گزارش جدید مؤسسه پژوهشی Comscore نشان می‌دهد که بازار دستیارهای هوش مصنوعی به سرعت در حال خروج از انحصار ChatGPT و حرکت به سمت چنددستگی است. بر اساس گزارش سه ماهه دوم سال ۲۰۲۶ این مؤسسه تحت عنوان «گزارش هوش مصنوعی Q2 2026»، سهم ChatGPT از حجم پرامپت‌های ارسالی کاربران بین ژانویه تا ژوئن ۲۰۲۶ از ۷۰ درصد به ۵۰ درصد کاهش یافته است. این در حالی است که رقبایی مانند Gemini متعلق به گوگل و Claude متعلق به شرکت Anthropic به سرعت در حال تصاحب سهم بیشتری از این بازار پویا هستند. این پژوهش بر اساس داده‌های پنل داوطلبانه Comscore با جامعه آماری بین ۵۰۰ هزار تا یک میلیون کاربر انجام شده است.

رشد بازار و تقسیم سهم میان رقبا

کاهش سهم ChatGPT به معنای انقباض بازار دستیارهای هوش مصنوعی نیست؛ بلکه نشان‌دهنده بزرگ‌تر شدن کل بازار و توزیع پرامپت‌ها میان پلتفرم‌های متنوع‌تر است. اسمریتی شارما (Smriti Sharma)، مدیر ارشد فناوری و تحلیل داده در Comscore، در این باره توضیح می‌دهد که با افزایش حجم کلی استفاده از هوش مصنوعی، سهم پلتفرم‌های مختلف در حال تعدیل است. بر اساس آمار این گزارش، سهم Gemini در بازه زمانی مذکور تقریباً دو برابر شده و از ۱۷ درصد به ۳۰ درصد رسیده است. همچنین سهم Claude نیز از ۲ درصد به ۱۱ درصد افزایش یافته است.

آمارهای Comscore نشان می‌دهد که در ژوئن ۲۰۲۶، حدود ۳۵ درصد از کاربران دسکتاپ و ۲۹ درصد از کاربران موبایل از یک دستیار هوش مصنوعی استفاده کرده‌اند، در حالی که این ارقام در ژانویه ۲۰۲۵ به ترتیب ۲۵ درصد و ۱۲ درصد بوده است. در این میان، ChatGPT در ژوئن ۲۰۲۶ به ۱۶۸ میلیون گفتگوی دسکتاپی دست یافته و بازدید چندپلتفرمی آن از ۵۹ میلیون کاربر در سال گذشته به ۹۹ میلیون افزایش یافته است.

در همین حال، گفتگوهای دسکتاپی Claude از ۱.۱ میلیون در اکتبر ۲۰۲۵ به اوج خود یعنی نزدیک به ۴۰ میلیون در آوریل ۲۰۲۶ رسید، هرچند در ماه‌های تابستان با کمی کاهش به ۲۲.۳ میلیون گفتگو در ژوئن محدود شد که همچنان ۲۰ برابر بیشتر از آمار اکتبر ۲۰۲۵ است. دستیار Gemini نیز رشد خیره‌کننده‌ای را تجربه کرده و گفتگوهای دسکتاپی آن در طول سال گذشته از ۸ میلیون به ۸۹ میلیون مورد افزایش یافته است.

ضرورت تغییر استراتژی به سمت بهینه‌سازی چندپلتفرمی (GEO)

این چنددستگی در بازار، ناشران و بازاریابان را ناگزیر می‌سازد تا استراتژی‌های «بهینه‌سازی برای موتورهای مولد» (Generative Engine Optimization یا GEO) خود را بازنگری کنند. مایکل کینگ (Michael King)، بنیان‌گذار و مدیرعامل آژانس بازاریابی محتوایی و سئو iPullRank، معتقد است ناشران باید به جای تمرکز صرف بر نحوه نمایش محتوای خود در ChatGPT، بپرسند که مخاطبان واقعی آن‌ها در کدام پلتفرم‌ها سوالات خود را مطرح می‌کنند.

کینگ این دوران را با سال‌های اولیه شکل‌گیری شبکه‌های اجتماعی مقایسه می‌کند که در آن مخاطبان در پلتفرم‌های مختلف پراکنده شدند و هر پلتفرم رفتار کاربری و مخاطبان خاص خود را پیدا کرد. به گفته او، Gemini به دلیل ادغام با ابزارهای گوگل، اندروید و Workspace، کاربران عام را جذب کرده است که شاید هرگز به دنبال یک چت‌بات مجزا نبوده‌اند. در مقابل، Claude در میان دانش‌ورزان (knowledge workers) و مخاطبان فنی رشد کرده است. این دو گروه، کاربران متفاوتی هستند که سوالات متفاوتی نیز می‌پرسند.

چالش هوش مصنوعی گوگل برای ترافیک ناشران

بخش دیگری از این تغییرات در نتایج جستجوی سنتی رخ می‌دهد. قابلیت خلاصه‌ساز هوش مصنوعی گوگل موسوم به AI Overviews سهم بزرگی از نحوه دریافت پاسخ توسط کاربران را به خود اختصاص داده است. جستجوهای دسکتاپ گوگل که شامل خلاصه‌ساز AI Overviews می‌شوند، از ۲۵.۸ درصد در ژوئیه ۲۰۲۵ به ۳۹.۴ درصد در ژوئن ۲۰۲۶ افزایش یافته‌اند. این روند برای ناشران نگران‌کننده است؛ زیرا هرچه گوگل پاسخ‌های مستقیم بیشتری در صفحه نتایج جستجو ارائه دهد، ترافیک ارجاعی (referral traffic) به وب‌سایت ناشران بیشتر کاهش می‌یابد.

تفاوت منبع‌یابی و ارجاع‌دهی؛ سنجه‌های جدید ارزیابی نفوذ

یکی از یافته‌های کلیدی گزارش Comscore، تمایز میان استفاده از محتوای یک برند به عنوان منبع (Sourcing) و ارجاع‌دهی مستقیم به آن (Citation) در پاسخ‌های هوش مصنوعی است. برای نمونه، وب‌سایت Tripadvisor منبع ۶۱ درصد از پاسخ‌های حوزه سفر در پلتفرم‌های هوش مصنوعی بوده، اما تنها در ۲۱ درصد موارد به عنوان مرجع ذکر شده و لینک دریافت کرده است.

شارما تأکید می‌کند که استفاده شدن توسط هوش مصنوعی به معنای دیده شدن در آن نیست. در سئوی سنتی سوال این بود که «آیا کسی سایت مرا پیدا کرد؟» اما اکنون در سنجش هوش مصنوعی سوال این است که «آیا هوش مصنوعی از من استفاده کرد؟ آیا به من ارجاع داد؟ آیا مرا توصیه کرد یا رقبایم را ترجیح داد؟»

مایکل کینگ فرآیند بازیابی اطلاعات در مدل‌های زبانی را دو مرحله‌ای توصیف می‌کند: ابتدا مدل با ایجاد چند زیر‌پرسش، مجموعه وسیعی از صفحات را به عنوان منبع جذب می‌کند (Sourcing). سپس در مرحله دوم، اطلاعات را ترکیب کرده و تنها به بخش کوچکی از صفحات که مستقیماً به آن‌ها تکیه کرده، ارجاع می‌دهد (Citation). بنابراین، ارجاع‌دهی به تنهایی یک سنجه تاخیری و ناقص است و برندها باید کل قیف بازاریابی را از بازیابی تا ارجاع، ترافیک ارجاعی و در نهایت درآمد اندازه‌گیری کنند. ناشرانی مانند Forbes و Time از این نرخ‌های ارجاع‌دهی به عنوان معیاری جدید برای کسب درآمد از تبلیغ‌دهندگان استفاده می‌کنند، هرچند هنوز روش یکپارچه‌ای برای سنجش آن وجود ندارد. به گفته شارما، امروزه تأثیرگذاری بر تصمیم‌گیری کاربر از طریق چت‌بات‌ها، اهمیت بسیار بیشتری نسبت به کلیک‌های سنتی پیدا کرده است.