بعد إجراء تدقيق AEO وإنهاء قائمة المراجعة، يظهر السؤال الأصعب: هل نُفّذت الإصلاحات فعلاً كما ينبغي؟ غالباً ما تبدأ المشكلة عندما تحاول قراءة نتائج AEO من لوحة SEO التقليدية؛ فلا يتحرك ترتيب الكلمات المفتاحية، وربما تتراجع الزيارات العضوية، فتظن أن العمل لم يحقق شيئاً. لكن الصورة مختلفة تماماً. لا يوجد «مركز أول» داخل محرك الذكاء الاصطناعي؛ فهو يفكك المحتوى إلى عبارات ويوظفها في بناء الإجابات. لذلك لا يُقاس النجاح بالترتيب، بل بثلاثة أمور: هل وصل الذكاء الاصطناعي إلى محتواك؟ هل استشهد به؟ وهل أدرج علامتك التجارية في الإجابة؟
توقّف عن الحكم على فعالية AEO من خلال الترتيب والزيارات وحدهما
سلسلة النتائج في SEO التقليدي واضحة: الظهور ضمن المراكز الثلاثة الأولى، ثم الحصول على النقرات، ثم جذب الزيارات. أما في AEO، فتنقطع هذه السلسلة في المنتصف؛ إذ يطرح المستخدم سؤاله في ChatGPT أو Perplexity، فيركّب المحرك الإجابة مباشرة. وقد يقرأها ثم يغادر من دون زيارة موقعك إطلاقاً. هذا ما يُعرف بظاهرة «صفر نقرات». لذلك، إذا كثرت الاستشهادات بعلامتك التجارية ولم تنمُ زيارات الموقع الرسمي بالنسبة نفسها، فهذه ليست علامة فشل، بل نتيجة طبيعية لعمل AEO. وإذا جعلت الزيارات العضوية في GA مؤشرك الوحيد، فقد توقف المشروع في اللحظة التي تبدأ فيها نتائجه بالتراكم.
فكّك النتائج واقرأها عبر مؤشرات من ثلاث طبقات
تعامل مع نتائج AEO باعتبارها قمعاً يتكون من ثلاث طبقات: الزحف، والاستشهاد، والظهور. على محرك الذكاء الاصطناعي أن «يصل» أولاً إلى صفحتك قبل أن يتمكن من «الاستشهاد» بها عند توليد الإجابات؛ ومع تكرار الاستشهاد، تبدأ علامتك التجارية في «الظهور» ضمن إجابات أسئلة المستخدمين. إذا تعطلت أي طبقة، فلن تصل النتائج إلى ما بعدها. وجوهر القياس بعد التدقيق هو معرفة الطبقات التي أصبحت تعمل وتلك التي ما زالت تعاني انسداداً.
- طبقة الزحف (Crawl): هل نجح برنامج زحف الذكاء الاصطناعي في الوصول إلى صفحاتك؟ وما الصفحات التي زحف إليها؟ وكم مرة عاد؟
- طبقة الاستشهاد (Citation): هل تظهر ضمن المصادر في الإجابات التي يولدها الذكاء الاصطناعي؟ وما الصفحات التي يستشهد بها؟
- الظهور في الإجابات: ما نسبة الإجابات التي تظهر فيها علامتك التجارية ضمن الأسئلة المهمة لك؟ هذه هي حصة الإجابات.
طبقة الزحف: تأكّد أولاً من أن برامج زحف الذكاء الاصطناعي تستطيع الدخول فعلاً
غالباً ما تُتجاوز هذه الطبقة، مع أنها أول ما ينبغي قياسه. افتح سجل الوصول في الخادم، ثم رشّح وكلاء المستخدم الخاصة ببرامج زحف الذكاء الاصطناعي: GPTBot وOAI-SearchBot من OpenAI، وClaudeBot من Anthropic، وPerplexityBot من Perplexity، وGoogle-Extended من Google لأغراض تدريب الذكاء الاصطناعي وAI Overviews. عليك الإجابة عن ثلاثة أسئلة: هل زارت موقعك؟ ما الصفحات التي زحفت إليها؟ وهل واجهت عدداً كبيراً من أخطاء 404 أو حظرها ملف robots.txt؟ من أكثر الحالات التي نراها أثناء عمليات التدقيق أن ملف robots.txt أو جدار الحماية في CDN يحظر بعض هذه البرامج بصمت؛ وعندها لن يصل المحتوى إلى مجال رؤية النموذج مهما بلغت جودته.
طبقة الاستشهاد: تتبّع عدد المرات التي يعرضك فيها الذكاء الاصطناعي كمصدر
هناك إشارتان ينبغي تتبّعهما في طبقة الاستشهاد. الأولى هي زيارات الإحالة: اجمع المصادر chatgpt.com وperplexity.ai وgemini.google.com وcopilot.microsoft.com في مجموعة مستقلة داخل GA4، لتعرف إن كان المستخدمون يصلون عبر روابط المصادر في إجابات الذكاء الاصطناعي. عادة ما يكون حجم هذه الزيارات محدوداً، لكن نية المستخدم فيها قوية، وغالباً ما يتجاوز معدل التحويل فيها معدل البحث العضوي المعتاد. الإشارة الثانية هي نسبة الاستشهاد: اطرح المجموعة نفسها من الأسئلة على محركات الذكاء الاصطناعي، وسجّل نسبة ظهور نطاقك ضمن قوائم مصادر الإجابات. تقيس الإشارة الأولى النقرات الفعلية الناتجة من الاستشهاد، بينما تقيس الثانية وتيرة الاستشهاد نفسه. تحتاج إلى متابعة كليهما، لأن ظاهرة «صفر نقرات» تجعل زيارات الإحالة أقل دائماً من التأثير الحقيقي.
طبقة الظهور: قِس حصتك من إجابات الأسئلة
هذه الطبقة هي الأقرب إلى أهداف الأعمال، لكنها الأصعب في القياس ذاتياً. ابدأ بإعداد مجموعة من الأسئلة التي يطرحها المشترون فعلاً؛ وعادة ما تتراوح بين عشرات ومئات الأسئلة، وفقاً لفئة المنتج ونقاط الألم وأسئلة المقارنة. بعد ذلك، اختبر هذه المجموعة دورياً عبر أبرز محركات الذكاء الاصطناعي، وسجّل أمرين: هل تذكر الإجابة علامتك التجارية؟ وهل تذكرها بنبرة إيجابية أو محايدة، أم تضعها ضمن الخيارات غير الموصى بها؟ حوّل هذه النتائج إلى حصة من الإجابات، وستحصل على منحنى يمكن مقارنته شهراً بعد شهر. يمكن تنفيذ عشرات الأسئلة يدوياً؛ أما عند التعامل مع مئات الأسئلة عبر عدة محركات ومتابعة تغير النتائج بمرور الوقت، فستحتاج إلى أدوات للرصد المستمر. وهذا تحديداً ما تعالجه خدمة تتبّع الظهور ضمن مراقبة حضور الذكاء الاصطناعي لدينا.
حدّد خط الأساس أولاً، ثم ناقش مدى التقدم
يجب قياس جميع المؤشرات مرة واحدة أثناء التدقيق واعتمادها خطاً للأساس. من دونه، لن تعرف إن كانت الأرقام اللاحقة تعكس تقدماً أم تراجعاً. أما إيقاع المتابعة، فيمكن مراجعة سجلات الخادم أسبوعياً لطبقة الزحف، وقياس طبقتي الاستشهاد والظهور شهرياً. تتأخر محركات الذكاء الاصطناعي في تحديث إجاباتها، والقياس بوتيرة شديدة التقارب لن يُظهر سوى الضوضاء. ومن المنطقي أن تتوقع استجابة طبقة الزحف خلال بضعة أسابيع، بينما قد تحتاج اتجاهات الاستشهاد والظهور إلى فترة تتراوح من شهر إلى ثلاثة أشهر؛ إذ يتعين على النموذج إعادة الزحف إلى المحتوى ودمجه قبل إدراجه في الإجابات.
لا يخبرك محرك الذكاء الاصطناعي بترتيبك؛ بل يقرر فقط إن كان سيضعك في الإجابة أم لا. ومهمتك في القياس هي تحويل سؤال «هل أدرجني؟» إلى رقم يمكن رؤيته وتتبّعه.
تجنّب أخطاء القياس هذه
- استخلاص النتيجة من محاولة واحدة: إجابات الذكاء الاصطناعي متغيرة. اطرح السؤال نفسه ثلاث أو خمس مرات، واعتدّ فقط بما يظهر بصورة مستقرة.
- الاختبار من حسابك الشخصي مع تفعيل الذاكرة: سيؤثر التخصيص في النتائج، لذا استخدم بيئة نظيفة أو اختبر من دون تسجيل الدخول.
- التركيز على كلمات العلامة التجارية وإهمال الأسئلة غير المرتبطة بها: الفرص الحقيقية تكمن في أسئلة المستخدمين الذين لم يعرفوا علامتك بعد ولا يصفون سوى المشكلة.
- اعتبار تراجع الزيارات دليلاً مباشراً على الفشل: تحقّق أولاً مما إذا كانت ظاهرة «صفر نقرات» قد خفّضت النقرات، بدلاً من افتراض أن الظهور نفسه قد تراجع.
لا يتطلب تطبيق هذا القياس ذي الطبقات الثلاث أدوات منذ البداية؛ يمكنك الانطلاق من سجلات الخادم وقائمة أسئلة يدوية، ثم الإجابة بوضوح عن سؤال: «هل نُفّذت إصلاحات التدقيق كما ينبغي؟». التحدي الحقيقي ليس القياس نفسه، بل جمع مؤشرات الطبقات الثلاث في لوحة معلومات تشرح النتائج للإدارة وتوجّه الجولة التالية من المحتوى. وإذا أردت معرفة الطبقة التي تتسرب منها النتائج حالياً وأيها ينبغي إصلاحه أولاً، يمكنك حجز جلسة تشخيص GEO لمدة 30 دقيقة. سنستخدم نطاقك وأسئلتك لنعرض أمامك أرقام الطبقات الثلاث مباشرة.
