مقاييس أفضل لرؤية بحث الذكاء الاصطناعي

إن ظهور عمليات البحث والاكتشاف التي يولدها الذكاء الاصطناعي يدفع التجار إلى قياس مدى ظهور منتجاتهم على تلك المنصات. يحاول العديد من مُحسِّني البحث تطبيق المقاييس التقليدية مثل عدد الزيارات من genAI والتصنيفات في الإجابات. كلاهما يقصر.

مرور. إن التركيز على حركة المرور يحجب الغرض من إجابات الذكاء الاصطناعي: وهو تلبية الحاجة في الموقع، وليس لتوليد النقرات.

لا تتضمن الحلول التي ينشئها الذكاء الاصطناعي عادةً روابط لمواقع الويب ذات العلامات التجارية. على سبيل المثال، تقوم Google’s AI Overviews أحيانًا بربط أسماء المنتجات بقوائم البحث العضوي.

وبالتالي فإن الرؤية لا تساوي حركة المرور. يمكن أن تظهر منتجات التاجر في إجابة AI ويتم استلامها لا النقرات.

التصنيفات. غالبًا ما تتضمن إجابات الذكاء الاصطناعي قوائم. يحاول العديد من البائعين تتبع تلك القوائم للترتيب في الأعلى أو بالقرب منه. ومع ذلك، فإن تتبع مثل هذه التصنيفات أمر مستحيل.

إجابات الذكاء الاصطناعي لا يمكن التنبؤ بها. وجدت دراسة حديثة أجرتها شركة Sparktoro أن منصات الذكاء الاصطناعي توصي بعلامات تجارية مختلفة وطلبات مختلفة في كل مرة يسأل فيها نفس الشخص نفس السؤال.

مقاييس الذكاء الاصطناعي الأفضل

فيما يلي مقاييس أفضل لقياس رؤية الذكاء الاصطناعي.

تحديد موضع المنتج أو العلامة التجارية في بيانات تدريب LLM

تعد بيانات التدريب أمرًا أساسيًا لرؤية الذكاء الاصطناعي لأن نماذج اللغات الكبيرة تعتمد افتراضيًا على ما تعرفه. حتى عندما يستفسرون عن Google وأماكن أخرى، غالبًا ما يستخدم الحاصلون على ماجستير إدارة الأعمال بيانات التدريب الخاصة بهم لتوجيه مصطلحات البحث.

لذلك من الضروري تتبع ما يحتفظ به ماجستير إدارة الأعمال (LLM) بشأن علامتك التجارية والمنافسين، والأهم من ذلك، ما هو غير الصحيح أو القديم. ثم ركز على توفير البيانات المفقودة أو المصححة على موقعك وعبر جميع القنوات المملوكة.

ستساعد المطالبة اليدوية في ChatGPT وClaude وGemini (على الأقل) في تحديد الفجوات. يمكن أن تكون المطالبات:

• “ماذا تعرف عنه [MY PRODUCT]؟”
• “يقارن [MY PRODUCT] مقابل [MY COMPETITOR’S PRODUCT]”.

يمكن لـ Profound وPeec AI وغيرها من أدوات تعقب رؤية الذكاء الاصطناعي إعداد هذه المطالبات لمراقبة موضع المنتج بمرور الوقت.

عند استخدام أدوات الرؤية هذه، ضع في اعتبارك ما يلي:

• تقوم أدوات تتبع الذكاء الاصطناعي بإدخال المطالبات عبر واجهات برمجة تطبيقات LLMs. غالبًا ما يرى البشر نتائج مختلفة بسبب التخصيص والاختلافات بين نماذج الذكاء الاصطناعي. تعد نتائج واجهة برمجة التطبيقات (API) أفضل للتحقق من بيانات التدريب لأن LLM من المحتمل أن تعرض نتائج من تلك البيانات (مقابل عمليات البحث المباشرة) لحفظ الموارد.

• تعتمد درجات رؤية الأدوات بشكل كامل على المطالبة. في الأدوات، قم بفصل المطالبات ذات العلامات التجارية في مجلد، حيث من المرجح أن تحصل على 100%. ركز أيضًا على المطالبات غير ذات العلامة التجارية التي تعكس عرض القيمة للمنتج. من المرجح أن تحصل المطالبات التي لا علاقة لها بالميزات الرئيسية للعنصر على 0%.

معظم المصادر المذكورة

تقوم منصات LLM بإجراء عمليات بحث مباشرة بشكل متزايد عند الاستجابة للمطالبات. قد يقومون بالاستعلام عن Google أو Bing – نعم، البحث العضوي يحفز رؤية الذكاء الاصطناعي – أو يزحفون إلى مصادر أخرى مثل Reddit.

تؤثر الاستشهادات، مثل المقالات أو مقاطع الفيديو، من عمليات البحث المباشرة هذه على استجابات الذكاء الاصطناعي. لكن الاستشهادات تختلف على نطاق واسع لأن ماجستير إدارة الأعمال ينتشر عبر استعلامات مختلفة (غالبًا ما تكون غير مرتبطة). لذا، فإن محاولة إدراجها في كل مصدر مستشهد به ليس أمرًا واقعيًا.

ومع ذلك، غالبًا ما تنتج المحفزات نفس المصادر المؤثرة بشكل متكرر. هذه تستحق الاستكشاف لتشمل علامتك التجارية أو منتجك. يمكن لأجهزة تتبع الرؤية باستخدام الذكاء الاصطناعي جمع عناوين URL الأكثر ذكرًا لعلامتك التجارية أو منتجك أو صناعتك.

الإشارات إلى العلامة التجارية وحجم البحث عن العلامة التجارية

استخدم Search Console أو أدوات التحليل التقليدية الأخرى لتتبع:

• الاستعلامات التي تحتوي على اسم علامتك التجارية أو نسخة منه.
• عدد النقرات من تلك الاستعلامات.
• الانطباعات من تلك الاستعلامات. كلما زادت إجابات الذكاء الاصطناعي التي تتضمن اسم علامة تجارية، كلما زاد عدد البشر الذين يبحثون عنها.

في Search Console، أنشئ فلترًا في قسم “الأداء” لعرض بيانات الاستعلامات ذات العلامات التجارية.

أنشئ فلترًا في قسم “الأداء” في Search Console لعرض بيانات الاستعلامات ذات العلامات التجارية.