ابزارهای سنجش میزان دیده شدن در هوش مصنوعی (AI visibility tools) اکنون به برندها اجازه میدهند تا حضور خود را در پلتفرمهایی مانند ChatGPT، بخش AI Overviews گوگل، AI Mode و سایر محیطهای جستجوی مبتنی بر هوش مصنوعی ردیابی کنند. با این حال، در حالی که شاخصهای ارائهشده توسط این ابزارها میتوانند راهنمای مفیدی برای بازاریابان باشند، اقدامات عملی برخاسته از آنها همواره شفاف و مشخص نیست.
تقاضا برای این ابزارهای ردیابی به طور مداوم در حال افزایش است. بر اساس دادههای ماهانه ابزار Keywords Explorer در پلتفرم Ahrefs، میزان جستجو برای عبارت «ردیابی جستجوی هوش مصنوعی» (AI search tracking) در ایالات متحده طی سال گذشته ۱۸۴ درصد و برای «ردیابی رتبه در هوش مصنوعی» (AI rank tracking) حدود ۱۷۵ درصد رشد داشته است. اگرچه این ارقام بیشتر نشاندهنده علاقه فزاینده بازار هستند تا پذیرش گسترده و عمومی، اما روند کلی حرکت بازار کاملاً واضح و غیرقابل انکار است.
تغییر در شاخص دیده شدن یک برند، چه در جهت مثبت و چه منفی، لزوماً به معنای بینقص بودن استراتژی یا نیاز فوری به تغییر آن نیست. برای درک واقعی این شاخصها، شناخت دقیق مواردی که هر معیار آشکار یا پنهان میکند، اهمیت بالایی دارد. تمامی دادههای این گزارش توسط پلتفرم Ahrefs تهیه شده است که پژوهشهایی را در زمینه سنجش جستجوی هوش مصنوعی منتشر میکند و ابزاری اختصاصی برای سنجش دیده شدن برند به نام Brand Radar را به فروش میرساند.
چالش تفکیک اشارات مستقیم از ارجاعات لینکدار
شاخص دیده شدن در هوش مصنوعی معمولاً از ترکیب حداقل دو معیار مجزا به دست میآید. معیار اول «اشاره» (mention) است که به معنای ذکر نام برند در پاسخ هوش مصنوعی است. معیار دوم «ارجاع» (citation) نام دارد که شامل یک آدرس اینترنتی (URL) پیوند داده شده به عنوان منبع است. گاهی اوقات تنها یکی از این دو مورد در پاسخ ظاهر میشود و هرکدام چالشهای خاص خود را دارند. به عنوان مثال، ثبت یک اشاره بدون ارجاع به این معنی است که نام برند ذکر شده اما لینکی به آن داده نشده است؛ در مقابل، ارجاع بدون اشاره زمانی رخ میدهد که صفحه وب به عنوان منبع ذکر شود اما متن پاسخ درباره موضوع دیگری بحث کند. ترکیب این دو معیار در قالب یک امتیاز واحد میتواند تشخیص علت اصلی تغییرات شاخص را دشوار کند.
فرآیند بازیابی اطلاعات (Retrieval) نیز پیچیدگیهای بیشتری به این موضوع اضافه میکند. بررسی ۱.۴ میلیون دستور (Prompt) در ChatGPT توسط Ahrefs نشان داد که آدرسهای اینترنتی مربوط به وبسایت Reddit در مقیاس وسیعی بازیابی شدهاند، اما تنها در ۱.۹۳ درصد موارد به عنوان ارجاع در پاسخ نهایی ذکر شدهاند. این امر نشان میدهد که بسیاری از منابع بازیابیشده ممکن است هرگز توسط کاربر دیده نشوند و گزارشهای ارجاع سنتی نمیتوانند تمام جزئیات فرآیند بازیابی را منعکس کنند.
رابطه رتبهبندی سنتی با نتایج هوش مصنوعی
یافتههای Ahrefs از تحلیل ۸۶۳,۰۰۰ کلمه کلیدی و ۴ میلیون URL در بخش AI Overviews گوگل نشان میدهد که رتبهبندی سنتی سئو همچنان سهم مهمی در ارجاعات هوش مصنوعی ایفا میکند، هرچند شرط لازم برای آن نیست. طبق این پژوهش، ۳۷.۱ درصد از این آدرسها در میان ۱۰ نتیجه برتر ارگانیک گوگل برای همان جستجو قرار داشتند. در همین حال، ۲۶.۲ درصد رتبهای بین ۱۱ تا ۱۰۰ داشتند و ۳۶.۷ درصد اصلاً در میان ۱۰۰ نتیجه اول گوگل حضور نداشتند.
گوگل برای توضیح ارجاعاتی که خارج از رتبههای برتر سنتی قرار دارند، به فرآیند «گسترش پرسوجو» (query fan-out) اشاره میکند. در این فرآیند، گوگل هنگام تولید پاسخ در AI Overview، پرسوجوی اصلی کاربر را به چند زیرپرسوجوی مرتبط تقسیم میکند. این کار به صفحاتی که در موضوعات مرتبط عملکرد خوبی دارند اجازه میدهد تا به عنوان منبع ذکر شوند، حتی اگر برای عبارت اصلی جستجو شده رتبهای نداشته باشند. با این حال، ابزارهای ردیابی رتبه که تنها بر کلمات کلیدی اصلی تمرکز دارند، ممکن است این نوع فعالیتها را به طور کامل ثبت نکنند.
بیاثری نشانهگذاری اسکیما در ارجاعات هوش مصنوعی
یک باور رایج این است که استفاده از نشانهگذاری اسکیما (Schema markup) میتواند دیده شدن در هوش مصنوعی را بهبود بخشد. با این حال، تحقیقات Ahrefs این فرضیه را به چالش میکشد. اگرچه صفحات ارجاع داده شده توسط هوش مصنوعی تقریباً سه برابر بیشتر از صفحات ارجاعنشده دارای کدهای JSON-LD بودند، اما افزودن این کدها تأثیر معناداری بر افزایش ارجاعات نداشت.
پژوهشگران Ahrefs رفتار ۱,۸۸۵ صفحه را که بین اوت ۲۰۲۵ تا مارس ۲۰۲۶ کد JSON-LD را اضافه کرده بودند، با ۴,۰۰۰ صفحه کنترل مقایسه کردند. نتایج نشان داد که ارجاعات در پلتفرم AI Mode تنها ۲.۴ درصد و در ChatGPT حدود ۲.۲ درصد افزایش یافت که از نظر آماری ناچیز تلقی میشود. در بخش AI Overviews گوگل نیز میزان ارجاعات با کاهش ۴.۶ درصدی مواجه شد که معادل حدود ۱۲ ارجاع کمتر در روز برای هر صفحه بود. البته این نمونه شامل صفحاتی بود که پیش از افزودن اسکیما حداقل ۱۰۰ ارجاع در AI Overviews داشتند و مشخص نیست که آیا اسکیما به صفحات جدید برای کسب اولین ارجاع کمک میکند یا خیر.
در مقابل، تحلیل پلتفرم ChatGPT نشان داد که همسویی عنوان صفحات با زیرپرسوجوهای تولیدشده توسط هوش مصنوعی و همچنین استفاده از آدرسهای اینترنتی با ساختار زبان طبیعی (natural-language slugs)، رابطه مستقیم و قویتری با افزایش ارجاعات دارند.
کاهش نرخ کلیک با وجود افزایش دیده شدن
یکی از مهمترین یافتههای این پژوهش، تضاد میان دیده شدن برند و ترافیک واقعی ورودی است. بررسی نرخ کلیک (CTR) برای ۳۰۰,۰۰۰ کلمه کلیدی با استفاده از دادههای نسخه دسکتاپ گوگل سرچ کنسول (Google Search Console) بین دسامبر ۲۰۲۳ و دسامبر ۲۰۲۵ نشان داد که برای کلمات کلیدی دارای ویژگی AI Overview، نرخ کلیک رتبه اول نتایج حدود ۵۸ درصد کمتر از حد انتظار در غیاب این ویژگی بوده است.
این کاهش نشان میدهد که یک برند ممکن است رتبه خود را حفظ کند و حتی در پاسخهای هوش مصنوعی ارجاع دریافت کند، اما به دلیل پاسخ داده شدن به پرسش کاربر در همان صفحه جستجو، ترافیک ورودی کمتری دریافت کند. از این رو، کارشناسان توصیه میکنند که دادههای دیده شدن در هوش مصنوعی با گزارشهای عملکرد واقعی در سرچ کنسول و ابزارهای تحلیل ترافیک ورودی (AI referrals) ترکیب شوند تا تصویر دقیقتری از اثربخشی استراتژی بازاریابی به دست آید.
پلتفرم Ahrefs قرار است در وبیناری با عنوان «هوش مصنوعی از برند شما نقلقول میکند؛ حالا چه؟ تبدیل دادههای دیده شدن در هوش مصنوعی به اقدام عملی» در تاریخ ۱۵ سپتامبر ساعت ۱۲ ظهر به وقت منطقه زمانی شرقی (ET)، به بررسی عمیقتر این معیارها و نحوه اولویتبندی اقدامات بعدی بپردازد.