حصل مُصنّع القطع الدقيقة هذا على طلب شراء بقيمة من ستة أرقام. لم تبدأ القصة في معرض تجاري، ولا عبر تواصل لتطوير الأعمال، ولا من الصفحة الأولى في Google. بدأت حين سأل مهندس مشتريات من أمريكا الشمالية عبر Perplexity: «ما الشركات الموجودة في تايوان والقادرة على توريد موصلات بكميات صغيرة؟» فذكر الذكاء الاصطناعي اسم الشركة. قبل ثلاثة أشهر، لم يكن الاسم يظهر إطلاقاً عند طرح السؤال نفسه. ما حدث بين النقطتين كان تدقيق GEO، أعقبته ثلاثة أشهر من التنفيذ.
قبل التدقيق: مصنع قوي على أرض الواقع، لكنه غير مرئي في عالم الذكاء الاصطناعي
تُصنّع هذه الشركة موصلات دقيقة منذ 20 عاماً. أسعارها تنافسية، وشهاداتها ومواعيد تسليمها من الأفضل في القطاع، ونادراً ما يغادرها عميل دولي بعد بدء التعامل معها. لكن المشكلة كانت في المرحلة السابقة لذلك: كيف يصل إليها العميل أصلاً؟ كان العملاء الجدد يأتون تقريباً بالكامل عبر المعارض، أما الموقع فلم يكن أكثر من حضور شكلي على الإنترنت. خلال العامين الماضيين، تغيّر سلوك فرق المشتريات الخارجية؛ فكثير منها لم يعد يبدأ من Google، بل يسأل ChatGPT أو Perplexity: «ساعدني في إعداد قائمة بمورّدين قادرين على تنفيذ هذا المنتج». وفي هذه الدائرة، لم تكن الشركة موجودة.
لم يقتنع صاحب الشركة في البداية. لذلك اختبرنا أمامه محركات الذكاء الاصطناعي الرئيسية بثلاثة أسئلة أساسية من خطوط منتجاته. لم يظهر اسم علامته مطلقاً، بينما تكرر الاستشهاد بمنافستين أصغر حجماً وأكثر اهتماماً بالمحتوى. عندها قرر البدء بالتدقيق بدلاً من التسرع في الإنفاق على الإعلانات.
خلال 30 يوماً، كشف التدقيق ثلاث ثغرات
لا يقيس تدقيق GEO لدينا ترتيباً شكلياً؛ بل يختبر ما إذا كانت محركات الذكاء الاصطناعي تفهم شركتك وتعدّها مصدراً يستحق الاستشهاد. وبعد 30 يوماً من الرصد، اختُصرت مشكلات الشركة في ثلاث ثغرات، وكانت جميعها قابلة للإصلاح:
- المحتوى غير قابل للاستخلاص: كانت صفحات المنتجات مزدحمة برموز الطرازات والصفات التسويقية، من دون إجابات مباشرة عن أسئلة المشتريات الفعلية، مثل الحد الأدنى للطلب، ومهل التخصيص، ونطاق الشهادات، والقطاعات المناسبة. وإذا لم يجد الذكاء الاصطناعي إجابات واضحة يسهل استخلاصها، فلن يعتمد الموقع مصدراً.
- الآلة لا تستطيع تحديد هوية الشركة: كان الموقع الرسمي يفتقر تقريباً إلى البيانات المنظّمة، ما صعّب التحقق من هوية الشركة ومنشئها ومصداقيتها في غياب Organization وProject Schema.
- معدل الإشارة إلى العلامة في محركات الذكاء الاصطناعي يقترب من الصفر: استخدمنا مراقبة الظهور في الذكاء الاصطناعي لتتبع ثمانية أنماط أساسية من أسئلة المشتريات، فكانت النتيجة 0/8، بينما استحوذ المنافسون على الإجابات عن الأسئلة نفسها.
سدّ الثغرات: تحويل خبرة الشركة إلى إجابات يستطيع الذكاء الاصطناعي استخلاصها
بعد تحديد الاتجاه، لم يكن التنفيذ معقداً. لم نُعِد بناء الموقع بالكامل؛ بل أعدنا ترتيب ما فيه. كانت الخطوة الأولى إعادة كتابة صفحات المنتجات الرئيسية في فقرات قائمة على السؤال والجواب، بحيث تكون كل فقرة مكتفية بذاتها، وتبدأ بالخلاصة ثم تعرض الشروط والسياق، ليتمكن الذكاء الاصطناعي من استخلاصها كاملة بوضوح. وفي الخطوة الثانية، أضفنا بنية Organization وProject لتمكين الآلة من التحقق من هوية الشركة وقدراتها. أما الخطوة الثالثة فكانت استخدام محرك محتوى GEO لإنتاج مواد تجيب عن أسئلة البحث الحقيقية. لم تعد الموضوعات من نوع «لماذا نحن الأفضل؟»، بل أصبحت مثل «كيف تختار موصلات للدفعات الصغيرة؟» و«ما الذي يجب التحقق منه عند اختيار موصلات طبية؟»
أُعيدت كتابة المحتوى وإضافة الترميز إليه بالكامل. واكتمل العمل على ثلاثة خطوط إنتاج رئيسية خلال الشهر الأول، ثم أُضيفت إجابات جديدة كل أسبوعين. لا وجود لحل سحري هنا؛ كل ما فعلناه هو تحويل الخبرة الراسخة في أذهان فريق المصنع إلى محتوى يستطيع الذكاء الاصطناعي قراءته ويستطيع المشتري الاستفادة منه. كان الفنيون يملكون بالفعل أفضل المواد الممكنة، لكن هذه المعرفة ظلت سابقاً حبيسة عروض الأسعار والمكالمات الهاتفية، ولم تتحول قط إلى أصول قابلة للاستشهاد.
مراقبة الظهور في الذكاء الاصطناعي تكشف التحول
الظهور ليس انطباعاً؛ بل نتيجة يجب قياسها. استخدمنا مراقبة الظهور في الذكاء الاصطناعي أسبوعياً لمعرفة ما إذا كانت العلامة تُذكر ضمن إجابات ثمانية أسئلة أساسية في ChatGPT وPerplexity وGoogle AI Overviews. في اليوم 30، ارتفع معدل الإشارة إلى العلامة من 0/8 إلى 3/8؛ وبعد 60 يوماً وصل إلى 5/8؛ ثم استقر خلال ثلاثة أشهر عند 6/8، مع مجموعتين من الأسئلة تضمنت إجاباتهما رابطاً مباشراً إلى صفحة الأسئلة الشائعة في الموقع الرسمي. ليست هذه أرقاماً تجميلية في تقرير زيارات، بل إجابة عملية عن سؤال: «عندما يسأل عميلك المحتمل الذكاء الاصطناعي، هل سيذكر اسمك؟»
كيف وصلت الطلبية؟
كان مسار الصفقة واضحاً. بحث مسؤول مشتريات من أمريكا الشمالية عبر Perplexity عن مورّد آسيوي، فاستشهد الذكاء الاصطناعي بمقال لاختيار المورّدين وأرفق رابط الموقع الرسمي. نقر المسؤول على الرابط، ووجد في صفحة الأسئلة الشائعة الحد الأدنى للطلب والمدة اللازمة لإعداد العينة، فملأ نموذج الاستفسار فوراً. ولأنه وجد مسبقاً إجابات عن الأسئلة التي تشغله، كان حاجز الثقة منخفضاً عند وصول العميل المحتمل. بعدها تولى فريق المبيعات المهمة، وخلال 30 يوماً أُعدت العينة وقُدم عرض السعر ودُفعت الفاتورة. وقد لخّص صاحب الشركة الأمر ببساطة:
«كنا ننفق مئات الآلاف من الدولارات على المعرض التجاري. أما في هذه الطلبية، فجاء العميل إلينا وهو يثق بنا بالفعل، لأن ما قاله الذكاء الاصطناعي يطابق ما كتبناه على موقعنا».
هل يمكن تكرار هذه النتيجة؟
نعم، ولكن بشرط. كانت الشركة تمتلك قدرات حقيقية؛ وما فعله التدقيق هو استخراج الخبرة المدفونة وتحويلها إلى لغة يستطيع الذكاء الاصطناعي قراءتها. إذا كان المنتج نفسه ضعيفاً، فلن تدوم النتيجة. وفي المقابل، تضم تايوان عدداً كبيراً من مُصنّعي B2B ذوي القدرات التقنية العالية الذين يظلون غير مرئيين للذكاء الاصطناعي. ما ينقصهم ليس الكفاءة، بل الطبقة التي تمكّن الآلة من التعرف إليهم. تكمن قيمة التدقيق في تحديد موضع الفجوة بدقة، وبيان ما إذا كان الاستثمار مجدياً قبل ضخ الأموال في المحتوى أو الإعلانات.
إذا كنت تتساءل عما إذا كان الذكاء الاصطناعي سيذكر اسم شركتك حين يسأل عميلك: «ما المورّدون القادرون على تنفيذ هذا المنتج؟»، يمكنك حجز جلسة تشخيص GEO مدتها 30 دقيقة. سنستخدم خط منتجاتك ونختبر بضعة أسئلة مباشرة أمامك؛ وغالباً ما تكون النتائج كفيلة بالإجابة.
