میانگین امتیاز دیده‌شدن برندها در موتورهای هوش مصنوعی تنها ۳۱ از ۱۰۰ است

اگر امروز بودجه بازاریابی خود را صرف رتبه‌بندی در گوگل می‌کنید، احتمالاً بخشی از مشتریان خود را به رقبایی می‌بازید که در پاسخ‌های ChatGPT توصیه می‌شوند. طبق داده‌های منتشرشده در ۲۷ اوت ۲۰۲۶ توسط شرکت Inithouse، میانگین امتیاز دیده‌شدن برندها در موتورهای هوش مصنوعی تنها ۳۱ از ۱۰۰ است. این معیار نشان می‌دهد که در حالی که اکثر مدل‌های هوش مصنوعی از وجود یک برند آگاه هستند، اما به‌ندرت اعتماد کافی برای توصیه فعالانه آن به کاربران را دارند؛ در حالی که برندهای پیشرو به امتیاز ۸۰ و بالاتر رسیده‌اند.

گذار از نتایج جست‌وجو (SERPs) به سنتز

ما اکنون شاهد گذار از عصر «لینک‌های آبی» و رتبه‌بندی کلمات کلیدی به عصر «سنتز» هستیم. سئوی سنتی بر روی رتبه‌بندی لینک‌ها تمرکز داشت، اما توصیه‌های هوش مصنوعی بر اساس ترکیب اطلاعات عمل می‌کنند. وقتی کاربر از موتورهایی مانند ChatGPT، Claude و Perplexity می‌پرسد که «بهترین ابزار برای X چیست»، این موتورها یک لیست رتبه‌بندی شده ارائه نمی‌دهند؛ بلکه متنی را بر اساس ترکیبی از مستندات، رشته‌توییت‌ها و بحث‌های Reddit و پست‌های وبلاگی تولید می‌کنند.

این تغییر باعث می‌شود ردیاب‌های رتبه سنتی منسوخ شوند، زیرا دیگر مفهومی به نام «جایگاه» وجود ندارد؛ شما یا توصیه می‌شوید یا به‌سادگی غایب هستید. در این مدل جدید، تفاوت بین رتبه ۱ و رتبه ۳ معنا ندارد. علاوه بر این، ترکیب منابع در هر پرس‌وجو تغییر می‌کند؛ تغییر در نحوه بیان یک سؤال می‌تواند صفحات کاملاً متفاوتی را فراخوانی کند و توصیه متفاوتی را تولید نماید.

بازیابی داده‌ها در موتورهای مختلف

هر موتور هوش مصنوعی داده‌ها را به شکل متفاوتی بازیابی می‌کند، به این معنی که یک پرس‌وجوی واحد در یک موتور، داده‌های پایداری برای موتورهای دیگر فراهم نمی‌کند:

• Perplexity: جست‌وجوی زنده و لحظه‌ای را اجرا می‌کند.
• ChatGPT: از داده‌های آموزشی ترکیب شده با قابلیت مرور وب استفاده می‌کند.
• Claude: صفحات را به‌صورت گزینشی بازیابی می‌کند.
• Gemini: پاسخ‌های خود را از طریق جست‌وجوی گوگل مبنی‌سازی (Grounding) می‌کند.
• Google AI Overviews: اطلاعات را مستقیماً از نتایج جست‌وجوی گوگل (SERP) استخراج می‌کند.

برای کمی کردن این پدیده، Inithouse ابزاری به نام Be Recommended توسعه داده است که بیش از ۵۰ پرامپت دنیای واقعی را در این پنج موتور اصلی اجرا می‌کند. این پرامپت‌ها دقیقاً رفتار خریداران واقعی را شبیه‌سازی می‌کنند؛ از جمله پرس‌وجوهای دسته‌بندی («بهترین ابزار نویسندگی هوش مصنوعی»)، پرس‌وجوهای مقایسه‌ای («X در برابر Y»)، پرس‌وجوهای مورد-کاربرد («ابزاری برای ممیزی اپلیکیشن‌های vibe-coded») و پرس‌وجوهای مستقیم برند («برند [نام برند] چیست؟»). برای مدیریت این فرآیند، می‌توان از ابزارهای تخصصی سنجش رؤیت‌پذیری برند استفاده کرد تا میزان ذکر نام برند در پاسخ‌های مدل‌های مختلف رصد شود.

شش سیگنال دیده‌شدن

این سیستم شش سیگنال خاص را برای تعیین میزان دیده‌شدن یک برند ارزیابی می‌کند:

• ذکر شدن (Mentioned): دیده‌شدن پایه در مجموعه بازیابی؛ یعنی هوش مصنوعی صرفاً نام برند شما را می‌آورد.
• توصیف دقیق (Described Accurately): اینکه آیا هوش مصنوعی جایگاه واقعی برند را درک کرده است یا فقط نام آن را می‌شناسد.
• توصیه شدن (Recommended): تایید فعال برند به‌عنوان یک راهکار، به جای ذکر غیرفعال نام آن.
• ارجاع به منبع (Source Cited): وجود لینک‌های قابل تأیید به محتوای خود برند، که ثابت می‌کند مدل صفحه را خوانده است و نه فقط یک خلاصه از آن را.
• قاب‌بندی رقابتی (Competitor Framing): اینکه آیا برند شما گزینه پیش‌فرض است یا تنها یک گزینه جایگزین (Fallback) وقتی در کنار رقبا ظاهر می‌شود.
• نوع منبع (Source Type): اینکه هوش مصنوعی به سایت شرکت، یک نقد، یک دایرکتوری یا یک پست وبلاگی اعتماد می‌کند.

در اینجا وزن‌دهی بسیار حیاتی است؛ یک توصیه که بر اساس نقد شخص ثالث باشد، وزن بسیار بیشتری نسبت به ادعایی که در صفحه اصلی سایت شرکت آمده است دارد. دلیل این امر آن است که مدل‌های مدرن هوش مصنوعی برای جلوگیری از سوگیری، به‌طور فزاینده‌ای ادعاهای تک‌منبعی را نادیده می‌گیرند.

تحلیل شکاف امتیازات

تفاوت فاحشی بین امتیاز ۳۱ و ۸۰+ وجود دارد. برندی که امتیاز ۳۱ می‌گیرد، معمولاً تنها توسط یک یا دو موتور شناسایی می‌شود و اغلب با عباراتی محتاطانه مانند «تأییدیه عمومی محدودی دارد» یا «نتوانستم سوابق آن‌ها را تأیید کنم» همراه است.

در مقابل، امتیاز ۸۰+ نشان می‌دهد که چهار یا پنج موتور، برند را به‌درستی شناسایی می‌کنند. این برندها نه تنها در جست‌وجوهای مستقیم نام برند، بلکه در پرس‌وجوهای سطح دسته‌بندی نیز توصیه می‌شوند و منابع آن‌ها شامل پوشش‌های مستقل است، نه فقط وب‌سایت خود شرکت.

این شکاف به‌ندرت به کیفیت خود محصول مربوط می‌شود؛ بلکه یک مشکل توزیع و جایگاه‌سازی است. اگر برندی در Gemini یا Perplexity در بخش «ارجاع به منبع» امتیاز پایینی می‌گیرد، یعنی محتوای آن اصلاً در مجموعه بازیابی قرار ندارد. اگر در ChatGPT در بخش «توصیف دقیق» امتیاز پایینی دارد، یعنی مدل برند را یافته اما هدف و کاربرد آن را اشتباه متوجه شده است.

برای بنیان‌گذاران و مدیران بازاریابی، این امتیاز ترکیبی جایگزین پیچیدگی‌های غیرقابل‌مدیریت ردیابی جداول شامل ۲۵۰+ نتیجه مجزا (پرامپت در هر موتور) می‌شود. این عدد یک شاخص کلیدی (KPI) واحد فراهم می‌کند تا مشخص شود دیده‌شدن در هوش مصنوعی در طول زمان بهبود یافته یا رو به وخامت است. شرکت‌ها اکنون می‌توانند ردپای هوش مصنوعی خود را ممیزی کنند تا ببینند مدل‌ها برای دسته‌بندی خاص آن‌ها، به کدام کانال‌های توزیع — مانند نقدهای مستقل یا مستندات فنی — بیشتر اعتماد می‌کنند.

گام بعدی شما

• بررسی کنید که آیا برند شما در پاسخ‌های دسته‌بندی‌شده (مثلاً «بهترین ابزار X») ذکر می‌شود یا خیر.
• تمرکز محتوایی خود را از کلمات کلیدی به تولید بررسی‌های مستقل در سایت‌های Third-party منتقل کنید.
• مستندات فنی خود را برای بهبود بازیابی در مدل‌های زاینده بهینه‌سازی کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.