ظهور البحث والاكتشاف الذي تولده الذكاء الاصطناعي يدفع التجار إلى تقييم مدى ظهور منتجاتهم على هذه المنصات. يحاول العديد من محسّني محركات البحث تطبيق مقاييس تقليدية مثل حركة المرور من الذكاء الاصطناعي التوليدي والترتيبات ضمن إجابات الذكاء الاصطناعي، لكن كلا النهجين لا يحققان النجاح المطلوب. حركة المرور: التركيز على حركة المرور يتجاهل الوظيفة الأساسية لإجابات الذكاء الاصطناعي، وهي تلبية حاجة داخل الموقع بدلاً من زيادة النقرات. عادةً ما تفتقر ردود الذكاء الاصطناعي إلى روابط لمواقع الشركات ذات العلامة التجارية. على سبيل المثال، روابط نظرة عامة من جوجل أحيانًا تربط أسماء المنتجات بقوائم البحث العضوية. لذلك، فإن الظهور لا يترجم بالضرورة إلى حركة مرور. قد تظهر منتجات التاجر في إجابة من الذكاء الاصطناعي لكنها لا تتلقى نقرات. الترتيبات: غالبًا ما تتضمن إجابات الذكاء الاصطناعي قوائم، مما يدفع العديد من البائعين لمحاولة تتبع الترتيب ليكونوا في القمة أو بالقرب منها. ومع ذلك، فإن تتبع مثل هذه الترتيبات غير ممكن. إجابات الذكاء الاصطناعي بطبيعتها غير متوقعة. وجدت دراسة للتو Sparktoro أن منصات الذكاء الاصطناعي توصي بعلامات تجارية مختلفة وبترتيبات مختلفة في كل مرة يُطرح فيها نفس السؤال على نفس الشخص. مقاييس محسنة للذكاء الاصطناعي فيما يلي مقاييس محسنة لتقييم ظهور الذكاء الاصطناعي. موقع المنتج أو العلامة التجارية في بيانات تدريب نماذج اللغة الكبيرة (LLM) بيانات التدريب ضرورية لظهور الذكاء الاصطناعي، لأن نماذج اللغة الكبيرة تعتمد بشكل رئيسي على معرفتها المكتسبة. حتى عند استعلام جوجل أو مصادر أخرى، غالبًا ما تستخدم نماذج اللغة الكبيرة بيانات التدريب الخاصة بها لتشكيل كلمات البحث. ومن ثم، من الضروري مراقبة ما تحتفظ به نماذج اللغة الكبيرة عن علامتك التجارية والمنافسين، خاصة من حيث المعلومات غير الدقيقة أو القديمة. بعد ذلك، أعطِ الأولوية لتوفير البيانات الناقصة أو المصححة على موقعك الإلكتروني وعلى جميع قنواتك المملوكة. يمكن أن تساعد عمليات الطلب اليدوي في ChatGPT، Claude، Gemini والمنصات المماثلة على تحديد هذه الثغرات. تتضمن الطلبات المفيدة على سبيل المثال: - “ماذا تعرف عن [منتجي]؟” - “قارن بين [منتجي] و[منتج المنافس]. ” يمكن لأدوات تتبع ظهور الذكاء الاصطناعي مثل Profound و Peec AI أتمتة هذه الطلبات لمتابعة موضع المنتجات مع مرور الوقت. ضع في اعتبارك أن: أدوات تتبع ظهور الذكاء الاصطناعي ترسل الطلبات عبر واجهات برمجة التطبيقات (APIs) الخاصة بنماذج اللغة الكبيرة.

ومع ذلك، غالبًا ما يحصل البشر على نتائج مختلفة بسبب التخصيص والتنوع بين نماذج الذكاء الاصطناعي. تُعتبر نتائج واجهات برمجة التطبيقات أفضل لتقييم بيانات التدريب لأن نماذج اللغة الكبيرة عادةً ما تُرجع المعلومات من بيانات تدريبها (بدلاً من عمليات البحث المباشرة) لتوفير الموارد. يعتمد تقييم مدى الظهور في هذه الأدوات بشكل كامل على نوعية الطلبات المستخدمة. يُفضل تقسيم الطلبات المتعلقة بالعلامة التجارية إلى مجلدات منفصلة لأنها غالبًا ما تحصل على تقييم 100%. كما يُنصح بالتركيز على الطلبات غير المرتبطة بعلامتك التجارية والتي تعكس قيمة منتجك؛ فالطلبات غير الملائمة عادةً ما تحصل على صفر درجة. أهم المصادر المُدرجَة تقوم منصات نماذج اللغة الكبيرة بزيادة إجراء عمليات بحث مباشرة عند توليد الإجابات، من خلال استعلام مصادر مثل جوجل وبينغ، أو حتى مجتمعات مثل Reddit. في الواقع، يؤثر البحث العضوي على ظهور الذكاء الاصطناعي. تؤثر الاستشهادات من هذه المصادر الحية، مثل المقالات والفيديوهات، على إجابات الذكاء الاصطناعي. ومع ذلك، فإن الاستشهادات تختلف بشكل كبير بسبب استكشاف نماذج اللغة الكبيرة العديد من الاستفسارات المختلفة (وكثيرًا غير ذات صلة). لذلك، فإن السعي لتمييز وجود علامتك التجارية أو منتجك في كل مصدر استشهاد غير واقعي. ومع ذلك، تنتج بعض الطلبات باستمرار مصادر مؤثرة مماثلة، والتي تستحق النظر في تضمين علامتك التجارية أو منتجك فيها. يمكن لأدوات ظهور الذكاء الاصطناعي تجميع أكثر الروابط URL استشهادًا المتعلقة بعلامتك التجارية أو منتجك أو صناعتك. ذكر العلامة التجارية وحجم البحث عنها استخدم أدوات مثل Search Console أو أدوات التحليلات التقليدية لمراقبة: - الاستعلامات التي تحتوي على اسم علامتك التجارية أو تنويعاته. - النقرات الناتجة من هذه الاستعلامات. - الانطباعات المتعلقة بهذه الاستعلامات. كلما زاد استخدام إجابات الذكاء الاصطناعي لاسم العلامة التجارية، زاد احتمال أن يبحث المستخدمون عنها. في Search Console، طبق فلترة في قسم “الأداء” لتحليل البيانات من الاستعلامات المرتبطة بالعلامة التجارية.