لنبدأ بالخلاصة: حين يقرأ محرك ذكاء اصطناعي صفحتك، لا ينشغل أولاً بجودة أسلوبك، بل يحلل HTML إلى شجرة، ويستبعد ما يصنّفه ضوضاء، ثم يحوّل المحتوى المتبقي إلى نص عادي أو Markdown. فإذا كانت الصفحة مكدّسة بعشرات الطبقات من عناصر div، وكان العنوان مجرد نص كبير وعريض، فقد يتفتت المحتوى في هذه المرحلة أو يُصنّف خطأً كشريط جانبي، فلا يصل أصلاً إلى قائمة المراجع المرشحة. HTML النظيف ليس هوساً هندسياً؛ بل هو الحد الفاصل بين محتوى يمكن للذكاء الاصطناعي الاستشهاد به وآخر يتجاوزه.
المشكلة أن معظم محركات الذكاء الاصطناعي لا تعرض الصفحة بالكامل كما يفعل المتصفح. بل تستخدم عمليات استخراج شبيهة بأدوات تحسين قابلية القراءة: تحدد منطقة المحتوى الرئيسية، وتزيل شريط التنقل والتذييل، وتتخذ من h1 إلى h3 هيكلاً، ومن الفقرات والقوائم مادة المحتوى. أما التسلسل البصري الذي صممته بعناية عبر CSS فلن تراه؛ إذ تتعرف إلى البنية التي تكشفها وسوم HTML نفسها. لذلك قد تتطابق صفحتان تماماً على الشاشة، لكن يُقتبس من إحداهما مراراً بينما تعجز الأخرى عن الظهور في الإجابات مهما عُدّلت صياغتها.
حين يزداد عمق تداخل div، يضلّ نظام الاسترجاع طريقه
تنتج أطر الواجهات الحديثة بسهولة ما يُعرف بـ«حساء div»: يُغلَّف كل عنصر بطبقة إضافية من عناصر div، حتى تُدفن فقرة كان يفترض أن تكون وصفاً متكاملاً تحت ثماني إلى عشر طبقات بلا أي دلالة. يعتمد المستخرج على قواعد استدلالية، مثل كثافة النص وأنواع الوسوم، ليقرر أين يوجد المحتوى الرئيسي. وكلما تعمق التداخل واختلطت الفقرة بشذرات قصيرة، كالأزرار والتسميات، انخفضت درجة ثقته. وقد يختار منطقة غير صحيحة، أو يقسم فقرتك المتصلة إلى ثلاثة أجزاء منفصلة ويتعامل معها باعتبارها نصوصاً غير مترابطة.
الحل مباشر: ضع المحتوى الرئيسي داخل وسوم دلالية. يحتوي <main> أهم محتوى في الصفحة، ويضم <article> مادة يمكن قراءتها بصورة مستقلة، وينظم <section> أقسامها، بينما يجمع <figure> الصورة ووصفها. هذه الوسوم تخبر المستخرج بوضوح: «هذا هو المحتوى المهم». قد يتعذر حذف جميع طبقات التغليف التي يولدها إطار العمل، لكن احرص على الأقل على أن تكون الطبقة الخارجية للمحتوى الرئيسي <main> أو <article>، لا عنصر div في الطبقة الثانية عشرة يحمل فئة باسم wrapper. وما يمكن إنجازه بطبقة واحدة من الوسوم الدلالية لا يحتاج إلى ثلاث طبقات من div.
تسلسل العناوين هو الفهرس الذي تعدّه للذكاء الاصطناعي
يتعامل المستخرج مع h1 إلى h6 باعتبارها جدول محتويات كاملاً، ويعتمد عليها لتقسيم النص إلى مقاطع. إذا كان التقسيم واضحاً، استطاع الذكاء الاصطناعي اقتباس الفقرة المناسبة بدقة للإجابة عن سؤال بعينه. أما إذا اضطرب، فستُجمع المقالة في كتلة واحدة ويضيع سياق الاقتباس. ولتجنب ذلك، يكفي الالتزام بثلاثة مبادئ.
- ضع h1 واحداً فقط في الصفحة، ويكون عادةً عنوان المقال، ثم نظّم بقية الأقسام بدءاً من h2 وما يندرج تحته.
- لا تتخطَّ المستويات: يجب أن يلي h2 مستوى h3، لا أن تقفز مباشرة إلى h4؛ فتجاوز المستويات قد يجعل المستخرج يسيء فهم تبعية الفقرات.
- العنوان بنية لا نمط بصري: إذا أردت تكبير سطر ما، فاستخدم CSS. لا تستخدم h2 لمجرد تكبير النص، ولا تحشد عناوين كثيرة من المستوى نفسه سعياً إلى تحسين SEO.
من أكثر الأخطاء شيوعاً أن تحتوي الصفحة كلها على h1 واحد، بينما تُصنع بقية «العناوين الوهمية» باستخدام div والخط العريض. بالنسبة إلى الزاحف، لا تضم هذه المقالة أقساماً، بل فقرة نصية طويلة متصلة لا يمكن إلا التقاطها كاملة أو تجاهلها كاملة. استبدال العناوين الوهمية بعناصر h2 وh3 حقيقية يشبه تسليم الذكاء الاصطناعي فهرساً واضحاً يرشده إلى نقطة البداية.
الوسوم والسمات الدلالية: معنى مفهوم من دون الاعتماد على CSS
تعالج البنية مسألة «استخراج المحتوى بصورة نظيفة»، بينما تعالج السمات مسألة «فهم المحتوى بعد استخراجه». تمنح سمة alt الصور معنى في بيئة نصية خالصة، ويمنع <time datetime> قراءة التاريخ كسلسلة أحرف بلا دلالة، ويحافظ استخدام <table> و<th> على العلاقات بين الحقول عند التحويل إلى Markdown. أما جمع المصطلحات وتعريفاتها ضمن <dl> و<dt> و<dd>، فيتيح للنموذج استخراجها كمجموعة مرتبة من الأسئلة والأجوبة. وقد صُممت سمات ARIA، مثل aria-label وaria-labelledby، أساساً لدعم إمكانية الوصول، لكنها تمنح أيضاً معنى قابلاً للقراءة آلياً للعناصر التي لا تحتوي نصاً ظاهراً.
استخدم سمات البيانات في موضعها الصحيح، ولا تنتظر منها مفعولاً سحرياً
لنكن صريحين: معظم أدوات الجلب بالذكاء الاصطناعي لن تقرأ سمات data-* المخصصة لديك؛ فهي لم تُصمم لفهم تسمياتك الخاصة. أما «سمات البيانات» المدعومة فعلياً على نطاق واسع فهي المستندة إلى معايير، ومنها itemprop ضمن microdata، وdata-nosnippet التي تطلب من المحرك عدم استخدام الفقرة كملخص، إضافة إلى JSON-LD بوصفها الطبقة الأكثر موثوقية للقراءة الآلية. وبدلاً من ابتكار مجموعة من سمات data-geo-* وانتظار أن يفهمها الذكاء الاصطناعي، سجّل الحقائق الأساسية القابلة للاقتباس، مثل اسم المؤلف وتاريخ النشر والسعر والأسئلة الشائعة، في JSON-LD. بذلك تستند النتائج المسترجعة إلى مصدر حقائق لا يعتمد على تصميم الصفحة.
تظل سمات data-* مفيدة بالطبع، ولكن لأغراض أخرى. يمكنك استخدامها في أدوات التحليلات أو الأنظمة الداخلية لتحديد المقاطع القابلة للاقتباس، وتتبع أجزاء المحتوى التي تلتقطها أنظمة الذكاء الاصطناعي فعلياً. إنها إحداثيات تفيد فريقك، وليست تعليمات موجهة إلى الذكاء الاصطناعي. افصل بين الوظيفتين حتى لا تهدر الجهد على سمات لن يقرأها أحد.
قائمة تنظيف عملية
- غلّف المحتوى الرئيسي بعنصر <main> أو <article> ليظهر كمنطقة واحدة واضحة.
- أزل عناصر div المتداخلة التي لا تخدم سوى التنسيق، واستخدم الوسوم الدلالية كلما أمكن.
- استخدم h1 واحداً في كل صفحة، ولا تتخطَّ مستويي h2 وh3، واستبدل جميع العناوين الوهمية بعناوين حقيقية.
- استخدم alt للصور، و<time> للتواريخ، و<th> للجداول، و<dl> لتعريف المصطلحات.
- سجّل الحقائق الأساسية في JSON-LD، ولا تعتمد حصراً على سمات data-* المخصصة.
- بعد إنهاء المقال، حوّل صفحة الويب إلى Markdown وافحص الناتج مرة واحدة؛ فهذه هي الصورة التي يراها الذكاء الاصطناعي.
لن يستشهد الذكاء الاصطناعي بصفحتك لمجرد أنها جميلة في المتصفح؛ بل سيستشهد بالنسخة التي استطاع استخراجها بصورة نظيفة وفهمها.— Tenten GEO
يمثل HTML النظيف الجزء الأعلى عائداً والأكثر تعرضاً للتجاهل ضمن منظومة GEO بأكملها. فهو لا يتطلب إعادة كتابة المحتوى، بل إعادة تنظيم المادة الموجودة في صيغة قابلة للقراءة آلياً، ما يجعله منخفض التكلفة وسريع النتائج. إذا أردت معرفة ما ينقص صفحاتك الأساسية من منظور مستخرج الذكاء الاصطناعي، فإننا نختبر نتائج استخراجها فعلياً ضمن تدقيق GEO. ويمكنك أيضاً حجز جلسة تشخيص GEO مدتها 30 دقيقة أولاً، لنراجع صفحاتك مباشرة ونحدد الفجوات على أرض الواقع.
