وب معمولی کار کرده‌اند و فرآیند آموزش خود را بر اساس همان محتوای HTML استاندارد پیش برده‌اند. از دیدگاه او، پرسش اصلی این است که چرا یک LLM باید صفحه‌ای را ببیند که هیچ کاربری آن را مشاهده نمی‌کند؟

اگر هدف، ارائه محتوای معادل است، استفاده از همان HTML که کاربران می‌بینند، منطقی‌ترین گزینه به نظر می‌رسد.

آیا فرمت فایل در عملکرد LLM تأثیر دارد؟

وقتی ری این پرسش را مطرح کرد که آیا یک فرمت جداگانه می‌تواند به انتقال سریع‌تر نکات کلیدی به LLM‌ها کمک کند، مولر استدلال کرد که اگر فرمت‌های فایل واقعاً تفاوت معناداری در عملکرد سیستم‌های هوش مصنوعی ایجاد می‌کردند، شرکت‌های فعال در این حوزه به‌وضوح آن را اعلام می‌کردند. او با لحنی صریح افزود که این شرکت‌ها به خاطر کم‌گویی یا پنهان‌کاری شناخته نمی‌شوند و اگر چنین مزیتی وجود داشت، به سرعت در اختیار عموم قرار می‌گرفت.

مولر در ادامه تأکید کرد که اگرچه ممکن است برخی صفحات برای سیستم‌های هوش مصنوعی بهتر از دیگران عمل کنند، اما به احتمال زیاد این تفاوت به فرمت فایل مربوط نمی‌شود.

به اعتقاد او، عواملی مانند ساختار محتوا، کیفیت اطلاعات و نحوه ارائه داده‌ها بسیار تعیین‌کننده‌تر از انتخاب بین HTML و Markdown هستند. تنها استثنایی که او به آن اشاره کرد، جاوااسکریپت است که همچنان برای بسیاری از سیستم‌های هوش مصنوعی چالش‌برانگیز محسوب می‌شود.

نکته کلیدی برای وب‌مستران

جمع‌بندی نظرات مولر نشان می‌دهد که از دیدگاه گوگل، نیازی به ایجاد صفحات Markdown یا JSON جداگانه صرفاً برای ربات‌های هوش مصنوعی وجود ندارد.

آنچه واقعاً اهمیت دارد، تولید محتوای باکیفیت و ساختاردهی مناسب با استفاده از HTML استاندارد است. برای آشنایی بیشتر با این موضوع، پیشنهاد می‌کنم مطلب تأثیر مدل های هوش مصنوعی بر سئو را در بلاگ سلکتک مطالعه کنید که به بررسی عمیق‌تر این موضوع پرداخته است.

نقش داده‌های ساختاریافته در عصر هوش مصنوعی

در ادامه بحث، برخی از فعالان حوزه سئو بین دو رویکرد تمایز قائل شدند: از یک سو، ایجاد صفحات سایه‌ای که صرفاً برای ربات‌های هوش مصنوعی طراحی می‌شوند و از سوی دیگر، استفاده از قالب‌هایی که پلتفرم‌های هوش مصنوعی به‌صراحت برای تغذیه داده‌های خود تعریف کرده‌اند.

این تمایز نشان می‌دهد که همه روش‌های ارائه محتوا به سیستم‌های هوش مصنوعی یکسان نیستند و برخی از آنها کاربرد بیشتری دارند.

تجربه OpenAI با فیدهای محصولات

مت رایت، یکی از فعالان این حوزه، در واکنش به این بحث، به نمونه مشخصی از پلتفرم‌های هوش مصنوعی اشاره کرد که الزامات مشخصی برای دریافت داده تعریف کرده‌اند. او به فیدهای محصولات تجارت الکترونیک OpenAI اشاره کرد که در آنها طرحواره‌های JSON نقش کلیدی در نحوه دریافت و نمایش داده‌های محصول توسط ChatGPT ایفا می‌کنند.

به گفته رایت، این مثال به‌خوبی نشان می‌دهد که زمانی که یک پلتفرم مشخصاتی را منتشر می‌کند و از تولیدکنندگان محتوا می‌خواهد از آن پیروی کنند، استفاده از داده‌های ساختاریافته بیشترین اهمیت را پیدا می‌کند.

شواهد جدید از لینکدین

رایت همچنین به بحثی در شبکه اجتماعی لینکدین اشاره کرد که در آن کریس لانگ مشاهده کرده بود سایت‌های تحریریه‌ای که از طرحواره‌های محصول استفاده می‌کنند، تمایل بیشتری به دریافت استناد در پاسخ‌های ChatGPT دارند.

این مشاهده نشان می‌دهد که استفاده صحیح از داده‌های ساختاریافته، نه‌تنها برای موتورهای جستجوی سنتی مفید است، بلکه می‌تواند تأثیر مستقیمی بر نحوه نمایش محتوا در پلتفرم‌های هوش مصنوعی نیز داشته باشد.

برای بهبود جایگاه سایت در نتایج گوگل، می‌توانید از خدمات سلکتک مانند افزایش بازدید واقعی استفاده کنید. این خدمات مکمل، در کنار تولید محتوای باکیفیت و استفاده صحیح از داده‌های ساختاریافته، می‌تواند به بهبود عملکرد کلی سایت در نتایج جستجو کمک کند.

چرا این موضوع برای وب‌مستران اهمیت دارد؟

اگر در مورد ساخت نسخه‌های Markdown یا JSON بهینه‌شده برای LLM از محتوای خود تردید دارید، این تبادل نظر می‌تواند دیدگاه روشنی برای بازگشت به اصول اولیه ارائه دهد.

اظهارات مولر به‌خوبی نشان می‌دهد که مدل‌های زبانی بزرگ مدت‌هاست که توانایی خواندن و تجزیه HTML استاندارد را دارند و نیازی به ایجاد فرمت‌های جداگانه برای این منظور نیست.

بهترین استراتژی برای تولیدکنندگان محتوا

برای اکثر وب‌سایت‌ها، مسیر کارآمدتر این است که بر بهبود مستمر سرعت، خوانایی و ساختار محتوای صفحات موجود متمرکز شوند.

پیاده‌سازی صحیح طرحواره‌های داده در جایی که پلتفرم‌های خاص راهنمایی واضحی ارائه داده‌اند، تأثیر بیشتری نسبت به ایجاد صفحات سایه‌ای دارد. به عبارت دیگر، سرمایه‌گذاری بر روی کیفیت محتوای اصلی و ساختاردهی مناسب آن، بازدهی بالاتری نسبت به تولید فرمت‌های جداگانه خواهد داشت.

روندهای جدید در حوزه فرمت‌های خاص هوش مصنوعی

در عین حال، بحث‌های مطرح‌شده در شبکه اجتماعی بلواسکای نشان می‌دهد که فرمت‌های خاص هوش مصنوعی در حوزه‌های محدودی مانند فیدهای محصولات تجارت الکترونیک در حال ظهور هستند.

این موارد ارزش پیگیری دارند، اما باید توجه داشت که این فرمت‌ها به ادغام‌های صریح و مشخص با پلتفرم‌های خاص گره خورده‌اند و نباید به‌عنوان یک قانون کلی برای همه سایت‌ها در نظر گرفته شوند. ایده‌ای که ایجاد صفحات جداگانه برای LLM‌ها همیشه بهتر است، با توجه به اظهارات مولر، چندان قابل دفاع نیست.

آیا صفحات مارک‌داون برای سئوی آینده ضروری هستند؟

این مکالمه نشان می‌دهد که تغییرات جستجوی مبتنی بر هوش مصنوعی با چه سرعتی به درخواست‌های فنی برای تیم‌های سئو و توسعه تبدیل می‌شوند، اغلب قبل از اینکه مستنداتی برای پشتیبانی از آنها وجود داشته باشد. در چنین شرایطی، وب‌مستران و تولیدکنندگان محتوا باید با دقت و آگاهی کامل، بین پذیرش روندهای جدید و پایبندی به اصول پایه‌ای سئو تعادل برقرار کنند.

نکات کلیدی برای بهبود ساختار سایت

تا زمانی که ارائه‌دهندگان مدل‌های زبانی بزرگ دستورالعمل‌های مشخص‌تری منتشر کنند، این بحث شما را به کارهایی بازمی‌گرداند که هم‌اکنون قابل انجام هستند: تمیز و منظم نگه‌داشتن HTML، کاهش جاوااسکریپت‌های غیرضروری در بخش‌هایی که تجزیه محتوا را برای ربات‌ها دشوار می‌کنند، و استفاده از داده‌های ساختاریافته در جایی که پلتفرم‌ها طرحواره‌های مستند و واضحی ارائه داده‌اند.

برای پیاده‌سازی صحیح این موارد، می‌توانید از ابزارهای تخصصی مانند ساخت اسکیما با ابزار سئو استفاده کنید که فرآیند پیاده‌سازی داده‌های ساختاریافته را تسهیل می‌کند و به شما کمک می‌کند تا ساختار مناسبی برای محتوای خود ایجاد کنید.

تأثیر داده‌های ساختاریافته بر رتبه سایت

نکته کلیدی که از این بحث می‌توان استخراج کرد، این است که گوگل به‌عنوان بزرگترین موتور جستجوی جهان، ساخت صفحات جداگانه با فرمت‌های خاص را برای مدل‌های هوش مصنوعی تأیید نمی‌کند و بر استفاده از همان محتوای استاندارد HTML تأکید دارد.

آنچه واقعاً اهمیت دارد، کیفیت محتوا، ساختار مناسب و سرعت بارگذاری صفحات است. در عین حال، در حوزه‌های خاص مانند فیدهای محصولات تجارت الکترونیک که پلتفرم‌هایی مانند OpenAI مشخصات دقیقی ارائه داده‌اند، استفاده از داده‌های ساختاریافته می‌تواند مفید واقع شود.

بهبود سئو با تمرکز بر محتوای باکیفیت

به جای صرف زمان و هزینه برای ایجاد صفحات سایه‌ای و فرمت‌های جداگانه، بر بهبود محتوای اصلی وب‌سایت خود متمرکز شوید. کاربران و ربات‌های جستجوگر هر دو به محتوای باکیفیت، خوانا و ساختاریافته نیاز دارند. با پایبندی به این اصول، هم تجربه کاربری بهتری ارائه خواهید داد و هم در نتایج جستجو عملکرد بهتری خواهید داشت.

سوالات متداول کاربران

آیا گوگل صفحات مارک‌داون را ایندکس می‌کند؟

خیر، گوگل فایل‌های مارک‌داون را به‌صورت مستقیم ایندکس نمی‌کند و برای پردازش محتوا به HTML استاندارد نیاز دارد.

آیا داده‌های ساختاریافته رتبه سایت را بهبود می‌بخشند؟

داده‌های ساختاریافته تأثیر مستقیمی بر رتبه ندارند، اما با فعال‌سازی نمایش غنی در نتایج جستجو، نرخ کلیک را افزایش داده و به‌صورت غیرمستقیم به بهبود رتبه کمک می‌کنند.

چگونه صحت پیاده‌سازی داده‌های ساختاریافته را بررسی کنیم؟

با استفاده از ابزارهای Rich Results Test و Search Console گوگل می‌توانید صحت پیاده‌سازی را بررسی و خطاهای احتمالی را شناسایی کنید.

آیا همه سایت‌ها به داده‌های ساختاریافته نیاز دارند؟

داده‌های ساختاریافته برای همه سایت‌ها الزامی نیست، اما برای سایت‌های تجارت الکترونیک، خبری و خدماتی که به دنبال بهبود دیده‌شدن در نتایج جستجو هستند، بسیار مفید و مؤثر است.