دیده‌شدن ایستگاه‌های رادیویی در عصر هوش مصنوعی مولد

www.radioworld.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

ایستگاه‌های رادیویی به دنبال راه‌هایی هستند تا حضور و دیده‌شدن خود را در ChatGPT، Gemini و دیگر مدل‌های هوش مصنوعی افزایش دهند.

نویسنده: رندی جی. استاین

ذره‌بینی با نمادهای داده‌های بهینه‌سازی موتورهای مولد در پس‌زمینه‌ای شهری و دیجیتال، با موضوع تحلیل داده و جست‌وجو
اعتبار تصویر: بازپرداخت‌شده بر اساس تصویری از گتی ایمیجز

دنیای جست‌وجوی آنلاین مبتنی بر هوش مصنوعی با سرعت در حال تحول است. آیا رادیو می‌تواند همگام با این تغییرات پیش برود؟ کارشناسان معتقدند دگرگونی‌های حوزه جست‌وجو پیامدهای مهمی برای بخش‌های فروش و برنامه‌سازی ایستگاه‌های رادیویی دارد.

ارجاع کاربران از منابع آنلاین به وب‌سایت‌های رسانه‌های پخش رادیویی رو به کاهش است؛ زیرا مخاطبان و تبلیغ‌دهندگان بیش از گذشته انتخاب‌های خود را به دستیارهای هوش مصنوعی می‌سپارند. این وضعیت برای رادیو مسئله‌ساز است، چون ایستگاه‌ها نمی‌توانند در رقابت الگوریتمی با غول‌های فناوری پیروز شوند.

جست‌وجوی اطلاعات در پلتفرم‌های مبتنی بر مدل‌های زبانی بزرگ به‌شدت افزایش یافته است. بنابراین، ممکن است تأثیر این روند بر رسانه‌های محلی هنوز آشکار نباشد، اما منطقی است که انتظار داشته باشیم این رسانه‌ها نیز به‌زودی با پیامدهای آن روبه‌رو شوند.

تبلیغ‌دهندگان و آژانس‌های تبلیغاتی بیش از پیش از مدل‌های هوش مصنوعی مانند ChatGPT، Perplexity، Claude و Gemini برای ایده‌پردازی درباره کمپین‌های تبلیغاتی و تصمیم‌گیری درباره نحوه تخصیص بودجه استفاده می‌کنند.

به گفته چهره‌های صاحب‌نظر در صنعت رادیو، این روند برای رسانه‌های پخش رادیویی چالش‌برانگیز است؛ زیرا به نظر می‌رسد دستیارهای دیجیتال به‌طور پیش‌فرض به نفع پلتفرم‌های پخش آنلاین عمل می‌کنند. به گفته آنان، شرکت‌های رسانه‌ای محلی معمولاً در نتایج جست‌وجوی هوش مصنوعی مولد حضور ضعیفی دارند.

دیو کَسپر، معاون ارشد خدمات دیجیتال در دفتر تبلیغات رادیویی (RAB)، گفت: «فکر نمی‌کنم واژه تبعیض یا سوگیری تعبیر درستی باشد، اما در زمینه جست‌وجوی تولیدشده با هوش مصنوعی، رادیو با چند چالش روبه‌رو است.»

او افزود: «مهم‌ترین مسئله این است که رادیو، در درجه نخست، رسانه‌ای صوتی است و هوش مصنوعی نمی‌تواند بخش بزرگی از فعالیت‌های رادیو را ببیند، چون محتوای رادیو صوتی است.»

کَسپر گفت مدل‌های زبانی بزرگ اطلاعات اندکی درباره رادیوهای محلی دارند و به آنچه در وب‌سایت ایستگاه‌ها می‌بینند و اطلاعاتی که از منابع آنلاین دیگر به دست می‌آورند، محدود هستند. در بسیاری از موارد، مجموعه داده‌های در دسترس آن‌ها بسیار محدود است.

دفتر تبلیغات رادیویی به‌تازگی مجموعه‌ای از نشست‌های زنده را به پایان رسانده است که هدف آن‌ها کمک به فعالان صنعت پخش برای استفاده از هوش مصنوعی در تقویت فعالیت‌های فروش و شناسایی فرصت‌های تازه بود.

کَسپر گفت هوش مصنوعی «به‌سرعت در حال تغییر شیوه کار فروشندگان، پژوهش، شناسایی مشتریان بالقوه و برقراری ارتباط است».

این مجموعه وبینارها بر راه‌هایی تمرکز داشت که رسانه‌های پخش می‌توانند با استفاده از نمایش عملی ابزارها، تجربه‌های همکاران و نمونه‌های موفق، ابزارهای هوش مصنوعی را در راهبردهای فروش خود ادغام کنند.

کَسپر گفت موتورهای جست‌وجوی هوش مصنوعی برای شناخت جزئیات هر ایستگاه رادیویی آموزش ندیده‌اند.

او توضیح داد: «در بسیاری از موارد، جست‌وجوی هوش مصنوعی به ویکی‌پدیا متکی می‌شود. خب، احتمالاً بسیاری از ایستگاه‌های رادیویی از سال ۲۰۰۵ تاکنون نگاهی هم به صفحه ویکی‌پدیای خود نینداخته‌اند. یا ممکن است هوش مصنوعی به مقاله‌ای در وب‌سایت اتاق بازرگانی رجوع کند که ۱۰ سال پیش نوشته شده است.»

به گفته کَسپر، رسانه‌های پخش باید یاد بگیرند اطلاعاتی ارائه کنند که هوش مصنوعی بتواند به‌طور مستمر از آن‌ها بیاموزد.

او گفت: «این موضوع برای برند خود ایستگاه‌ها به همان اندازه اهمیت دارد که برای مشتریانشان مهم است. داشتن یک وبلاگ بازاریابی برای ایستگاه رادیویی اکنون بسیار مهم است؛ زیرا مدل‌های زبانی بزرگ از این طریق می‌توانند با فرصت‌های مختلفی آشنا شوند که ایستگاه شما برای مشتریان بازار محلی ارائه می‌کند.»

او افزود: «مدل زبانی بزرگ می‌تواند این اطلاعات را دریافت کند، درباره آن‌ها بیاموزد و در گفت‌وگوهایی از آن‌ها بهره ببرد که به حل مسائل مطرح‌شده از سوی مشتریان بالقوه تبلیغاتی کمک می‌کنند.»

دفتر تبلیغات رادیویی حتی توصیه می‌کند برای ساخت صفحات وبی که محتوایشان به‌راحتی در اختیار هوش مصنوعی قرار می‌گیرد، از Claude یا ChatGPT کمک گرفته شود.

کَسپر گفت: «مدل‌های زبانی بزرگ می‌توانند بخش زیادی از این کار را انجام دهند و بار سنگینی را از دوش ما بردارند.»

او افزود: «ابزاری مانند Claude می‌تواند کد موردنیاز را برایتان بنویسد؛ دیگر لازم نیست همه‌چیز را دستی کدنویسی کنید.»

گوردون بورل، رئیس و مدیرعامل شرکت Borrell Associates، معتقد است رسانه‌های پخش باید مهارت لازم را برای کمک به مشتریان خود به دست آورند تا این مشتریان در فضای دیجیتال همچنان دیده شوند. به گفته او، یکی از راه‌های انجام این کار، آغاز گفت‌وگو با مشتریان درباره این مسئله است.

بورل گفت: «از دست دادن دیده‌شدن ذهن بسیاری از مشتریان را مشغول کرده است، اما می‌توانید بحث را به استفاده آن‌ها از هوش مصنوعی در بازاریابی نیز گسترش دهید. بپرسید آیا برای دریافت پیشنهادهای بازاریابی از هوش مصنوعی استفاده کرده‌اند یا نه. همچنین خودتان Claude، Gemini و ChatGPT را بررسی کنید تا ببینید مدل‌های زبانی بزرگ چه پیشنهادهایی ارائه می‌کنند.»

او تأکید کرد که باید نکته دیگری را نیز در نظر داشت: پاسخ‌های مدل‌های زبانی بزرگ تحت تأثیر خود کاربر قرار می‌گیرند.

بورل توضیح داد: «اگر پرسش‌های زیادی درباره رادیو مطرح کرده باشید، احتمالاً پاسخ‌هایی که دریافت می‌کنید نیز بیشتر به نفع رادیو خواهند بود.»

به گفته او، یکی دیگر از نکات کمتر شناخته‌شده درباره جست‌وجوی هوش مصنوعی، اتکای گسترده آن به ردیت (Reddit) است.

بورل ردیت را «پلتفرمی جالب» توصیف کرد و گفت: «این‌طور نیست که یک تابلوی اعلانات باشد که بتوانید به‌سادگی وارد آن شوید، مطلبی درباره خودتان یا محصولتان سنجاق کنید و بروید. باید مشارکت کنید، محتوا ارائه دهید و با دیگران تعامل داشته باشید.»

به گفته بورل، ویژگی برجسته جست‌وجوی هوش مصنوعی این است که پیش از نمایش نتایج، آن‌ها را بررسی و پردازش می‌کند.

او گفت: «من از یک متخصص، ترجیحاً یک شرکت فعال در حوزه بهینه‌سازی موتورهای مولد (GEO)، کمک می‌گیرم و از آن‌ها یاد می‌گیرم. باید به‌شدت بر اطلاعات ساختاریافته، مانند پروفایل‌های Apple Business Connect و Google Business، یلپ، فیس‌بوک و دایرکتوری‌ها تکیه کنید.»

او افزود: «همچنین به دنبال منابع معتبر باشید، نه تابلوهای اعلانات بی‌قاعده‌ای که هر کسی می‌تواند در آن‌ها هر چیزی بنویسد.»

کریس برانت، مدیر درآمدزایی دیجیتال و هوش مصنوعی در شرکت Jacobs Media، گفت استفاده مصرف‌کنندگان از جست‌وجوی مولد بر میزان بازدید وب‌سایت‌ها نیز تأثیر می‌گذارد.

برانت گفت: «در مجموع، ترافیک وب‌سایت‌های رسانه‌ای در سال ۲۰۲۶ به میزان چشمگیری کاهش یافته است؛ زیرا کاربران به‌جای کلیک روی وب‌سایت‌هایی که اخبار یا اطلاعات از آن‌ها سرچشمه گرفته‌اند، به‌طور فزاینده‌ای اطلاعات موردنیاز خود را از خلاصه‌های هوش مصنوعی گوگل دریافت می‌کنند.»

روزنامه وال‌استریت ژورنال اخیراً گزارش داده است که ترافیک وب‌سایت‌های سی‌ان‌ان و بیزنس اینسایدر بیش از ۳۰ درصد کاهش یافته است. گزارش‌های دیگر حاکی از آن‌اند که اکنون ۶۸ درصد جست‌وجوهای گوگل به هیچ کلیکی منجر نمی‌شوند، زیرا کاربران پاسخ موردنیاز خود را مستقیماً در صفحه نتایج جست‌وجو پیدا می‌کنند.

برانت می‌گوید بهینه‌سازی وب‌سایت برای هوش مصنوعی، که حتی ۱۸ ماه پیش نیز مهارتی رسمی و شناخته‌شده به شمار نمی‌رفت، اکنون به یکی از اولویت‌های بسیاری از صاحبان کسب‌وکار تبدیل شده است.

او گفت: «نقطه شروع ایستگاه‌های رادیویی همان نقطه شروع کسب‌وکارهای کوچک و متوسط است: باید مأموریت، خدمات و محتوای خود را به‌روشنی تعریف کنند تا هم موتورهای جست‌وجو و هم پلتفرم‌های هوش مصنوعی بتوانند آن‌ها را پیدا کنند.»

از دست رفتن دیده‌شدن

برای حضور در نتایج جست‌وجوی هوش مصنوعی مولد، رسانه‌های پخش باید ملاحظات ظریف و متعددی را در نظر بگیرند.

جری دل کولیانو، ناشر رسانه Inside Music Media، گفت ناشران آنلاین در حال سنجش تغییرات جست‌وجو هستند، زیرا این تغییرات بر ترافیک و درآمد آن‌ها تأثیر می‌گذارد؛ اما صنعت رادیو تا حد زیادی چنین کاری نمی‌کند.

دل کولیانو گفت: «در مقابل، رادیو هنوز هم اغلب جست‌وجوهای گوگل را معیار سنجش قرار می‌دهد.»

به گفته او، وقتی کاربران از ChatGPT می‌خواهند راه‌هایی برای گوش دادن به موسیقی یا برنامه‌های صوتی پیشنهاد کند، این ابزار احتمالاً فهرست‌های پخش اسپاتیفای، موسیقی یوتیوب، سیریوس‌اکس‌ام یا یک پادکست سراسری را معرفی می‌کند و ممکن است اصلاً نام ایستگاه رادیویی محلی را نیاورد.

دل کولیانو معتقد است با تبدیل‌شدن هوش مصنوعی به لایه‌ای تازه برای کشف محتوا، «رسانه‌های پخش پیش از آنکه شنوندگان خود را از دست بدهند، در معرض خطر از دست دادن دیده‌شدن قرار دارند».

او می‌گوید ایستگاه‌های رادیویی برای آنکه در جست‌وجوهای محلی پیدا شوند، باید برنامه‌هایی با تمرکز محلی تولید کنند و وب‌سایت‌های خود را با اطلاعیه‌های خبری و پیشنهادهای بازاریابی پربار سازند.

او افزود: «در شرایط فعلی، چه اهمیتی دارد که چهره‌های رادیویی منطقه‌ای یا ملی چه می‌کنند، چه می‌خواهند، به چه چیزی نیاز دارند یا چه چیزی را دوست دارند؟ برای آنکه رادیو در صفحه اول نتایج جست‌وجو مرتبط و قابل‌توجه باشد، باید مشکلات مالی و تصمیم‌های نادرست در تخصیص منابع را اصلاح کند و در ذهن شنوندگان محلی جایگاهی برجسته داشته باشد.»

او همچنین گفت رسانه‌های رادیویی باید در ارائه اطلاعات مفید درباره ایستگاه‌های خود به هوش مصنوعی عملکرد بسیار بهتری داشته باشند.

دل کولیانو گفت: «اگر مدیریت یک شرکت رادیویی را بر عهده داشتم، نمونه‌های موفقیت را یکی پس از دیگری در اختیار هوش مصنوعی می‌گذاشتم. فعالان صنعت رادیو فکر می‌کنند هوش مصنوعی سفری اسرارآمیز و جادویی است، اما باید مطالبی در اختیارش قرار دهید تا آن‌ها را بررسی کند.»

اطلاعات بیشتر: از SEO تا GEO

کارشناسان می‌گویند رسانه‌های رادیویی برای حضور در جست‌وجوهای هوش مصنوعی باید از روش‌های سنتی بهینه‌سازی موتورهای جست‌وجو (SEO) به سمت بهینه‌سازی موتورهای مولد (GEO) حرکت کنند.

برای این منظور، رسانه‌ها باید محتوای وب‌سایت خود را در قالب‌هایی ساختاریافته و پرسش‌محور تنظیم کنند که ماشین‌ها بتوانند آن‌ها را بخوانند؛ متن پیاده‌شده برنامه‌های رادیویی را منتشر کنند و در سراسر وب، نشانه‌های معتبری از حضور محلی و هویت برند خود ایجاد کنند.

در ادامه، فهرستی از ابزارها و روش‌های بهینه‌سازی برای جست‌وجوی هوش مصنوعی ویژه رسانه‌های پخش ارائه شده است که با استفاده از یک دستور متنی در Gemini تهیه شده است:

با زبان طبیعی بنویسید: متن وب‌سایت را بر اساس عبارت‌های محاوره‌ای و پرسش‌های مشخص و طولانی تنظیم کنید؛ برای مثال، «چطور می‌توانم در شهر [نام شهر] به [نام ایستگاه] گوش بدهم؟» یا «کدام برنامه موسیقی کانتری صبح‌های شنبه پخش می‌شود؟».

پاسخ مستقیم را در ابتدا بیاورید: مقاله‌ها، زندگی‌نامه مجریان و راهنماهای ایستگاه را با خلاصه‌ای روشن و کوتاه، در حدود ۴۰ تا ۸۰ کلمه، آغاز کنید تا موتورهای مولد بتوانند به‌راحتی آن را استخراج و نقل کنند.

از ساختارهای خوانا و قابل‌مرور استفاده کنید: متن را با عنوان‌های پرسشی روشن، فهرست‌های نشانه‌دار و بخش‌های خلاصه کوتاه تقسیم‌بندی کنید.

صفحه‌های پرسش‌های متداول اختصاصی بسازید: بخش‌های جامع پرسش‌های متداول ایجاد کنید که رویدادهای محلی، روش گوش‌دادن آنلاین، قوانین مسابقه‌ها و تعرفه‌های تبلیغاتی را پوشش دهند.

متن پیاده‌شده محتوای صوتی را منتشر کنید: مصاحبه‌های روی آنتن، بخش‌های اخبار محلی و برنامه‌های تخصصی را به متن تبدیل کنید تا مدل‌های هوش مصنوعی بتوانند محتوای گفتاری را نمایه‌سازی کنند.