چگونه در پاسخ‌های هوش مصنوعی دیده شویم: یافته‌های یک مطالعه جدید

وقتی از یک پلتفرم هوش مصنوعی می‌خواهیم برندی را توصیف کند، تقریباً همیشه پاسخ را می‌داند. اما زمانی که یک خریدار بالقوه از همان پلتفرم می‌پرسد که کدام برند را برای خرید در نظر بگیرد، هوش مصنوعی تنها به بخش کوچکی از برندهایی که می‌شناسد، اشاره می‌کند.

این شکاف، یافته اصلی گزارش فصلی جستجو در سه‌ماهه دوم سال ۲۰۲۶ است. در این مطالعه که روی هشت پلتفرم هوش مصنوعی انجام شد، ۹۶ درصد از برندهای مورد آزمایش هنگام پرسش مستقیم، به درستی توصیف شدند. با این حال، ۸۹ درصد از همین برندها هرگز در پاسخ‌های تولیدشده توسط هوش مصنوعی به سؤالات تحقیقی کاربران (مثلاً «بهترین شرکت ارائه‌دهنده خدمات X کدام است؟») ظاهر نشدند.

این یعنی سیستم‌های هوش مصنوعی از قبل اکثر برندها را می‌شناسند، اما برای اینکه در پاسخ‌ها به آن‌ها اشاره شود، چیزی فراتر از شناخت صرف لازم است. این مطالعه به دنبال اندازه‌گیری عواملی است که بر این دیده شدن تأثیر می‌گذارند.

در این تحقیق، دو سیگنال مجزا برای ۱۷۵ برند در پنج حوزه مختلف (حقوقی، سلامت، SaaS، خدمات مالی و تجارت الکترونیک) اندازه‌گیری شد: «شناخت» (Recognition) و «اشاره» (Mention). شناخت، درک هوش مصنوعی از یک برند را نشان می‌دهد، در حالی که اشاره، به این معناست که آیا پلتفرم AI نام یک برند را هنگام مقایسه گزینه‌ها توسط خریدار، ذکر می‌کند یا خیر.

نتایج نشان داد که اگرچه ۹۶ درصد برندها به درستی شناسایی می‌شوند، اما در پاسخ به سؤالات واقعی خریداران به ندرت از آن‌ها نام برده می‌شود. بررسی دقیق‌تر نشان داد که میزان شناخت در پلتفرم‌های مختلف متفاوت است. برای مثال، Gemini، ChatGPT و Google AI Overviews دقت بالایی داشتند، در حالی که Perplexity و Meta AI عملکرد ضعیف‌تری در شناسایی برندها در برخی حوزه‌ها از خود نشان دادند.

پس چه چیزی برندهایی را که AI به آن‌ها اشاره می‌کند، متمایز می‌سازد؟ قوی‌ترین ارتباط میان «اشاره شدن» و سیگنال‌های خارج از وب‌سایت خود برند پیدا شد: تعداد دامنه‌های ارجاع‌دهنده (referring domains) و تعداد упоминания در وب‌سایت‌های شخص ثالث (third-party web mentions). هر دو عامل همبستگی متوسطی (به ترتیب ۰.۴۹ و ۰.۴۵) با اشاره شدن در پاسخ‌های AI داشتند. این نشان می‌دهد که برجستگی کلی یک برند در سراسر وب، عامل تعیین‌کننده است.

نکته جالب توجه برای بازار ایران این است که کمیت لینک‌ها و упоминания، حتی از کیفیت آن‌ها (مثلاً لینک از سایت‌های با اتوریتی بالا) تأثیرگذارتر بود. این یعنی برای کسب‌وکارهای ایرانی، تمرکز بر افزایش تعداد упоминания در وبلاگ‌ها، فروم‌های تخصصی و سایت‌های خبری فارسی‌زبان می‌تواند استراتژی مؤثری باشد.

این مطالعه همچنین نشان داد که هوش مصنوعی در مراحل مختلف سفر مشتری به منابع متفاوتی اعتماد می‌کند. در مراحل اولیه «آگاهی از مشکل» (مثلاً «چطور بفهمم کسب‌وکارم به وکیل نیاز دارد؟»)، هوش مصنوعی به منابع آموزشی مانند ویدئوها، سایت‌های دولتی و محتوای آموزشی وبلاگ شرکت‌ها استناد می‌کند، اما تقریباً هرگز نام خود برند را ذکر نمی‌کند.

در مقابل، در مرحله «تحقیق در مورد دسته‌بندی» (مثلاً «بهترین شرکت‌های حقوقی ایران کدامند؟»)، استنادات به سمت دایرکتوری‌ها، سایت‌های مقایسه و نقد و بررسی تغییر می‌کند. در این مرحله، شانس اشاره شدن به نام برندها بیش از ۱۲ برابر افزایش می‌یابد.

این یافته یک راهکار عملی برای بازار ایران ارائه می‌دهد: برای مراحل اولیه سفر مشتری، محتوای آموزشی جامع و کاربردی به زبان فارسی تولید کنید تا به عنوان منبع توسط AI استفاده شود. همزمان، برای مرحله تصمیم‌گیری، حضور خود را در دایرکتوری‌های مشاغل ایرانی، پلتفرم‌های نقد و بررسی مانند «یک‌لینک» یا «کجاخوبه» و سایت‌های مقایسه محصول مانند «ترب» و «ایمالز» تقویت کنید، زیرا اینجاست که هوش مصنوعی به دنبال نام برندها می‌گردد.

در نهایت، منابع مورد اعتماد هوش مصنوعی بسته به صنعت نیز به شدت متفاوت است. بنابراین، استراتژی صحیح برای حضور در فضای آنلاین به حوزه فعالیت شما بستگی دارد. کلید موفقیت این است که بفهمید AI در هر لحظه از سفر مشتری به چه منابعی اعتماد می‌کند و در همان منابع حضور داشته باشید.