Videomarketing(+AI)

🚨عکس محصول با هوش‌مصنوعی نسازید مگر...
جزئیات تصویر کاملا منطبق با واقعیت محصول باشه. وگرنه حجمی از سرچ که تصویری هست رو از دست میدین.

این امکان تازه در گزارشات سرچ کنسول حکایت از تاکید بر اصالت و شفافیت هست.

پس یه پرامپت همینجوری و عکس قشنگ و باکیفیت اثرگذار نیست. حتی آلت تصاویر و قراردادن اطلاعات عکس یا تیتر.

مهم راستکی بودنه، پس الکی دلخوش به این مقدارها نباشیم که مثلا صرفا در نتایج تصویری هستیم. شاید تنها عکسهای موجود باشیم یا بهتر سئو کرده باشیم و در نتایج وب تصویری بیاییم.

مهمه چقدر به دریافت کلیک کمک می‌کنه؟

حالا که کاربر خودش زحمت انتخاب عکس رو کشیده و در سرچ دنبال محصولی می‌گرده، بهتره فرصت رو بقاپیم و عکسهای واقعی از زوایای متعدد بگذاریم.
تمام‌رخ. نیم‌رخ، سه‌رخ، ...😉

راستی گزارش search multimodal در پرفورمنس رو هم می‌تونید در نتایج وب ببینید هم چت‌بات‌ها
البته که اینها در هم ادغامه و تفکیکش صرفا برای اینه که متوجه بشین کاربر شما در چت‌بات هم شما رو دیده و جزو انتخاب‌های اصلح بودین یا نه

کوئری، تمام داستان سرچ نیست

سال‌ها یکی از مهم‌ترین داده‌هایی که در سرچ‌کنسول داشتیم، کوئری بود.

می‌دیدیم کاربر چه چیزی سرچ کرده، چند بار صفحه ما را دیده و چند نفر روی آن کلیک کردند. اما رفتار جست‌وجو در حال تغییره.

حالا کاربر ممکنه سرچش متنی نباشه

گاهی یه عکس وارد سرچ می‌کنه؛ با Google Lens، Circle to Search، آپلود تصویر، اسکرین‌شات یا روش‌های دیگه

ممکنه همراه تصویر متن هم اضافه کنه، یا اصلا هیچ متن قابل گزارش‌کردنی وجود نداشته باشه.

ماجرای Web Multimodal Search در سرچ‌کنسول همینه:

گوگل حالا در گزارش Performance به ما اجازه میده عملکرد نتایج وب رو بین جست‌وجوهای Text-based و Multimodal تفکیک کنیم.

در جست‌وجوی متنی، کوئری می‌تونه به ما بگه کاربر دنبال چی بوده.

اما وقتی جست‌وجو فقط با یه تصویر انجام شده، ممکنه کوئری متنی وجود نداشته باشه.

پرسش:

اگه ندونم کاربر چه عبارتی رو تایپ کرده، از کجا بفهمم چه چیزی باعث شده صفحه من در پاسخ به آن تصویر دیده بشه؟

درسته مشخص نیست با چه واژه یا عبارتی به ما رسیده ولی به ما URL صفحه‌ای رو میده که از این جست‌وجو ایمپرشن یا کلیک گرفته.

پس باید بریم ویژگی‌های این صفحات رو تحلیل کنیم تا ازشون الگو بسازیم

یعنی URLهایی رو که از Multimodal Search زیر ذره‌بین ببریم و دلایل رو حدس بزنیم:

شاید تصویر محصول واضح و قابل تشخیصه؟

یا تصویر دقیقا همون چیزی رو نشون میده که صفحه درباره‌ش صحبت می‌کنه؟

احتمالا مشخصات محصول دقیقه؟

باید مدل، اندازه، جنس، کاربرد و ویژگی‌های مهم به‌خوبی توضیح داده شده‌ باشن.

در کل بین تصویر، اطلاعات محصول و موضوع صفحه یه ارتباط روشن وجود داره؟

سرچ‌کنسول به ما نمی‌گه:

«این صفحه به دلیل پوشش محتوایی کامل‌تر انتخاب شد.»

پس نمایش یه url در گزارش پرفورمنس مولتی مودال کمک می‌کنه ازش به‌عنوان یه داده واقعی برای کشف الگوها استفاده کنیم.

مثال:
اگه چند صفحه محصول با تصاویر واضح و اطلاعات دقیق، مرتبا از Multimodal Search ایمپرشن و کلیک بگیرن، بررسی کنیم چه چیزی در این صفحات مشترکه.

حواسمون باشه قبلا سئو تصویر داشتیم

حالا یه مسئله دیگه هم داریم:

اگه کاربر تصویر رو به گوگل نشون داد، آیا صفحه من به‌اندازه کافی درباره چیزی که در تصویر دیده می‌شه، اطلاعات دقیق و قابل فهم داره؟
آیا گوگل می‌تونه از تصویر به محتوای من برسه؟»

پ.ن: اگه کاربر تصویر + متن جستجو کنه توی گزارش هم url میاد هم کوئری

من فکر میکنم نویسنده محتوای متنی باید بپذیره که به یک مشاور انسانی مجرب برای هر موضوع در کنار خودش نیاز داره و یواش یواش هزینه این مشورت رو هم در نظر بگیره و بعد هم از کارفرما مطالبه کنه
اولش سخته اما باید جا بیفته، چاره نیست
هیچکس در همه چیز که تخصص نداره

🫆 نویسنده‌های بد ولی واقعی

🧶 وقتی برای «AI به نظر نرسیدن» عمداً بدتر می‌نویسیم، داریم مسئله رو اشتباه حل می‌کنیم.

👑 مسئله این نیست که چطور انسانی‌تر بنویسیم؛ مسئله اینه که آیا واقعاً چیزی برای گفتن داریم؟

🧠 به نظرت توی عصر AI، «تجربه شخصی» مهم‌ترین مزیت تولیدکننده محتوا می‌شه؟

@ContentTherapy محتواتراپی

هیگزفیلد پلتفرمش رو به سیستم چندعاملیِ دات‌ها (Dots) در OpenAI وصل کرده؛ قابلیتی که طبق ادعای این شرکت، قراره نقش یک تیم خلاق همیشه فعال رو بازی کنه و حتی وقتی کاربر پای سیستم نیست، کار طراحی ویدیو، تصویر و موشن‌دیزاین رو جلو ببره.

این یکپارچه‌سازی بر پایه مدل GPT-6.1 Sol انجام شده. دات‌ها در واقع چند ایجنت یا عامل تخصصی هستن که قراره تیمی کار کنن؛ یعنی وظایف رو تقسیم کنن، درباره خروجی‌ها نظر بدن و در صورت اختلاف، با هم بحث کنن تا به توافق برسن. این ایجنت‌ها به ابزارهای هیگزفیلد دسترسی دارن و می‌تونن مستقیم در محیط نرم‌افزارهایی مثل افتر افکتس، پریمیر پرو، فیگما، بلندر و یونیتی پروژه رو تغییر بدن یا ویرایش کنن.

روند کار به این صورته که کاربر ایده یا دستورش رو ثبت می‌کنه و عوامل دات‌ها کار رو دست می‌گیرن. طبق توضیحات ارائه‌شده، پیشرفت کار در غیاب کاربر هم متوقف نمی‌شه و وضعیت پروژه از طریق پیام، ایمیل یا تماس به اطلاع کاربر می‌رسه تا هر جا لازم بود کار رو متوقف کنه یا دستور اصلاح بده. این قابلیت الان در قالب پلاگین هیگزفیلد توی ChatGPT در دسترس قرار گرفته.

هیگزفیلد قبلاً هم با OpenAI کار می‌‌کرد و برای برنامه‌ریزی از GPT و برای تولید ویدیو از سورا استفاده می‌کرد، اما اتصال به دات‌ها این ارتباط رو از سطح یک مدل به تعامل با یک تیم کاری تغییر داده. هم‌زمان، این شرکت به مارکت‌پلیس OpenAI اضافه شده و API خودش رو در اختیار سازمان‌ها قرار داده؛ اقدامی که نشون می‌ده هیگزفیلد دنبال سهم بیشتری از بازار کسب‌وکارهاست تا تولید ویدیو و تبلیغات رو از سطح ابزار فردی، به ساختار یک استودیوی مجازی پیوسته نزدیک کنه.

✈️@mohammad_zammani
📱Mohammad.zammani.offical

هر وقت یه سبکی از ویدیوها ترند میشه، یه عالمه سوال ازم میشه که اینا رو چطوری می‌سازن؟

کاری به درست یا نادرستی ساختش ندارم اما در اغلب موارد جواب این سوال‌ها رو میشه در اینجا پیدا کرد:
Higgsfield.ai

هیگزفیلد علاوه بر اینکه اکثر مدل‌های ساخت عکس و ویدیو رو داره، مدلهای توسعه داده شده توسط خودش رو هم داره و چه بسا این ترندسازیا زیر سر خودش باشه

بهرحال این یکی داره با مدل Genjutsuی خود کمپانی هیگزفیلد ساخته میشه

منبع ویدیو و جزئیات بیشتر

تیم کلینگ ای‌آی اعلام کرد که نسخه Kling 4.0 قراره همین مهر ماه بیاد، اما نسخه Kling 4.0 Flash رو از الان برای مشترک‌های سالانه پلن اولترا در دسترس گذاشته.

طبق ادعای خودشون، Kling 4.0 قراره تولید ویدیو رو از نظر واقع‌گرایی بصری، کنترل خلاقانه و روند روایت به سطح کاملاً متفاوتی ببره.

توی بخش مشخصات صوتی و تصویری، گفتن خروجی مدل شامل حرکات پویا و پایدار، صدای استریو، هماهنگی دقیق‌تر لب‌ها، کیفیت تصویر تا سقف 4K و خروجی HDR ده بیتی می‌شه. قابلیت دیگه‌ای که معرفی کردن Omni Reference هست؛ یعنی امکان استفاده از حداکثر ۱۵ مرجع ورودی چندوجهی برای اینکه هم ثبات تصویر حفظ بشه و هم ویرایش ویدیو راحت‌تر پیش بره.

برای کنترل داستان هم امکان تعیین تا ۱۰ فریم کلیدی (Multi-Keyframe) و تولید مستقیم و بومی ویدیوهای ۳۰ ثانیه‌ای رو فراهم کردن. در کنار این‌ها، مواردی مثل امتداد ویدیو و پشتیبانی از چند زبان، لهجه و گویش رو هم اضافه کردن و در نهایت نوشتن صحنه آماده‌ست و کنترل دست خودتونه.

ویدئوی این پست هم توسط یه تستر با همین مدل ساخته شده و پشمام

✈️@mohammad_zammani
📱Mohammad.zammani.offical

من ویدیوی آواتار اصلی رو با Kling ساخته بودم و حالا خبر رسیده که این کمپانی در مدل جدیدش روی این موضوع سرمایه گذاری بیشتری انجام داده👇

ویدیوی سمت چپ احتمالا یادتون هست. همون نمونه ساخت آواتاره که مدتی پیش در لینکدین منتشر کردم.

ویدیوی سمت راست ادیت شده‌ی چند ثانیه از همونه با گوگل فلو

این فقط یه سرنخه برای اینکه بدونید حتی دنیای ادیت هم از این هوش مصنوعی در امان نیست😐

مثل همیشه حرفم اینه که باید ببینیم اختلاف ارتفاع سیل با زیر پامون چقدره و تا دیر نشده بریم بالاتر✌️

بزودی اسم کانال عوض میشه😎

دفعه بعد اومدین این سمتی و اسمش یه چیز دیگه بود، فکر نکنین اشتباه اومدین😉

در رابطه با پست بالا و تجربه‌ی زوج فکری داشتن در مسیر رشد

البته من از این نوع ارتباطات با دوستانی که میخوان یا دارن حرفه‌ای در مسیرشون پیش میرن زیاد دارم و هر کدوم رو روی یکی دو جنبه خاص پیش می‌برم. اون جنبه خاص از اشتراک بخشی از علاقه، مهارت و تخصص معلوم میشه

اگر ویس دوست دارید، بیشتر بگم زین پس✌️

دیشب نیایش‌های سحرگاهی عارفانه من و حامد پیشدار نه تنها همزمان شد بلکه فهمیدم تضرعمون هم از یه جنسه، آواتارسازی😉

اگر خواستین در جریان جزئیات عارفانه این گفت و گو قرار بگیرین کامنت‌های این پست رو در کانالش بررسی کنید:
https://t.me/hamedp_design/120?single