رازی که بالاخره لو رفت چیزی که مدیران ChatGPT انتظارشو نداشتن!

🕵️‍♂️ یک راز در دل کدهای ChatGPT پنهان شده بود... رازی که تا امروز فقط مهندسان پشت‌صحنه ازش خبر داشتن.
اما حالا، یک سئوکار کنجکاو تونست این راز رو کشف کنه:

ChatGPT واقعاً چطور نتایج جستجو رو رتبه‌بندی می‌کنه؟

🔍 در دل کدهای ChatGPT، فرمولی دیده شده که نشان می‌ده این سیستم از الگوریتمی به نام RRF برای انتخاب و ترکیب نتایج استفاده می‌کنه. این یعنی دیگه فقط گوگل نیست که باید براش سئو انجام بدی؛ حالا پای هوش مصنوعی هم وسطه!

📌 توی این مقاله می‌فهمی که:

• RRF دقیقاً چیه و چرا این‌قدر مهمه؟

• چرا پوشش کامل یک موضوع، از تمرکز روی یک کلیدواژه بهتره؟

• چطوری هوش مصنوعی چندین جستجوی مختلف رو با هم ترکیب می‌کنه؟

• و چرا استراتژی خوشه‌ای بهترین راه موفقیت توی سئوی هوشمند محسوب میشه؟

بریم سراغ جزئیات رازآلود‌ترین فرمول رتبه‌بندی هوش مصنوعی تا امروز...

در دنیای سئو، همیشه کنجکاوی درباره الگوریتم‌های موتورهای جستجو وجود دارد. اما حالا که پای هوش مصنوعی مثل ChatGPT و Google AI به میدان آمده، سؤال مهم‌تری مطرح می‌شود: این سیستم‌های هوشمند چطور نتایج جستجو را رتبه‌بندی می‌کنند؟ اخیراً در بررسی کدهای مربوط به ChatGPT، الگویی به نام RRF یا رتبه‌بندی تجمیعی معکوس کشف شده که می‌تواند پاسخ این سؤال را بدهد.

در این مقاله با زبانی ساده توضیح می‌دهیم RRF چیست، چرا برای هوش مصنوعی اهمیت دارد، و چطور می‌توان با استفاده از آن، استراتژی سئوی خود را بهینه کرد.

RRF چیست؟

RRF (Reciprocal Rank Fusion) یک روش ریاضی برای ترکیب نتایج جستجوی چندگانه است. این الگوریتم از سال ۲۰۰۹ وجود دارد و در سیستم‌های بازیابی اطلاعات برای ادغام نتایج از چند پرس‌وجو مختلف استفاده می‌شود. فرمول آن ساده است:

RRF Score = 1 / (60 + رتبه در نتایج)

مثال:

• رتبه ۱: 1 / (60 + 1) = 0.0164

• رتبه 5: 1 / (60 + 5) = 0.0154

• رتبه 10: 1 / (60 + 10) = 0.0143

اگر یک صفحه در چند جستجوی مختلف ظاهر شود، مجموع این امتیازها محاسبه می‌شود. هرچقدر صفحه شما در چند جستجوی متفاوت حضور داشته باشد، امتیاز کلی آن افزایش می‌یابد.

بیشتر بخوانید: راهنمای بهینه‌سازی سایت برای موتورهای پاسخ

چرا هوش مصنوعی چندبار جستجو می‌کند؟

وقتی از ChatGPT یا سیستم‌هایی مثل Perplexity یا Google SGE سؤال می‌پرسید، آن‌ها فقط یک بار جستجو نمی‌کنند. بلکه چندین پرس‌وجو مرتبط انجام می‌دهند. مثلاً برای عبارت «coffee makers» ممکن است پرس‌وجوهای زیر هم اجرا شوند:

• بهترین قهوه‌سازها

• دستگاه دم‌آور قهوه

• راهنمای خرید قهوه‌ساز

• بررسی‌های کاربران درباره قهوه‌سازهای خانگی

سپس نتایج همه این جستجوها ترکیب می‌شود. و این دقیقاً جایی است که RRF وارد عمل می‌شود.

کشف کد در ChatGPT: تأیید استفاده از RRF

در بررسی کدهای داخلی ChatGPT مشخص شد که ساختاری به نام rrf_alpha و rrf_input_threshold تعریف شده است. این یعنی این ابزار دقیقاً از همان فرمول کلاسیک RRF استفاده می‌کند و نشان می‌دهد که رتبه‌بندی آن بر پایه امتیاز تجمیعی از چند پرس‌وجو صورت می‌گیرد.

چرا RRF ثابت می‌کند «اقتدار موضوعی» مهم است؟

فرض کنید دو صفحه وجود دارد:

صفحه A (تمرکز روی یک کلیدواژه خاص)

• «coffee makers» → رتبه ۱ → امتیاز: 0.0164

• دیگر کلیدواژه‌ها → رتبه‌های پایین یا غیرفعال

مجموع امتیاز RRF: حدود 0.041

صفحه B (پوشش کامل یک موضوع با صفحات خوشه‌ای)

• چندین کلیدواژه مرتبط با رتبه‌های خوب

مجموع امتیاز RRF: حدود 0.076

یعنی صفحه‌ای با پوشش جامع موضوعی، تا ۲ برابر بهتر از صفحه‌ای با تمرکز روی یک کلمه کلیدی عمل می‌کند.

خوشه‌سازی موضوعی: راهبردی مبتنی بر ریاضیات

فرض کنید ۱۰ کلیدواژه در رتبه پنجم قرار بگیرند: (10 × (1 / (60+5)) = 0.154)

در مقابل، یک کلیدواژه در رتبه اول: (1 / (60+1) = 0.0164)

نتیجه؟ امتیاز خوشه‌ای ۱۰ برابر بیشتر است. پس الگوریتم RRF ثابت می‌کند که ثبات و پوشش گسترده بهتر از یک رتبه عالی است.

چگونه RRF ساختار موتورهای جستجوی مدرن را نشان می‌دهد؟

1. پرس‌وجوهای متعدد: سیستم‌های هوش مصنوعی فقط به یک عبارت بسنده نمی‌کنند.

2. امتیاز تجمیعی: صفحه‌ای که در جستجوهای مختلف دیده شود، شانس بیشتری دارد.

3. درک مفهومی از موضوعات: موتورهای هوشمند صفحات جامع را ترجیح می‌دهند.

الگوریتم RRF در عمل: مثالی واقعی

فرض کنیم سایتی با ۳۰ صفحه مرتبط با قهوه دارید، که در ۵۰ کلیدواژه در رتبه‌های ۳ تا ۱۰ دیده می‌شود.

• میانگین رتبه: ۶ → امتیاز هر پرس‌وجو: 0.0152

• مجموع RRF: 0.76

در مقابل، یک سایت تک‌صفحه‌ای با رتبه ۱ در فقط یک کلیدواژه:

• مجموع RRF: 0.0164

نتیجه؟ سایت جامع تا ۵۰ برابر بهتر عمل می‌کند.

بیشتر بخوانید: چگونه محتوای بهینه‌شده برای AEO (Answer Engine Optimization) بنویسیم؟

چطور از RRF در استراتژی سئو استفاده کنیم؟

✅ نقشه‌برداری موضوعی انجام دهید: تمام عباراتی را که کاربران ممکن است جستجو کنند شناسایی کنید.
✅ خوشه‌های محتوایی بسازید: یک صفحه مرجع (hub) و چند صفحه پشتیبان برای زیرموضوع‌ها تهیه کنید.
✅ پوشش موضوعی را بسنجید: فقط رتبه یک عبارت خاص مهم نیست، ببینید چند عبارت مختلف را پوشش داده‌اید.
✅ ثبات را هدف بگیرید: بهتر است در ۳۰ عبارت رتبه ۶ داشته باشید تا در ۳ عبارت رتبه ۱.

نتیجه‌گیری: RRF و آینده سئو

کشف استفاده از RRF در ChatGPT فقط یک اتفاق فنی نیست؛ بلکه دری به سوی درک نحوه تفکر سیستم‌های جستجوی هوشمند است. در دنیایی که هوش مصنوعی به‌جای یک جستجوی ساده، ده‌ها پرس‌وجو انجام می‌دهد، سایت‌هایی موفق خواهند شد که پوشش جامع‌تری از یک موضوع ارائه دهند.

اقتدار موضوعی و استراتژی خوشه‌ای نه‌تنها کاربرمحور هستند، بلکه دقیقاً با منطق ریاضی رتبه‌بندی هوش مصنوعی هماهنگ‌اند.

اگر می‌خواهید در آینده‌ی سئوی مبتنی بر هوش مصنوعی برنده باشید، باید مثل یک موتور جستجوی هوشمند فکر کنید.