محتوای AI زمانی به سئو کمک میکند که سرعت تولید را به دقت، تجربه و ارزش تبدیل کند؛ نه وقتی فقط تعداد URLها را بالا میبرد. مدل میتواند Outline و Draft بسازد، اما ممکن است منبع اختراع کند، نسخه قدیمی محصول را توضیح دهد یا با اعتماد بالا پاسخ نادرست بدهد. مسئولیت انتشار همچنان با صاحب سایت و تحریریه است.
این راهنما یک سیاست عملی برای استفاده از Generative AI در تحقیق، نگارش، بازبینی، SEO و انتشار ارائه میکند. برای تأثیر AI Overviews و AI Mode بر استراتژی Search، مقاله سئو در جستوجوی هوش مصنوعی را ببینید.
موضع Google درباره محتوای تولیدشده با AI
گوگل استفاده از AI را بهخودیخود منع نمیکند. راهنمای رسمی استفاده از محتوای Generative AI میگوید AI میتواند برای تحقیق و ساختاردهی محتوای اصل مفید باشد؛ اما تولید انبوه صفحه بدون ارزش افزوده ممکن است سیاست Scaled Content Abuse را نقض کند.
معیار عملی، روش تولید نیست؛ نتیجه است:
- آیا محتوا دقیق، مرتبط و باکیفیت است؟
- آیا برای کاربر ارزش تازه دارد یا منابع موجود را بازگو میکند؟
- آیا هدف اصلی کمک به مخاطب است یا دستکاری رتبه؟
- آیا Metadata، Alt و Structured Data نیز کنترل شدهاند؟
- آیا درباره نقش Automation در جایی که برای کاربر مهم است Context دادهاید؟
Scaled Content Abuse چیست؟
سیاست Spam گوگل تولید تعداد زیادی صفحه عمدتاً برای دستکاری نتایج و بدون ارزش کافی را پوشش میدهد؛ فرقی ندارد محتوا با AI، انسان، Scraping یا ترکیب آنها ساخته شده باشد.
نشانههای ریسک:
- صدها صفحه برای Variationهای جزئی یک Query؛
- بازنویسی منابع دیگر بدون تجربه، تحلیل یا داده؛
- صفحه شهر/محصول با جایگزینی چند متغیر؛
- مقالهای که ادعای پاسخ میکند اما اطلاعات عملی ندارد؛
- تاریخ/نویسنده ظاهری بدون بازبینی واقعی؛
- انتشار خودکار بدون کنترل منبع، کیفیت و Intent.
AI برای چه کارهایی مناسبتر است؟
| کار | کاربرد مناسب | کنترل لازم |
|---|---|---|
| ایده و سؤال | گسترش زاویههای Brief | اعتبارسنجی با Search/فروش/کاربر |
| Outline | سازماندهی یادداشتهای اصل | Intent و ترتیب انسانی |
| خلاصه منبع دادهشده | استخراج نکته از سند | مقایسه با متن و Citation |
| Draft | نسخه اولیه بخش کمریسک | بازنویسی، Fact-check و Expert review |
| ویرایش | خوانایی، یکدستی و پیشنهاد عنوان | حفظ معنا و Brand voice |
| ترجمه اولیه | Draft برای مترجم | Localization و QA بومی |
| داده ساختاری | تبدیل فرمت و دستهبندی | Validation و نمونهبرداری |
AI را کجا خودکار منتشر نکنیم؟
- مشاوره پزشکی، حقوقی یا مالی بدون متخصص مسئول؛
- قیمت، موجودی، شرایط قرارداد یا محصول بدون اتصال به منبع حقیقت؛
- خبر فوری یا ادعای زمانحساس بدون تأیید؛
- نقلقول، آمار و Citation تولیدشده صرفاً توسط مدل؛
- Bio نویسنده، Review مشتری یا تجربه دستاول ساختگی؛
- تصمیم استخدام، اعتبارسنجی یا محتوای تبعیضزا بدون Governance؛
- صفحهای که خروجی آن میتواند به سلامت، پول یا حقوق کاربر آسیب بزند.
«Human review» باید متناسب با ریسک باشد. ویرایش لحن مقاله عمومی با تأیید نویسنده فرق دارد با دستورالعمل پزشکی که متخصص دارای صلاحیت باید مسئول آن باشد.
مدل ریسک محتوایی
| سطح | نمونه | حداقل Gate |
|---|---|---|
| کم | پیشنهاد تیتر، خلاصه یادداشت داخلی | Editor review |
| متوسط | مقاله آموزشی فنی، صفحه خدمت | Source check + Editor + Subject expert نمونهای/کامل |
| زیاد | مالی، حقوقی، سلامت، امنیت حساس | متخصص مسئول، منبع اولیه، تأیید نهایی و Update SLA |
| ممنوع | Review/تجربه جعلی، افشای Secret، جعل نویسنده | عدم تولید/انتشار |
ریسک را در Brief ثبت کنید تا Workflow بهصورت خودکار Reviewer و Gate مناسب را انتخاب کند.
Workflow تحریریه AI؛ از Brief تا انتشار
۱. تعریف مخاطب و Intent
یک مسئله، مرحله Funnel و اقدام بعدی روشن کنید. Prompt بدون Brief معمولاً متن عمومی میسازد.
۲. بررسی Cannibalization
Inventory سایت را برای صفحه مالک Topic ببینید. Update یا Merge ممکن است بهتر از URL جدید باشد.
۳. ساخت Source Pack
منابع اولیه، داده داخلی، مصاحبه، Screenshot و تجربه پروژه را پیش از Draft جمع کنید. مدل نباید خودش مرجع نادیده را حدس بزند.
۴. طراحی Outline انسانی
بخشها را بر اساس سؤال و تصمیم کاربر بچینید. خروجی مدل پیشنهاد است؛ Editor حذف/ترکیب و Gap را مشخص میکند.
۵. تولید Draft بخشبندیشده
ورودی، محدودیت، منبع مجاز، لحن و خروجی را روشن کنید. Draft طولانی یکباره خطا و تکرار را سختتر قابلردیابی میکند.
۶. Fact-check ادعاها
هر عدد، نام، تاریخ، نقلقول، استاندارد و قابلیت محصول به منبع اولیه بازگردد. «لینک ساخت مدل» منبع محسوب نمیشود تا زمانی که باز و تطبیق داده شود.
۷. افزودن تجربه و ارزش اصل
Case، روش، داده، تصمیم، محدودیت و مثال ایران را توسط فردی که واقعاً میداند اضافه کنید. مدل نباید تجربه را به نام سازمان جعل کند.
۸. بازنویسی Brand Voice و فارسی
جملههای کلی، مقدمههای «در دنیای امروز»، صفتهای اغراقآمیز، ترجمه تحتاللفظی و تکرار را حذف کنید. نیمفاصله، نشانه و اصطلاحات را یکدست سازید.
۹. کنترل On-Page و لینک
Title، H1، Meta، Slug، Heading، Alt، Internal link و CTA را بر اساس Intent تنظیم کنید؛ خروجی خودکار Keyword Stuffing را نپذیرید. از چکلیست سئو داخلی استفاده کنید.
۱۰. QA حقوق، حریم خصوصی و امنیت
مالکیت/مجوز منبع، داده شخصی، Secret و شرایط Vendor را بررسی کنید. این بخش نیازمند سیاست سازمان و در موارد لازم مشاور حقوقی است؛ مدل جای تأیید حقوقی نیست.
۱۱. Approval و Audit trail
نام نویسنده، Editor، Expert، منابع، ابزار/نسخه، تاریخ و تصمیم نهایی ثبت شود. مسئول انتشار انسان یا نقش سازمانی مشخص است.
۱۲. کنترل عمومی و Monitoring
URL، Meta، canonical، Schema و لینک را پس از انتشار تست کنید. Query، Correction، Conversion و Feedback را برای Update وارد Backlog کنید.
Source Pack خوب چه دارد؟
- سؤال و Claimهای نیازمند پاسخ؛
- منبع رسمی با URL و تاریخ دسترسی؛
- داده داخلی با مالک و روش تولید؛
- مصاحبه یا یادداشت متخصص؛
- نسخه محصول/استاندارد؛
- نمونههای ایران و محدودیت قابلانتشار؛
- موارد ممنوع یا محرمانه؛
- تعریف Terminology و Brand glossary.
مدل را مجبور نکنید اگر منبع کافی نیست «جای خالی را پر کند». خروجی درست میتواند فهرست سؤالهای باز باشد.
چکلیست Fact-check
| نوع ادعا | روش تأیید |
|---|---|
| عدد/درصد | گزارش اصلی، روش نمونه و سال |
| قابلیت محصول | مستندات رسمی نسخه جاری |
| قانون/مقررات | متن رسمی و دامنه جغرافیایی + متخصص |
| استاندارد | نسخه و وضعیت نهایی/Draft از نهاد اصلی |
| نقلقول | منبع مستقیم و متن دقیق |
| تاریخ/سمت | منبع رسمی تازه |
| تجربه پروژه | مالک داخلی، سند یا داده قابلانتشار |
| مقایسه | معیار ثابت، محیط تست و تاریخ |
اگر منبع در دسترس نیست، ادعا را حذف، محدود یا با صراحت بهعنوان فرضیه بیان کنید.
توهم منبع و Citation جعلی
مدل ممکن است عنوان مقاله، DOI، URL یا جملهای باورپذیر بسازد که وجود ندارد. کنترل:
- هر URL را باز کنید.
- ناشر، نویسنده و تاریخ را ببینید.
- مطمئن شوید منبع دقیقاً Claim را پشتیبانی میکند.
- نسخه نهایی، Errata یا Update را بررسی کنید.
- از نقلقول طولانی و Copy پرهیز کنید.
- در CMS لینک را به صفحه اصلی Claim بدهید، نه Search result.
اصالت؛ Plagiarism detector کافی نیست
ابزار Similarity میتواند شباهت متنی را پیدا کند، اما ارزش افزوده، سرقت ایده، صحت یا مجوز را کامل تشخیص نمیدهد. همچنین «AI detector» قطعیت قابلاعتماد برای تنبیه نویسنده ندارد. بررسی انسانی لازم است:
- آیا متن فقط ساختار و مثال رقبا را تقلید کرده؟
- آیا داده یا تجربه اصل دارد؟
- آیا Paraphrase منبع بدون Attribution است؟
- آیا تصویر، جدول و Code مجوز/منبع دارند؟
- آیا نتیجهگیری از شواهد خود محتوا میآید؟
E-E-A-T را جعل نکنید
نام Expert، تجربه دستاول، Review مشتری و Case Study باید واقعی و قابلاثبات باشد. مدل میتواند سؤال مصاحبه یا ساختار Case را پیشنهاد دهد، اما نباید داستان موفقیت بسازد. صفحه نویسنده، نقش Review، روش آزمایش و Correction policy اعتماد را بهتر از جمله «توسط متخصصان ما» نشان میدهد.
Google در راهنمای People-first Content بر تجربه، منبع، Background نویسنده/سایت و نبود خطای قابلبررسی تأکید میکند.
آیا استفاده از AI را افشا کنیم؟
گوگل میگوید ارائه Context درباره نحوه تولید میتواند برای خواننده مفید باشد، بهویژه در تولید خودکار. سیاست مناسب بر اساس نقش Automation و انتظار مخاطب:
- اگر AI فقط غلط املایی یا ایده تیتر داده، Disclosure مفصل معمولاً ارزش کمی دارد.
- اگر بخش عمده متن/تصویر خودکار تولید شده، روش، Review و مسئول را توضیح دهید.
- برای تصویر Synthetic، Metadata و Policy پلتفرم مقصد را رعایت کنید.
- برای داده محصول/Feed، الزام Label هر پلتفرم را جدا بررسی کنید.
- در موضوع حساس، نام متخصص و دامنه Review را شفاف کنید.
Disclosure نباید سپر مسئولیت باشد؛ متن افشاشده اما نادرست همچنان نادرست است.
Brand Voice فارسی را به Rule تبدیل کنید
| حوزه | قاعده نمونه |
|---|---|
| لحن | حرفهای، مستقیم، بدون شعار |
| مقدمه | مسئله مشخص؛ حذف «در دنیای امروز» |
| واژه | فارسی روشن + اصطلاح انگلیسی فقط هنگام نیاز |
| عدد | سبک یکدست و منبع برای آمار |
| ادعا | بدون «بهترین/تضمینی» مگر معیار و شاهد |
| CTA | متناسب با Intent، نه فروش اجباری |
| ایران | مثال واقعی و محدودیت عملی، نه جایگزینی نام شهر |
نمونه «قبل/بعد» و فهرست واژه ممنوع از توصیف مبهم لحن مؤثرتر است.
Keyword و LSI؛ یک افسانه رایج
«کلمات LSI» بهعنوان فهرست جادویی برای SEO مفهوم عملی معتبری نیست. Topic، Entity، سؤال و واژگان طبیعی را از نیاز کاربر و منابع استخراج کنید. مدل میتواند عبارت پیشنهاد دهد، اما Volume، Intent و Cannibalization باید با داده بررسی شوند.
یک صفحه برای هر Variation نسازید. عبارتهای همنیت را در پاسخ کامل ترکیب کنید و تنها وقتی تصمیم/مخاطب متفاوت است URL جدا بسازید.
Metadata و Schema تولیدشده با AI
Title، Meta، Alt و Structured Data نیز محتوا هستند و باید دقیق باشند. خطاهای رایج:
- Title تکراری و اغراقآمیز؛
- Meta با وعدهای که صفحه ندارد؛
- Alt پر از کلمه کلیدی و بیربط به تصویر؛
- FAQ Schema برای سؤال نامرئی؛
- Review/Rating ساختگی؛
- Product price یا availability قدیمی؛
- نام نویسنده/Organization اشتباه.
Schema را با Rich Results Test و صفحه عمومی Validation کنید؛ Markup صحیح تضمین Rich Result نیست.
حریم خصوصی و امنیت Prompt
قبل از واردکردن داده به ابزار AI بدانید چه چیزی ارسال، ذخیره یا برای بهبود سرویس استفاده میشود. قواعد پایه:
- رمز، API key، Cookie و Secret را هرگز وارد نکنید.
- داده مشتری/کارمند را بدون مجوز، Minimize و قرارداد مناسب ارسال نکنید.
- سند محرمانه را فقط در محیط تأییدشده سازمانی استفاده کنید.
- Retention، Region، Subprocessor و حذف داده را بررسی کنید.
- حساب تیمی، MFA، RBAC و Audit Log داشته باشید.
- خروجی Agent متصل به وب/فایل را غیرقابلاعتماد فرض و پیش از Action تأیید کنید.
- فهرست ابزار Approved و داده ممنوع منتشر کنید.
بودجه و Governance این حوزه را با راهنمای بودجه حریم خصوصی داده هماهنگ کنید.
مالکیت و مجوز محتوا
شرایط مدل، منبع ورودی، خروجی، تصویر، موسیقی و Jurisdiction میتواند متفاوت باشد. این مقاله مشاوره حقوقی نیست. سازمان باید با مشاور خود تعیین کند:
- چه منابعی مجاز به Training/RAG/Prompt هستند؛
- خروجی تحت چه شرایطی قابلاستفاده است؛
- Attribution یا License چگونه ثبت میشود؛
- مسئول Claim و نقض احتمالی کیست؛
- سند رضایت مصاحبه/داده چگونه نگهداری میشود.
«مدل خودش نوشته» پاسخ به مسئله مجوز یا مسئولیت نیست.
RACI تحریریه AI
| نقش | مسئولیت |
|---|---|
| Content owner | هدف، اولویت و نتیجه کسبوکار |
| Writer/Operator | Brief، Source Pack، Draft و ثبت استفاده |
| Editor | ساختار، لحن، اصالت و خوانایی |
| Subject expert | دقت و محدوده توصیه |
| SEO | Intent، Cannibalization، On-page و Measurement |
| Legal/Privacy/Security | Review متناسب با ریسک |
| Publisher | Gate نهایی، CMS و Public QA |
یک نفر میتواند چند نقش داشته باشد، اما Gateهای پرریسک نباید صرفاً با همان فرد تولیدکننده بسته شوند.
Quality Score داخلی
بهجای «تشخیص AI»، کیفیت را امتیاز دهید:
- Intent و کاملبودن پاسخ؛
- دقت Claim و پوشش منبع؛
- ارزش اصل/تجربه؛
- خوانایی و Brand voice؛
- ریسک و تأیید Expert؛
- On-page و لینک؛
- حریم خصوصی/مجوز؛
- فنی و Public QA.
Fail در دقت یا داده حساس باید Blocker باشد، حتی اگر امتیاز کل بالا است.
KPIهای Workflow محتوای AI
| لایه | KPI |
|---|---|
| کیفیت | Correction rate، Claim بدون منبع، Reject rate |
| عملیات | زمان Brief تا Publish، Review time، هزینه هر صفحه |
| ریسک | Privacy incident، Citation جعلی، محتوای Recallشده |
| Search | Index، Query، Impression، Click و Cannibalization |
| کاربر | Feedback، جستوجوی مجدد، Support issue |
| کسبوکار | Lead qualified، Conversion و Assisted revenue |
| نگهداری | محتوای Stale و زمان اصلاح پس از تغییر منبع |
سرعت تولید اگر Correction و محتوای Stale را زیاد کند، بهرهوری واقعی نیست. داده را با چارچوب تحلیل بازاریابی به نتیجه کسبوکار وصل کنید.
نقشه اجرای ۳۰روزه
هفته ۱: سیاست و ریسک
- موارد مجاز/ممنوع و داده ممنوع؛
- سطوح ریسک و Gate؛
- فهرست ابزار Approved؛
- RACI و Correction process.
هفته ۲: Pilot
- ۵ محتوای کم/متوسطریسک؛
- Source Pack و Prompt template؛
- ثبت زمان، خطا و Review؛
- Public QA.
هفته ۳: ارزیابی
- Correction، Reject و هزینه؛
- بازخورد نویسنده/Expert؛
- Gap حریم خصوصی و Citation؛
- بهبود Checklist و Brand rules.
هفته ۴: مقیاس کنترلشده
- افزایش محدود حجم؛
- Automation فقط در Stepهای پایدار؛
- نمونهبرداری QA و Audit trail؛
- Dashboard کیفیت و Update backlog.
چکلیست نهایی قبل از Publish
- Intent، مخاطب و صفحه مالک مشخصاند.
- Source Pack و Claim map داریم.
- هر عدد، تاریخ، نقلقول و قابلیت تأیید شده است.
- تجربه/داده اصل واقعی اضافه شده است.
- نویسنده و Expert جعلی نیستند.
- متن فارسی طبیعی و همصدای برند است.
- LSI/Keyword Stuffing و صفحات Variation انبوه نداریم.
- Title، Meta، Alt و Schema دقیقاند.
- Secret، PII و داده بدون مجوز وارد نشده است.
- مجوز/Attribution/Disclosure طبق Policy بررسی شده است.
- On-page، canonical و لینک عمومی تست شدهاند.
- Owner، تاریخ Review و Correction path ثبت شده است.
- Audit سراسری دورهای با چکلیست SEO Audit انجام میشود.
سؤالات متداول محتوای AI و سئو
آیا Google محتوای AI را جریمه میکند؟
استفاده از AI بهخودیخود ممنوع نیست. محتوای کمارزش و مقیاسبالا با هدف دستکاری—با هر روش تولید—ممکن است سیاست Spam را نقض کند.
آیا Human-in-the-loop کافی است؟
فقط اگر Review تعریف، Checklist، تخصص و اختیار رد داشته باشد. نگاه سطحی یک فرد به متن، دقت یا ارزش افزوده را تضمین نمیکند.
آیا باید روی هر مقاله بنویسیم با AI ساخته شده؟
سیاست به میزان Automation و انتظار مخاطب بستگی دارد. وقتی نحوه تولید برای اعتماد مهم است، Context روش، Review و مسئول را بدهید. Disclosure جای کیفیت و مسئولیت را نمیگیرد.
چطور Citation جعلی را پیدا کنیم؟
هر منبع را باز کنید و Claim را با متن اصلی، ناشر، تاریخ و نسخه تطبیق دهید. URL یا عنوان تولیدشده توسط مدل تا قبل از این بررسی، منبع معتبر نیست.
بهترین استفاده AI در تحریریه چیست؟
کارهای محدود و قابلبررسی مانند ایده، Outline، خلاصه منبع دادهشده، Draft اولیه و ویرایش؛ سپس افزودن تجربه و Fact-check انسانی متناسب با ریسک.
جمعبندی
مزیت AI در تحریریه از «تولید بیشتر» نمیآید؛ از Workflow بهتر میآید. Source Pack، Fact-check، Expert review، ارزش اصل، سیاست داده و Audit trail را قبل از مقیاس بسازید. اگر صفحهای بدون AI ارزش انتشار ندارد، با AI سریعتر تولیدکردنش نیز آن را مفید نمیکند.
برای طراحی سیاست AI، Pilot تحریریه یا ممیزی محتوای انبوه فعلی، از فرم مشاوره مایندیو استفاده کنید و نوع محتوا، ابزار و سطح ریسک را توضیح دهید.
