ليست كل زواحف AI متشابهة: خمس نوايا وخمس قيم تجارية

يظهر طلبان في server logs. GPTBot/1.0 يطلب صفحة منتج. ChatGPT-User/1.0 يطلب الصفحة نفسها. لا يراهما GA4 لأن الزواحف لا تنفذ JavaScript. ولا يراهما GSC لأنه يركز على ميزات Google AI. إذا اعتبرتهما bot traffic فقط، ستفقد إشارة مهمة.

GPTBot قد يجمع بيانات للتدريب: قيمة طويلة المدى. ChatGPT-User قد يظهر لأن مستخدما حقيقيا طلب من ChatGPT قراءة صفحتك: إشارة عالية النية في الوقت الحقيقي.

خمس نوايا

Training: GPTBot وClaudeBot وMeta-ExternalAgent وGoogleOther وBytespider وCCBot. تجمع بيانات للنماذج. المطلوب: حقائق دقيقة، robots.txt، llms.txt.

Indexing: بناء فهارس لبحث AI. Schema وmeta وOpen Graph هي الأساس.

Search: OAI-SearchBot وPerplexityBot وClaude-SearchBot. تجلب صفحات للرد على query مستخدم. هذه إشارة طلب في السوق.

User Fetch: ChatGPT-User وClaude-User وPerplexity-User. يزور AI صفحتك بطلب من مستخدم داخل محادثة. القيمة عالية.

User Action: Google-Agent وManus-User وNovaAct. تنفذ مهام نيابة عن المستخدم. ما زالت مبكرة لكنها أساسية في Agentic Commerce.

لماذا لا يكفي GA4 وGSC

GA4 لا يرى الزواحف. GSC لا يصنف زواحف الطرف الثالث. تحتاج إلى logs server-side، ومكتبة User-Agent رسمية، وتحليل سلوكي للحالات غير القياسية. CitationGraph يحول هذه البيانات إلى classification حسب النية.

استراتيجية GEO حسب النية

القيمة العملية لا تأتي من عدّ الطلبات فقط. يجب تحويل النوايا إلى جدول تشغيل أسبوعي. إذا زاد Training، فالعمل هو تصحيح حقائق العلامة وملفات llms.txt وrobots.txt. إذا زاد Search، فالعمل هو تحسين Answer-First وFAQ والمقارنات. إذا زاد User Fetch، فالعمل هو تحديث السعر والسياسات وCTA والصفحات التي يستدعيها المستخدم داخل المحادثة. وإذا ظهر User Action، فالعمل ينتقل إلى النماذج والبيانات المنظمة وواجهات API.

يجب أيضا وضع درجة ثقة لكل تصنيف. الطلب المطابق لـ User-Agent رسمي وIP موثق يمكن اعتباره confirmed. الطلب المبني على السلوك يمكن اعتباره probable. وما لا يمكن تفسيره يبقى unknown. هذا يمنع الإدارة من تضخيم bot volume، ويجعل التقرير قابلا للاستخدام في قرار ميزانية. بيانات crawler ليست سجلا تقنيا فقط؛ إنها خريطة أولويات لـ GEO وAI Search.

عند تطبيق ذلك، تتغير مسؤولية الفرق. SEO يحسن البنية والمحتوى، والهندسة توفر logs، وفريق البيانات يبني نموذج الثقة، وLegal يراجع حدود crawling، وGrowth يحول user_fetch وuser_action إلى فرص تجارية. من دون هذا التقسيم يبقى التقرير معلومة جانبية. معه يصبح crawler intent نظام تشغيل للنمو.

كما يجب ربط النية بالصفحة. إذا كانت صفحات pricing وreturn policy وcomparison تحصل على user_fetch متكرر، فهذا لا يعني traffic فقط، بل يعني أن المستخدمين يقيمون الثقة قبل القرار. وإذا كانت صفحات category تحصل على search bot متزايد، فهذا قد يشير إلى نمو الطلب في السوق. أما training المرتفع على صفحات قديمة فيعني أن معلومات قديمة قد تدخل ذاكرة النماذج. لذلك يجب أن ينتج التقرير قائمة عمل: أي صفحة تحتاج تحديثا، وأي سياسة تحتاج وضوحا، وأي Schema يحتاج إصلاحا، وأي CTA يحتاج اختبارا.

هذه القراءة مهمة خصوصا للعلامات التي تبيع في أسواق متعددة. قد تكون نية crawler في الولايات المتحدة مرتبطة بالمقارنة والسعر، بينما تكون في أوروبا مرتبطة بالامتثال والثقة، وفي الشرق الأوسط مرتبطة بالدعم المحلي أو طرق الدفع. لذلك لا يكفي dashboard عالمي واحد. يجب أن يرى الفريق النية حسب السوق واللغة ونوع الصفحة. عندها يصبح GEO عملا محليا منظما، وليس ترجمة عامة للمحتوى.

المقال التالي ينتقل إلى تطبيق عملي لمراقبة DTC.

FAQ

Q1: كيف نعرف intent في logs؟

A: بمطابقة User-Agent والتحليل السلوكي.

Q2: ما قيمة Training؟

A: طويلة المدى: ما تتعلمه النماذج عن العلامة.

Q3: هل User Fetch زيارة بشرية؟

A: ليس في GA4، لكنه تجاريا قريب من زيارة عالية النية.

Q4: هل User Action شائع الآن؟

A: ما زال مبكرا، لكنه سيزداد مع Agentic Commerce.

Q5: ماذا عن منصات AI الصينية؟

A: تحتاج إلى UA matching وتحليل سلوكي بسبب قلة الشفافية.