به نقل از دیجیتال مارکتینگ ایران، ورود هوش مصنوعی به فرایند جست‌وجو و کشف برندها، مسیر تصمیم‌گیری مشتریان را پیچیده‌تر از گذشته کرده است. کاربر ممکن است ابتدا نام یک برند را در ChatGPT ببیند، چند روز بعد نام آن را در گوگل جست‌وجو کند و در نهایت از طریق یک کانال دیگر خرید خود را انجام دهد. در چنین شرایطی، ابزارهای تحلیلی معمول معمولاً فقط آخرین تعامل را ثبت می‌کنند و نقش هوش مصنوعی در شروع این مسیر پنهان می‌ماند.
تحقیقات جدید Similarweb نشان میدهد این فاصله میان «تأثیر» و «قابل‌اندازه‌گیری بودن» قابل‌توجه است. طبق این تحقیق، کاربرانی که در ChatGPT یک برند مشخص را به‌عنوان پیشنهاد دریافت کرده‌اند، در هفت روز بعد ۲.۵ برابر بیشتر از کاربران گروه مقایسه احتمال داشته‌اند از وب‌سایت همان برند بازدید کنند؛ حتی زمانی که هیچ ارجاع مستقیمی از ChatGPT به سایت ثبت نشده است.
این یافته یک نکته مهم برای تیم‌های بازاریابی، SEO و GEO دارد: هوش مصنوعی می‌تواند روی رفتار مشتری اثر بگذارد، بدون اینکه در گزارش‌های آنالیتیکس به‌عنوان منبع ترافیک دیده شود.
مشکل اصلی اندازه‌گیری تأثیر هوش مصنوعی چیست؟
در مدل سنتی تحلیل ترافیک، شناسایی یک منبع نسبتاً ساده است. کاربر روی یک لینک کلیک می‌کند، وارد سایت می‌شود و ابزار تحلیلی می‌تواند ارجاع‌دهنده یا کانال ورود را ثبت کند. اما در جست‌وجوی مبتنی بر هوش مصنوعی، کاربر الزاماً روی لینک کلیک نمی‌کند.
فرض کنید فردی از ChatGPT می‌پرسد بهترین ابزارهای نرم‌افزاری برای کسب‌وکارش کدام‌اند. ChatGPT یک برند را پیشنهاد میدهد، اما کاربر همان لحظه وارد سایت نمی‌شود. او ممکن است دو روز بعد در Google نام برند را جست‌وجو کند، چند صفحه از سایت را بخواند و بعد از طریق یک تبلیغ یا حتی ورود مستقیم خرید کند.
از نگاه سیستم تحلیل وب، بخش قابل مشاهده این مسیر ممکن است فقط یک Organic Search، Direct یا حتی Paid باشد. اما از نگاه رفتار مشتری، نقطه آغاز سفر می‌تواند همان پاسخ هوش مصنوعی بوده باشد.
تحقیق Similarweb چه چیزی درباره تأثیر AI نشان میدهد؟
Similarweb برای بررسی این موضوع، رفتار کاربران پس از دریافت توصیه برند در ChatGPT را بررسی کرده است. تمرکز تحقیق روی حوزه‌هایی مانند خدمات مالی، سفر و زیبایی بوده و کاربرانی مورد توجه قرار گرفته‌اند که پیش از دریافت توصیه، سابقه بازدید از برند پیشنهادی را نداشته‌اند و نام برند نیز از ابتدا در پرسش آن‌ها وجود نداشته است.
نتیجه قابل‌توجه بود: افرادی که یک برند مشخص را از ChatGPT دریافت کرده بودند، در هفت روز بعد ۲.۵ برابر بیشتر احتمال داشتند به وب‌سایت آن برند مراجعه کنند.
اهمیت این نتیجه در این است که چنین بازدیدی لزوماً از خود ChatGPT نمی‌آید. بنابراین ممکن است در گزارش‌های معمول بازاریابی هیچ اثری از AI دیده نشود، در حالی که هوش مصنوعی در مرحله کشف و شکل‌گیری علاقه کاربر نقش داشته است.
بخش بزرگی از بازدیدهای تحت تأثیر AI از جست‌وجو می‌آیند
یکی از مهمترین یافته‌های این تحقیق به کانال ورود کاربران مربوط می‌شود. حدود ۵۵.۹ درصد از بازدیدهای تحت تأثیر هوش مصنوعی از طریق جست‌وجو اتفاق افتاده‌اند؛ در حالی که این رقم برای بازدیدهای بدون نشانه تأثیر AI حدود ۴۰.۴ درصد بوده است.
این تفاوت نشان میدهد کاربری که یک برند را در پاسخ AI دیده، ممکن است بعداً برای پیدا کردن همان برند سراغ گوگل برود. در این حالت، سیستم تحلیلی بازدید را به جست‌وجوی ارگانیک نسبت میدهد، اما مرحله‌ای که باعث شد کاربر اصلاً با نام برند آشنا شود، در گزارش ثبت نمی‌شود.
به بیان ساده، ترافیک قابل مشاهده است، اما منشأ نفوذ و تأثیر همیشه قابل مشاهده نیست.
چرا مدل Last-Click Attribution برای AI کافی نیست؟
Last-Click Attribution یا نسبت دادن ارزش تبدیل به آخرین کلیک، زمانی عملکرد قابل‌قبولی دارد که مسیر مشتری نسبتاً مستقیم باشد. اما هوش مصنوعی می‌تواند مرحله جدیدی را پیش از اولین بازدید قابل‌اندازه‌گیری به سفر مشتری اضافه کند.
در یک مسیر سنتی ممکن است کاربر تبلیغ را ببیند، وارد سایت شود و خرید کند. در این شرایط، شناسایی کانال‌های مؤثر ساده‌تر است. اما مسیر جدید می‌تواند چنین شکلی داشته باشد:
پرسش از AI ← توصیه برند ← تحقیق بیشتر ← جست‌وجوی نام برند در گوگل ← ورود به سایت ← بازگشت مجدد ← خرید
در این زنجیره، آخرین کلیک شاید Organic Search باشد؛ اما حذف مرحله اول باعث می‌شود نقش AI در ایجاد تقاضا نادیده گرفته شود.
جست‌وجوی برند همیشه به معنای آگاهی قبلی نیست
یکی دیگر از پیامدهای این تغییر، پیچیده‌تر شدن تحلیل Branded Search است. معمولاً افزایش جست‌وجوی نام برند نشانه رشد آگاهی از برند یا فعالیت‌های بازاریابی تلقی می‌شود. اما بخشی از این رشد می‌تواند حاصل کشف برند در موتورهای جست‌وجوی هوش مصنوعی باشد.
برای مثال، کاربر ممکن است یک برند را برای نخستین بار در پاسخ ChatGPT ببیند، اما هیچ کلیکی انجام ندهد. چند روز بعد نام همان برند را در گوگل وارد کند. در گزارش Search Console یا ابزار آنالیتیکس، این رفتار به‌عنوان جست‌وجوی برند ثبت می‌شود، در حالی که محرک اولیه آن ممکن است AI بوده باشد.
البته نباید هر افزایش جست‌وجوی برند را به هوش مصنوعی نسبت داد. داده‌های Similarweb بیشتر نشان‌دهنده وجود یک ارتباط و اثر پایین‌دستی هستند و به‌تنهایی علت قطعی تمام بازدیدهای بعدی را اثبات نمی‌کنند.
این موضوع برای SEO و GEO چه معنایی دارد؟
تغییر رفتار کاربران، اهمیت SEO و GEO (Generative Engine Optimization) را نیز از زاویه‌ای جدید مطرح می‌کند. هدف این فعالیت‌ها فقط دریافت کلیک نیست؛ بلکه قرار گرفتن برند در مسیر کشف و بررسی کاربر نیز اهمیت پیدا کرده است.
Visibility در AI می‌تواند پیش از ورود کاربر به سایت اثر بگذارد
اگر یک برند در پاسخ هوش مصنوعی پیشنهاد شود، حتی بدون دریافت کلیک مستقیم می‌تواند وارد مجموعه گزینه‌های مورد توجه کاربر شود. در واقع، ارزش AI Visibility را نباید صرفاً با تعداد Referralها سنجید.
طبق یافته‌های Similarweb، بازدیدکنندگانی که تحت تأثیر توصیه‌های AI قرار گرفته‌اند، پس از ورود نیز تعامل عمیق‌تری با سایت داشته‌اند؛ این کاربران تقریباً دو برابر صفحات بیشتری مشاهده کرده و حدود دو برابر زمان بیشتری در سایت سپری کرده‌اند.
این موضوع نشان میدهد که حضور در پاسخ‌های AI ممکن است نه‌تنها روی کشف برند، بلکه بر کیفیت بخشی از ترافیک ورودی نیز اثر بگذارد.
اندازه‌گیری SEO هم باید از آخرین کلیک فراتر برود
همین مسئله برای SEO سنتی نیز مطرح است. ممکن است کاربر از طریق یک پاسخ AI با برند آشنا شود، سپس از گوگل وارد سایت شود و در نهایت تبدیل از کانالی کاملاً متفاوت ثبت شود.
بنابراین این یافته به معنای بی‌ارزش شدن مدل‌های فعلی Attribution نیست؛ بلکه نشان میدهد نباید تنها بر یک مدل، به‌خصوص Last-Click، برای ارزیابی عملکرد SEO یا GEO تکیه کرد.
بازاریاب‌ها چگونه می‌توانند تأثیر AI را بهتر اندازه‌گیری کنند؟
راه‌حل الزاماً ساخت یک مدل پیچیده و کاملاً جدید برای Attribution نیست. تیم‌های بازاریابی می‌توانند با کنار هم گذاشتن چند شاخص، تصویر کامل‌تری از اثر هوش مصنوعی به دست آورند.
۱. AI Visibility را در کنار Branded Search بررسی کنید
تغییرات حضور برند در پاسخ‌های هوش مصنوعی را به‌صورت دوره‌ای اندازه‌گیری کنید و آن را در کنار شاخص‌هایی مانند جست‌وجوی نام برند، Direct Traffic و تبدیل‌ها قرار دهید.
اگر افزایش حضور در پاسخ‌های AI هم‌زمان با رشد جست‌وجوی برند یا افزایش تعامل کاربران مشاهده شود، این اطلاعات می‌تواند سرنخ مهمی درباره اثر پایین‌دستی AI ارائه کند. با این حال، چنین هم‌زمانی نباید به‌عنوان اثبات رابطه علت و معلولی تفسیر شود.
۲. فقط به AI Referral Traffic نگاه نکنید
ثبت Referralهای مستقیم از ChatGPT و سایر پلتفرم‌های AI همچنان ضروری است، اما این شاخص فقط بخشی از واقعیت را نشان میدهد.
تیم‌های بازاریابی بهتر است مجموعه‌ای از شاخص‌ها را در کنار هم قرار دهند:
- میزان دیده‌شدن برند در پاسخ‌های AI
- تعداد و روند AI Referralها
- رشد جست‌وجوی نام برند
- ترافیک مستقیم
- تعامل کاربران و زمان حضور در سایت
- نرخ تبدیل و درآمد
- تغییرات در تقاضای برند پس از افزایش AI Visibility
هدف این نیست که تمام این شاخص‌ها به یک عدد واحد تبدیل شوند؛ هدف این است که تأثیر AI در بخش‌های مختلف سفر مشتری قابل مشاهده‌تر شود.
۳. اندازه‌گیری را بر اساس Customer Journey طراحی کنید
اگر هوش مصنوعی می‌تواند پیش از اولین بازدید از سایت روی تصمیم کاربر اثر بگذارد، مدل اندازه‌گیری نیز باید مرحله Discovery و Consideration را جدی بگیرد.
به جای این پرسش که «کدام کانال آخرین کلیک را ایجاد کرد؟»، بهتر است پرسش‌های مکملی نیز مطرح شود: کاربر برند را چگونه کشف کرد؟ چه چیزی باعث شد نام برند را جست‌وجو کند؟ آیا حضور برند در پاسخ‌های AI افزایش یافته است؟ آیا افزایش AI Visibility با رشد تقاضای برند یا تبدیل‌ها هم‌زمان شده است؟
یک چارچوب عملی برای اندازه‌گیری اثر AI
برای تیم‌های بازاریابی، می‌توان یک چارچوب چندلایه تعریف کرد. لایه اول، Visibility است؛ یعنی برند در چه تعداد و چه نوع پرسش‌های مرتبط در سیستم‌های AI ظاهر می‌شود.
لایه دوم، Discovery است؛ یعنی آیا افزایش حضور برند در AI با رشد جست‌وجوی نام برند، Direct Traffic یا سایر نشانه‌های آگاهی همراه شده است.
لایه سوم، Engagement است؛ یعنی کاربرانی که احتمالاً تحت تأثیر AI وارد سایت شده‌اند چه رفتاری دارند و آیا تعامل آن‌ها با سایت با سایر کاربران تفاوت دارد.
در نهایت، لایه چهارم Business Outcome است؛ یعنی آیا این تغییرات در نهایت به Lead، فروش، ثبت‌نام، درخواست مشاوره یا سایر اهداف کسب‌وکار منجر می‌شوند.
این مدل کمک می‌کند AI Visibility به یک معیار ظاهری و جدا از کسب‌وکار تبدیل نشود و ارتباط آن با شاخص‌های واقعی عملکرد نیز بررسی شود.
آیا AI Attribution جایگزین مدل‌های فعلی می‌شود؟
احتمالاً نه. مدل‌های موجود همچنان برای اندازه‌گیری کانال‌هایی که تعامل مستقیم و قابل‌ردگیری ایجاد می‌کنند ارزشمند هستند. مسئله اصلی این است که مدل‌های سنتی ممکن است بخشی از تأثیر غیرمستقیم AI را نادیده بگیرند.
در نتیجه، بهتر است AI Attribution به‌عنوان یک لایه تکمیلی در کنار Web Analytics، Search Console، CRM، داده‌های فروش و سنجش Brand Demand قرار بگیرد.
برای مثال، اگر یک برند در پاسخ‌های AI بیشتر دیده شود، جست‌وجوی نام آن افزایش پیدا کند و چند هفته بعد رشد Lead نیز مشاهده شود، این زنجیره می‌تواند ارزش بررسی داشته باشد؛ حتی اگر هیچ‌کدام از این Leadها با Referral مستقیم از یک پلتفرم AI ثبت نشده باشند.
چرا این مسئله در آینده مهم‌تر می‌شود؟
با افزایش استفاده از AI برای مقایسه محصولات، انتخاب سرویس‌ها و دریافت توصیه، مرحله پیش از کلیک اهمیت بیشتری پیدا می‌کند. کاربر ممکن است دیگر مانند گذشته ده‌ها نتیجه جست‌وجو را بررسی نکند و بخشی از فرایند تحقیق را به یک دستیار هوش مصنوعی بسپارد.
در چنین محیطی، رقابت فقط بر سر رتبه گرفتن در صفحه نتایج نیست؛ برندها باید ببینند آیا در مجموعه گزینه‌هایی که سیستم‌های AI به کاربران پیشنهاد می‌کنند نیز حضور دارند یا خیر.
این تغییر، مفهوم ارزش در SEO و GEO را نیز گسترده‌تر می‌کند. یک حضور موفق ممکن است مستقیماً کلیک تولید نکند، اما باعث شود کاربر نام برند را به خاطر بسپارد، آن را جست‌وجو کند، وارد سایت شود و در نهایت تبدیل شود.
جمع‌بندی: تأثیر AI بزرگ‌تر از چیزی است که Analytics نشان میدهد
تحقیق Similarweb یک مشکل اساسی در اندازه‌گیری بازاریابی در عصر هوش مصنوعی را برجسته می‌کند: اثرگذاری لزوماً با کلیک مستقیم همراه نیست.
ممکن است ChatGPT یک برند را به کاربر پیشنهاد دهد، اما بازدید نهایی چند روز بعد از Google یا به‌صورت مستقیم انجام شود. در این شرایط، سیستم آنالیتیکس رفتار واقعی کاربر را ثبت می‌کند، اما لزوماً دلیل شکل‌گیری آن رفتار را نمی‌بیند.
برای همین، بازاریاب‌ها باید AI Visibility را نه به‌عنوان یک منبع ترافیک منفرد، بلکه به‌عنوان بخشی از مسیر کشف، ارزیابی و انتخاب برند ببینند. بررسی هم‌زمان AI Visibility، Branded Search، ترافیک مستقیم، تعامل کاربران و تبدیل‌ها می‌تواند تصویر دقیق‌تری از ارزش سرمایه‌گذاری در SEO و GEO ارائه دهد.
در نهایت، سؤال مهم دیگر فقط این نیست که «هوش مصنوعی چند کلیک برای ما ایجاد کرد؟»؛ بلکه باید پرسید «هوش مصنوعی چند بار به دیده‌شدن، انتخاب و تقاضای برند ما کمک کرد، حتی زمانی که آن اثر در گزارش ترافیک به نام AI ثبت نشد؟»
سؤالات متداول
اندازه‌گیری تأثیر هوش مصنوعی یا AI Attribution چیست؟
AI Attribution به فرایند سنجش نقش پاسخ‌ها و توصیه‌های تولیدشده توسط هوش مصنوعی در رفتارهای بعدی مشتری گفته می‌شود؛ رفتارهایی مانند جست‌وجوی نام برند، بازدید از سایت، تعامل و در نهایت تبدیل.
چرا اندازه‌گیری Attribution در هوش مصنوعی دشوار است؟
زیرا کاربر ممکن است برند را ابتدا در یک پلتفرم AI ببیند، اما بدون کلیک مستقیم، چند روز بعد از طریق Google، Direct یا کانال دیگری وارد سایت شود. در نتیجه، ابزارهای تحلیلی ممکن است فقط تعامل نهایی را ببینند.
آیا دیده‌شدن برند در AI باعث افزایش ترافیک سایت می‌شود؟
تحقیق Similarweb نشان داده است که برندهایی که در پاسخ‌های ChatGPT به کاربران توصیه شده‌اند، در هفت روز بعد احتمال بیشتری برای دریافت بازدید داشته‌اند. با این حال، این یافته به‌تنهایی به معنای اثبات رابطه علت و معلولی برای تمام بازدیدها نیست.
بازاریاب‌ها برای سنجش AI Visibility چه شاخص‌هایی را بررسی کنند؟
بهتر است AI Visibility در کنار شاخص‌هایی مانند AI Referral، جست‌وجوی برند، ترافیک مستقیم، تعامل کاربران، Lead، فروش و نرخ تبدیل بررسی شود. ترکیب این داده‌ها تصویر کامل‌تری از اثر AI نسبت به بررسی Referralهای مستقیم ارائه میدهد.
برای مطالعه جدیدترین اخبار و تحلیل‌های بازاریابی دیجیتال و هوش مصنوعی به دیجیتال مارکتینگ ایران مراجعه کنید.
“`
