நான் உருவாக்கிய AI-அடிப்படையிலான SEO pipeline, தொடர்ச்சியான impressions-களை வெறும் flat traffic-ஆக மாற்றியது—நான் Google Search Console (GSC) இன் டாப் 15 கேள்விகளைத் (queries) துரத்துவதை நிறுத்திவிட்டு, அவற்றின் கடினத்தன்மை (difficulty), பொருத்தம் (relevance) மற்றும் கிளிக்-த்ரூ (click-through) சாத்தியக்கூறுகளை வடிகட்டத் தொடங்கிய பிறகுதான் மாற்றம் ஏற்பட்டது. புதிய கட்டுரைகள் அதிக தரவரிசையைப் (rank) பெறுகின்றன மற்றும் 2-3% click-through rate-ஐப் பெறுகின்றன. அதிகப் போட்டி கொண்ட தலைப்புகளைத் தேடுவதைத் தவிர்த்து, நுணுக்கமான இடைவெளிகளை (micro-gaps) இலக்கு வைப்பதன் மூலம் ஒரு சிறிய இணையதளத்தால் வெற்றி பெற முடியும் என்பதை இது நிரூபிக்கிறது.

முதல் pipeline-இல் என்ன தவறு நடந்தது

எனது ஆரம்பகால அமைப்பு GSC தரவுகளைச் சேகரித்து (scraped), "content gaps"-களைக் கண்டறிந்து, ஒவ்வொரு query-யையும் முழுநீளக் கட்டுரைக்காக Claude 3 Opus-க்கு அனுப்பியது. அந்த வரைவு (draft) தானாகவே Dev.to மற்றும் எனது சொந்த domain-இல் பதிவிடப்பட்டது. மூன்று மாதங்களுக்குப் பிறகு, traffic வளர்ச்சி மந்தமானது. எழுத்து நடை சிறப்பாக இருந்தது; ஆனால் நான் ஒரு "gap"-ஐ எவ்வாறு வரையறுத்தேன் என்பதில்தான் குறை இருந்தது.

அதிக impressions இருந்தும், மிகக் குறைந்த தரவரிசையைக் கொண்டிருந்த 15 queries-களை நான் தேர்ந்தெடுத்து வந்தேன். ஒரு நடுத்தர அளவிலான இணையதளத்தில், அதிக impressions கொண்ட சொற்கள் கடுமையான போட்டி நிறைந்த துறைகளைச் (niches) சார்ந்தவை. அந்த pipeline, AI-க்கு அது ஒருபோதும் வெல்ல முடியாத keywords-களை வழங்கியது, அதனால் அந்தத் தரவுகள் எந்த மாற்றத்தையும் ஏற்படுத்தவில்லை.

இடைவெளியைக் கண்டறியும் தர்க்கத்தை (gap-finding logic) மறுவடிவமைப்பு செய்தல்

இந்த மாற்றமானது எண்ணிக்கையிலிருந்து தரத்திற்கு (quality) கவனத்தை மாற்றியது, மேலும் ஒரு query ஒரு இடத்தைப் பெறுவதற்கு முன்னதாக மூன்று மதிப்பீட்டு அடுக்குகளைச் (judgment layers) சேர்த்தது.

  • Topical cluster affinity – இந்த agent, ஒரு புதிய query-யை எனது ஏற்கனவே சிறப்பாகச் செயல்படும் கட்டுரைகளுடன் ஒப்பிடுகிறது. அதன் பொருண்மை ஒற்றுமை (semantic similarity) ஒரு குறிப்பிட்ட அளவை விடக் குறைவாக இருந்தால், அந்த query நீக்கப்படும், இது எனது தலைப்பு சார்ந்த அதிகாரத்தை (topical authority) வலுப்படுத்தும்.
  • Keyword difficulty filter – ஒரு விரைவான Google SERP scrape மூலம் முதல் 10 முடிவுகளின் அதிகாரத்தைச் சரிபார்க்கிறது. அந்தப் பட்டியலில் Wikipedia அல்லது முக்கிய செய்தி நிறுவனங்கள் போன்ற தளங்கள் ஆதிக்கம் செலுத்தினால், அந்த query நிராகரிக்கப்படும்.
  • CTR potential – GSC-இல் ஏற்கனவே போதுமான click-through rates-ஐக் காட்டும் queries முன்னுரிமை பெறுகின்றன; இது தற்போதைய தரவரிசை குறைவாக இருந்தாலும், பயனர்களின் உண்மையான ஆர்வத்தைக் குறிக்கிறது.

நான்காவது விதி, இலக்கை long-tail phrases-களுக்குள் மட்டுப்படுத்துகிறது: நான்கு அல்லது அதற்கு மேற்பட்ட சொற்கள் கொண்ட queries மட்டுமே அனுமதிக்கப்படும், இதன் மூலம் பரந்த மற்றும் அதிகப் போட்டி கொண்ட சொற்கள் தானாகவே நீக்கப்படுகின்றன.

புதிய pipeline எவ்வாறு இயங்குகிறது

  • Analysis – Oracle Cloud Infrastructure (OCI)-இல் உள்ள ஒரு Python agent சமீபத்திய GSC தரவுகளைப் பெற்று, affinity, difficulty மற்றும் CTR வடிகட்டிகளைப் பயன்படுத்தி, சாத்தியமான queries-களின் ஒரு சிறிய பட்டியலை வெளியிடுகிறது.
  • Outlines – Groq-இன் Llama 3 8B மாடல் சில நொடிகளில் ஒரு கட்டமைப்பை (skeleton) உருவாக்குகிறது; அதன் குறைந்த செலவு தினசரிப் பயன்பாட்டிற்கு ஏற்றதாக உள்ளது.
  • Drafting – Claude 3 Opus அந்த கட்டமைப்பைத் தொழில்நுட்ப ரீதியாக விரிவான கட்டுரையாக மாற்றுகிறது, அதன் ஆழம் குறையாமல் விஷயத்தைத் துல்லியமாகச் சொல்கிறது.
  • Review – ஒரு custom agent, அந்த வரைவில் கருத்துத் திருட்டு (plagiarism), keyword density மற்றும் code-syntax சரியானத்தன்மை ஆகியவற்றைச் சரிபார்த்து, ஒரு மனிதர் பார்ப்பதற்கு முன்பே ஏதேனும் சிக்கல்கள் இருந்தால் சுட்டிக்காட்டுகிறது.
  • Publishing – AI, Dev.to-இல் ஒரு வரைவுப் பதிவை (draft post) உருவாக்குகிறது; நான் அதை மேலோட்டமாகப் பார்த்து, இறுதி மாற்றங்களைச் செய்து, பின்னர் நேரலையில் (live) வெளியிடுகிறேன்.

இந்தச் செயல்முறை இப்போது பகுதி-கைமுறையாக (semi-manual) உள்ளது: AI கடினமான வேலைகளைச் செய்கிறது, ஆனால் வெளியிடுவதற்கு முன்பு நான் ஒப்புதல் அளிக்கிறேன். இந்தச் சமநிலை, முதல் முயற்சியைத் தடுத்த அதே சிக்கலை (bottleneck) மீண்டும் உருவாக்காமல் தரத்தை உயர்வாக வைத்திருக்க உதவுகிறது.

அளவிடக்கூடிய தாக்கம்

இந்த pipeline இப்போது குறைவான கட்டுரைகளையே உருவாக்குவதால், வெளியீட்டு அளவு குறைந்துள்ளது, ஆனால் ஒவ்வொரு கட்டுரையும் சிறப்பாகச் செயல்படுகிறது:

  • Click-through rates 2-3% வரம்பில் உள்ளன.

சிறிய இணையதளங்களுக்கு இந்த பாடம் ஏன் முக்கியமானது

"Content gap" என்பது பெரும்பாலும் தரவரிசை இல்லாத எந்தவொரு keyword-க்கும் என்று தவறாகக் கருதப்படுகிறது. வரையறுக்கப்பட்ட domain authority கொண்ட ஒரு இணையதளத்திற்கு, அந்த வரையறை அர்த்தமற்றது—அத்தகைய பெரும்பாலான இடைவெளிகள் ஆழமான backlink profiles கொண்ட பெரிய நிறுவனங்களுக்கே சொந்தமானவை. ஏற்கனவே உள்ள நிபுணத்துவத்துடன் ஒத்துப்போகும் நுணுக்கமான வாய்ப்புகளை (micro-opportunities) இலக்கு வைப்பதன் மூலம், ஒரு இணையதளம் தனது தலைப்பு சார்ந்த பொருத்தத்தை (topical relevance) அதிகரிக்க முடியும், இயற்கையாகவே backlinks பெற முடியும் மற்றும் படிப்படியாக SERPs-இல் முன்னேற முடியும்.

முரண்பட்ட கருத்து: AI என்பது எல்லாப் பிரச்சினைகளுக்கும் தீர்வு அல்ல

இந்த pipeline இன்னும் துல்லியமான SERP பகுப்பாய்வு மற்றும் சரியான ஒற்றுமை வரம்புகளை (similarity thresholds) நம்பியிருக்கிறது. மனித ஆய்வின் படி (human review) இப்போதும் அவசியமானது; AI தவறான தகவல்களைத் தரலாம் (hallucinate) அல்லது keyword density-க்காக அளவுக்கு அதிகமாகச் செயல்படலாம், இது பயனர் அனுபவத்தையும் தரவரிசையையும் பாதிக்கும்.

அடுத்து கவனிக்க வேண்டியவை

இதன் முக்கியக் கருத்து மாறாதது: சிறிய வெளியீட்டாளர்கள் சாத்தியமற்ற தரவரிசைகளைக் குறிவைக்கும் உள்ளடக்கங்களால் இணையத் தேடலை நிரப்புவதன் மூலம் அல்லாமல், தேடல் தேவையின் சரியான பகுதிகளைத் (right slices of search demand) தேர்ந்தெடுப்பதன் மூலமே வெற்றி பெற முடியும்.

சுருக்கம்: AI-ஆல் மேம்படுத்தப்பட்ட SEO பணிப்பாய்வில் (workflow), யதார்த்தமான மற்றும் வெற்றியை நோக்கிய ஒரு "content gap"-ஐ வரையறுப்பதே மனிதர்களின் மிக முக்கியமான பங்களிப்பாகும். தேவையற்ற இரைச்சல்களைத் தவிர்த்து, பொருத்தம் (affinity) மற்றும் கடினத்தன்மை (difficulty) ஆகியவற்றில் கவனம் செலுத்துங்கள், வரைவுப் பணிகளை மாடல்களிடம் விட்டுவிடுங்கள்.

Source: https://dev.to/elenarevicheva/15-gsc-queries-my-ai-content-pipelines-reality-check-405o

Optional learning community: https://t.me/GyaanSetuAi