از نظر تجاری، ناشران محتوا نفوذ و تأثیرگذاری واقعی در سیستم های هوش مصنوعی دارند. اگر ما به عنوان یک صنعت بتوانیم این موضوع را به درستی بسته بندی و ارائه کنیم، برندها به لطف تأثیرات پایین دستی (Downstream Influence) که اکنون قابل اندازه گیری است، پول خوبی برای آن پرداخت خواهند کرد.
در حال حاضر، اکثر ناشران وب (سایت های خبری، مجلات اینترنتی و تولیدکنندگان محتوا) ربات های هوش مصنوعی را مسدود می کنند. طبق تحقیقات فوق العاده ی وینس نرو (Vince Nero)، 79% از سایت های خبری برتر، ربات های آموزشی هوش مصنوعی را از طریق فایل robots.txt مسدود می کنند و تنها 18% از آن ها هیچ ربات خزنده ای از هوش مصنوعی را مسدود نکرده اند.
البته این یک علم بی نقص نیست، زیرا دور زدن فایل robots.txt بسیار آسان است؛ اما با این حال، نشان دهنده یک روند است: دیگر هیچ کس قرار نیست بازی دوستانه ای داشته باشد!
ما شاهد شکایت های متعدد ناشران از شرکت های هوش مصنوعی و تهدید به مسدود کردن گوگل از سوی ناشران بسیار معتبری مانند USA Today، رویترز و Politico هستیم. حتی پلتفرم ردیت (Reddit) نیز در حال بررسی لغو قرارداد هوش مصنوعی خود با گوگل است. مدل «بازارچه» (Marketplace) یا «تبدیل های خرد» (Micro-conversion) – مدلی که در آن ناشران در ازای استفاده از محتوایشان پول دریافت می کنند – باید هرچه زودتر محقق شود.
همه این اتفاقات در حالی رخ می دهد که گوگل به تازگی سودآورترین سه ماهه مالی تاریخ خود را پشت سر گذاشته است. به نظر نمی رسد این تبادل ارزشِ تقریباً وجودنداشته (یک طرفه به نفع موتورهای جستجو)، به این زدی ها تغییر کند.
خلاصه مقاله
- دیده شدن در هوش مصنوعی، تأثیرات پایین دستی قابل اندازه گیری دارد. کاربران پس از مشاهده یک برند در نتایج هوش مصنوعی، با نرخی معادل 2.5 بیشتر از حالت عادی به وب سایت آن برند سر می زنند.
- حضور یک برند در «داده های آموزشی» (Training Data) مدل های زبانی، شرط اصلی برای انتخاب شدن آن برند در فرآیندهای آینده است. ناشران محتوا در اینجا ارزش واقعی خلق می کنند.
- اما با وجود ردیابی های احتمالی (Probabilistic Tracking) و بازیگران مخرب متعدد در این فضا، بازاریابی برای خودتان به عنوان یک برند تأثیرگذار، نیازمند تخصص واقعی است.
- مانند هر نوع پیشنهاد تجاری با این ماهیت، خطراتی وجود دارد که باید از آن ها آگاه باشید.

این اینفوگرافیک نشان می دهد که چگونه دیده شدن برند در خروجی هوش مصنوعی منجر به جهش ۲.۵ برابری بازدید و تعامل کاربر در وب سایت اصلی می شود.
دیده شدن (Visibility) تأثیرات قابل اندازه گیری دارد
به لطف مطالعه بی نظیر پلتفرم Similarweb در مورد «تأثیرات دیده شدن پایین دستی»، ما اکنون می دانیم که:
- کاربرانی که یک برند را در خروجی یک مدل زبانی بزرگ (LLM) می بینند، در هفت روز آینده 2.5 بیشتر احتمال دارد که از وب سایت آن برند بازدید کنند.
- این کاربران 2×2 بیشتر از کاربران سنتی (که از سرچ معمولی می آیند) با سایت تعامل (Engagement) برقرار می کنند.
- هوش مصنوعی بر مراحل اولیه سفر مشتری (Research Phase) تسلط دارد، اما هرچه کاربر به نقطه تبدیل (خرید یا اقدام نهایی) نزدیک تر می شود، جستجوی سنتی و هوش مصنوعی تقریباً به برابری می رسند.
- حدود 55.9% از ترافیکی که تحت تأثیر هوش مصنوعی قرار گرفته است، در نهایت از طریق «جستجو» به سایت می رسد.
مدل های زبانی بزرگ (LLMs) ساختار وب را به روشی که برای کاربران راحت تر است، بازسازی کرده اند. از آنجایی که ما انسان ها ذاتاً به دنبال راحت ترین مسیر هستیم، این سازماندهی مجدد وب، بار شناختی (Cognitive Load) یافتن پاسخ ها را به شدت کاهش می دهد. اکثر کاربران دیگر روی لینک ها کلیک نمی کنند، مگر اینکه مجبور شوند!
هوش مصنوعی؛ کانال کشف برند
اما در حالی که هوش مصنوعی ترافیک مستقیم بسیار کمی ارسال می کند، ترافیکی که می فرستد دو برابر درگیرتر و مشتاق تر است. کاربران از طریق شبکه های اجتماعی، پادکست ها، ویدیوها و اکنون «هوش مصنوعی» با یک برند، شخص یا محصول آشنا می شوند. زمانی که کاربر در مورد یک موجودیت (Entity) اطلاعات کسب کرد، آن را جستجو می کند. این دقیقاً همان روشی است که «جستجو» (Search) مدتی است به عنوان یک کانال ناوبری عمل می کند: ما چیزهایی را در گوگل سرچ می کنیم که قبلاً در کانال های دیگر پیدا کرده ایم.
به همین دلیل است که جستجو همیشه در مدل «تخصیص آخرین کلیک» (Last Click Attribution) بسیار موفق عمل کرده است.
دیده شدن برای برندهایی که محصول می فروشند اهمیت حیاتی دارد. این صرفاً یک معیار نرم برای برندسازی (Soft Brand Metric) نیست، بلکه یک کانال عملکردیِ مبتنی بر بازدهی (Performance Channel) است. هوش مصنوعی هرگز ترافیک را به صورت مستقیم به وب سایت ها سرازیر نخواهد کرد، اما یک کانال کشفِ (Discovery Channel) حیاتی برای برندهاست. افراد برند را از طریق هوش مصنوعی کشف می کنند و در مراحل پایین تر قیف فروش، همان برند را از طریق گوگل جستجو می کنند.
به طور قطع یک همبستگی (Correlation) قوی بین افزایش ترافیک ناشی از هوش مصنوعی مولد، جستجوی نام برند (Branded Search)، ترافیک مستقیم (Direct Traffic) و حضور مثبت در خروجی های هوش مصنوعی وجود دارد.

تصویری که تفاوت بین یک سایت با ساختار معنایی قدرتمند (مناسب برای بازیابی اطلاعات هوش مصنوعی) و یک سایت نامرتب را برای موفقیت در GEO نشان می دهد.
چگونه در هوش مصنوعی دیده شویم؟
قطعاً با نوشتن مقالات لیست وار (Listicles) بی کیفیت یا ترفندهای ارزان قیمتِ سئوی زایشی (GEO Hacks) به این جایگاه نمی رسید؛ حداقل نه به شکلی پایدار. شما باید پایه های بازیابی اطلاعات در مدل های LLM را درک کنید:
- نحوه کارکرد داده های آموزشی (Training Data)
- تکنیک RAG (تولید افزوده شده با بازیابی – Grounding)
- ابهام زدایی موجودیت ها (Disambiguation)
اساساً، این ربات ها روی حجم عظیمی از داده ها آموزش دیده اند. حضور یک برند در مکان و زمان مناسب، به LLM کمک می کند تا تصویری از این برند و «نزدیکی» آن به موجودیت ها و محصولات مرتبط در پایگاه داده خود بسازد.
در تیم سئو و دیجیتال مارکتینگ دانش وب، ما همواره به کسب وکارها تأکید می کنیم که حضور شما در داده های آموزشی، پایه و اساس موفقیت شماست. مدل های LLM دارای یک تاریخ پایان آموزش (Cutoff) هستند. شما در واقع در حال بهینه سازی سایت خود برای تکامل بعدی ربات هستید. اگر سایت شما ساختار فنی و محتوایی قدرتمندی نداشته باشد، در فرآیند Grounding نادیده گرفته می شوید، زیرا نام برند شما آنقدر در داده های آموزشی برجسته نبوده که ربات آن را معتبر بداند.
قدرت برند + بازاریابی مستمر + ثبات. شما باید روی آنچه می توانید کنترل کنید تسلط داشته باشید و شناخت نام خود را در مکان های درست تقویت کنید تا مطمئن شوید برای بازیابیِ درلحظه (Real-time Retrieval) در جستجوها، جایگاه مناسبی دارید. در این فضا، ناشران محتوا هنوز هم یک پیشنهاد تجاری بسیار ارزشمند هستند.
چشم انداز هوش مصنوعی مولد (Generative-AI)
گزارش عالی دوم Similarweb نشان می دهد که این بخش چقدر عظیم شده است: 2.7 میلیارد دانلود اپلیکیشن هوش مصنوعی مولد در سراسر جهان طی ۱۲ ماه (رشد 134%) و تقریباً 101010 میلیارد بازدید ماهانه وب سایت (رشد 70%). این آمار نشان می دهد که رفتار کاربر چگونه تغییر کرده و ترافیک ارجاعی به کدام سمت می رود.

این تصویر داده های حیاتی مشابه وب را درباره رشد انفجاری ترافیک و دانلود اپلیکیشن های هوش مصنوعی و سهم واقعی AI Overview تصویر می کند.
یافته های کلیدی:
- حجم جستجو در سال گذشته 2% رشد داشته است.
- کمتر از 40% جستجوها در ایالات متحده اکنون نمای کلی هوش مصنوعی (AI Overview) را فعال می کنند.
- افزایش شانس بازدید از سایت با ضریب 2.5×2.5 پس از ذکر نام در هوش مصنوعی.
- کاهش 6% سهم نسل زد (۱۸ تا ۲۴ سال) در استفاده از چت بات ها از سال ۲۰۲۴.
- حدود 50% از کاربران هوش مصنوعی مولد بین ۱۸ تا ۳۴ سال سن دارند.
- رشد تقریباً 180% بازدیدکنندگان منحصربه فرد کلود (Claude) در نیمه دوم سال نسبت به نیمه اول.
ما می دانیم که مخاطبان جوان تر از مکانیک های سنتی مصرف اطلاعات فاصله گرفته اند. ویدیو و صدا در حال رونق هستند و رویکرد فوق العاده راحتِ هوش مصنوعی به شدت محبوب شده است. با این حال، به نظر نمی رسد هوش مصنوعی جایگزین جستجو (گوگل) شود؛ هر دو در حال رشد هستند. هوش مصنوعی در «مرحله تحقیق» آنقدر کارآمد است که تغییرات در اکوسیستم اطلاعات را معنادار می کند. برای برندهایی که محصولات ملموس می فروشند، هم «جستجو» و هم «دیده شدن در LLM» به شدت ارزشمند است.
اطمینان از حضور در مرحله تحقیقِ کاربر، کلید سودآوری است. طبق داده ها، کاربران هوش مصنوعی تقریباً همان پروفایل مخاطبان یوتوب (YouTube) را دارند؛ حتی جوان تر.
این موضوع برای ناشران به چه معناست؟
من معتقدم یک «بازار نفوذ» (Influence Marketplace) در حال شکوفایی است. با وجود تلاش ناشران برای مسدود کردن ربات ها، آن ها هنوز هم یکی از تأثیرگذارترین پلتفرم های اینترنت هستند.
ناشران باید درک کنند و مهم تر از آن اثبات کنند که در کجا نفوذ واقعی دارند. اگر بتوانید ثابت کنید که تأثیرگذارترین رسانه در بازار هدف خود (مثلاً در حوزه تکنولوژی > تلویزیون ها) هستید، یک شبه به یک دارایی ارزشمند تبدیل می شوید. این یک اهرم بازاریابی با ارزش بسیار بالا برای تیم های تجاری (فروش رپورتاژ و بک لینک) است.

این نمودار ثابت می کند که با افزایش ذکر نام برند در هوش مصنوعی، ترافیک ناشی از جستجوی نام برند و ترافیک مستقیم به طرز معناداری رشد می کنند.
چگونه می توانیم این کار را انجام دهیم؟
داده ها در حال حاضر فقط می توانند احتمالی باشند. ردیابی پرامپت ها (Prompt Tracking) خطاهای واضحی دارد، اما اگر در مقیاس وسیع اجرا شود، می تواند اندازه گیری معقولی ارائه دهد. در مطالعه رند فیشکین (Rand Fishkin)، در میان ۱۴۲ پاسخ، به ندرت دو پرامپت مشابه یافت شد؛ این تنوع بالا به دلیل طولانی تر شدن کوئری ها طبیعی است. اما این داده ها بی فایده نیستند.
توصیه من این است:
- از لاگ های سرور (Server Logs) خود برای تعیین سطح تقاضای LLMها استفاده کنید.
- وب سایت خود را بر اساس موضوعات تجاری بررسی کنید.
- برای ارزیابی موقعیت خود در بازار، سیستم ردیابی پرامپت را راه اندازی کنید.
- بر اساس میزان نفوذ خود، محتوای فروش و بازاریابی ایجاد کنید.
مسدود کردن ربات ها (Bot-blocking) یک گسست واضح در این زنجیره ایجاد می کند. اگر سیاست های سخت گیرانه ای برای مسدودسازی دارید، شاید بد نباشد برای آینده به فکر رفع مسدودیت (Unblocking) بخش های خاصی از سایت خود باشید.
نتیجه گیری
می دانم که برخی سایت ها از همین حالا در تلاشند تا از این بازار پول سریع به دست بیاورند. من شما را به احتیاط دعوت می کنم. وب سایت های بی شماری وجود دارند که به دنبال دیده شدن در هوش مصنوعی بودند، اما به لطف توصیه های متخصصان قلابی GEO (سئوی موتورهای زایشی) که ارزش مقالات لیست وار را تبلیغ می کردند، در نتایج جستجو به طور کامل نابود شدند!
نوشتن مقالاتی مثل «۱۰ برند برتر…» در واقع کمک بزرگی به رقبای شماست. «ذکر نام» (Mentions) واحد پول امروز وب است؛ حتی بیشتر از بک لینک ها. اشاره مداوم به رقبایتان به این معنی است که شما دارید کار بازاریابی آن ها را انجام می دهید. این دقیقاً همان فرمت محتوایی است که گوگل با آپدیت های محتوای مفید (Helpful Content Update) و مبارزه با سئوی انگلی (Parasite SEO)، سعی در حذف آن از وب دارد.
همان طور که لیلی ری (Lily Ray) در جولای ۲۰۲۶ اشاره کرد: “من بیش از ۷۰ شرکت را شناسایی کرده ام که تحت تأثیر آپدیت گوگل قرار گرفته اند؛ بسیاری از آن ها از رویکردهای محتوایی مشابه مبتنی بر SEO/GEO استفاده می کردند. وقتی گوگل بتواند چنین ردپایی را در مقیاس وسیع تشخیص دهد، تنزل رتبه ده ها شرکتی که از تکنیک های یکسان برای تبلیغ خود استفاده می کنند، برایش بسیار آسان می شود.”
مراقب باشید به حرف چه کسی گوش می دهید. ما همه در حال یادگیری این مسیر در حین حرکت هستیم.