نتایج یک ارزیابی جدید توسط تونی آپهوف (Tony Uphoff)، مدیرعامل پیشین پنج کسب‌وکار رسانه‌ای و فناوری، نشان می‌دهد که میان شناخته‌شده بودن یک برند در موتورهای هوش مصنوعی و توصیه شدن خدمات آن به خریداران واقعی، شکاف عمیقی وجود دارد. آپهوف با طرح ۵۹ پرسش تخصصی از موتورهای پاسخ شامل ChatGPT، Gemini، Perplexity و Google AI Overviews دریافت که اگرچه این مدل‌ها اطلاعات کامل سوابق حرفه‌ای او را ثبت کرده‌اند، اما در پاسخ به پرسش‌های مرتبط با خدمات تخصصی، کسب‌وکارهای تحت مدیریت وی یعنی Uphoff Advisory و نشریه Uphoff on Media تقریباً در هیچ‌یک از فهرست‌های پیشنهادی هوش مصنوعی قرار نگرفته‌اند. این یافته‌ها حاکی از آن است که شاخص‌های سنتی بهینه‌سازی موتورهای جستجو (SEO) که سال‌ها بر پایه رتبه‌بندی و کسب کلیک بنا شده بودند، دیگر سنجه مناسبی برای ارزیابی حضور برند در عصر هوش مصنوعی نیستند.
تغییر رفتار خریداران B2B و ناکارآمدی سنجه‌های سنتی سئو
در فرایند جدید خریدهای تجاری (B2B)، الگوی تصمیم‌گیری دستخوش تغییر اساسی شده است؛ به طوری که ابزارهای هوش مصنوعی فهرست اولیه (Shortlist) را تهیه کرده و نیروهای انسانی اقدام به ارزیابی و تایید آن می‌کنند. نظرسنجی موسسه G2 در مارس ۲۰۲۶ از ۱,۰۷۶ خریدار نرم‌افزارهای B2B نشان می‌دهد که ۵۱ درصد از پاسخ‌دهندگان، تحقیقات خود را بیش از جستجوگر Google، با چت‌بات‌های هوش مصنوعی آغاز می‌کنند که این رقم رشد چشمگیری را نسبت به آمار ۲۹ درصدی سال ۲۰۲۵ نشان می‌دهد. علاوه بر این، ۶۹ درصد تاکید کرده‌اند که پیشنهاد چت‌بات موجب تغییر تامین‌کننده انتخابی آن‌ها شده و یک‌سوم خریداران در نهایت از فروشنده‌ای خرید کرده‌اند که پیش‌تر نام آن را نشنیده بودند.
بسیاری از تیم‌های بازاریابی با جستجوی نام برند خود در چت‌بات‌ها و دریافت پاسخ‌های دقیق، به نادرستی تصور می‌کنند که در اکوسیستم جدید پوشش کامل دارند. آپهوف این حالت را «مثبت کاذب» می‌نامد، زیرا مدل‌های هوش مصنوعی نام بنیان‌گذاران سرشناس یا برندهای قدیمی را می‌شناسند، اما هنگامی که خریدار پرسشی درباره حل یک مسئله کاری مطرح می‌کند، نام آن کسب‌وکارها در پاسخ نهایی ظاهر نمی‌شود. نتایج پژوهش ماریانا فرانک و ژوائو دا سیلوا در شرکت Friction AI در مه ۲۰۲۶ روی ۱۴,۱۴۰ پرسش مرتبط با پوشاک ورزشی نیز این مسئله را تایید می‌کند؛ برندهای Nike و New Balance دارای توصیف یکسانی در Google Knowledge Graph هستند، اما Nike در ۷۱ درصد از پاسخ‌های پیشنهادی مربوط به پوشاک ورزشی حضور یافته، در حالی که New Balance تقریباً هیچ حضوری نداشته است.
منابع کهنه اطلاعاتی و اثر هوش مصنوعی بر ارزش‌گذاری شرکت‌ها
یکی دیگر از چالش‌های اصلی برندها، اتکای مدل‌های هوش مصنوعی به داده‌های قدیمی و پایگاه‌های داده سازمان‌ها است. در آزمون انجام‌شده، تمامی موتورهایی که آپهوف را توصیف کردند، او را همچنان به عنوان مدیرعامل Pipeline360 معرفی کردند و تنها یک موتور به شرکت فعلی او یعنی Uphoff Advisory اشاره کرد. موتورهای پاسخ به‌طور پیش‌فرض از اطلاعاتی استفاده می‌کنند که به کرات و در طول زمان طولانی‌تر در وب منتشر شده‌اند. بر اساس گزارش eMarketer از مطالعه Corporate Ink در مه، تنها ۲۹ درصد از بازاریابان به صورت فعال پایش و ارزیابی دیده شدن در هوش مصنوعی را دنبال می‌کنند.
این شکاف داده‌ای فراتر از بازاریابی، مستقیم بر ارزش‌گذاری مالی (Valuation) شرکت‌ها تاثیرگذار است. در شاخص ارزش آپهوف (Uphoff Value Index) برای سه ماهه سوم ۲۰۲۶، سنجه‌ای تحت عنوان «محافظت در برابر اختلال هوش مصنوعی» معرفی شده است که یکی از محورهای اصلی آن مالکیت ارتباط با مشتری است. بر اساس گزارش بازار Collingwood در سال‌های ۲۰۲۶-۲۰۲۷ از حدود ۱۰۰ خریدار فعال کسب‌وکارها، ۹۱ درصد از خریداران، تاب‌آوری مدل کسب‌وکار در برابر هوش مصنوعی و ۷۴ درصد مالکیت مستقیم ارتباط با مشتری را معیاری حیاتی یا مهم دانسته‌اند. در نمونه‌های بررسی‌شده، دو شرکت داده با صورت‌های مالی یکسان، دارای ضریب ارزش‌گذاری متفاوت ۵.۶ برابر EBITDA (معادل ۲۸ میلیون دلار) در برابر ۴.۰ برابر (معادل ۲۰ میلیون دلار) بوده‌اند، تنها به این دلیل که خریداران معتقد بودند هوش مصنوعی می‌تواند ترافیک متکی به موتورهای جستجو را دور بزند.
علاوه بر این، تحلیل آپهوف بر پایه آمار گزارش‌شده شرکت Block نشان می‌دهد که این مجموعه در سال ۲۰۲۵ با ۱۰,۲۰۵ کارمند حدود ۱۰.۳۶ میلیارد دلار سود ناخالص (تقریباً ۱ میلیون دلار به ازای هر نفر) تولید کرده است، در حالی که پیش‌بینی سود سال ۲۰۲۶ آن به ۱۲.۵۱ میلیارد دلار با زیر ۶,۰۰۰ کارمند (حدود ۲.۱ میلیون دلار به ازای هر نفر) افزایش یافته است. در مقایسه با این آمار، میانگین درآمد به ازای هر کارمند در آژانس‌های بازاریابی حدود ۱۶۳,۰۰۰ دلار و در شرکت‌های عمومی نرم‌افزاری ۳۹۵,۰۰۰ دلار است. بر اساس شاخص آپهوف، دو آژانس با صورت‌های مالی یکسان، یکی با ۶۸ کارمند و دیگری با ۴۰ کارمند، اکنون حدود ۱ میلیون دلار در ارزش‌گذاری با یکدیگر تفاوت دارند.
راهکارهای عملیاتی برای تیم‌های بازاریابی و سئو
برای گذر از شاخص‌های سطحی و دستیابی به نتایج ملموس، تیم‌های سئو و بازاریابی باید رویکرد جدیدی را اتخاذ کنند. بر اساس یافته‌های BCG در سال ۲۰۲۴، نزدیک به ۷۰ درصد از چالش‌های ارزش‌آفرینی با هوش مصنوعی به افراد و فرآیندها مربوط می‌شود، ۲۰ درصد به فناوری و تنها ۱۰ درصد به الگوریتم‌ها اختصاص دارد. برای مواجهه با این تغییر، پنج گام کلیدی پیشنهاد می‌شود:
- اضافه کردن نرخ توصیه به کارنامه بازاریابی: تنظیم ۱۰ تا ۱۵ پرسش با الگوی تصمیم‌گیری خریداران و پایش هفتگی حضور برند در ChatGPT، Gemini، Perplexity و AI Overviews.
- اصلاح منابع اطلاعاتی پایه‌ای: بروزرسانی صفحات تحت کنترل از جمله LinkedIn، زندگی‌نامه‌ها و صفحات خبری، و درخواست اصلاح از پایگاه‌های داده اجرایی و دایرکتوری‌ها.
- تولید محتوای مرجع و حضور در فهرست‌های مقایسه‌ای: انتشار شفاف‌ترین تعاریف از مفاهیم تخصصی زیر نام برند و تلاش برای قرار گرفتن در فهرست‌های مقایسه‌ای و مقالات مرجع (Digital PR).
- تبدیل دیده شدن به ارتباطات مالکیت‌یافته: پیوند دادن نرخ توصیه هوش مصنوعی به ثبت‌نام‌ها، درخواست‌های دموی محصول و مشترکان جدید، به جای تکیه بر نمودارهای ترافیک عمومی.
- سنجش دقیق بر اساس شاخص‌های واقعی: بازطراحی گزارش‌های ماهانه از رتبه‌های ارگانیک به سمت سنجه‌های درآمدی و خط‌مشی فروش.
پیش‌بینی می‌شود تیم‌هایی که همچنان گزارش‌دهی خود را بر پایه رتبه‌بندی‌های سنتی سئو استوار می‌کنند، در سال ۲۰۲۷ با افت شدید در خط‌مشی فروش روبه‌رو شوند؛ افت فرایندی که نشانه‌های آن در داشبوردهای قدیمی سئو هرگز به چشم نخواهد آمد.