کشف کنید که چگونه هوش مصنوعی برندها را به دقت توصیف می کند، اما در نمایش دادن آن ها به مشتریان دچار مشکل است. این مطالعه همچنین نشان می دهد چه عوامل دیگری بر میزان دیده شدن شما در هوش مصنوعی تأثیر می گذارند.
وقتی از یک پلتفرم هوش مصنوعی (AI) می خواهیم برندی را توصیف کند، تقریباً همیشه پاسخ را می داند و اطلاعات دقیقی ارائه می دهد. اما زمانی که یک خریدار از همان پلتفرم می پرسد که «کدام برند را برای خرید در نظر بگیرم؟»، هوش مصنوعی تنها به بخش بسیار کوچکی از برندهایی که می شناسد اشاره می کند.
این شکاف بزرگ، یافته ی اصلی گزارش فصلی جستجوی ما در سه ماهه دوم سال ۲۰۲۶ است. در میان هشت پلتفرم مختلف هوش مصنوعی، ۹۶ درصد از برندهایی که آزمایش کردیم، زمانی که مستقیماً درباره آن ها سوال شد، به درستی توصیف شدند. با این حال، ۸۹ درصد از همین برندها هرگز در پاسخ های تولیدشده توسط هوش مصنوعی برای «تحقیقات دسته بندی محصولات و خدمات» (Category Research) ظاهر نشدند.
سیستم های هوش مصنوعی همین الان هم بیشتر برندها را می شناسند؛ اما برای اینکه نام برند شما را به مشتری پیشنهاد دهند، به چیزی بیش از صرفاً «شناخته شدن» نیاز دارید. این مطالعه به منظور اندازه گیری سایر عواملی که بر میزان دیده شدن در هوش مصنوعی تأثیر می گذارند، انجام شده است.
۱. روش شناسی مطالعه: مقایسه شناخت در برابر اشاره (Mentions)
ما دو سیگنال کاملاً متمایز را برای گروهی متشکل از ۱۷۵ برند در پنج حوزه کاری مختلف بررسی کردیم: خدمات حقوقی، مراقبت های بهداشتی، نرم افزار به عنوان سرویس (SaaS)، خدمات مالی و تجارت الکترونیک/خرده فروشی. از این تعداد، ۱۴۰ برند دارای پاسخ های قابل ارزیابی برای تحلیل «میزان شناخت» بودند و ۱۵۰ برند در گروه ارزیابی «نرخ اشاره به برند» قرار گرفتند.
اندازه گیری میزان شناخت هوش مصنوعی
ما از هشت پلتفرم هوش مصنوعی شامل ChatGPT، Claude، Gemini، Copilot، Perplexity، Google AI Overviews، Google AI Mode و Meta AI خواستیم تا هر برند موجود در لیست ما را توصیف کنند. سپس هر پاسخ را با اطلاعات وب سایت خود همان برند تطبیق دادیم و به آن برچسب های: صحیح، مبهم، قدیمی، اشتباه یا ناشناخته اختصاص دادیم.
اندازه گیری میزان اشاره هوش مصنوعی به برندها
در مرحله بعد بررسی کردیم که این برندها چند وقت یک بار در پاسخ های تولیدشده توسط هوش مصنوعی به سوالات استاندارد تحقیقات خرید (سوالاتی که مشتری هنگام مقایسه گزینه ها می پرسد) ظاهر می شوند. ما همچنین مجموعه ای جداگانه از سوالات مربوط به «آگاهی از مشکل» (سوالات اولیه خریدار قبل از اینکه بداند دقیقاً به چه نوع راه حلی نیاز دارد) را اجرا کردیم که در ادامه مطالعه اهمیت زیادی پیدا کرد.
گسترش تحلیل ها
از آنجا که نرخ شناخت و نرخ اشاره به برند آن طور که انتظار داشتیم با هم همخوانی نداشتند، تحلیل خود را به فاکتورهای سئو گسترش دادیم: رتبه بندی ارگانیک، ترافیک ارگانیک، منشن ها (اشاره به برند) در سایت های شخص ثالث و حضور در گراف دانش گوگل (Knowledge Graph).
۲. هوش مصنوعی بسیار بیشتر از آنچه پیشنهاد می دهد، برندها را می شناسد
شناختن یک برند و پیشنهاد دادن آن، دو رفتار کاملاً متفاوت و قابل اندازه گیری در هوش مصنوعی هستند. «شناخت» نشان دهنده درک هوش مصنوعی از کسب وکار شماست. اما «اشاره کردن»، ارزیابی می کند که آیا پلتفرم های AI هنگام مقایسه گزینه ها توسط خریدار، حاضرند نام برند شما را بیاورند یا خیر.
وقتی مستقیماً از پلتفرم های هوش مصنوعی سوال شد، آن ها ۹۶ درصد از برندها را با دقت توصیف کردند. آن ها به درستی توضیح دادند که هر شرکت چه چیزی می فروشد و به چه بازارهایی خدمت رسانی می کند. با این حال، همین برندها زمانی که سوالات تحقیقاتی یک خریدار واقعی را پرسیدیم، به ندرت نام برده شدند. در واقع ۸۹ درصد آن ها اصلاً در پاسخ ها حضور نداشتند!
در بررسی های دقیق تر، متوجه شدیم که میزان شناخت در پلتفرم های مختلف متفاوت است. پلتفرم های Google AI Mode، Gemini، ChatGPT، Google AI Overviews و Copilot در تمام صنایع مورد بررسی، دقت بالای ۸۳ درصدی داشتند. اما عملکرد Perplexity و Meta AI نوسان بیشتری داشت؛ به طوری که Perplexity کمتر از ۵۵ درصد برندهای نرم افزاری و فروشگاهی را به درستی شناخت و این رقم برای Meta AI در حوزه نرم افزار تنها ۴۶ درصد بود.
نمودار مفهومی و نمایش بصری اهمیت دامنه های ارجاع دهنده، منشن های شخص ثالث و عبور از آستانه ۲۰۰۰ صفحه وب برای دیده شدن در هوش مصنوعی.
۳. پس چه چیزی برندهای منتخب هوش مصنوعی را از بقیه متمایز می کند؟
اگر شناختن برند دلیل پیشنهاد دادن آن نیست، پس پای عامل دیگری در میان است. قوی ترین ارتباطی که پیدا کردیم مربوط به سیگنال های خارج از وب سایت خود برند بود: دامنه های ارجاع دهنده (Referring Domains یا تعداد سایت های یکتایی که به شما لینک داده اند) و اشاره به برند در سایت های شخص ثالث (Third-party Web Mentions).
هر دو مورد همبستگی متوسطی با منشن های هوش مصنوعی داشتند (0.49 و 0.450 در مقیاسی که 1.0 ارتباط کامل است). هیچ کدام از این سیگنال ها به تنهایی آن قدر قوی نبودند که به عنوان یک اهرم مستقل عمل کنند، اما در کنار هم، برجستگی و اعتبار کلی یک برند را در سراسر وب نشان می دهند.
دقیقاً به همین دلیل است که ما در تیم دانش وب، هنگام تدوین استراتژی های سئو و دیجیتال مارکتینگ برای کارفرمایان خود، صرفاً به سئوی داخلی بسنده نمی کنیم. حضور قدرتمند در رپورتاژها، شبکه های اجتماعی و دریافت بک لینک های معتبر، کلید دیده شدن شما در موتورهای جستجوی مبتنی بر AI است.
پس از انتشار این گزارش، بررسی کردیم که آیا «کیفیت» دامنه های ارجاع دهنده به اندازه «کمیت» آن ها اهمیت دارد یا خیر. پاسخ منفی بود! لینک های دارای اتوریتی (اعتبار) بالا به تنهایی تأثیر چندانی نداشتند و برخی از برندهایی که از سایت های بسیار معتبر لینک داشتند، باز هم به ندرت در پاسخ های AI ظاهر می شدند.
داده های مربوط به منشن های شخص ثالث، کاربردی ترین معیار این گزارش را به دست داد: برندهایی که کمتر از ۲۰۰۰ صفحه وبِ ایندکس شده درباره آن ها صحبت کرده بودند، تنها در ۳ درصد مواقع در پاسخ های هوش مصنوعی نام برده شدند. از این نقطه به بعد، نرخ اشاره به برند با شیب تندی افزایش می یافت.
۴. هوش مصنوعی در هر مرحله از سفر مشتری به منابع متفاوتی اعتماد می کند
در اینجا داده ها بینش های عملی تری به ما دادند. در میان درخواست های مربوط به «تحقیقات دسته بندی» (هنگام مقایسه محصولات)، ۹۹.۹۹ درصد از ۴۹,۳۹۱ استنادی که بررسی کردیم، به جای دامنه خود برند، به وب سایت های شخص ثالث اشاره داشتند. تنها ۴ برند از ۱۵۰ برند توانستند به وب سایت خودشان استناد دریافت کنند.
این موضوع یک سوال مهم ایجاد کرد: آیا همین الگو در مراحل ابتدایی سفر مشتری (قبل از شروع مقایسه راه حل ها) نیز صدق می کند؟ ما منابعی که هوش مصنوعی در دو نوع پرامپت ما به آن ها استناد کرده بود را مقایسه کردیم.
پرامپت های آگاهی از مشکل (مثل: “از کجا بفهمم کسب وکارم به وکیل نیاز دارد؟”)، استنادها را از منابع آموزشی بیرون کشیدند: ویدیوها، سایت های دولتی و سازمانی، و انجمن های تخصصی. آن ها همچنین به محتوای آموزشی منتشرشده در وب سایت شرکت ها استناد کردند. با این حال، نام خود برندها تنها در 0.10 درصد از آن پاسخ ها ذکر شد!
ترکیب این دو آمار اهمیت بالایی دارد: در مراحل اولیه سفر مشتری، هوش مصنوعی از محتوای آموزشی یک برند برای ساختن پاسخ استفاده می کند، اما باز هم نام برند را از پاسخ حذف می کند. همان طور که شناخته شدن تضمینی برای پیشنهاد داده شدن نیست، داشتن محتوای مرجع نیز تضمینی برای ذکر نام برند نخواهد بود.
پرامپت های تحقیقات دسته بندی (مثل: “بهترین موسسات حقوقی کدامند؟”)، منابع استناد را به سمت دایرکتوری ها (بانک های مشاغل) و سایت های مقایسه ای سوق دادند. در این نوع پاسخ ها، نام برندها بیش از ۱۲ برابر بیشتر ذکر شد.
این دو مرحله، فعالیت های سئوی متفاوتی را می طلبند. برای پاسخ به سوالات اولیه خریدار، محتوای آموزشی تولید کنید؛ زیرا این همان چیزی است که هوش مصنوعی برای ساخت پاسخ به آن نیاز دارد. اما برای مرحله مقایسه خرید، حضور خود را در دایرکتوری ها، سایت های نقد و بررسی و پلتفرم های معرفی مشاغل تقویت کنید، زیرا اینجاست که برندها واقعاً معرفی می شوند.
۵. داده ها چه موارد دیگری را نشان دادند؟
منابعی که هوش مصنوعی به آن ها تکیه می کند به شدت به نوع صنعت نیز بستگی دارد. به عنوان مثال، استنادها در حوزه خدمات حقوقی در چند دایرکتوری معتبر و شناخته شده متمرکز بودند، در حالی که استنادهای نرم افزارهای ابری (SaaS) در بیش از ۱۰ هزار دامنه یکتای مختلف پراکنده شده بودند. بنابراین، استراتژی سئو خارجی (Off-site) شما به شدت به حوزه فعالیت تان بستگی دارد.
نتیجه گیری
هوش مصنوعی از قبل می داند شما چه کسی هستید؛ بیشتر برندها را به دقت توصیف می کند و مشکلی در توضیح کار آن ها ندارد. اما برای اینکه نام شما در سبد پیشنهادات AI قرار گیرد، باید در منابعی حضور داشته باشید که هوش مصنوعی در هر لحظه از سفر خریدار به آن ها اعتماد می کند. محتوای آموزشی سایت شما می تواند در مرحله ای که مشتری در حال درک مشکل خود است کاربرد داشته باشد، اما وقتی کاربر به مرحله «انتخاب و بررسی» می رسد، تقریباً تمام وزن و اعتبار به منابع شخص ثالث (سایت های دیگر) بستگی دارد.