راهنمای سنجش دید برند در نتایج هوش مصنوعی؛ تفاوت ذکر نام و استناد

ابزارهای سنجش دید در هوش مصنوعی حالا برای برندها آسان‌تر می‌کنند ببینند هر چند وقت یک‌بار نامشان در چت‌جی‌پی‌تی (ChatGPT)، نتایج هوش مصنوعی گوگل (AI Overviews) و حالت هوش مصنوعی گوگل (AI Mode) دیده می‌شود. این امتیازها برای بازاریابان مفیدند، اما این‌که بر اساس آن‌ها چه اقدامی انجام شود روشن نیست؛ تغییر امتیاز، چه بالا و چه پایین، به‌تنهایی نشان نمی‌دهد استراتژی عالی است یا نیاز به اصلاح دارد.

همه داده‌های این گزارش از آهرفس (Ahrefs) است؛ شرکتی که ابزار Brand Radar را برای ردیابی دید در هوش مصنوعی عرضه می‌کند. طبق این داده‌ها، جستجوی «AI search tracking» در آمریکا طی یک سال گذشته ۱۸۴ درصد و جستجوی «AI rank tracking» ۱۷۵ درصد رشد کرده است. این ارقام از داده‌های ماهانه ابزار Keywords Explorer به دست آمده و بیشتر نشانه‌ای از رشد علاقه است تا پذیرش گسترده چنین ابزارهایی.

یک امتیاز دید در هوش مصنوعی می‌تواند دست‌کم دو اندازه‌گیری متفاوت را با هم ترکیب کند: ذکر نام برند (mention) که یعنی نام برند در پاسخ آمده و استناد (citation) که یعنی به یک نشانی اینترنتی به‌عنوان منبع لینک داده شده است. گاهی فقط یکی از این دو رخ می‌دهد؛ ذکر نام بدون استناد یعنی برند دیده شده اما لینک نگرفته و استناد بدون ذکر نام یعنی صفحه به‌عنوان منبع، در کنار پاسخی درباره موضوعی دیگر مطرح شده است. وقتی این دو در یک امتیاز ادغام شوند، تشخیص اینکه کدام عامل باعث تغییر شده دشوار می‌شود؛ به همین دلیل بهتر است هر تغییر امتیاز با رویداد مشخص پشت آن سنجیده شود.

۱.۴ میلیون پرامپت و جایگاه ردیت

لایه پیچیده‌تر، فرایند بازیابی (retrieval) است. آهرفس ۱.۴ میلیون پرامپت چت‌جی‌پی‌تی را بررسی کرد و دید که نشانی‌های ردیت (Reddit) در مقیاس وسیع بازیابی می‌شوند، اما تنها در ۱.۹۳ درصد موارد به آن‌ها استناد شده است. برخی از این نشانی‌ها ممکن است هرگز باز یا خوانده نشده باشند؛ پس فهرست استنادها نشان می‌دهد کدام منابع اعتبار گرفته‌اند، نه اینکه چه چیزهایی در پاسخ اثر واقعی داشته‌اند. طبیعی است ابزارهایی که این رویدادها را متفاوت شمارش می‌کنند، درباره افزایش یا کاهش دید به نتایج متفاوتی برسند.

رتبه سنتی در گوگل همچنان سهم معناداری در استنادهای AI Overviews دارد، بدون آنکه شرط لازم باشد. تحلیل آهرفس روی ۸۶۳ هزار کلمه کلیدی و ۴ میلیون نشانی از AI Overviews نشان داد ۳۷.۱ درصد این نشانی‌ها برای همان پرسش در ۱۰ نتیجه ارگانیک برتر گوگل هم حضور داشتند، ۲۶.۲ درصد بین رتبه ۱۱ تا ۱۰۰ بودند و ۳۶.۷ درصد به ۱۰۰ نتیجه برتر نرسیده بودند. نسخه قبلی این تحلیل همپوشانی بیشتری نشان می‌داد، اما آهرفس می‌گوید روش شناسایی استنادها بهبود یافته و داده‌های قدیمی با جدید قابل مقایسه نیست. گوگل هنگام تولید AI Overviews پرسش را به زیرپرسش‌هایی تجزیه می‌کند؛ به همین دلیل ممکن است صفحه‌ای که در موضوعات مرتبط خوب عمل کرده، حتی بدون رتبه برای پرسش اصلی، استناد بگیرد. ردیابی رتبه صرفاً روی کلمات کلیدی اصلی این فعالیت را کامل نشان نمی‌دهد.

صفحات استنادشده سه برابر داده دارند

برخی تصورها درباره سیگنال‌های مؤثر در دید هوش مصنوعی با این داده‌ها اصلاح می‌شود. صفحات استنادشده از سوی هوش مصنوعی تقریباً سه برابر بیشتر از صفحات بدون استناد، داده ساختاریافته JSON-LD داشتند. با این حال، بررسی ۱۸۸۵ صفحه‌ای که بین اوت ۲۰۲۵ تا مارس ۲۰۲۶ JSON-LD اضافه کردند، در مقایسه با ۴۰۰۰ صفحه کنترل، نشان داد افزودن اسکیما استنادها را به‌طور معنادار افزایش نمی‌دهد: در AI Mode رشد ۲.۴ درصدی و در ChatGPT رشد ۲.۲ درصدی از نظر آماری بی‌اهمیت بود. استنادهای AI Overviews نیز ۴.۶ درصد کاهش یافت؛ یعنی حدود ۱۲ استناد کمتر در روز برای هر صفحه، در شرایطی که بیشتر صفحات صدها استناد داشتند. هر دو گروه پیش از اجرای تغییر روند کاهشی داشتند و آهرفس تأکید می‌کند نمی‌توان گفت اسکیما علت این افت بوده یا عامل دیگری. افزون بر این، نمونه بررسی‌شده شامل صفحاتی بود که پیش از افزودن اسکیما دست‌کم ۱۰۰ استناد از AI Overviews دریافت کرده بودند؛ بنابراین این داده‌ها درباره کمک اسکیما به دیده‌شدن اولیه صفحات نتیجه‌ای ندارد.

در همان تحلیل ChatGPT، همبستگی در جای دیگری پیدا شد: عنوان صفحات استنادشده با زیرپرسش‌هایی که چت‌جی‌پی‌تی از یک پرامپت می‌سازد همخوانی بیشتری نسبت به عنوان صفحات بدون استناد داشت و این اختلاف هنگام مقایسه با زیرپرسش‌ها بیشتر از خود پرامپت اولیه بود. نشانی‌هایی با اسلاگ طبیعی (natural-language) هم بیشتر استناد می‌گرفتند. آهرفس برای تخمین ارتباط از ابزارهای متن‌باز استفاده کرد، چون فرایند داخلی چت‌جی‌پی‌تی اختصاصی است. این نتایج فقط به چت‌جی‌پی‌تی مربوط است و لزوماً الگوی همه سطوح جستجوی هوش مصنوعی نیست.

پاسخ‌ها احتمالی‌اند، اندازه‌گیری باید یکدست باشد

پیش از هر تصمیم‌گیری بر اساس این معیارها باید مطمئن شوید اندازه‌گیری یکدست است. پاسخ‌های هوش مصنوعی احتمالی هستند؛ یعنی یک پرامپت ممکن است هر بار برندها و استنادهای متفاوتی تولید کند. آهرفس پیشنهاد می‌کند برای پیدا کردن الگوهای واقعی، مجموعه بزرگی از پرامپت‌ها تحلیل شود. گاهی تغییر امتیاز ناشی از به‌روزرسانی پرامپت‌ها یا تغییر مدل است و نشان‌دهنده تغییر واقعی بازار نیست. اگر کاهش ذکر نام (mention) در شرایطی رخ دهد که تعداد پرامپت‌ها ثابت است، باید بررسی کنید آیا رقبا سهم ذکر را گرفته‌اند، افت در کدام موضوع‌ها رخ داده و آیا فقط به یک پلتفرم محدود است. اگر استنادها کم شده اما رتبه‌ها ثابت مانده‌اند، ببینید به‌جای کدام صفحات استناد داده می‌شود و پوشش محتوایی شما با نحوه تجزیه پرسش‌ها به زیرپرسش‌ها هماهنگ است. اگر رتبه‌های سنتی افت کرده‌اند، موضوع به عملکرد سنتی جستجو برمی‌گردد و همین همپوشانی‌ها دلیل می‌آورد که چنین تغییری در بازبینی دید هوش مصنوعی هم لحاظ شود.

یک امتیاز دید می‌تواند رشد کند، در حالی که کلیک‌ها کاهش یافته باشند. آهرفس نرخ کلیک ۳۰۰ هزار کلمه کلیدی را با داده‌های دسکتاپ کنسول جستجوی گوگل (Google Search Console) بین دسامبر ۲۰۲۳ و دسامبر ۲۰۲۵ مقایسه کرد. در کلمات کلیدی دارای AI Overviews، نرخ کلیک نتیجه برتر ۵۸ درصد پایین‌تر از حالتی بود که چنین قابلیتی وجود نداشت؛ این عدد یک همبستگی از پرسش‌های اطلاعاتی است، نه اندازه‌گیری کل ترافیک سایت. کلمات بدون AI Overviews هم در همین بازه افت نرخ کلیک داشتند و ۵۸ درصد افت اضافی را نسبت به همان روند نشان می‌دهد. یک برند ممکن است رتبه‌ها و حتی استنادهای هوش مصنوعی را حفظ کند، اما کلیک کمتری دریافت کند؛ چون دیده‌شدن در پاسخ و ایجاد ترافیک دو نتیجه متفاوت‌اند.

ترکیب دید با نتایج واقعی

ترکیب داده‌های دید با نتایج واقعی، این شکاف را پر می‌کند. گزارش‌های عملکرد هوش مصنوعی در کنسول جستجوی گوگل (Google Search Console) نقطه شروع رایگان خوبی است؛ این گزارش نمایش‌ها را برای قابلیت‌های هوش مصنوعی نشان می‌دهد، اما در نسخه منتشرشده داده کلیک یا پرس‌وجو ندارد. افزودن داده آنالیتیک ارجاع‌های هوش مصنوعی (AI referrals) تصویر دقیق‌تری می‌سازد و امتیاز دید را به یکی از چند شاخص مهم تبدیل می‌کند، نه کل ماجرا. به این ترتیب، امتیاز نشان می‌دهد برند در پرامپت‌هایی که ابزار زیر نظر دارد چند بار ظاهر شده و کدام بخش‌ها نیاز به بررسی دارد؛ اما موفقیت نهایی استراتژی به داده‌های واقعی نتیجه وابسته است.

برای تعمیق این موضوع، آهرفس وبیناری با عنوان «AI Cites Your Brand. Now What? Turn AI Visibility Data Into Actions» را ۱۵ سپتامبر ساعت ۱۲ به وقت شرقی آمریکا برگزار می‌کند و تمرکز آن روی معیارهای کلیدی و اولویت‌بندی گام‌های بعدی است.