تریبون از «فهیمه» رونمایی کرد؛ تدوین استراتژی رپورتاژ و لینک‌سازی با هوش مصنوعی

انتخاب رسانه مناسب برای انتشار رپورتاژ آگهی، پیش‌بینی اثربخشی لینک‌ها و هماهنگ‌کردن کمپین با بودجه محدود، از جمله چالش‌های زمان‌بر مدیران سئو و آژانس‌های دیجیتال مارکتینگ است. بررسی دستی صدها رسانه، ارزیابی اعتبار دامنه، مقایسه قیمت‌ها و تطبیق این اطلاعات با اهداف کمپین، بخش قابل‌توجهی از زمان تیم‌ها را پیش از اجرای کمپین مصرف می‌کند.

تریبون در یک رویداد خصوصی با حضور فعالان حوزه سئو و دیجیتال مارکتینگ، از محصول جدید خود با نام «فهیمه» رونمایی کرد. فهیمه، MCP اختصاصی تریبون است که با هدف بازطراحی فرایند انتخاب رسانه، بودجه‌بندی و تدوین کمپین‌های سئو آف‌پیج بر پایه تحلیل داده‌ها و کاهش سوگیری انسانی توسعه یافته است.

فهیمه با اتصال به داده‌های تریبون، بخشی از فرایندهای مربوط به تدوین استراتژی رپورتاژ و لینک‌سازی را خودکار می‌کند. مهم‌ترین قابلیت‌های این MCP عبارت‌اند از:

• پیشنهاد پکیج متناسب با بودجه: کاربر با مشخص‌کردن سقف بودجه خود، می‌تواند بهترین سناریوی توزیع رپورتاژ را با هدف دستیابی به بیشترین اثربخشی دریافت کند.
• پروتکل ارتباطی MCP: فهیمه از طریق ساختار استاندارد MCP امکان ادغام با دستیارهای مختلف هوش مصنوعی را فراهم می‌کند تا این ابزارها بتوانند به داده‌های پلتفرم تریبون متصل شوند.
• تحلیل داده‌محور و کاهش خطای انسانی: در این فرایند، ارزیابی‌های سلیقه‌ای در انتخاب رسانه کاهش پیدا می‌کند و معیارهایی مانند ارتباط موضوعی، ترافیک و ارزش لینک‌سازی در تحلیل رسانه‌ها مورد استفاده قرار می‌گیرند.
• صرفه‌جویی در زمان: به‌جای بررسی چندساعته رسانه‌ها و تهیه برنامه انتشار، کاربر می‌تواند در چند ثانیه یک برنامه جامع برای انتشار رپورتاژ دریافت کند.

«فهیمه» صرفاً یک چت‌بات عمومی، API یا دستیار هوش مصنوعی (Agent) متصل به مدل‌های آماده نیست؛ بلکه یک سرور تخصصی مبتنی بر استاندارد MCP است. پروتکل MCP به هوش مصنوعی اجازه می‌دهد با ابزارها و داده‌های سازمانی ارتباط مستقیم، امن و دوطرفه برقرار کند.

به این ترتیب، زمانی که کاربر از فهیمه در یک محیط مجهز به هوش مصنوعی استفاده می‌کند، پاسخ‌ها صرفاً بر اساس اطلاعات عمومی یا محتوای موجود در اینترنت تولید نمی‌شوند. فهیمه می‌تواند به‌عنوان یک تحلیل‌گر سئو به‌صورت لحظه‌ای به پایگاه داده تریبون متصل شود و وضعیت فعال‌بودن رسانه‌ها، قیمت‌های روز، دسته‌بندی موضوعی و شاخص‌های کیفی هر سایت را بررسی کند.

این MCP در حال حاضر فقط برای دو هوش مصنوعی ChatGPT و Claude قابل استفاده است.

در رویداد رونمایی از فهیمه، مدیرعامل، مدیر فنی و مدیر تیم پروداکت تریبون درباره مسیر توسعه این ابزار، منطق فنی آن و کاربردهایش در اکوسیستم دیجیتال مارکتینگ توضیح دادند.

مهدیه ملکی، مدیرعامل تریبون، در این رویداد با اشاره به شتاب بی‌سابقه هوش مصنوعی در مقایسه با تحولات پیشین فناوری، مسیر ادغام این فناوری در محصولات و فرایندهای تریبون را تشریح کرد.

به گفته او، تریبون از اواسط سال ۱۴۰۲ استفاده از هوش مصنوعی را با محصولاتی مانند «لینک‌پرومکس» و دسته‌بندی موضوعی مقالات آغاز کرده و در سال ۱۴۰۳ نیز ابزار «فراوانی رپورتاژ» را توسعه داده است. از ابتدای سال ۱۴۰۵، استفاده از هوش مصنوعی به بازبینی کدهای فنی، مانیتورینگ سیستم‌ها و فرایندهای عملیاتی تریبون نیز گسترش پیدا کرده است.

این روند در نهایت به توسعه سرور MCP تریبون منجر شده است.

ملکی در ادامه با اشاره به تغییر الگوی رفتار کاربران و جایگزین‌شدن بخشی از جست‌وجوهای سنتی با گفت‌وگو با چت‌بات‌ها، توسعه سرور MCP را تلاشی برای ایجاد تجربه کاربری یکپارچه در تریبون دانست.

او توضیح داد که هدف این است که متخصصان بدون نیاز به جابه‌جایی میان پلتفرم‌های مختلف، بتوانند از محیط چت‌بات‌هایی مانند Claude و ChatGPT پنل تریبون خود را هدایت کنند. به گفته مدیرعامل تریبون، این شرکت با وجود پذیرش هزینه‌های فنی بیشتر، تلاش کرده کنترل و مدیریت نهایی فرایند همچنان در اختیار کاربر باقی بماند.

شایان شفیعی‌آزاد، مدیر فنی تریبون، در ادامه رویداد به تشریح چالش موسوم به AI Isolation پرداخت. به گفته او، مدل‌های زبانی در سه حوزه زمان، داده و عمل با محدودیت‌هایی مواجه‌اند؛ به این معنا که مدل‌ها به‌تنهایی به داده‌های بیرونی یا پنل اختصاصی کاربران دسترسی ندارند و نمی‌توانند عملیات مستقیم انجام دهند.

شفیعی‌آزاد استانداردسازی ارتباط میان ابزارها و مدل‌های هوش مصنوعی را راه‌حل عبور از این محدودیت دانست و گفت MCP تریبون برای ایجاد همین پل ارتباطی امن و استاندارد توسعه یافته است.

بر این اساس، مدل هوش مصنوعی می‌تواند با استفاده از ابزارهای تعریف‌شده، دانش پایه خود را با داده‌های زنده تریبون ترکیب کند و متناسب با نیاز کاربر اقدام کند.

مدیر فنی تریبون برای توضیح کاربرد این فناوری، تخصیص بودجه برای یک صنعت خاص را مثال زد. به گفته او، هوش مصنوعی بدون MCP در چنین شرایطی صرفاً می‌تواند پاسخ‌های کلی و غیرعملیاتی درباره سئو ارائه دهد، از قیمت روز رسانه‌ها اطلاعی ندارد و نمی‌تواند یک سبد خرید مشخص ایجاد کند.

در مقابل، با استفاده از MCP تریبون، مدل هوش مصنوعی می‌تواند به داده‌های زنده مربوط به قیمت، ترافیک و اعتبار رسانه‌ها دسترسی پیدا کند، گزینه‌های مختلف را با یکدیگر مقایسه کند و در نهایت سبد خرید را در پنل کاربر شکل دهد.

رضا ترابی، مدیر تیم پروداکت تریبون، نیز با تأکید بر اینکه استفاده از هوش مصنوعی در تریبون به توسعه سرور MCP محدود نمی‌شود، توضیح داد که این فناوری ابتدا در اختیار تیم‌های داخلی مجموعه از جمله تیم‌های مهندسی، محصول، مارکام و عملیات قرار گرفته و سپس استفاده از آن به خدمات ویژه کسب‌وکارها و رسانه‌ها گسترش یافته است.

ترابی دسته‌بندی هوشمند کسب‌وکارها را یکی از گام‌های مهم تریبون برای ایجاد ارتباط مؤثرتر میان برندها و رسانه‌ها دانست و در ادامه، به‌صورت رسمی از MCP تریبون با نام «فهیمه» رونمایی کرد.

مدیر تیم پروداکت تریبون در تشریح اهداف توسعه فهیمه، به دغدغه متخصصان درباره استفاده هم‌زمان از ابزارهای خارجی متعدد و پرداخت هزینه‌های دلاری برای دسترسی به این ابزارها اشاره کرد.

او توضیح داد که هدف تریبون، تجمیع اطلاعات شفاف و شاخص‌های تحلیلی موردنیاز در یک بستر واحد است تا کسب‌وکارها بتوانند گزینه‌های مختلف را ساده‌تر با یکدیگر مقایسه کنند و درباره ساختار کمپین‌های خود تصمیم بگیرند.

MCP تریبون به‌عنوان بخشی از زیرساخت فناورانه این پلتفرم راه‌اندازی شده است. متخصصان سئو، مدیران بازاریابی و تصمیم‌گیرندگان کمپین‌های تبلیغاتی می‌توانند از طریق این MCP با فهیمه تعامل داشته باشند، پارامترهای کمپین خود را تعریف کنند و پیش‌نویس استراتژی انتشار رسانه‌ای دریافت کنند.

هوش مصنوعی «فهیمه» قرار است به‌زودی از طریق وب‌سایت تریبون در دسترس کاربران قرار بگیرد. کاربران می‌توانند با واردکردن مشخصات کمپین و بودجه موردنظر خود، سناریوهای پیشنهادی برای انتشار رپورتاژ را مشاهده و اجرا کنند.

تریبون با توسعه فهیمه، تلاش کرده است بخشی از فرایند انتخاب رسانه و تدوین استراتژی سئو آف‌پیج را از یک فرایند دستی و زمان‌بر به فرایندی مبتنی بر داده‌های زنده و تعامل با ابزارهای هوش مصنوعی تبدیل کند.