چگونه پرامپت‌های جستجوی هوش مصنوعی را در سرچ کنسول ببینیم؟

چگونه کوئری‌های شبیه پرامپت را از سرچ کنسول استخراج کنیم؟

پس چطور می‌توان به این داده‌ها از پرامپت‌های کاربران در Search Console دسترسی پیدا کرد؟ بهترین روش نگاه کردن به کوئری‌های طولانی‌تر است. با کمی regex، می‌توانیم داده‌هایمان را به کوئری‌هایی با ۱۰ کلمه یا بیشتر فیلتر کنیم، با فرآیند زیر:

1. وارد Search Console Performance > Search Queries شوید
2. Add Filter > Query را انتخاب کنید
3. Custom Regex را انتخاب کنید
4. این regex را وارد کنید:

^(?:\S+\s+){9,}\S+$

این یک Regex است که برای فیلتر کردن کوئری‌های جستجو در سرچ کنسول استفاده می‌شود و فقط کوئری‌هایی را نشان می‌دهد که ۱۰ کلمه یا بیشتر دارند.

چون کوئری‌های ۱۰ کلمه‌ای به بالا معمولاً نشانه این هستند که کاربر مثل یک پرامپت هوش مصنوعی جستجو کرده، نه جستجوی کلاسیک کوتاه.

نمی‌توانم اسکرین‌شات داده‌ها را اینجا به اشتراک بگذارم، اما اینجا چند نمونه از انواع کوئری‌هایی که می‌بینم آورده‌ام. سناریو را برای رعایت حریم خصوصی تغییر داده‌ام، اما وسعت نسبی کوئری‌ها را حفظ کرده‌ام:

• «یک روز کامل در پارک ملی گلیشر برنامه‌ریزی کن. می‌خواهم یک مسیر کوهنوردی با چشم‌انداز زیبا بروم، حیوانات وحشی یا جاذبه‌های طبیعی منحصربه‌فرد ببینم، و یک وعده غذایی سریع از یک مهمان‌خانه یا فروشگاه غذای نزدیک بخورم»
• «بهترین پلتفرم‌های عملکرد ایمیل و قابلیت تحویل که به برنامه‌های ایمیل مارکتینگ کمک می‌کنند تا قرارگیری در اسپم را کاهش دهند، مشترکان کم‌کیفیت یا جعلی را فیلتر کنند و نرخ رسیدن به inbox را بهبود بخشند کدامند؟»
• «کدام پلتفرم‌های هوش فعال‌سازی فروش برای تجزیه‌وتحلیل قیف فروش سازمانی و بینش‌های تعامل خریدار در فرانسه بیشترین پذیرش و مقرون‌به‌صرفه‌ترین هستند؟»
• «اگر یک مشاور بودید، کدام اپلیکیشن را برای استفاده از تجسم داده‌های پیشرفته جهت کمک به تیم‌ها در تفسیر داده‌های عملیاتی یا مشتری پیچیده توصیه می‌کردید؟»

الان باید صریح باشم: مدرک مستقیمی نداریم که این نوع کوئری‌ها مستقیماً از ChatGPT، AI Mode یا هر پلتفرم هوش مصنوعی دیگری هستند. در حالی که می‌دانیم از مطالعه موردی بالا این ممکن است، این می‌تواند فقط کاربرانی باشند که از Google بیشتر شبیه LLM استفاده می‌کنند.

با این حال، استدلال می‌کنم که این هنوز به همان اندازه ارزشمند است، چون می‌خواهیم تحلیل کنیم مردم چه چیزی در LLM‌ها تایپ می‌کنند. اگر مثل داده مکالمه به نظر برسد، پنجره‌ای واقعی به نحوه جستجوی مشتریانتان با رشته‌های کوئری بسیار طولانی‌تر است.

یکی از نقل‌قول‌های مورد علاقه‌ام از ویل کریچلو این است: «ما تجارت انجام می‌دهیم، نه علم.» این در حالی که به سمت چشم‌اندازی با کمترین کلیک و کمترین attribution می‌رویم، حتی بیشتر صدق می‌کند. این داده در دسترس است، شما باید تصمیم بگیرید آیا می‌خواهید از آن استفاده کنید یا نه.

استفاده از کلاد برای تحلیل پرامپت

در حال حاضر، ابزار محبوب برای تجزیه‌وتحلیل داده‌ها Claude است. قابل اعتمادترین نتایج، تجسم‌های بصری بسیار خوب، و در صورت نیاز قابلیت یکپارچه‌سازی با Claude Code را می‌دهد.

پس از export کردن فایل، می‌توانید لیست «پرامپت‌ها» را به Claude آپلود کنید و از آن بخواهید تحلیل رفتاری داده‌ها را شروع کند. به این ترتیب می‌تواند موضوعات و روندهایی را در داده‌ها شناسایی کند که می‌توانید برای ردیابی بهتر پرامپت از آن‌ها استفاده کنید.

پس از ارائه داده‌ها، یک تحلیل سفارشی انجام می‌دهد و نتایج ارائه می‌دهد. با این حال، فکر می‌کنم پرسیدن سؤالات خاص درباره داده‌ها که می‌توانید برای ردیابی پرامپت استفاده کنید حتی ارزشمندتر است. برای مثال، سؤالاتی که از آن پرسیدم شامل این موارد بود:

• مشتریان درباره برند من چه می‌پرسند؟
• رایج‌ترین روش‌هایی که کاربران LLM‌ها را پرامپت می‌کنند کدامند؟ سؤالاتشان را چطور قاب‌بندی می‌کنند؟
• به کدام ویژگی‌های محصول ما مردم بیشتر اهمیت می‌دهند؟
• بر اساس این داده‌ها بیشتر درباره مشتریان ما بگو

پس از گذاشتن این سؤالات، پاسخ‌های جالبی به دست آمد. پاسخ‌های واقعی به این سؤالات بسیار ارزشمندتر از آن چیزی بود که در اسکرین‌شات‌ها نشان داده شد. Claude توانست برخی بینش‌های تجاری واقعاً خوبی در مورد چیزی که مشتریان دنبال آن بودند پیدا کند.

منبع