هنگامی که یک خریدار از دستیار هوش مصنوعی برای یافتن تامین‌کننده مناسب جهت حل یک مسئله خاص راهنمایی می‌خواهد، ممکن است نام شرکت شما در فهرست پیشنهادی قرار گیرد. خریدار گزینه‌ها را بررسی کرده، دغدغه‌های خود را برطرف می‌کند و سپس با مراجعه به گوگل، نام شرکت شما را جستجو کرده و خرید خود را نهایی می‌سازد. در مدل‌های سنتی ارزیابی ترافیک (Attribution)، تمام اعتبار این فروش به حساب گوگل نوشته می‌شود، در حالی که دستیار هوش مصنوعی ممکن است هرگز ارجاع مستقیمی به وب‌سایت شما ثبت نکرده باشد. پدرو دیاس (Pedro Dias)، پژوهشگر و کارشناس شرکت geoSurge، در تحلیل اخیر خود در نشریه The Inference به تشریح این شکاف در سنجش رفتار خریداران پرداخته است.
نقد ارزیابی ترافیک ارجاعی و آمار ورودی‌ها
ماری هینز (Marie Haynes) در گزارشی با عنوان «GEO یک انحراف است» اشاره کرده است که نشست‌های ورودی از چت‌جی‌پی‌تی (ChatGPT) تنها ۰.۶۲ درصد از کل نشست‌های ارگانیک گوگل را در نمونه‌ای شامل ۱۰۰ وب‌سایت تشکیل می‌دهند. تحلیل نرخ تبدیل این داده‌ها نیز گوگل را از نظر حجم کلی در رتبه برتر قرار می‌دهد. با این حال، دیاس معتقد است که ارقام ترافیک ارجاعی به تنهایی نمی‌توانند معیار قطعی برای ارزیابی تلاش‌های صورت‌گرفته جهت تاثیرگذاری بر پاسخ‌های هوش مصنوعی باشند.
از نظر دیاس، جستجوی نام یک شرکت در گوگل لزوماً نقطه آغاز تحقیقات خریدار نیست، بلکه می‌تواند گام نهایی برای بررسی فهرست پیشنهادی یا توصیه‌ای باشد که در گفتگوهای قبلی با یک دستیار هوش مصنوعی شکل گرفته است. دستیار هوش مصنوعی می‌تواند پیش از آنکه خریدار دسته‌بندی محصول مورد نیاز خود را بشناسد، بر تصمیم او تاثیر بگذارد؛ چه از طریق معرفی برند و چه با توصیف ضعیف یک رقیب که منجر به حذف آن می‌شود. در هر دو حالت، تصمیم خریدار بدون ثبت ورودی مستقیم به وب‌سایت تغییر کرده است.
حافظه پارامتری و تفاوت SEO با GEO
در ادبیات بازاریابی دیجیتال، اصطلاح بهینه‌سازی برای موتورهای مولد (GEO) به عنوان یک حوزه جدید مطرح شده است. دیاس تمایز اصلی GEO و سئو سنتی (SEO) را در «حافظه پارامتری» (Parametric Memory) مدل‌ها می‌داند. حافظه پارامتری شامل دانش و تداعی‌هایی است که مدل طی فرایند آموزش فرا گرفته و در وزن‌های عددی (Numerical Weights) خود ذخیره کرده است.
در مقابل، سئو وظیفه بهینه‌سازی برای بازیابی اطلاعات (Retrieval) از وب را بر عهده دارد. در روش تولید متکی بر بازیابی (RAG)، مدل هم‌زمان از اطلاعات بازیابی‌شده از وب و دانش قبلی خود استفاده می‌کند. دیاس فرمول ساده خود را برای دیده شدن در عصر جدید این‌گونه تعریف می‌کند:
دیده‌شدن در هوش مصنوعی = سئو (SEO) + بهینه‌سازی برای موتورهای مولد (GEO)
بر اساس تحقیقات منتشرشده در مقاله «چه چیزی موجب ارجاعات هوش مصنوعی می‌شود؟»، پژوهشگران رفتار مدل‌ها را در پیکربندی API شرکت OpenAI بررسی کردند. نتایج نشان داد برندهایی که بدون جستجوی وب توسط مدل توصیه شده بودند، در ۶۷ درصد از موارد در پرس‌وجوهای بعدی ساختاریافته توسط مدل قرار گرفتند، در حالی که این رقم برای سایر برندها تنها ۱۱ درصد بود. این امر نشان می‌دهد تداعی‌های ذهنی مدل می‌تواند نقطه آغاز جستجوهای فرعی (Query Fan-out) را تعیین کند.
آزمایش بر روی مدل‌های متن‌باز و ریسک‌های تجاری
تحقیقات روی مقاله Outlandish و آزمایش‌های صورت‌گرفته با مدل‌های متن‌باز مانند Pythia نشان می‌دهد که نحوه ارائه حقایق در طول فرایند آموزش، بر توانایی پاسخ‌دهی مدل تاثیر مستقیم دارد. با این حال، دیاس تاکید می‌کند که یافته‌های به دست آمده از مدل‌های متن‌باز را نمی‌توان به طور مستقیم به مدل‌های تجاری و بسته مانند محصولات OpenAI، Anthropic یا گوگل تعمیم داد.
علاوه بر این، ابزارهای فعلی ارزیابی حضور برند در هوش مصنوعی دچار اختلال هستند. برای مثال، اگر دستیار هوش مصنوعی نام یک برند را ذکر کند، داشبوردهای تحلیل بازاریابی تمامی موارد را مثبت تلقی می‌کنند؛ در حالی که ذکر نام برند می‌تواند در قالب یک هشدار، انتقاد یا اصلاحیه باشد. ثبت یک هشدار منفی به عنوان موفقیت بازاریابی در داشبوردها، ارزیابی گمراه‌کننده‌ای ارائه می‌دهد.
تحول وب‌سایت‌ها و آینده مدل‌های درآمدی رسانه‌ها
ناتی الیملخ (Nati Elimelech) اخیراً در یادداشتی در لینکدین به بررسی اقتصاد وب‌سایت‌های دستور پخت غذا پرداخت. وب‌سایت او پس از تغییرات ساختاری با رشد ترافیک سئو مواجه شده بود، اما مدل کسب‌وکار آن همچنان زیر سوال قرار داشت؛ زیرا دستیارهای هوش مصنوعی تمام دستورالعمل و مواد لازم را بدون نیاز به بازدید کاربر ارائه می‌دادند. در چنین شرایطی، ناشر هزینه تولید محتوا را می‌پردازد اما ترافیک و شانس جذب مخاطب پایدار را از دست می‌دهد.
دیاس پیش‌بینی می‌کند که بسیاری از وب‌سایت‌ها در آینده به سمت صفحات کمتر و اتکای بیشتر به نقطه‌های پایانی API و اتصال‌های پروتکل بافت مدل (MCP) حرکت خواهند کرد. این رابط‌ها به دستیارهای هوش مصنوعی اجازه می‌دهند اطلاعات به‌روز را دریافت کرده یا خدماتی را از طرف کاربر انجام دهند، بدون آنکه بازدیدی از صفحات وب صورت گیرد. در این مسیر جدید، گوگل همچنان تشکر و اعتبار خرید را دریافت می‌کند، اما این دستیارهای هوش مصنوعی هستند که خریدار را معرفی کرده‌اند.