Yapay zeka çağında organik arama analiziyle nasıl mücadele edilir

Organik trafiğin neredeyse sıfıra düştüğünü görmek

Bir noktada, Rochester Üniversitesi’nin NewsCenter’ında yayınlanan yeni bir makale, sosyal medya ve bültenler aracılığıyla tanıtıldı ve bu içerik, neredeyse sıfıra düşmeden önce ilk hafta trafik sağladı.

Bu trafik artışı, üniversitenin ana iş hedefi olan farkındalık yaratmak ve içeriğin birincil KPI’ları (sayfa görüntülemeleri ve yeni ziyaretçiler) açısından olumlu bir gelişmeydi. Ancak Brian ve ekibi, bu tür tek seferlik trafik artışlarının yeterli olmayacağını biliyorlardı.

Bunun üzerine, kitleyi analiz ettiler ve içerik oluşturma ve optimize etme konusunda bir strateji geliştirdiler. Bu stratejinin amacı, benzer sorular soran gelecekteki ziyaretçilerin, arama sonuçlarında Rochester Üniversitesi’ni görmesini sağlamaktı.

Veri odaklı stratejiler başarılı oldu. 1 Temmuz 2022 ile 30 Haziran 2023 arasındaki dönemde, organik arama trafiği ve sayfa görüntülemeleri, 1 Temmuz 2017 ile 30 Haziran 2018’e kıyasla %540 oranında arttı.

Sıralamaları ve organik arama trafiğini arttırmak

Birçok pazarlama analisti ve veri analisti için, SEO hala kuruluşları için en önemli KPI’lardan biridir. Ancak günümüzün SEO dünyası, her zamankinden daha az tahmin edilebilir (ve her zaman biraz gizemli olmuştur).

Küçük değişiklikler yaparak organik trafiğiniz üzerinde büyük bir etki yaratabilirsiniz. Brian, sürecin verilerle başladığını ve verilerle sonlandığını söylüyor. Mevcut ölçümleri stratejiniz ve hedefleriniz doğrultusunda analiz edin. Ardından, değişiklikler yapın ve bu değişikliklerin etkisini ölçün. Rochester Üniversitesi’nin bunu başardığı birkaç yol ve sizin nasıl yapabileceğinize dair örnekler:

Meta açıklamalar: Veriler, Rochester Üniversitesi’nin birkaç yüksek hacimli arama terimi için iyi sıralamalara sahip olduğunu ancak arama yapanların içeriklerine tıklamadığını gösterdi. Brian, meta açıklamalarını optimize etmek için belirli program adlarını (örneğin, Simon Kabul Ekibi) ekledi ve bu, arama yapanların programların sitelerini tıklayıp ziyaret etmeye başlamalarını sağladı.

Görüntüler ve sosyal medya: Geleneksel bir görüş, arama motoru tarayıcılarının metin okumadığı için resimlerin içinde metin bulundurulmaması gerektiğini savunur. Ancak Brian, bunun artık geçerli olmadığını söylüyor. Ekibi, kurum içindeki okullara ve programlara, logolarını yayınlanan görsellere yerleştirmelerini tavsiye ediyor. Brian, resimler arama sonuçlarında görünmeye başladığında, kullanıcıların kurum adını görebileceğini belirtiyor.

Aynı metin ve resim tavsiyesi, kapaklar, afişler ve başlıklar gibi sosyal medya görsel içerikleri için de geçerlidir.

Sosyal medya görselleri: Sosyal medya görselleri yalnızca görünmekle kalmaz, aynı zamanda sosyal medya hesaplarınız da arama sonuçlarında yer alabilir. Brian, bunun profilinize doğru anahtar kelimeler eklemeyi daha da önemli hale getirdiğini söylüyor.

Sesli arama: Özellikle Z kuşağı ve Alfa kuşağı gibi genç nesiller, sesli aramayı daha sık kullanmaya başlıyor. Brian, sesli platformlarda yanıtların markalı arama terimleri ve stratejik anahtar kelimeler içerip içermediğini görmek için zaman harcıyor.

Brian, “Sesli arama ile ilgili püf noktası, tek bir sonuç olmasıdır,” diyor. Üniversitenin bu cevaba dahil edilmesi stratejisi, metin tabanlı arama sonuçlarında öne çıkan snippet’ler olmaktır. Ardından, markasını sesli arama sonuçlarına dahil etmek için bu içeriği optimize eder.

Brian, “Birisi New York’taki iyi araştırma üniversiteleri hakkında bir soru sorduğunda, Rochester Üniversitesi’nin bu okullardan biri olduğunu söylemesini istiyoruz,” diye açıklıyor.

Topluluk arama: Veriler ayrıca, Brian’a geleneksel arama motorlarının Rochester Üniversitesi’nin organik kitlelerini çekmek için yeterli olmadığını gösteriyor. Z kuşağı ve Alfa kuşağı, sıklıkla Reddit gibi topluluk sitelerinde arama yapmayı tercih ediyor. Bu nedenle Brian, bu toplulukları izliyor.

“Uzmanlarımızın bu topluluklara katılmasını, değer katmasını ve içeri girip soruları yanıtlamasını sağlıyoruz. Bu kanallarda hiçbir şey sunmadan veya satmadan, sorunları çözmeye nasıl yardımcı olacağımızı bulmaya çalışıyoruz,” diyor.

Yapay zeka tarafından oluşturulan sonuçlar için içeriği optimize etme

Sesli ve topluluk aramaları, modern arama trafiği farklılıklarının tek örneği değildir. Günümüzde, içeriğinizin ve markanızın üretken yapay zeka sonuçlarında, sohbet robotlarında ve arama motorlarında nerede göründüğüne dair verilere sahip olmak da son derece önemlidir.

Brian ve ekibi, Rochester Üniversitesi’nin ChatGPT ve Gemini gibi araçlarda, markalı ve markasız hedeflenen anahtar kelimeler için nerede göründüğünü izliyor. Brian, “Bu farklı araçlardaki sonuçları araştırıyoruz, hangi içeriğin geri döndüğünü ve bunu nasıl değiştirebileceğimizi ve etkileyeceğimizi gözlemliyoruz,” diyor.

Örneğin, Rochester Üniversitesi, “ABD Neden I. Dünya Savaşı’na Girdi?” başlıklı bir makale yayınladı. Bu makale, Siyaset Bilimi doçenti ve Savaş ve Ceza: Savaşın Sona Ermesi ve Birinci Dünya Savaşı’nın Nedenleri kitabının yazarı Hein Goemans’ın görüşlerini içeriyordu.

Başlık, bu soruyu arayan kişiler için iyi bir uyum sağlıyor – büyük olasılıkla lise öğrencileri tarih dersleri için bir makale yazan veya üniversite için ideal müşteri profili olan kişiler. Brian, bu konuda trafik beklediği için, ziyaretçilerin Rochester Üniversitesi’nin tarih programı hakkında daha fazla bilgi edinmelerini sağlamak adına sayfaya harekete geçirici mesajlar ekliyor.

Ancak Brian, ChatGPT’ye “ABD neden I. Dünya Savaşı’na girdi?” diye sorduğunda, cevap açıkça Rochester Üniversitesi makalesinden bahsetmiyordu.

“ChatGPT’yi kullanmanın güzel yanı, sadece şu soruyu sorabilmenizdir: ‘Peki, kaynaklar nelerdir? Bilgilerinizi nereden alıyorsunuz?’ Ve size bunu söyleyecektir,” diyor Brian.

Sonunda, ChatGPT aramasının makaleye atıfta bulunduğu, ancak yanıtının bunu göstermediği ortaya çıktı.

Bunun ardından, ekip, yapay zeka tarafından oluşturulan yanıtlar üzerinde daha büyük bir etkiye sahip olmak için üniversitenin içeriğini nasıl ayarlayabileceğini görmek amacıyla alıntılanan içeriği inceledi.

Brian’ın sunumundan sonra, bir Google araması yaparak “ABD neden 1. Dünya Savaşı’na girdi?” diye sordum. Google AI genel bakışında, Rochester Üniversitesi’nin makalesi kaynak olarak gösteriliyordu.

Ayrıca, soru Google’ın Gemini’si aracılığıyla sorulduğunda listelenen dördüncü kaynak olarak da ortaya çıktı:

Rochester Üniversitesi makalesi henüz bir ChatGPT yanıtında paylaşılmamış olsa da, makale bir yapay zeka arama motoru olan Perplexity tarafından aynı arama için alıntılanmaktadır:

SEO analizine yardımcı olmak için yapay zeka kullanmak

Üretken yapay zeka istemi yanıtları ve arama sonuçlarında görünürlük kazanacak şekilde içerik tasarlamak, yapay zekanın pazarlama analizlerinize yardımcı olmasının tek yolu değildir. Yapay zeka aynı zamanda analiz yapma konusunda da size yardımcı olabilir.

Brian, Google Arama Konsolu’nun çok sayıda yararlı veri sunduğuna rağmen, verilerin kolayca tüketilebilecek bir şekilde sunulmadığını belirtiyor. “Sayfa URL’sini ve anahtar kelimeyi aynı görünümde göremiyorsunuz. Ayrıca Google Arama Konsolu’ndan dışa aktardığınızda, yalnızca gerçek verilerin bir kısmını alırsınız,” diyor.

Bunun üzerine Brian, Google’ın Looker Studio’sundan (ücretsiz) yardım aldı. Looker Data Studio’yu Google Search Console hesabına bağlayarak, tüm verilere tek bir gösterge tablosu üzerinden erişmeyi başardı. Böylece, üniversitenin NewsCenter içeriği için arama sorgusu, URL, gösterimler, tıklamalar ve içerik için ortalama sıralama konumu gibi verilerle daha kolay çalışabiliyor.

Aslında URL’yi en üste koyabilirsiniz ve size o sayfada sıraladığınız tüm farklı terimleri söyleyecektir. Bu nedenle, içeriğinizi optimize etmek istediğinizde, bu harika bir kaynaktır. Bunu her zaman kullanıyoruz ve NewsCenter sitemizde 929.000 sonucu [analiz ediyoruz].

Ancak yapay zeka yardımı burada bitmiyor. Brian, Looker Studio gösterge tablosu ölçümlerini bir elektronik tabloya aktardı ve CSV dosyasını ChatGPT’ye yükledi.

Trust Insights’tan Christopher Penn’in yarış çerçevesini kullanarak bir istem hazırladı: – rol, eylem, bağlam, yürütme.

Rol: “Siz bir içerik pazarlama uzmanısınız.”
Eylem: “Stratejik önceliklerimizi destekleyecek ve aday lisans öğrencileri, yüksek lisans öğrencileri veya bilgi arayanlar için alakalı olacak yeni içerikler hakkında stratejik önerilerde bulunacaksınız.”
Bağlam: “Şu anda arama potansiyeline sahip olduğumuz alanları görmek ve bunları hedef kitlemizin genel ilgi alanıyla karşılaştırmak ve hangi içeriğin stratejik önceliklerimizi de destekleyebileceğini belirlemek için ekteki arama konsolu verilerini kullanın [http://boundless.rochester.edu].”
Yürütme: “Lütfen 20 yeni içerik fikri oluşturun. Acele etmeyin.”

ChatGPT, Rochester Üniversitesi’nin halihazırda sıralandığı konu alanlarıyla stratejik olarak ilgili içerik fikirlerini hemen sundu. Brian, “Bu, belirli alanlarda uzmanlığımızı ve yetkimizi oluşturmamıza yardımcı olacak, böylece daha fazla terim için sıralamaya başlayacağız ve bu da bizim için ekstra arama gücü katacak” diyor.

Yapay zeka, sen ve AI sen ile denemeler

Yapay zeka motorlarının opak doğası, Brian gibi pazarlamacıların ve veri analistlerinin de keşfetmesi, gözlemlemesi ve denemesi gerektiği anlamına gelir.

Bazı veriye dayalı önerilerde bulunun. Bazı şeyleri deneyin ve işe yarayıp yaramadığını ölçün. Eğer yapmazlarsa, başka bir şey deneyin. Eğer yaparlarsa, arama formülü değiştiğinde sürmeyebileceğini bilin.

Kaynak: https://contentmarketinginstitute.com

Facebook\\\\\\\'ta paylas

Tweetle