اندازه گیری سئو هوش مصنوعی: چه معیارهایی را پیگیری کنیم؟

به جای تمرکز بر ارجاعات (Citations) و ترافیک ارجاعی، پرامپت ها (دستورات متنی)، میزان دیده شدن در مدل های مختلف هوش مصنوعی و مدل های انتساب خوداظهاری (Self-reported attribution) را ردیابی کنید؛ چرا که 80−90% از سرنخ های (Leads) ورودی از هوش مصنوعی، به اشتباه به عنوان ترافیک ارگانیک برچسب گذاری می شوند.

من در طول هفته ده ها گفتگوی تخصصی با فعالان حوزه رشد و بازاریابی دارم؛ از مدیران ارشد و معاونان بازاریابی گرفته تا متخصصان سئو که هر روز با جزئیات فنی دست وپنجه نرم می کنند.

بخش زیادی از مکالمات من حول محور «اندازه گیری» می چرخد. با ظهور پاسخ های تولید شده توسط هوش مصنوعی (AI Answers)، معیارهای سنتی سئو در حال فروپاشی هستند و این موضوع، اندازه گیری و تحلیل داده ها را به چالشی روزافزون تبدیل کرده است. ما در آژانس دانش وب نیز به وضوح می بینیم که چگونه این تغییرات، رویکرد کسب وکارهای ایرانی را نسبت به سئو و دیجیتال مارکتینگ متحول کرده است.

بخش عمده ای از این گفتگوها صرفِ رد کردن باورهای غلط و مشاوره های گمراه کننده ای می شود که مدیران در شبکه های اجتماعی می بینند.

این مکالمه آسانی نیست، اما بسیار مهم است. این یعنی باید به افراد بگوییم از انجام بسیاری از کارهایی که در شبکه های اجتماعی تبلیغ می شوند، پرهیز کنند. شاید گفتن این حرف ها سخت باشد، اما قطعا مسیر درست همین است.

هدف من در این مقاله، رفع ابهامات موجود است تا بتوانید تلاش های خود برای دیده شدن در هوش مصنوعی را مستقیماً به نتایج و دستاوردهای تجاری کسب وکارتان گره بزنید.

چه مواردی را باید پیگیری و ردیابی (Track) کنیم؟

مواردی که در ادامه می آیند، ترکیبی از شاخص های پیشرو (Leading) و پسرو (Lagging) هستند که شما درجات مختلفی از کنترل را روی آن ها دارید. من ابتدا دلیل اهمیت هر کدام را بررسی می کنم و سپس به نحوه تأثیرگذاری بر آن ها خواهیم پرداخت.

۱. پرامپت ها (Prompts)

انتخاب پرامپت های درست، بدیهی ترین و در عین حال مهم ترین تصمیمی است که باید بگیرید، زیرا «آنچه اندازه می گیرید، بر رفتار شما تأثیر می گذارد». بر اساس ده ها گفتگویی که داشته ام، متوجه شده ام که این دقیقاً همان نقطه ای است که بسیاری از افراد در آن اشتباه می کنند.

اشتباه در این بخش، مانند اولین دومینویی است که باعث زنجیره ای از اندازه گیری های غلط می شود. اگر مجموعه پرامپت های اشتباهی را ردیابی کنید، هیچ کدام از معیارهای دیگر مانند سهم ارجاعات (Citation share)، منشن های برند یا میزان دیده شدن، کوچک ترین اهمیتی نخواهند داشت.

بسیاری از ابزارهای بررسی دیده شدن در هوش مصنوعی مانند Profound ،Peec و AirOps به صورت خودکار پرامپت هایی را برای ردیابی به شما پیشنهاد می دهند، اما این موارد به ندرت همان چیزهایی هستند که باید روی آن ها تمرکز کنید. من شخصاً این موضوع را در کدهای آن ها تأیید نکرده ام، اما از شواهد پیداست که این ابزارها وب سایت شما را آنالیز کرده و صفحات موجود را به پرامپت ها متصل می کنند. آن ها فرض می کنند صفحاتی که در حال حاضر روی سایت شما قرار دارند، همان صفحاتی هستند که باید در خروجی مدل های زبانی بزرگ (LLMs) دیده شوند یا به آن ها ارجاع داده شود.

شاید این فرض درست باشد. اما بیشتر شرکت هایی که با آن ها صحبت می کنیم می گویند: «ما برای پرامپت هایی که دوست داریم نمایش داده شویم، اصلاً دیده نمی شویم.» این حرف به من نشان می دهد که آن ها استراتژی درستی ندارند و در نتیجه، صفحات مناسبی را منتشر نکرده اند. (در خدمات سئو دانش وب، ما پیش از هر چیز، روی تدوین یک استراتژی محتوایی دقیق و هدفمند تمرکز می کنیم تا مطمئن شویم سایت شما برای سوالات و نیازهای واقعی مخاطبان بهینه شده است).

تصویری مفهومی که نشان می دهد چطور انتخاب و ردیابی پرامپت های اشتباه مانند اولین قطعه دومینو عمل کرده و کل زنجیره اندازه گیری، شاخص های کلیدی عملکرد و تحلیل داده های هوش مصنوعی را به انحراف می کشاند.

۲. میزان دیده شدن در هوش مصنوعی (AI Visibility)

همان طور که متوجه شدید، اگر پرامپت های اشتباهی را پیگیری کنید، میزان دیده شدنِ موارد کاملاً اشتباهی را اندازه خواهید گرفت.

از دیدگاه ما و با بررسی ده ها مشتری مختلف، ChatGPT پرکاربردترین مدل زبانی است، اما ردیابی اینکه برند شما چقدر برای پرامپت های هدف در سایر ابزارها مانند Gemini، Google AI Mode، Perplexity، Claude و Copilot ظاهر می شود نیز بسیار ارزشمند است.

این موضوع اهمیت بالایی دارد، زیرا پایگاه کاربری ChatGPT بیشتر به سمت مصرف کنندگان عادی (B2C) گرایش دارد، در حالی که پایگاه کاربری Claude بیشتر شامل کسب وکارها و شرکت های بزرگ (B2B) است. اگر شما یک کسب وکار B2B هستید، باید بدانید که اگرچه Claude کاربران کمتری دارد، اما همان کاربران در محیط کار از آن استفاده می کنند و این دقیقاً همان بستری است که برای شما اهمیت دارد.

گوگل نیز حالت هوش مصنوعی (AI Mode – مانند AI Overviews) خود را برجسته تر کرده است و با توجه به اینکه مرورگر کروم بیشترین سهم بازار را در اختیار دارد، بسیاری از افراد به صورت پیش فرض نتایج هوش مصنوعی گوگل را خواهند دید.

ردیابی مجزای هر مدل به شما اجازه می دهد متوجه شوید که آیا تغییر در میزان دیده شدن یا ترافیک سایت شما، فقط محدود به یک مدل خاص است یا در تمامی آن ها رخ داده است.

علاوه بر این، تفاوت های چشمگیری در نحوه جستجو و ارائه اطلاعات توسط هر مدل وجود دارد. به عنوان مثال، Claude از موتور جستجوی Brave و ChatGPT از Bing استفاده می کند؛ هر کدام متدولوژی خاص خود را برای انتخاب منابع دارند و البته به واسطه همکاری های رسانه ای، منابع ترجیحی متفاوتی را به کاربر نشان می دهند.

۳. انتساب خوداظهاری (Self-Reported Attribution)

در بیشتر سال های دهه گذشته، بازاریابان دیجیتال برای اینکه بفهمند سرنخ های فروش (Leads) از کجا آمده اند، به آنالیز جریان کلیک (Clickstream) و پارامترهای UTM تکیه می کردند.

این پارادایم مدتی است که در حال فروپاشی است و اکنون تنها بخش بسیار کوچکی از واقعیت را نشان می دهد.

مدل های زبانی بزرگ (LLMs) ذاتاً به صورت «بدون کلیک» (Zero-click) طراحی شده اند. وقتی شخصی از ChatGPT، جمینای یا کلود سوالی می پرسد، پاسخ را مستقیماً همان جا در چت دریافت می کند. آن ها روی لینکی کلیک نمی کنند. کاربر در همان محیط گفتگو تحقیق خود را انجام می دهد و سپس ممکن است مستقیماً نام برند شما را در گوگل جستجو کند یا آدرس سایت شما (URL) را در مرورگر وارد کند. در این حالت، پلتفرم های آنالیتیکس و CRM شما، این ترافیک را به عنوان «ارگانیک» یا «مستقیم» (Direct) ثبت می کنند؛ اما واقعیت این است که یک هوش مصنوعی باعث شده تا آن شخص به وب سایت شما بیاید.

«انتساب خوداظهاری» ساده ترین و در عین حال دقیق ترین راه برای درک این داستان است. ما پیشنهاد می کنیم خیلی ساده از کاربران بپرسید: «چگونه با ما آشنا شدید؟». البته این روش نقص های شناخته شده و مستندی هم دارد (بیشتر به حافظه انسان و برجسته بودن نقاط تماس مربوط می شود)، بنابراین بی نقص نخواهد بود، اما این خود خریدار است که با کلمات خودش به شما می گوید چگونه پیدایتان کرده است.

اگر این اطلاعات را از طریق یک فیلد در فرم های دریافت لید (Lead Form) خود جمع آوری کنید، می توانید آن منابع را در CRM خود پیگیری کرده و به درآمد نهایی و فروش گره بزنید. این، نهایتِ معیار موفقیت برای یک کانال بازاریابی است.

یکی از مشتریان ما پس از اضافه کردن این فیلد، متوجه شد که حدود 5% از ثبت نام های سایتش از طریق ChatGPT انجام می شود، با وجود اینکه آن ها مطلقاً هیچ کاری برای دیده شدن در هوش مصنوعی انجام نداده بودند!

در بررسی های داشبورد داخلی خودمان متوجه شدیم که بین 80−90% از سرنخ هایی که از طریق پلتفرم های هوش مصنوعی وارد شده بودند، توسط سیستم به اشتباه به عنوان «ارگانیک» یا «مستقیم» تگ خورده بودند.

تصویری از داشبورد آنالیتیکس و فرم ثبت سرنخ (Lead Form) که نشان می دهد چگونه سوال «چگونه با ما آشنا شدید؟» (Self-reported attribution) ورودی های واقعی از ChatGPT را آشکار کرده و خطای سیستم های سنتی در تگ زدن اشتباه سرنخ ها به عنوان «Direct» یا «Organic» را اصلاح می کند.

چه مواردی را فقط مانیتور کنیم (اما به عنوان KPI در نظر نگیریم)؟

این معیارها معمولاً به هدف نهایی مرتبط هستند، اما خودِ هدف اصلی نیستند و اغلب شما کنترل چندانی روی آن ها ندارید.

۱. ارجاعات (Citations / منبع دهی ها)

این همان بخش استراتژیکی است که افراد به اشتباه آن را به عنوان معیار اصلی موفقیت در نظر می گیرند.

منابع خارج از سایت (Off-page)، در تمام مراحل قیف فروش بر ارجاعات تسلط دارند. تحقیقات ما روی منابع ارجاعی نشان داد که حتی برای کلمات کلیدی برند یا کلمات انتهای قیف فروش (Bottom-funnel queries)، 48% از منابع متعلق به رسانه های اکتسابی (Earned media)، 30% محتوای تجاری از سایت های دیگر و تنها 22% متعلق به وب سایت خودِ برند بوده است.

بنابراین، شما باید بسنجید که در حال حاضر چه درصدی از منشن های قابل دسترس در پلتفرم های شخص ثالث را به خود اختصاص داده اید. اگر این میزان 1% است، یعنی فضای بسیار زیادی برای رشد دارید.

و به یاد داشته باشید که صرفِ اینکه نام شما به عنوان منبع ذکر شده، به این معنی نیست که در خروجی نهایی هوش مصنوعی، برند شما به کاربر توصیه یا ارائه می شود.

این بدان معناست که بله، باید به ارجاعات نگاه کنید، اما نه فقط برای اینکه ببینید آیا وب سایت شما به عنوان منبع ذکر شده است یا خیر؛ بلکه باید بررسی کنید آیا نام برند شما در صفحاتی که بیشترین ارجاع را دریافت کرده اند، حضور دارد یا نه.

خدمات طراحی سایت

۲. احساسات برند (Sentiment)

من سوالات زیادی از بازاریابان می شنوم که می گویند: «ChatGPT برند ما را در مقایسه با رقبا با دیدگاه نامطلوب تری نشان می دهد. چگونه می توانیم این وضعیت را بهبود ببخشیم؟»

تأثیرگذاری بر احساسات بازار نسبت به یک برند، یک پروژه عظیم است که هیچ فردی به تنهایی نمی تواند آن را کنترل کند.

البته تاکتیک هایی وجود دارد که می توانید برای تأثیرگذاری بر احساساتِ ارائه شده توسط LLMها از آن ها استفاده کنید؛ مانند فعالیت در تاپیک های مرتبط در ردیت (Reddit) یا تولید محتوایی که برند شما را در نور بهتری نشان می دهد.

اما در نهایت، آنچه مدل های زبانی درباره برند شما ارائه می دهند، نظر شخصی هوش مصنوعی نیست؛ بلکه بازتابی است از آنچه بازار در صدها وب سایت درباره برند شما می گوید.

این موضوع بیشتر به تجربه افراد از کار با محصول شما، تیم فروش، پشتیبانی مشتریان و تجربه کلی ای که شرکت شما ارائه می دهد بستگی دارد. بازاریابی تنها بخش کوچکی از این پازل است. هیچ میزان از بازاریابی نمی تواند یک تجربه منفی و واقعی مشتری از برند شما را بپوشاند.

بنابراین، احساسات برند را مانیتور کنید، اما به جای اینکه سعی کنید آن را صرفاً با ترفندهای مارکتینگ دستکاری کنید، با آن به عنوان بازخوردی برای بهبود تجربه مشتری برخورد کنید. بهبود تجربه مشتری، خودبه خود احساسات برند را نیز مثبت خواهد کرد.

تصویری مفهومی از تحلیل احساسات برند (Brand Sentiment) که نشان می دهد خروجی های هوش مصنوعی انعکاسی از دیدگاه های موجود در رسانه ها، ردیت و وب سایت های مختلف درباره تجربه کاربری و پشتیبانی محصول است.

۳. ترافیک ارجاعی مدل های زبانی (LLM Referral Traffic)

این مورد ارزش بررسی و مانیتور کردن را دارد، اما به هیچ وجه KPI خوبی نیست، زیرا شما کنترلی روی آن ندارید.

شرکت OpenAI اخیراً نحوه ارائه منابع توسط ChatGPT را تغییر داد و تعداد منابعی که نشان می داد را کاهش داد. در نتیجه، بسیاری از وب سایت ها ترافیک ارجاعی خود از سمت ChatGPT را از دست دادند. با این حال، یک ماه بعد آن ها این تغییر را به حالت قبل برگرداندند و ارجاعات بیشتری را نمایش دادند که منجر به افزایش چشمگیر ترافیک ورودی از ChatGPT شد. همین نوسانات شدید، این متریک را به یک KPI کاملا بی ثبات تبدیل می کند.

علاوه بر این، بخش زیادی از ترافیکِ مدل های زبانی، توسط ابزارهایی مانند HubSpot یا Google Analytics به عنوان ترافیک ارجاعی هوش مصنوعی ثبت نمی شود؛ زیرا منبع ارجاع (Referrer) در مرورگر حذف می شود و در نهایت این ترافیک در دسته ورودی های مستقیم (Direct) قرار می گیرد.

خدمات سئو

نتیجه گیری

دنیای سئو و دیجیتال مارکتینگ با سرعت سرسام آوری در حال حرکت به سمت یکپارچگی با هوش مصنوعی (GEO/AIO) است. همان طور که در این مقاله دیدیم، تکیه بر معیارهای قدیمی مانند ترافیک ارجاعی خالص یا صرفاً شمرده شدن به عنوان یک لینک منبع، دیگر تضمین کننده موفقیت شما نیست. برای اینکه در این فضای جدید رقابتی بمانید، باید روی پرامپت های واقعی کاربران تمرکز کنید، حضور برندتان را در مدل های مختلف (از جمینای گرفته تا کلود) بسنجید و با اصلاح فرم های ارتباطی، به صورت مستقیم از کاربران بپرسید که چگونه شما را پیدا کرده اند. ما در دانش وب با بهره گیری از به روزترین استراتژی های سئو و طراحی سایت، به کسب وکارها کمک می کنیم تا ساختار فنی و محتوایی خود را نه تنها برای موتورهای جستجوی سنتی، بلکه برای دستیاران هوش مصنوعی نیز بهینه سازی کنند. به یاد داشته باشید، هوش مصنوعی آینده نیست، بلکه همین لحظه حال است؛ پس از همین امروز معیارهای درست را برای اندازه گیری انتخاب کنید.