🧠🤖 روابط عمومی دیگر فقط درباره این نیست که «درباره برند چه می‌نویسند»؛ درباره این است که وقتی مشتری، خبرنگار یا سرمایه‌گذار از هوش مصنوعی درباره برند سؤال می‌کند، چه پاسخی دریافت می‌کند.
رسانه‌های معتبر، تخصص بنیان‌گذار، شواهد عمومی و جایگاه‌سازی روشن، به‌تدریج به بخشی از اطلاعاتی تبدیل می‌شوند که در محیط جدید کشف اطلاعات مورد استفاده قرار می‌گیرند.
شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا) – روابط‌عمومی دیگر فقط درباره پوشش رسانه‌ای نیست؛ درباره چیزی است که هوش مصنوعی درباره شما می‌گوید
در بیشتر سال‌های فعالیت حرفه‌ای من، خروجی روابط‌عمومی نسبتاً روشن بود. یک شرکت می‌خواست به خاطر موضوعی خاص شناخته شود؛ بنابراین داستانی طراحی می‌کردیم، خبرنگاران مناسب را پیدا می‌کردیم، مصاحبه یا اظهارنظر می‌گرفتیم و تلاش می‌کردیم آن داستان را در رسانه‌های معتبر منتشر کنیم. خود انتشار مطلب، یک نتیجه مهم بود.
این موضوع از بین نرفته است. اما فکر می‌کنم تغییر بنیادی مهمی در اطراف آن در حال رخ دادن است.
امروز ممکن است یک مشتری بالقوه، سرمایه‌گذار، خبرنگار یا شریک تجاری، بدون آنکه ابتدا وارد وب‌سایت شرکت شود یا یک نتیجه جست‌وجوی سنتی را باز کند، درباره یک شرکت اطلاعات به دست آورد.
ممکن است از چت‌جی‌پی‌تی بپرسد کدام شرکت‌ها در یک حوزه پیشرو هستند، از پرپلکسیتی بپرسد یک شرکت نوپا به چه چیزی شناخته می‌شود، از هوش مصنوعی گوگل برای شناسایی متخصصان یک موضوع خاص استفاده کند یا از کوپایلت بخواهد یک شرکت را با شرکت دیگری مقایسه کند.
به‌طور فزاینده، خود پاسخ به نخستین برداشت از یک شرکت تبدیل می‌شود.
این یعنی تیم‌های ارتباطات اکنون باید فراتر از پرسش سنتی «آیا پوشش رسانه‌ای گرفتیم؟» فکر کنند.
یک پرسش دیگر در حال شکل‌گیری است:
وقتی هوش مصنوعی تلاش می‌کند توضیح دهد ما چه کسی هستیم، فضای گسترده اطلاعاتی درباره ما چه می‌گوید؟
در داخل یک شرکت، جایگاه‌سازی ممکن است کاملاً روشن به نظر برسد. تیم مدیریتی می‌داند چرا محصول متفاوت است. بنیان‌گذار، مشکل موردنظر را بهتر از تقریباً هر فرد دیگری می‌شناسد. بخش بازاریابی وب‌سایت را با دقت طراحی کرده است و بخش فروش می‌داند کدام رقبا اهمیت دارند.
اما این به آن معنا نیست که دنیای بیرون نیز شرکت را به همین شکل می‌بیند. و قطعاً به این معنا نیست که یک سامانه هوش مصنوعی نیز آن را همین‌طور می‌بیند.
ممکن است یک شرکت خود را در یک حوزه مشخص پیشرو معرفی کند، در حالی که تقریباً هیچ ارتباطی میان آن شرکت و آن حوزه در سراسر وب وجود نداشته باشد.
ممکن است بنیان‌گذار آن دانش و تخصص عمیقی داشته باشد، اما تقریباً هیچ محتوای عمومی وجود نداشته باشد که آن فرد را به مسئله‌ای که درک عمیقی از آن دارد، مرتبط کند.
ممکن است قوی‌ترین شواهد یک شرکت در فایل‌های ارائه فروش، گفت‌وگوهای مشتریان یا پژوهش‌های داخلی قرار داشته باشند؛ اطلاعاتی که موتورهای جست‌وجوی عمومی و سامانه‌های هوش مصنوعی به آن‌ها دسترسی ندارند.
در همین حال، رقیبی با محصولی ضعیف‌تر اما با حضور اطلاعاتی عمومی قوی‌تر، ممکن است بسیار راحت‌تر شناسایی، توصیف و پیشنهاد شود.
اینجاست که موضوع دیده‌شدن در هوش مصنوعی برای حوزه ارتباطات اهمیت پیدا می‌کند.
اصطلاح «بهینه‌سازی برای موتورهای مولد» (GEO) در حال رواج بیشتری است و صنعتی نیز در حال شکل‌گیری است که به شرکت‌ها کمک می‌کند بفهمند در پاسخ‌های تولیدشده توسط هوش مصنوعی چگونه دیده می‌شوند.
اما من فکر نمی‌کنم بهینه‌سازی برای موتورهای مولد را صرفاً باید نسخه جدیدی از بهینه‌سازی موتورهای جست‌وجو دانست.
برای بسیاری از شرکت‌های فناوری، این موضوع همچنین یک مسئله مربوط به اعتبار و ارتباطات است.
یک شرکت امنیت سایبری در وب‌سایت خود می‌نویسد که یک پلتفرم پیشرو برای کسب‌وکارهای متوسط است. این، جایگاه‌سازی است و جایگاه‌سازی اهمیت دارد. اما همچنان خود شرکت است که درباره خودش چنین ادعایی مطرح می‌کند.
حالا تصور کنید در طول سال بعد، نشریات تخصصی با بنیان‌گذار شرکت درباره امنیت کسب‌وکارهای متوسط مصاحبه کنند، خبرنگاران به پژوهش‌های شرکت استناد کنند، مدیران شرکت درباره رخدادهای مهم امنیتی اظهارنظر کنند و رسانه‌های معتبر بارها شرکت را در همین زمینه معرفی کنند.
در این حالت، شرکت دیگر تنها منبعی نیست که این ارتباط را ایجاد می‌کند.
وب گسترده‌تر نیز شروع به تقویت این ارتباط می‌کند.
این تفاوت همیشه برای اعتبار اهمیت داشته است. اما در محیطی که سامانه‌های هوش مصنوعی اطلاعات را از منابع عمومی متعدد بازیابی، مقایسه و ترکیب می‌کنند، اهمیت بیشتری پیدا می‌کند.
بنابراین یک حضور معتبر در رسانه می‌تواند عمری طولانی‌تر از روز انتشار خود داشته باشد. این حضور می‌تواند مستقیماً به خوانندگان برسد، در جست‌وجو ظاهر شود، ماه‌ها بعد به خبرنگاری که درباره همان موضوع تحقیق می‌کند کمک کند، ارتباط میان شرکت و یک حوزه را تقویت کند و احتمالاً بخشی از اطلاعاتی شود که سامانه‌های هوش مصنوعی هنگام ساختن یک پاسخ از آن استفاده می‌کنند.
این به معنای آن نیست که یک مقاله ناگهان باعث می‌شود یک برند در چت‌جی‌پی‌تی ظاهر شود. رابطه به این سادگی نیست و هیچ‌کس نباید چنین وعده‌ای بدهد.
اما این موضوع نگاه من به ارزش رسانه‌های اکتسابی را تغییر می‌دهد.
پوشش رسانه‌ای دیگر فقط نقطه پایان نیست؛ می‌تواند به بخشی از زیرساخت اطلاعاتی پیرامون یک برند تبدیل شود.
این موضوع زمانی جالب‌تر می‌شود که به بنیان‌گذاران نگاه کنیم.
اخبار شرکت محدود هستند. یک دور تأمین مالی یک‌بار اتفاق می‌افتد. عرضه یک محصول چرخه خبری کوتاهی دارد. یک شراکت مهم ممکن است چند روز توجه ایجاد کند و سپس از گفت‌وگوها کنار برود.
اما تخصص، متفاوت عمل می‌کند.
بازار دائماً تغییر می‌کند. مدل‌های جدید هوش مصنوعی ظهور می‌کنند، رخدادهای امنیت سایبری اتفاق می‌افتند، مقررات تغییر می‌کنند، رفتار مشتریان تغییر می‌کند، رقبا محصولات جدید عرضه می‌کنند و داده‌های جدید به وجود می‌آیند.
هر یک از این تحولات فرصتی برای فردی با تخصص واقعی ایجاد می‌کند تا توضیح دهد چه اتفاقی در حال رخ دادن است و این اتفاق چه معنایی دارد.
یک بنیان‌گذار حوزه امنیت سایبری می‌تواند یک حمله بزرگ را تفسیر کند. یک بنیان‌گذار حوزه هوش مصنوعی می‌تواند توضیح دهد یک مدل جدید چه تغییری برای یک صنعت خاص ایجاد می‌کند. یک بنیان‌گذار حوزه فناوری مالی می‌تواند یک تصمیم مقرراتی را در چارچوب درست قرار دهد. یک بنیان‌گذار نرم‌افزار سازمانی می‌تواند توضیح دهد چرا یک فرایند تثبیت‌شده در حال منسوخ‌شدن است.
در طول زمان، این مشارکت‌ها چیزی بادوام‌تر از مجموعه‌ای از اطلاعیه‌ها ایجاد می‌کنند.
آن‌ها ارتباط میان یک فرد و یک مسئله را ایجاد می‌کنند.
به همین دلیل است که دیده‌شدن بنیان‌گذار و دیده‌شدن در هوش مصنوعی، به‌طور فزاینده‌ای با یکدیگر همپوشانی پیدا خواهند کرد.
اگر یک بنیان‌گذار به‌طور مستمر در منابع معتبر درباره یک مسئله خاص بازار حضور داشته باشد، وب عمومی تصویر روشن‌تری از تخصص آن فرد پیدا می‌کند. این موضوع برای خبرنگارانی که به دنبال منبع هستند، مشتریانی که تخصص را ارزیابی می‌کنند، سرمایه‌گذارانی که درباره یک حوزه تحقیق می‌کنند و به‌طور فزاینده برای سامانه‌های کشف اطلاعات مبتنی بر هوش مصنوعی نیز اهمیت دارد.
هر زمان یک کانال جدید برای کشف اطلاعات ظاهر می‌شود، نخستین واکنش معمولاً افزایش حجم است. مقالات بیشتری منتشر کنیم، صفحات فرود بیشتری بسازیم، کلیدواژه‌ها را بیشتر تکرار کنیم و برای هر پرسش احتمالی محتوای بیشتری تولید کنیم.
به نظر من این برداشت اشتباه است.
سامانه‌های هوش مصنوعی صرفاً به این دلیل که یک جایگاه‌سازی ضعیف پنجاه بار تکرار شده، آن را قوی‌تر نمی‌کنند. اگر یک شرکت درباره اینکه می‌خواهد به چه چیزی شناخته شود، ابهام داشته باشد، تولید محتوای بیشتر می‌تواند فقط همان سردرگمی را در سطح گسترده‌تری توزیع کند.
نقطه شروع همچنان باید جایگاه‌سازی باشد.
یک شرکت فناوری باید مشخص کند کدام سه یا چهار ایده واقعاً برای کسب‌وکارش اهمیت دارند. باید بداند کدام تغییر بازار را به‌طور ویژه می‌شناسد، می‌خواهد با کدام مسئله مرتبط شود، بنیان‌گذارش چه چیزی را بهتر از بیشتر افراد آن حوزه می‌تواند توضیح دهد و چه شواهدی می‌تواند ارائه کند که پیش از آن وجود نداشته است.
وقتی این قلمروها روشن شدند، ارتباطات بسیار متمرکزتر می‌شود. پژوهش می‌تواند از آن‌ها پشتیبانی کند. اظهارنظرهای بنیان‌گذار می‌تواند آن‌ها را تقویت کند. ارتباط با رسانه می‌تواند آن‌ها را به اخبار مرتبط پیوند دهد. مقالات مشارکتی می‌توانند استدلال را بیشتر توسعه دهند و محتوای متعلق به شرکت نیز می‌تواند شواهد زیربنایی را در دسترس قرار دهد.
هدف، پرکردن اینترنت از محتوا نیست.
هدف این است که شواهدی منسجم و معتبر پیرامون تعداد محدودی از ایده‌های راهبردی مهم ایجاد شود.
دیده‌شدن در هوش مصنوعی نیز در حال اندازه‌گیری‌پذیرتر شدن است. اکنون می‌توان بررسی کرد برندها در مجموعه‌ای تکرارپذیر از پرسش‌های هوش مصنوعی چگونه ظاهر می‌شوند، دیده‌شدن آن‌ها را با رقبا مقایسه کرد، منابعی را که مورد استناد قرار می‌گیرند بررسی کرد و تغییرات را در طول زمان دنبال کرد.
پلتفرم‌های جست‌وجو نیز در حال ارائه اطلاعات بیشتری به ناشران درباره نحوه مشارکت محتوای آن‌ها در تجربه‌های مبتنی بر هوش مصنوعی هستند.
گوگل نیز با معرفی گزارش‌های عملکرد هوش مصنوعی مولد در کنسول جست‌وجو در همین مسیر حرکت کرده و اطلاعات بیشتری درباره نحوه نمایش محتوای ناشران در تجربه‌های جست‌وجوی مبتنی بر هوش مصنوعی در اختیار آن‌ها قرار داده است.
اما درباره استفاده از واژه «رتبه‌بندی» باید محتاط بود.
هیچ جایگاه واحد و جهانی در چت‌جی‌پی‌تی وجود ندارد که معادل رتبه‌بندی سنتی گوگل باشد. پاسخ‌ها می‌توانند بر اساس مدل، نحوه بیان پرسش، تاریخ، موقعیت، زمینه کاربر، منابع در دسترس و نسخه محصول تغییر کنند.
به همین دلیل، اصطلاح «دیده‌شدن مشاهده‌شده در هوش مصنوعی» مناسب‌تر است.
پرسش مفید این نیست که «آیا ما رتبه سوم را در چت‌جی‌پی‌تی داریم؟»
پرسش بهتر این است که آیا در مجموعه‌ای ثابت از درخواست‌های راهبردی مهم، پیدا کردن شرکت آسان‌تر شده، شرکت دقیق‌تر توصیف می‌شود و ارتباط آن با موضوعاتی که می‌خواهد در آن‌ها جایگاه داشته باشد، منسجم‌تر شده است یا نه.
این روش، شیوه‌ای بسیار قابل‌دفاع‌تر برای سنجش تغییر است.
گزارش‌دهی سنتی روابط‌عمومی تمرکز زیادی بر خروجی‌ها داشته است: تعداد مقالات منتشرشده، مصاحبه‌های انجام‌شده، نقل‌قول‌های مدیران، دسترسی رسانه‌ای، پیوندهای ورودی و احساسات مخاطبان.
این معیارها همچنان اهمیت دارند، اما برنامه‌های ارتباطات فناوری به‌طور فزاینده‌ای به یک لایه دوم نیز نیاز دارند.
پس از مجموعه‌ای از حضورهای رسانه‌ای، باید دانست آیا ردپای اطلاعاتی گسترده‌تر شرکت تغییر کرده است یا نه: آیا برند به شکل منسجم‌تری در کنار حوزه درست ظاهر می‌شود؟ آیا بنیان‌گذار با تخصص درست مرتبط شده است؟ آیا توصیف‌های تولیدشده توسط هوش مصنوعی دقیق‌تر شده‌اند؟ آیا منابع معتبر شخص ثالث شروع به شکل‌دادن به این پاسخ‌ها کرده‌اند؟
این موضوع تحول جالبی در سنجش روابط‌عمومی ایجاد می‌کند.
هدف دیگر صرفاً گزارش‌دادن این نیست که یک مقاله منتشر شده است. هدف، درک این موضوع است که آیا ارتباطات به ایجاد تصویری کمک می‌کند که شرکت به خاطر آن شناخته شود یا نه.
این پرسشی راهبردی‌تر است و روابط‌عمومی را به جایگاه‌سازی، اعتبار، جست‌وجو و توسعه کسب‌وکار نزدیک‌تر می‌کند.
هم‌اکنون ادبیات تهاجمی زیادی درباره بهینه‌سازی برای موتورهای مولد وجود دارد. شرکت‌هایی وعده می‌دهند «برندها را در چت‌جی‌پی‌تی رتبه‌بندی کنند»، استنادها را تضمین کنند یا توصیه‌های هوش مصنوعی را کنترل کنند.
من نسبت به این وعده‌ها تردید دارم.
متخصصان روابط‌عمومی خبرنگاران را کنترل نمی‌کنند. متخصصان بهینه‌سازی موتورهای جست‌وجو گوگل را کنترل نمی‌کنند. و مشاوران بهینه‌سازی برای موتورهای مولد نیز مدل‌های زبانی بزرگ را کنترل نمی‌کنند.
فرصت معتبرتر، کم‌هیجان‌تر و از نظر من ارزشمندتر است.
ما می‌توانیم اطلاعاتی را که سامانه‌های هوش مصنوعی در اختیار دارند، بهبود دهیم. می‌توانیم جایگاه‌سازی یک شرکت را روشن‌تر کنیم، شواهد اصیل ایجاد کنیم، تخصص بنیان‌گذار را توسعه دهیم، پوشش رسانه‌ای معتبر به دست آوریم، انسجام اطلاعات را در وب عمومی بهبود دهیم و محتوای مهم را آسان‌تر برای کشف و درک‌شدن کنیم.
سپس می‌توانیم اندازه‌گیری کنیم که آیا دیده‌شدن و بازنمایی شرکت در طول زمان تغییر می‌کند یا نه.
این یک ترفند الگوریتمی نیست.
این، ساخت اعتبار متناسب با یک محیط جدید برای کشف اطلاعات است.
من باور ندارم بهینه‌سازی برای موتورهای مولد جایگزین روابط‌عمومی شود و همچنین باور ندارم دیده‌شدن در هوش مصنوعی جایگزین بهینه‌سازی موتورهای جست‌وجو شود.
آن‌ها در حال نزدیک‌شدن به یکدیگر هستند.
بهینه‌سازی موتورهای جست‌وجو کمک می‌کند اطلاعات قابل‌کشف شود. روابط‌عمومی کمک می‌کند اطلاعات معتبر شود. دیده‌شدن بنیان‌گذار، منبع انسانی تخصص را به این اطلاعات اضافه می‌کند. و سامانه‌های هوش مصنوعی به‌طور فزاینده‌ای بر روی هر سه این عناصر قرار می‌گیرند.
این موضوع مرا به شیوه‌ای ساده برای نگاه‌کردن به تحول ارتباطات فناوری می‌رساند:
جایگاه‌سازی ← تخصص ← رسانه‌های اکتسابی ← منابع عمومی معتبر ← جست‌وجو و کشف با هوش مصنوعی
هیچ تضمینی وجود ندارد که یک مرحله به‌طور خودکار باعث مرحله بعدی شود. اما جهت حرکت اهمیت دارد.
سال‌ها صنعت روابط‌عمومی این پرسش را مطرح کرده است که آیا درباره یک شرکت صحبت می‌شود یا نه.
در عصر هوش مصنوعی، به‌طور فزاینده‌ای پرسشی دشوارتر مطرح خواهد شد:
آیا محیط گسترده اطلاعاتی می‌فهمد که این شرکت ــ و بنیان‌گذار آن ــ باید به چه چیزی شناخته شوند؟
زیرا مزیت رقابتی بعدی شاید صرفاً مطرح‌شدن نباشد.
شاید تبدیل‌شدن به بخشی از پاسخ باشد.
پرسش و پاسخ
پرسش: آیا روابط‌عمومی در عصر هوش مصنوعی فقط به پوشش رسانه‌ای نیاز دارد؟
خیر. پوشش رسانه‌ای همچنان اهمیت دارد، اما روابط‌عمومی باید به این موضوع نیز توجه کند که فضای عمومی اطلاعاتی چگونه برند و بنیان‌گذار آن را معرفی و توصیف می‌کند.
پرسش: چرا پاسخ هوش مصنوعی می‌تواند برای برند مهم باشد؟
زیرا مشتری، سرمایه‌گذار، خبرنگار یا شریک تجاری ممکن است پیش از مراجعه به وب‌سایت یا جست‌وجوی سنتی، درباره یک شرکت از سامانه‌های هوش مصنوعی سؤال کند. در این حالت، پاسخ هوش مصنوعی می‌تواند نخستین برداشت مخاطب باشد.
پرسش: رسانه‌های اکتسابی چه ارتباطی با دیده‌شدن در هوش مصنوعی دارند؟
حضور معتبر در رسانه می‌تواند اطلاعات عمومی پیرامون یک شرکت را تقویت کند، ارتباط شرکت با یک حوزه را شکل دهد و به منابعی اضافه شود که سامانه‌های هوش مصنوعی هنگام ساختن پاسخ از آن‌ها استفاده می‌کنند؛ البته هیچ تضمینی وجود ندارد که یک مقاله به‌تنهایی باعث حضور برند در پاسخ هوش مصنوعی شود.
پرسش: آیا تولید محتوای بیشتر باعث دیده‌شدن بیشتر در هوش مصنوعی می‌شود؟
الزاماً نه. اگر جایگاه‌سازی شرکت مبهم باشد، تولید محتوای بیشتر ممکن است همان ابهام را گسترده‌تر کند. نقطه شروع باید جایگاه‌سازی روشن و تمرکز بر چند ایده راهبردی مهم باشد.
پرسش: دیده‌شدن در هوش مصنوعی چگونه باید سنجیده شود؟
بهتر است مجموعه‌ای ثابت از پرسش‌های راهبردی انتخاب شود و بررسی شود که آیا برند در طول زمان آسان‌تر پیدا می‌شود، دقیق‌تر توصیف می‌شود و به شکل منسجم‌تری با موضوعات موردنظرش ارتباط پیدا می‌کند یا نه.
پرسش: آیا می‌توان رتبه ثابتی برای یک برند در چت‌جی‌پی‌تی تعیین کرد؟
خیر. پاسخ‌ها می‌توانند بر اساس مدل، نحوه بیان پرسش، تاریخ، موقعیت، زمینه کاربر، منابع موجود و نسخه محصول تغییر کنند.
پرسش: آیا بهینه‌سازی برای موتورهای مولد جایگزین روابط‌عمومی می‌شود؟
خیر. مقاله معتقد است این حوزه‌ها در حال نزدیک‌شدن به یکدیگر هستند؛ بهینه‌سازی جست‌وجو به کشف‌پذیری اطلاعات کمک می‌کند، روابط‌عمومی اعتبار ایجاد می‌کند و تخصص بنیان‌گذار منبع انسانی تخصص را به اطلاعات اضافه می‌کند.
نویسنده: توفیق خیسم
سمت: مشاور ارتباطات فناوری و راهبرد بازار
تاریخ انتشار: ۵ اکتبر ۲۰۲۶
منبع اصلی: هکرنون (HackerNoon)
منبع فارسی: شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا)