تجزیه‌وتحلیل شکاف با هوش مصنوعی

اغلب بازاریابان در سراسر جهان از هوش مصنوعی (AI) برای تولید سریع پیش‌نویس محتوا استفاده می‌کنند، اما تعداد کمی از آن‌ها از قابلیت‌های این فناوری برای بررسی و ممیزی انواع خروجی‌ها، شناسایی خلأها و سپس پرکردن آن‌ها (به‌صورت دستی یا با کمک هوش مصنوعی) بهره می‌برند.

این مطلب از وی‌پدیا یک راهنمای دقیق ارائه می‌دهد تا بتوانید از قابلیت تجزیه‌وتحلیل شکاف با هوش مصنوعی در مراحل مختلف سفر مشتری، از بالا تا پایین قیف بازاریابی، استفاده کنید.

تجزیه‌وتحلیل شکاف چیست؟

تجزیه‌وتحلیل شکاف (Gap Analysis) فرایندی است که برای شناسایی و اندازه‌گیری فاصلۀ بین وضعیت فعلی و وضعیت مطلوب در یک سازمان یا پروژه انجام می‌شود.

این شکاف می‌تواند در زمینه‌های مختلفی مانند عملکرد، کیفیت، دانش، منابع، مهارت‌ها و… وجود داشته باشد. هدف از تجزیه‌وتحلیل شکاف، ایجاد برنامه‌ای برای رفع این شکاف‌ها و دستیابی به اهداف موردنظر است. هوش مصنوعی با قابلیت‌های شگفت‌انگیز خود می‌تواند در این زمینه به شما کمک کند.

هوش مصنوعی در تجزیه‌وتحلیل شکاف به‌طرز شگفت‌انگیزی خوب است

مغز انسان شگفت‌انگیز است و از پس کارهای بسیاری برمی‌آید! اما حقیقت این است که در انجام برخی امور چندان کارآمد نیست و دلیل آن، در اکثر مواقع وجود سوگیری‌ ذهنی (Cognitive Bias) است. مغز ما در پردازش اطلاعات و تصمیم‌گیری‌های خود، همواره به دنبال صرفه‌جویی در انرژی است و این موضوع باعث می‌شود از میانبرها (Shortcuts) استفاده کند و همین میانبرها زمینه‌ساز بروز سوگیری‌های ذهنی می‌شوند.

یکی از این سوگیری‌های قدرتمند و درعین‌حال مشکل‌آفرین را روان‌شناس و اقتصاددان فقید، دنیل کانمن (Daniel Kahneman)، توصیف کرده است. کانمن این سوگیری را «WYSIATI» (مخفف عبارت What You See Is All There Is به معنای «آنچه می‌بینید، همان همۀ ماجراست») نام‌گذاری کرد.

سوگیری WYSIATI باعث می‌شود که ما براساس اطلاعات دردسترس، قضاوت ‌کنیم. ما معمولاً با خود نمی‌گوییم: «خب، هنوز چیزهای زیادی هست که نمی‌دانم». درعوض، قضاوت و تصمیم‌گیری خود را برمبنای اطلاعات موجود قرار می‌دهیم. به عبارت دیگر: آدمی در تجزیه‌وتحلیل شکاف، عملکرد ضعیفی دارد.

برای انسان‌ها آسان است که یک چیز را براساس «آنچه موجود است» ارزیابی کنند، اما توجه به «آنچه مفقود است» برای ما بسیار دشوار است. حتی یک فرد حرفه‌ای با سال‌ها تجربه نیز ممکن است متوجه همۀ کمبودها نشود. درمقابل، هوش مصنوعی در تجزیه‌وتحلیل شکاف و شناسایی موارد مفقود بسیار قدرتمند عمل می‌کند.

در ادامۀ مطلب، ۵ روش برای یافتن نقاط کور در هر مرحله از سفر مشتری با کمک هوش مصنوعی را بررسی می‌کنیم. ابتدا با یک روش تجزیه‌وتحلیل شکاف در زمینۀ استراتژی محتوا شروع می‌کنیم که برای جذب سرنخ (لید) از طریق محتوای بالای قیف (Top-of-funnel) مفید است.

1) کشف سوژه‌های مغفول در بلاگ‌های پربازدید به کمک تجزیه‌وتحلیل شکاف با هوش مصنوعی

آیا تابه‌حال به این فکر کرده‌اید که چرا بعضی موضوعات جذاب در بلاگ‌های پربازدید مطرح نمی‌شوند، درحالی‌که می‌توانند برای مخاطبان بسیاری جالب باشند؟ این سوژه‌ها، مانند جزیره‌هایی بکر و ناشناخته، منتظر کشف‌شدن‌ هستند و می‌توانند شما را از سایرین متمایز کنند.

برای یک انسان، رصد همۀ مطالب بلاگ‌های یک حوزه و فهرست‌‌برداری از موضوعات مغفول تقریباً غیرممکن است، اما انجام این کار برای مدل‌های زبانی بزرگ (LLM) به‌سادگی امکان‌پذیر است. هوش مصنوعی قابلیت خوبی در تجزیه‌وتحلیل شکاف و یافتن موضوعات مغفول دارد. AI با بررسی وبلاگ‌ها و سایت‌های معتبر، موضوعاتی را شناسایی می‌کند که کمتر مورد توجه قرار گرفته‌اند، اما می‌توانند برای مخاطبان شما جذاب باشند.

برای دریافت خروجی مفید از هوش مصنوعی، باید از دستورها یا پرامپت‌های دقیق استفاده کنید. دستور (Prompt) مجموعه دستورالعمل‌هایی است که به هوش مصنوعی داده می‌شود تا خروجی موردنظر را تولید کند. در اینجا پرامپت‌هایی را پیشنهاد می‌کنیم که با استفاده از آن‌ها می‌توانید موضوعات کمیاب و جذابی را برای گنجاندن در تقویم محتوایی خود بیابید. کافی است متن‌ دستور را (به انگلیسی یا فارسی) به هوش مصنوعی بدهید و منتظر پاسخ سریع از جانب AI باشید. ازآنجایی‌که دادن دستور به زبان انگلیسی معمولاً با پاسخ‌های دقیق‌تری همراه است، متن انگلیسی پرامپت‌های موردنظر را هم برایتان آورده‌ایم. این پرامپت‌ها به 4 دسته تقسیم می‌شوند:

دستۀ اول: یافتن موضوعات جدی و تحلیلی:

• چه پرسش‌هایی در حوزۀ [صنعت شما] وجود دارد که کسی جرئت پاسخ‌گویی به آن‌ها را ندارد؟

یا به انگلیسی:

What questions are people in [industry] afraid to answer

• کدام دیدگاه‌های مخالف جریانی درمورد [موضوع] وجود دارد که کمتر مورد بحث بلاگ‌نویسان و رهبران فکری قرار می‌گیرد؟

یا به انگلیسی:

 What counter-narrative opinions about [topic] are least likely to be discussed by bloggers and thought leaders

دستۀ دوم: یافتن موضوعات سبک‌تر و سرگرم‌کننده:

• کدام موضوعاتِ نسبتاً پیش‌پاافتاده و تقریباً کم‌اهمیتی در [صنعت شما] وجود دارد که نظر متخصصان درموردشان بسیار قاطع است؟

یا به انگلیسی:

 What are some relatively mundane, almost trivial [industry] topics that professionals have very strong opinions about

دستۀ سوم: یافتن موضوعات برای افشای باورهای غلط:

• چه باورهای غلطی در [صنعت شما] به‌عنوان واقعیت پذیرفته شده‌اند؟ و برعکس، چه حقایقی نادیده گرفته می‌شوند؟

یا به انگلیسی:

What false things do people in [industry] believe to be true And vice versa

دستۀ چهارم: یافتن آمارهای مغفول و ایده‌های پژوهشی:

• چه ادعاهای رایجی در [صنعت شما] وجود دارد که کمتر با شواهد و مدارک علمی اثبات شده‌اند؟

یا به انگلیسی:

 What are the most common assertions in [industry] that are the least likely to be supported with evidence

• با انجام تحقیقات دربارۀ یک بلاگ [صنعت]، چه آمارهای بدیعی می‌توان خلق کرد که ادعاهای مطرح‌شده در سایر بلاگ‌ها را تأیید یا رد کند؟

یا به انگلیسی:

What new original statistics could be created through research on a [industry] blog that would support the claims made on other blogs

همان‌طور که مشاهده می‌کنید، کلیدواژه‌های موجود در این سؤالات، مانند «دیدگاه‌های مخالف روایت غالب/ جریان» (Counter-narrative Opinions)، «ادعاهای رایج» (Common Assertions) و «باورهای غلط رایج» (Common Misconceptions) می‌توانند الهام‌بخش موضوعات جدیدی باشند که در قالب‌های مختلف در کانال‌های گوناگون منتشر خواهند شد.

شرکت ماز (Moz) قبلاً نمونه‌هایی از این پرامپت‌ها و پاسخ‌های آن‌ها را در مقاله‌ای دربارۀ «استراتژی محتوا با هوش مصنوعی» بررسی کرده است. در آن مقاله، از یک شرکت پایگاه فضایی به‌ عنوان مثال استفاده شده است و پرامپت آن این بود:

بلاگ‌های پربازدید به چه موضوعاتی درمورد پرتاب ماهواره نپرداخته‌اند؟ (What satellite launch topics are missing from the big blogs)

همان‌طور که در تصویر می‌بینید، هوش مصنوعی در اولین تلاش خود، با چند پاسخ جذاب، کار را تمام کرد.

این یک نمونۀ‌ عالی از کاربرد هوش مصنوعی برای تولید محتواست که فراتر از بهبود کارایی صرف عمل می‌کند و به کشف موضوعات کاملاً جدید می‌انجامد که شاید برای انسان غیرممکن باشد.

2) کشف کلیدواژه‌های پنهان به کمک تجزیه‌وتحلیل شکاف با هوش مصنوعی

بسیاری از مقالات بهینه‌سازی‌شده برای موتورهای جست‌وجو، برای طیف گسترده‌ای از کلیدواژه‌ها، رتبه‌بندی متوسطی به دست می‌آورند. جالب اینجاست که بسیاری از این عبارات کلیدی حتی در خود مقاله هم ذکر نشده‌اند!

با افزودن این کلیدواژه‌ها به محتوای صفحه، به بهبود ارتباط آن‌ها با موضوع صفحه کمک می‌کنید و به احتمال زیاد، رتبه‌بندی کل صفحه را نیز ارتقا می‌دهید. همچنین، با بهبود ارتباط معنایی (Semantic Relevance) کلیِ صفحه، ممکن است بتوانید رتبه‌بندی کلیدواژه‌های اصلی را نیز بهبود بخشید.

حالا سؤال این است که چطور می‌توانیم تمام کلیدواژه‌هایی را پیدا کنیم که یک URL برای آن‌ها رتبه‌بندی شده، اما رتبۀ بالایی ندارد؟ ابزارهای سئوی پولی، ازجمله گزارش «Site Overview» در Moz Pro، این کار را به‌خوبی انجام می‌دهند. اما بیایید از یک ابزار رایگان استفاده کنیم که داده‌های رتبه‌بندی را به‌طور مستقیم از منبع اصلی یعنی گوگل سرچ کنسول می‌گیرد.

روال این است: از داده‌های گوگل سرچ کنسول یک خروجی در قالب فایل CSV می‌گیریم و به هوش مصنوعی GPT می‌دهیم تا با استفاده از آن‌ها، در بهبود سئوی صفحه به ما کمک کند.

در ادامه، این فرایند را مرحله به مرحله توضیح می‌دهیم. توضیحات ما برگرفته از تجزیه‌وتحلیل شکاف کلیدواژه‌هایی است که شرکت ماز با استفاده از گزارش‌های حساب سرچ کنسول خود انجام داده است تا از نتایج آن برای یک مقاله با موضوع ویدئوهای شبکه‌های اجتماعی استفاده کند.

مراحل کار

گام اول: استخراج داده‌ها از گوگل سرچ کنسول

• در قسمت گزارش نتایج جست‌وجو (Search Results)، مطمئن شوید که هر 4 معیار روشن است: کل کلیک‌ها (Total Clicks)، کل ایمپرشن‌ها (Total Impressions)، میانگین نرخ کلیک (Average CTR) و میانگین جایگاه (Average Position).
• یک فیلتر پرس‌وجو (Query Filter) ایجاد کنید تا جست‌وجوهای حاوی نام تجاری (نام شرکت) را حذف کند.
• یک فیلتر صفحه (Page Filter) ایجاد کنید تا فقط صفحه‌ای را که در حال بهینه‌سازی آن هستید نشان دهد.
• داده‌ها را در قالب یک فایل CSV خروجی بگیرید. درواقع، شما یک فایل ZIP حاوی چندین فایل دریافت خواهید کرد که از آن میان، فقط به فایل Queries.csv نیاز دارید. آن را باز کنید تا مطمئن شوید همه‌چیز درست است، سپس نامش را به gsc_queries.csv تغییر دهید.

می‌توانید از مرحلۀ تحقیق کلمات کلیدی رد شوید، زیرا از قبل برای برخی کلیدواژه‌ها رتبه‌بندی دارید.

گام دوم: تجزیه‌وتحلیل داده‌ها با هوش مصنوعی

ممکن است برای آپلود و تجزیه‌وتحلیل داده‌ها به یک ابزار هوش مصنوعی پولی مانند ChatGPT Plus نیاز داشته باشید. با اولین پرامپت، داده‌های پرس‌وجو (کوئری دیتا) را آپلود ‌کنید و از هوش مصنوعی بخواهید آن‌ها را کمی مرتب کند. زیرا داده‌های شما ممکن است حاوی عبارات بسیار مشابه باشد که به همۀ آن‌ها نیاز نیست.

فراموش نکنید که هر بار که از هوش مصنوعی می‌خواهید یک صفحۀ گسترده را ویرایش کند، باید آن را دانلود و به‌دقت بررسی کنید.

متن پرامپت به فارسی:

فرض کن یک متخصص سئو هستی و داده‌هایی از گوگل سرچ کنسول (GSC) در اختیارت قرار می‌گیرد که نشان‌دهندۀ عملکرد جست‌وجوی یک صفحۀ خاص (URL) در ‌سایت است.

هدف این است که با کمک هوش مصنوعی، رتبه‌بندی این صفحه را در نتایج جست‌وجو بهبود ببخشی. برای انجام این کار، ابتدا سطرها با کوئری‌های بسیار مشابه را در یک سطر با یک کلیدواژۀ نماینده ادغام کن (به این ترتیب، هر عبارت کلیدی نمایندۀ گروهی از عبارات مشابه خواهد بود).

در حین انجام این کار، مجموع تعداد ایمپرشن و کلیک هر ردیف را جمع ببند.

میانگین نرخ کلیک (CTR) و میانگین جایگاه (Average Position) را هم برای هر ردیف محاسبه کن.

برای دانلود لینک بده.

[آپلود gsc_queries.csv]

متن پرامپت به انگلیسی:

You are an SEO expert who is highly proficient at keyphrase analysis. I’m giving you Google Search Console data showing the search performance of a URL

Merge the rows with very similar queries into single rows with a single, representative marketing keyphrase. As you do so, sum the data for impressions and clicks for each row. Average the data for CTR and Average Position

Provide a link to download

[upload gsc_queries.csv]

در صورتی که تعداد عبارات کلیدی در فایل شما زیاد است (مثلاً صدها مورد) و هوش مصنوعی در پردازش آن‌ها دچار مشکل می‌شود، می‌توانید به‌صورت دستی، عباراتی را که هیچ کلیکی نداشته‌اند حذف کنید. پس از سازمان‌دهی داده‌ها، متن موجود در صفحۀ وب موردنظر را به همراه پرامپت زیر در اختیار هوش مصنوعی قرار می‌دهیم.

متن پرامپت به فارسی:

این صفحۀ وبی است که داده‌های آن را تجزیه‌وتحلیل کردی.

استفاده از عبارت کلیدی و فراوانی آن در مجموعه داده را ارزیابی کن.

[متن را از صفحه کپی پیست کنید]

متن پرامپت به انگلیسی:

Here is the webpage for the data you’ve analyzed
Evaluate this content’s keyphrase usage and frequency for the keyphrases in the dataset.[paste in the text from the page]

درنهایت، هوش مصنوعی براساس تجزیه‌وتحلیل شکاف انجام‌شده، پیشنهادهایی را برای ویرایش محتوای صفحه ارائه می‌دهد. این پیشنهادها با هدف بهبود رتبه‌بندی صفحه در نتایج جست‌وجو و مرتبط‌نشان‌دادن آن با عبارات کلیدیِ موجود در داده‌های گوگل سرچ کنسول است.

هوش مصنوعی بر کلیدواژه‌هایی که در متن به ‌کار نرفته‌اند اما در داده‌های گوگل سرچ کنسول وجود دارند، تمرکز ویژه‌ای می‌کند و پیشنهادهایی برای جای‌گذاری طبیعی آن‌ها ارائه می‌دهد.

برای اینکه خوانایی محتوا با استفادۀ بیش از حد از کلمات کلیدی (Keyword Stuffing) آسیب نبیند، به هوش مصنوعی می‌گوییم که روی بازدیدکنندۀ انسانی تمرکز کند. درنهایت، هدف واقعی ما رتبه‌بندی نیست، بلکه ارتباط با مخاطبان انسانی‌مان است.

متن پرامپت به فارسی:

پیشنهادهایی برای ویرایش سئوی این صفحه ارائه بده که با نشان‌دادن ارتباط بهتر آن با عبارات کلیدی موجود در مجموعه داده گوگل سرچ کنسول، رتبه آن را بهبود بخشد.

روی توصیه‌هایی برای گنجاندن عبارات کلیدی که در صفحه استفاده نشده‌اند اما در مجموعه داده ظاهر می‌شوند، تمرکز کن.

پیشنهادهایی را ارائه بده که جریان و کیفیت محتوا و همچنین ارتباط با عبارات کلیدی را بهبود بخشد.

تغییرات توصیه‌شده را برجسته کن.

متن پرامپت به انگلیسی:

Suggest SEO edits to this page that would improve rankings by better indicating its relevance for the keyphrases in the Google Search Console dataset

Focus on recommendations for including keyphrases that are not used on the page but appear in the dataset

Make suggestions that improve the flow and quality of the content, as well as keyphrase relevance

Highlight the recommended changes

با استفاده از این روش، هوش مصنوعی نه‌تنها به کشف کلیدواژه‌های پنهان کمک می‌کند، بلکه راهکارهایی برای پرکردن خلاها نیز پیشنهاد می‌دهد.

در زیر، نمونه‌ای از خروجی این ابزار ارائه شده است. همان‌گونه که پیش‌تر ذکر شد، پست بلاگ موردنظر در این مثال، به موضوع ساخت ویدئوهای شبکه‌های اجتماعی اختصاص دارد. توصیه‌های ارائه‌شده به‌‌صورت برجسته قابل مشاهده‌اند. پس از دریافت خروجی، باید روان‌‌بودن و کیفیت محتوا را مورد بررسی نهایی قرار دهید. همچنین، قبل از اعمال هرگونه تغییری، محتوای ویرایش‌شده را بازبینی کنید.

3) یافتن سوژه‌های ناب برای بلاگ به کمک قابلیت تجزیه‌وتحلیل شکاف با هوش مصنوعی

اگر مدت‌‌هاست که وبلاگ‌نویسی می‌کنید، می‌توانید از رفتار قبلی خوانندگان خود برای بهبود استراتژی محتوایی آینده‌تان استفاده کنید. این داده‌ها در GA4 (نسخۀ جدید گوگل آنالیتیکس) قرار دارند و تجزیه‌وتحلیل آن‌ها می‌تواند توسط یک مدل زبانی بزرگ (LLM) انجام شود.

چنانچه از ChatGPT استفاده می‌کنید، برای آپلود فایل‌ها به یک حساب کاربری پولی نیاز خواهید داشت (هرچند در حال حاضر با دسترسی محدود به ChatGPT-4o می‌توانید این کار را به‌صورت رایگان انجام دهید).

برای سادگی کار، فقط از عناوین پست‌های بلاگ و برخی معیارهای اساسی خروجی می‌گیریم.

برای تحلیل جزئی‌تر می‌توانید Session source / Medium را اضافه کنید و از هوش مصنوعی بخواهید تا عملکرد محتوا را در کانال‌های مختلف بررسی کند، که این مسئله می‌تواند استراتژی محتوایی شما را شکل دهد. اما فعلاً مسیر ساده را در پیش می‌گیریم.

مراحل کار به شرح زیر است:

• به گزارش Pages and Screens بروید.
• بعد از ستون اول، منوی کشویی اصلی (Primary Dimension) را روی Page title and screen class تنظیم کنید.
• برای مشاهدۀ‌ فقط مقالات بلاگ، روی «Create filter +» کلیک کنید و فیلتری تنظیم کنید که (Page path and screen class) حاوی «Blog» (یا هر پوشه‌ای که محتوای شما در آن قرار دارد) باشد.

شبیه تصویر زیر:

حالا شما فهرستی از تگ‌های عنوان مقالات بلاگ (که هوش مصنوعی می‌تواند از آن‌ها موضوعات را استنتاج کند) و عملکرد اصلی هرکدام را مشاهده می‌کنید.

• روی آیکون اشتراک‌گذاری در گوشۀ بالا سمت راست کلیک کنید و فایل را به‌صورت CSV خروجی بگیرید.
• فایل را باز کنید و 9 ردیف بالای آن را که حاوی توضیحات غیرضروری است حذف کنید. در همین حین، چند دقیقه وقت بگذارید و همۀ ردیف‌های حاوی داده‌‌های نامرتبط را حذف کنید. این داده‌ها می‌توانند شامل عناوین غیرانگلیسی یا غیرفارسی یا سایر داده‌های نامتعارف و کم‌بازدید باشند.
• فایل را به همراه یک پرامپت پاک‌سازی به شرح زیر، برای هوش مصنوعی آپلود کنید:

متن پرامپت به فارسی:

این فایل تگ‌های عنوان مقالات یک بلاگ و همچنین عملکرد آن مقالات را نشان می‌دهد.

• عبارت «[نام برند]» را از تمام تگ‌های عنوان حذف کن.
• ردیف‌های حاوی تگ‌های عنوان غیرانگلیسی/ غیرفارسی را حذف کن.
• لینکی برای دانلود در نظر بگیر.

متن پرامپت به انگلیسی:

This file shows the title tags for articles on a blog. It also shows the performance of those articles

Remove the words “[brand name]” from all title tags
Remove rows with non-English title tags
Provide a link to download

دوباره یادآوری می‌کنیم که شما ‌باید فایل را دانلود و به‌صورت دستی بررسی کنید. حالا برای پرامپت اصلی آماده‌اید.

متن پرامپت به فارسی:

فرض کن یک استراتژیست محتوا و متخصص در یافتن بینش در داده‌های گوگل آنالیتیکس هستی. هدف تو کشف موضوعاتی است که تاکنون توسط این بلاگ پوشش داده نشده‌ اما ارتباط نزدیکی با مقالات موجود دارند.

• موضوعات را از عناوین استنتاج کن و یک سنجش شباهت معنایی انجام بده.
• با استفاده از آن تحلیل، ۱۰ موضوع و مقاله برای این بلاگ پیشنهاد بده.

متن پرامپت به انگلیسی:

You are a content strategist and expert at finding insights in Google Analytics data. Your goal is to discover topics that have not been covered by this blog but are closely related to existing articles

Infer topics from the titles and perform a semantic distance analysis

Use that analysis to recommend 10 topics and articles for this blog

شما باید به دنبال فهرستی از ایده‌های عالی باشید که بلاگ شما را تکمیل می‌کند.

• این موضوعات احتمالاً با مقالاتی که در گذشته نوشته‌اید مرتبط‌اند، اما دقیقاً شبیه آن‌ها نیستند. نوشتن آن‌ها برای شما آسان است، زیرا قبلاً مشابهش را نوشته‌اید.
• از سوی دیگر، این موضوعات فرصت‌هایی را برای لینک‌دهی داخلی به سایر مقالات بلاگ شما فراهم می‌کنند، چراکه از نظر مفهومی به بسیاری از مقالات موجود در بلاگتان نزدیک‌اند.
• این موضوعات فرصت‌هایی را برای استفاده از کلمات کلیدی مرتبط با محتوای قبلی‌تان در اختیار شما قرار می‌دهند، چراکه از نظر معنایی با مقالات دیگر شما مرتبط‌اند.

ازآنجایی‌که کار خود را با داده‌های GA4 آغاز کرده‌اید، می‌توانید از هوش مصنوعی بخواهید تا عملکرد این موضوعات را پیش‌بینی و حتی براساس احتمال موفقیت، آن‌ها را اولویت‌بندی کند. پرامپت پیشنهادی به شرح زیر است:

متن پرامپت به فارسی:

با استفاده از داده‌های ترافیک و تعامل موجود در مجموعه داده، پیش‌بینی کن که این موضوعات چه عملکردی خواهند داشت. سپس براساس این پیش‌بینی، فهرست موضوعات را اولویت‌بندی کن. درنهایت، عملکرد پیش‌بینی‌شده را به‌صورت یک نمودار بصری نمایش بده.

متن پرامپت به انگلیسی:

Use the traffic and engagement data in the dataset to predict how well these topics would perform. Prioritize the list based on performance

Visualize the predicted performance on a chart

نتیجۀ آخرین پرامپت برای جلساتی که پیش رو دارید، جالب خواهد بود. همکاران شما فکر می‌کنند که جادوگرید!

4) یافتن شکاف‌های محتوایی در راهنماها با استفاده از قابلیت تجزیه‌وتحلیل شکاف با هوش مصنوعی

حالا بیایید یک تجزیه‌وتحلیل شکاف در میانۀ قیف انجام دهیم، جایی که محتوای حجیم قرار دارد. فرمت‌های طولانی مانند راهنماها و سایر محتواهای قفل‌دار می‌توانند تخصص عمیق شما را نشان دهند و باعث شوند کاربران ایمیلشان را در اختیار شما بگذارند. محتوای قفل‌دار یا رمز‌دار محتوایی است که برای دسترسی به آن، کاربر باید اقدامی انجام دهد؛ مانند ثبت‌نام، اشتراک‌گذاری اطلاعات تماس یا پرداخت هزینه.

اما در آن قطعه محتوای طولانی چه چیزی مغفول مانده است؟ آیا در آن خلأهایی وجود دارد؟ آیا قابلیت تجزیه‌وتحلیل شکاف هوش مصنوعی می‌تواند در شناسایی شکاف‌ها به شما کمک کند؟ بله. برای مثال، شرکت ماز از طولانی‌ترین محتوای خود، کتاب شیمی محتوا برای تجزیه‌وتحلیل شکاف استفاده کرده است. این کتاب، «راهنمای مصور بازاریابی محتوایی» است و قرار است جامع باشد. بدیهی است که همۀ موضوعات را پوشش نمی‌دهد. هوش مصنوعی توانست بگوید که چه موضوعاتی را از قلم انداخته‌اند.

آن‌ها فایل کتاب را در قالب txt یا PDF به همراه این پرامپت ساده برای LLM مورد علاقۀ خود آپلود کردند. کاری که شما هم می‌توانید برای حوزه‌های موردنظر خود انجام دهید.

متن پرامپت به فارسی:

مهم‌ترین موضوعات در [صنعت / حوزۀ فعالیت / جایگاه] که در این [کتاب الکترونیکی / راهنما] پوشش داده نشده‌اند، کدام‌اند؟

متن پرامپت به انگلیسی:

What are the most important topics in [industry / vertical / niche] that are not covered in this [e-book / guide?]

هوش مصنوعی به‌سرعت تمام خلأهای موضوعی را شناسایی و به‌طرزی جادویی، فهرستی از تمام موارد فراموش‌شده را ارائه می‌دهد.

احتمالاً با بیشتر موارد این فهرست از قبل آشنایی دارید. این موارد ممکن است برای شما کم‌اهمیت یا خسته‌کننده باشند، اما آیا برای مخاطبانتان نیز همین‌طور است؟ اگر چنین نیست، در محتوای خود تجدیدنظر کنید.

5) شناسایی پاسخ‌های مفقود در یک صفحۀ وب به کمک تجزیه‌وتحلیل شکاف هوش مصنوعی

اکنون به انتهای قیف فروش رسیده‌ایم. درواقع، بهتر بود از اینجا شروع می‌کردیم؛ چراکه هر بهبودی در انتهای قیف، تأثیر بیشتری بر نتایج کسب‌وکار دارد. بازدیدکنندگانی که تجربۀ خود را از صفحۀ خدمات آغاز می‌کنند، به‌طور کلی 10 برابر بیشتر از بازدیدکنندگانی که از یک پست بلاگ شروع می‌کنند، به سرنخ (Lead) تبدیل می‌شوند، حداقل برای برندهای خدمات B2B این‌چنین است.

می‌خواهید خودتان بررسی کنید؟ به GA4 بروید و چند مقایسه با گزارش صفحۀ فرود (Landing Page) ایجاد کنید. سپس از منوی کشویی زیر نرخ تبدیل سشن (Session Conversion Rate)، تبدیل تولید سرنخ (lead gen conversion) را انتخاب کنید. تفاوت بسیار چشمگیر است.

چرا بازدیدکنندگانی که از صفحات خدمات شروع می‌کنند به سرنخ تبدیل می‌شوند؟ به این دلیل که آن‌ها قصد تجاری دارند. هر متخصص سئویی این را در روز اول کلاس تحقیق کلمات کلیدی یاد می‌گیرد. اما بیایید سؤالی بپرسیم که در کلاس‌های سئو کمتر رایج است:

چرا بازدیدکنندگانی که از صفحات خدمات شروع می‌کنند، به سرنخ (لید) تبدیل نمی‌شوند؟ معمولاً به این دلیل است که:

• صفحه در پاسخ‌دهی به سؤالات مخاطبان شکست خورده است (عدم شفافیت)؛
• یا در رفع موانع ذهنی آن‌ها موفق نبوده است (عدم اطمینان)؛
• یا نتوانسته ادعاهای برند را با ارائۀ شواهد متقن تأیید کند (عدم اعتماد).

به عبارت دیگر، در این صفحات خلأهایی وجود دارد.

بنابراین، اجازه دهید قابلیت تجزیه‌وتحلیل شکاف هوش مصنوعی خود را فعال کنیم و از آن بخواهیم که به ما بگوید چه چیزی کم است. اما ازآنجایی‌که هوش مصنوعی هنوز بازدیدکنندگان ما را نمی‌شناسد، باید از فرایندی چندمرحله‌ای استفاده کنیم.

خلأهای ما مختص مخاطبان هدفمان است، بنابراین باید با یک پرسونا (شخصیت خریدار) شروع کنیم.

اگر یک پروفایل کامل از مشخصات مشتری ایدئال خود دارید، به‌سادگی می‌توانید آن را برای هوش مصنوعی بارگذاری کنید. اگر چنین نیست، می‌توانید از هوش مصنوعی بخواهید تا یکی برای شما بسازد. از پرامپت یا دستورالعمل کاربردی زیر برای ساختن پرسونا استفاده کنید:

متن پرامپت به فارسی:

برای من یک پرسونا از یک [عنوان شغلی] با [نقش‌ها/مهارت‌ها/مسئولیت‌ها] در [صنعت/اندازۀ شرکت/موقعیت جغرافیایی] بساز. این فرد به دنبال کمک برای [چالش/مشکل/وظیفه] است و [محصول/خدمات] را در نظر می‌گیرد.

امیدها/رؤیاها، ترس‌ها/نگرانی‌ها، محرک‌های عاطفی و معیارهای تصمیم‌گیری برای استخدام/تماس با [صنعت/دسته‌بندی/خدمات/محصول] آن‌ها را فهرست کن.

متن پرامپت به انگلیسی:

Build me a persona of a [job title] with [roles/skills/responsibility] at [industry/company size/geography]. This person is looking for help with [challenge/problem/task] and is considering [product/service]

List their hopes/dreams, fears/concerns, emotional triggers, and decision criteria for hiring/contacting a [industry/category/service/product]

اگر از ChatGPT استفاده کنید، احتمالاً نام پرسونای شما الکس خواهد شد. معلوم نیست چرا. و به‌طور طبیعی، از نظر دقت مشکلاتی خواهد داشت. بنابراین، زمانی را صرف خواندن دقیق آن کنید. چه چیزی اشتباه است؟ چه چیزی کم است؟ ابتدا آن را اصلاح کنید. اگر این کار را نکنید، پاسخ‌های بعدی هوش مصنوعی ضعیف خواهند بود.

خودتان با گفتن تغییرات موردنظر به هوش مصنوعی، این شکاف‌ها را پر کنید. در ادامه، پرامپت رفع نقص پرسونا را می‌آوریم:

متن پرامپت به فارسی:

موارد زیر را به معیارهای تصمیم‌گیری پرسونا اضافه کنید: [نگرانی‌های اضافی خریدار را وارد کنید.]

متن پرامپت به انگلیسی:

Add the following to the decision criteria for the persona: [insert additional buyer concerns]

این متن کامل نخواهد بود و نیازی هم نیست که کامل باشد. اما باید به اندازه‌ای خوب باشد که بتوانید از آن در ارزیابی صفحات خدماتتان استفاده کنید. هرچه دقیق‌تر باشد، پاسخ‌های هوش مصنوعی نیز بهتر خواهند بود.

در مرحلۀ بعد، صفحه‌ای را که می‌خواهید بهینه‌سازی کنید در اختیار هوش مصنوعی قرار ‌دهید. برای این کار، در همان گفت‌وگویی که پرسونا ساخته شد، متن کپی‌شده از یک صفحۀ کلیدی خدمات (یا اسکرین‌شات تمام‌ صفحه) را در هوش مصنوعی با پرامپت زیر جای‌گذاری کنید:

متن پرامپت به فارسی:

تو یک متخصص بهینه‌سازی نرخ تبدیلی که در ارزیابی صفحات از نظر توانایی آن‌ها در اطلاع‌رسانی و ترغیب، مهارت خوبی داری. قانع‌کننده‌ترین و پر‌بازده‌ترین صفحات وب، ویژگی‌های مشترکی دارند. در اینجا بهترین شیوه‌ها برای صفحات خدمات B2B آورده شده است:

• سربرگ به‌طور واضح موضوع صفحه را نشان می‌دهد و به‌سرعت به بازدیدکننده می‌گوید که در جای درستی قرار دارد.
• متن به‌طور واضح به سؤال بازدیدکننده پاسخ می‌دهد و موانع او را برطرف می‌کند.
• ترتیب پیام‌ها به‌طور کلی با نیازهای اطلاعاتی اولویت‌بندی‌شدۀ بازدیدکننده مطابقت دارد.
• زیرعنوان‌های هر بخش، معنادار و خاص است.
• صفحه با استفاده از عناصر انسانی (چهره‌ها، نقل‌قول‌ها، داستان‌ها) با بازدیدکننده در سطح شخصی ارتباط برقرار می‌کند.
• متن به‌طور ظریف و در صورت لزوم از سوگیری‌های شناختی (مانند گریز از ضرر، فوریت و…) استفاده می‌کند.
• صفحه دارای فراخوان‌های قدرتمند برای اقدام (CTA) است.

فهرستی ایجاد کن که نشان دهد این صفحۀ وب به چه صورت نیازهای اطلاعاتی پرسونا را برآورده می‌کند یا نمی‌کند.

متن پرامپت به انگلیسی:

You are a conversion optimization expert skilled in evaluating pages for their ability to both inform and persuade. The most compelling, highest converting web pages share common traits. The following are best practices for B2B service pages

The header clearly indicates the topic of the page, quickly letting the visitor know they’re in the right place
The copy clearly answers the visitor’s question and addresses their objections
The order of the messages generally aligns with the visitor’s prioritized information needs
Subheads for each section are meaningful and specific
The page connects with the visitor on a personal level using human elements (faces, quotes, stories)
The copy leverages cognitive biases in subtle ways when relevant (loss aversion, urgency, etc.)
The page provides compelling calls to action

Create a list showing the ways in which the following webpage does and does not meet the information needs of the persona

[paste in the page, or attach a full page screenshot]

به نظر شما این پرامپت طولانی است؟ بنا به تجربه‌، خیر. درواقع، برخی از بهترین پرامپت‌ها فهرستی از شیوه‌های برتر را در اختیار هوش مصنوعی قرار می‌دهند تا بداند خروجی موفق چه ویژگی‌هایی دارد. این‌گونه پرامپت‌ها مانند یک پست کوتاه بلاگ دربارۀ شیوه‌های برتر، عمل می‌کنند.

از بهترین تجربه‌ها، تحلیل داده‌های خود و شناختی که از مشتریان احتمالی دارید استفاده کنید تا بتوانید پرامپت خود را به بهترین نحو بنویسید.

در اینجا تصویری از پاسخ ChatGPT آورده شده است. این پاسخ، با فهرستی از مواردی که در آن نیازهای اطلاعاتی پرسونا برآورده شده شروع می‌شود و با فهرستی از نیازهای برآورده‌نشده به پایان می‌رسد.

خلأها را بررسی کنید! آیا در پاسخ به سؤالات مهم برای مشتریان بالقوۀ خود کوتاهی کرده‌اید؟ به یاد داشته باشید که هر سؤال بی‌پاسخ و ادعای بدون پشتوانه می‌تواند به نرخ تبدیل شما آسیب برساند.

حالا می‌دانید که چگونه یک صفحۀ بهتر بسازید. می‌توانید این کار را به‌صورت دستی انجام دهید یا از هوش مصنوعی بخواهید تا پیشنهادهای سریعی به شما ارائه دهد. در اینجا یک دستورالعمل نهایی وجود دارد که هوش مصنوعی را براساس تجزیه‌وتحلیل شکاف، برای پیشنهاد ویرایش‌های صفحه ترغیب می‌کند.

متن پرامپت به فارسی:

با توجه به پرسونای بالا، پیشنهادهایی را ارائه بده که صفحه را برای بازدیدکننده مفیدتر و قانع‌کننده‌تر کند.

تغییرات را در توصیه‌ها برجسته کن.

متن پرامپت به انگلیسی:

Suggest changes that would make the page more helpful and compelling to the visitor based on the persona above

Highlight the changes in the recommendations

اگر صفحۀ شما در حال حاضر ترافیک خوبی از گوگل دریافت می‌کند، مراقب باشید که در حین بهینه‌سازی برای نرخ تبدیل، بهینه‌سازی برای موتور جست‌وجو (SEO) را خراب نکنید. به‌طور معمول، پرکردن شکاف‌ها به هر 2 مورد یعنی نرخ تبدیل و رتبه‌بندی در نتایج جست‌وجو کمک می‌کند.

می‌توانید پرامپت‌هایی برای هوش مصنوعی طراحی کنید تا ویرایش‌هایی را برای بهبود مرتبط‌بودن با سئو و شفافیت برای بازدیدکنندگان انسانی پیشنهاد دهد.

سخن آخر

قابلیت تجزیه‌وتحلیل شکاف هوش مصنوعی می‌تواند نقاط ضعف و موارد مغفول را به‌سرعت نشان دهد. این قابلیت تقریباً برای هر چیزی کاربرد دارد؛ ازجمله تبلیغات کلیکی‌ پولی (PPC)، محتوای بلاگ‌ها، خطوط موضوع ایمیل، فراخوان به اقدام (CTA)، عناوین و تگ‌های متا، توضیحات یوتیوب و… .

اگر دوست دارید از هوش مصنوعی برای ایجاد موارد جدید به‌جای ممیزی موارد موجود استفاده کنید، فقط کافی است پرامپت (دستورالعمل) خود را تغییر دهید. دستورالعمل «ایجاد پیش‌نویس» (Create Draft) و دستورالعمل «بررسی صفحه» (Audit Page) تقریباً مشابه‌اند.

جادوی کار در پرسونا و بهترین شیوه‌هایی است که قبل از پرامپت ارائه می‌دهید. هرگز فراموش نکنید که در فرایند تجزیه‌وتحلیل شکاف با هوش مصنوعی، با احتیاط عمل کنید.