یافتههای جدید نشان میدهد که کلیکهای ناشی از ارجاعات هوش مصنوعی (AI citations) اکنون بین ۱ تا ۲ درصد از کل تماسهای مشتریان شرکت CallRail را تشکیل میدهند؛ رقمی که از ژانویه گذشته تقریباً دو برابر شده است. شان مککروهان (Sean McCrohan)، معاون فناوری CallRail، در جریان نشست زنده رسانه SEJ در تاریخ ۲۶ اوت، با اصلاح آمار قبلی خود که رشد ۶۵ درصدی را در یک بازه ششماهه نشان میداد، این آمار جدید را ارائه کرد. او به همراه استیو وایدمان (Steve Wiideman)، مشاور برندهای چندشعبهای، به بررسی شکاف عمیق میان عملکرد دستیارهای هوش مصنوعی برای کسبوکارهای محلی و آنچه در گزارشهای تحلیلی ثبت میشود، پرداختند.
الگوهای پنهان رفتار کاربر و چالشهای ردیابی
مککروهان توضیح داد که کاربران معمولاً تحقیقات خود را با یک دستیار هوش مصنوعی آغاز میکنند و سپس به سراغ جستجوی مستقیم نام برند (branded search) میروند. این امر باعث میشود ترافیک ورودی در ابزارهای تحلیلی شبیه به یک جستجوی معمولی به نظر برسد، در حالی که جرقه اولیه آن توسط هوش مصنوعی زده شده است. در حال حاضر، ردیابی دقیق فعالیتهای هوش مصنوعی تا مرحله تماس تلفنی بسیار دشوار است؛ زیرا ابزارهای واسطهای که شبکههای تبلیغاتی مانند Google ارائه میدهند، هنوز توسط توسعهدهندگان هوش مصنوعی عرضه نشدهاند. به گفته مککروهان، ابزارهای تبلیغاتی ChatGPT در مقایسه با سیستمهای سنتی گوگل بسیار ابتدایی هستند و OpenAI نیز تمایل چندانی به گفتگو در این باره نشان نداده است.
با این حال، دو شاخص قابل اندازهگیری وجود دارد: نخست، کلیک روی ارجاعات داخل پاسخهای هوش مصنوعی که کاربر را به وبسایت هدایت میکند (مانند ترافیک ارجاعی معمولی)، و دوم، اظهارات خود مشتریان مبنی بر اینکه از طریق ChatGPT با کسبوکار آشنا شدهاند. بررسیهای ابزار گوگل آنالیتیکس ۴ (GA4) برای پلتفرمهای ChatGPT، Gemini، Claude، Perplexity و Grok نشان میدهد که سهم این کانالها برای برندهای چندشعبهای تحت مشاوره وایدمان نزدیک به ۱ درصد است؛ رقمی که برای یک کانال اکتشافی (discovery channel) کاملاً طبیعی ارزیابی میشود.
در یک نظرسنجی زنده، حدود یکچهارم مخاطبان اعلام کردند که میتوانند تشخیص دهند چه زمانی یک دستیار هوش مصنوعی برای آنها مشتری فرستاده است، در حالی که نزدیک به نیمی از آنها در این باره مطمئن نبودند؛ آماری که فراتر از انتظارات اولیه مککروهان بود.
تغییر ساعات تعامل و ضرورت پاسخگویی ۲۴ ساعته
دادههای CallRail نشان میدهند که به طور سنتی، نیمی از ترافیک وبسایتها خارج از ساعات اداری رخ میدهد، اما در جستجوهای مبتنی بر هوش مصنوعی، این نسبت به نزدیک به دوسوم افزایش مییابد. کاربران معمولاً جستجو را در اوایل بعدازظهر آغاز کرده و تا پس از نیمهشب ادامه میدهند. از آنجا که دستیارهای هوش مصنوعی معمولاً سه کسبوکار برتر را معرفی میکنند، عدم پاسخگویی سریع به تماسها میتواند مشتری را مستقیماً به سمت رقبا هدایت کند. مککروهان با تأکید بر لزوم استفاده از سیستمهای پاسخگوی خودکار یا عوامل صوتی (voice agents) اشاره کرد که کسبوکارها باید خود را برای یک چرخه فعالیت ۲۴ ساعته آماده کنند.
وایدمان نیز با ذکر تجربهای از کلیک روی تبلیغ یک لولهکش و برقراری تماس بینتیجه، یادآور شد که هزینه آن کلیک در هر صورت پرداخت شده است و کسبوکارها نباید فرصت تماسهای دریافتی را از دست بدهند.
راهکارهای فنی: از ردیابی سمت سرور تا پدیده انحراف پرامپت
یکی از راهکارهای ردیابی خزندههای هوش مصنوعی، اختصاص شماره تلفنهای مجزا برای آنهاست. با این حال، مککروهان تأکید کرد که این تغییرات باید در سمت سرور (server-side) اعمال شوند، زیرا خزندههای هوش مصنوعی کدهای اسکریپت صفحات وب را اجرا نمیکنند. تلاشهای CallRail برای وادار کردن این خزندهها به اجرای اسکریپتهای مرورگر بینتیجه بوده است. وایدمان نیز با اشاره به اهمیت یکپارچگی اطلاعات تماس در Google Maps، نسبت به پدیده «انحراف پرامپت» (prompt drift) هشدار داد؛ پدیدهای که در آن یک پرسش یکسان در زمانهای مختلف پاسخهای متفاوتی تولید میکند.
بر اساس تحلیلهای مجموعه Steady Demand، تکرار یک جستجوی محلی یکسان در Gemini تنها در ۴۰ درصد مواقع منابع ارجاعی مشترک را نشان میدهد و فقط در ۷ درصد موارد، کسبوکار رتبه اول یکسان باقی میماند؛ در حالی که این ثبات در نتایج محلی گوگل (Google's local pack) نزدیک به ۹۰ درصد است. او توصیه کرد برندهای چندشعبهای با تمرکز بر ثبت بازخورد در پلتفرمهای متنوع مانند Reddit، TripAdvisor و Yelp (که با ChatGPT همکاری دارد)، اعتبار خود را در موتورهای پاسخدهی هوش مصنوعی تقویت کنند. به گفته او، کسبوکارها باید برای جلب توصیه این پلتفرمها، میانگین امتیاز ۴.۵ تا ۴.۷ را هدفگذاری کنند.
در نهایت، وایدمان بر اهمیت کنترل متمرکز برای برندهایی با ۴۰ تا ۴,۰۰۰ شعبه تأکید کرد تا از ثبت اطلاعات متناقض یا شمارههای تماس غیرمجاز جلوگیری شود. او پیشبینی کرد که در آینده، دستیارهای هوش مصنوعی شماره تماسها را تأیید کرده و مستقیماً تماس را برقرار میکنند، بدون اینکه کاربر نیازی به بازدید از وبسایت داشته باشد.