پرش به محتوای اصلی
پرش به محتوای مقاله

تفاوت دیدگاه ChatGPT و گوگل در معرفی برندها؛ پایان استراتژی تک‌مدلی

·۱۰ شهریور ۱۴۰۵۵ دقیقه مطالعه۱ بازدید
مطالعه Semrush: ChatGPT و Google AI Mode چشم‌انداز متفاوتی برای دیده‌شدن برندها ایجاد می‌کنند
مطالعه Semrush: ChatGPT و Google AI Mode چشم‌انداز متفاوتی برای دیده‌شدن برندها ایجاد می‌کنند
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

اثبات تجربی واگرایی در نتایج برندها بین دو غول AI در ۲۲ صنعت مختلف؛ این خبر نشان می‌دهد که دیده شدن در ChatGPT لزوماً به معنای دیده شدن در گوگل نیست.

اگر امروز برای تست دیده شدن برندتان فقط از یک دستیار هوش مصنوعی استفاده می‌کنید، احتمالاً بخشی از واقعیت بازار را نادیده می‌گیرید. طبق گزارشی که در ۳۱ اوت ۲۰۲۶ توسط Semrush منتشر شد، پاسخ به این سوال که آیا دیده شدن در ChatGPT به معنای حضور در حالت هوش مصنوعی گوگل است یا خیر، منفی است؛ این دو محیط هوش مصنوعی، چشم‌اندازهای کاملاً متفاوتی از دیده‌شدن را برای کسب‌وکارها در ۲۲ صنعت مختلف ایجاد می‌کنند.

این تغییر در حالی رخ می‌دهد که پاسخ‌های تولیدشده توسط هوش مصنوعی، جایگزین لیست‌های سنتی جست‌وجو شده‌اند تا راه اصلی کشف محصولات توسط مشتریان شوند. در حالی که پیش از این بررسی کردیم که شرکت‌هایی مانند Leadsy چگونه از Google Vertex برای بهینه‌سازی هزینه‌های داخلی استفاده کردند، چالش فعلی دیگر داخلی نیست، بلکه بیرونی است: اینکه یک برند در ذهن مدل‌هایی که کاربران واقعاً از آن‌ها می‌پرسند، چگونه تعریف شده و درک می‌شود.

تصور کنید کسب‌وکار شما یک ویترین در خیابان است. در وب سنتی، فقط کافی بود در خیابان اصلی باشید. اما در عصر هوش مصنوعی، شما با «دربان‌های» متفاوتی طرف هستید که هر کدام بر اساس منطقی کاملاً متفاوت، فروشگاه‌های مختلفی را به مشتری پیشنهاد می‌کنند.

واگرایی در فرآیند کشف

این مطالعه کوچک با عنوان «ChatGPT و حالت هوش مصنوعی گوگل: حکایت دو مدل»، ذکر برندها و ارجاعات را در بخش‌های مختلفی از جمله امور مالی، مد و پوشاک، الکترونیک مصرفی، فناوری دیجیتال و نرم‌افزار، و خدمات تجاری و حرفه‌ای بررسی کرده است. یافته‌ها نشان می‌دهد که این دو پلتفرم در انتخاب منابع مرتبط، تصمیمات یکسانی نمی‌گیرند و معیارهای متفاوتی برای مرتبط دانستن یک منبع دارند.

مطالعه Semrush: ChatGPT و حالت هوش مصنوعی گوگل، چشم‌انداز متفاوتی از دیده‌شدن برند ایجاد می‌کنند

از آنجا که این سامانه‌ها از رفتارهای متفاوتی در بازیابی (Retrieval) و تولید پاسخ استفاده می‌کنند، یک شرکت می‌تواند در یک محیط پیشنهاد اول و غالب باشد اما در محیط دیگر کاملاً نامرئی بماند. این وضعیت برای بازاریابانی که تنها از یک ابزار هوش مصنوعی برای تست استفاده می‌کنند، یک «حس کاذب از پوشش بازار» ایجاد می‌کند. این مطالعه تأکید می‌کند که دیده‌شدن قوی در یک محیط هوش مصنوعی، به‌طور خودکار به معنای حضور قدرتمند در محیط دیگر نیست.

زمینه: چرا تفاوت پلتفرم‌ها اهمیت دارد؟

جست‌وجوی هوش مصنوعی یک کانال واحد و یکپارچه نیست. هر سیستم از روش‌های منحصربه‌فردی برای بازیابی، انتخاب و تولید پاسخ استفاده می‌کند. این یعنی منابعی که کاربر می‌بیند و برندهایی که در یک پاسخ گنجانده می‌شوند، بسته به مدل انتخابی می‌توانند به‌شدت تغییر کنند.

برای کسب‌وکارهایی که روی محتوا، سئو (SEO)، روابط عمومی دیجیتال یا آموزش محصول سرمایه‌گذاری می‌کنند، اندازه‌گیری رتبه‌های سنتی جست‌وجو دیگر کافی نیست. این معیارهای قدیمی ممکن است بخش‌های به‌شدت مهمی از نحوه کشف اطلاعات توسط مخاطبان و مواجهه آن‌ها با توصیه‌های برند را نادیده بگیرند.

اندازه‌گیری شاخص دیده‌شدن در هوش مصنوعی

Semrush برای کمی کردن این موضوع، از «شاخص دیده‌شدن هوش مصنوعی» استفاده کرد که حدود ۱۲۶ میلیون پرامپت واقعی در آمریکا را در ChatGPT، Google AI Mode، Google AI Overview و Gemini تحلیل کرده است.

بر اساس مستندات این پژوهش، متدولوژی مورد استفاده، سه سیگنال خاص را برای تعیین سلامت برند استخراج می‌کند:
۱. ذکر مستقیم نام برند در متن تولیدشده توسط هوش مصنوعی.
۲. ارجاعات (Citations) و منابع لینک‌شده‌ای که در اختیار کاربر قرار می‌گیرد.
۳. حجم موضوعات یا پرس‌وجوهای مخاطبان که در آن‌ها نام برند ظاهر می‌شود.

این داده‌ها نشان می‌دهد اکوسیستم جست‌وجوی هوش مصنوعی تکه‌تکه شده است. برای مثال در بخش مبلمان کمپینگ فضای باز، برندهایی مثل Mobi Garden به «لایه شواهد» وارد شده‌اند (یعنی به عنوان یک حقیقت یا فکت ذکر می‌شوند)، اما هنوز به «لایه پیشنهاد پیش‌فرض» نرسیده‌اند؛ جایی که هوش مصنوعی به‌طور فعال آن‌ها را به عنوان یک انتخاب برتر پیشنهاد دهد.

جزئیات: پیاده‌سازی گردش کار متنوع

برای مقابله با این پراکندگی، Semrush پیشنهاد می‌کند کسب‌وکارها به‌جای تعقیب یک مدل واحد، یک «هسته ارجاع» (Citation Core) بسازند؛ یعنی بنیادی از محتواهای تخصصی با کیفیت بالا و پوشش‌های شخص ثالث که آن‌قدر مستحکم باشد که توسط هر مدل زبانی بزرگ (LLM) شناسایی شود. در این زمینه، بررسی‌های اخیر نشان می‌دهد که ارائه موردپژوهی‌های دقیق (Case Studies) یکی از مؤثرترین عوامل در ترغیب دستیارهای هوش مصنوعی به توصیه یک برند است.

گام‌های عملی برای این گردش کار عبارتند از:

  • ردیابی مجزا: بررسی ذکر برند و ارجاعات به‌صورت جداگانه برای ChatGPT و Google AI Mode.
  • تحلیل منابع: بررسی اینکه هر محیط هنگام بحث درباره دسته‌بندی محصول شما، دقیقاً به کدام منابع شخص ثالث ارجاع می‌دهد.
  • نقشه‌برداری رقابتی: مقایسه مجموعه رقبایی که در پاسخ‌های هوش مصنوعی ظاهر می‌شوند، به‌جای اینکه فقط به وب‌سایت‌هایی که در جست‌وجوی سنتی رتبه دارند نگاه کنید.
  • تولید محتوا: ساخت متریال‌های منبعی شفاف و کاربردی — شامل اطلاعات محصول و محتوای تخصصی — که از ارجاعات در پلتفرم‌های مختلف پشتیبانی کند.
  • بازبینی مستمر: ارزیابی مجدد نتایج در طول زمان، زیرا دیده‌شدن در هوش مصنوعی به‌شدت به پرامپت‌ها، موضوعات و تغییر رفتار پلتفرم‌ها وابسته است.

چرخش راهبردی در بازاریابی

برای یک صاحب کسب‌وکار، این یعنی عصر سئوی «یک نسخه برای همه» به پایان رسیده است. هدف دیگر فقط رتبه ۱ شدن در یک صفحه نیست، بلکه تبدیل شدن به یک موجودیت مورد اعتماد در مجموعه‌های آموزشی (Training sets) و بازیابی (Retrieval sets) چندین مدل مختلف است.

اگر فقط از طریق دستیار هوش مصنوعی داخلی خود وضعیت را رصد می‌کنید، واقعیت بیرونی کشف برند توسط مشتری را از دست می‌دهید. انتخاب یک ابزار داخلی برای بهره‌وری شخصی، لزوماً نشان‌دهنده جایگاه برند شما در فضای عمومی و بیرونی نیست.

اثر مرتبه دوم این تحول، یک رقابت تسلیحاتی جدید در روابط عمومی دیجیتال است؛ جایی که هدف، ذکر نام برند در نشریات تخصصی و نیچ (Niche) است که Google AI Mode یا ChatGPT بیشترین اعتماد را به آن‌ها دارند. این امر ارزش درک این موضوع را تقویت می‌کند که کدام سیگنال‌های برند در واقع توسط هر مدل خاص استخراج و نمایش داده می‌شوند.

اکنون شرکت‌ها می‌توانند از ابزارهایی مثل Scalevise (بخش AI Visibility و GEO Checker) برای شناسایی پرامپت‌های خاص، رقبا و الگوهای ارجاعی که باعث کشف‌پذیری در این پلتفرم‌ها می‌شوند، استفاده کنند. این کار به تیم‌ها اجازه می‌دهد به‌جای تکیه بر فرضیات، روی کارهایی اولویت‌بندی کنند که واقعاً کشف‌پذیری را بهبود می‌بخشد.

باید منتظر ظهور «بهینه‌سازی موتورهای زاینده» (GEO) به عنوان یک تخصص مجزا از سئو باشیم؛ جایی که برندها به‌طور خاص برای لایه‌های ارجاع مدل‌های زبانی بهینه‌سازی می‌شوند.

گام بعدی شما

  • لیست ۵ رقیب اصلی خود را استخراج کنید و در هر دو مدل ChatGPT و Google AI Mode بپرسید: «بهترین گزینه‌ها برای [محصول شما] چیست؟» و تفاوت‌ها را یادداشت کنید.
  • منابع شخص ثالثی (سایت‌های نقد و بررسی یا مجلات تخصصی) را که هر مدل به آن‌ها ارجاع می‌دهد شناسایی و برای حضور در آن‌ها برنامه‌ریزی کنید.
  • استراتژی محتوای خود را از «کلمات کلیدی» به «ساخت شواهد و ارجاعات» تغییر دهید.

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

چرا این موضوع مهم است؟

این یافته بر اساس اعتبار داده‌های Semrush نشان می‌دهد که استراتژی‌های بازاریابی دیجیتال باید از تک‌کاناله بودن خارج شوند. عدم حضور در یکی از این دو اکوسیستم، به معنای از دست دادن بخش بزرگی از مشتریانی است که مدل‌های استدلالی را برای تصمیم‌گیری مالی می‌پذیرند.

تأثیر برای ایران

برای کسب‌وکارهای ایرانی که در بازارهای جهانی فعال‌اند، این یعنی محتوای انگلیسی آن‌ها باید برای هر دو مدل بهینه‌سازی شود. با توجه به محدودیت‌های API، رصد دستی این تفاوت‌ها تنها راه فعلی برای تحلیل رقباست.

·نگاه ما
تحریریه دات‌هوش

تمرکز بر یک مدل زبانی برای سنجش اعتبار برند، شبیه به تکیه بر یک خبرگزاری در دنیای پیش از اینترنت است. این واگرایی نشان می‌دهد که «حقیقت» در عصر هوش مصنوعی، توزیع‌شده و وابسته به معماری بازیابی هر مدل است. برندها باید از مدل «رتبه‌بندی» به مدل «اعتبارسنجی در لایه‌های مختلف» کوچ کنند تا در هر دو اکوسیستم گوگل و OpenAI بقا یابند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.