هذا سيناريو تركيبي. الأرقام هنا تشرح منطق القياس فقط؛ ليست بيانات عملاء Gravity ولا بيانات علامة واحدة. مع مراقبة شاملة لا يرى الفريق رقما أكبر في GA4 فقط، بل خمس طبقات: referrals قابلة للتتبع، وimpressions من AI Overview، وDark AI Traffic، وcrawler intent، وCitation SOV. يتحول السؤال من "هل AI كبير داخل GA4؟" إلى "أي طبقة يتم التقليل من قيمتها وأي طبقة تحتاج إجراء تشغيليا؟"
Level 0: إعداد GA4
تأكد من وجود AI Assistant. احتفظ بالمجموعات التاريخية. أضف منصات غير معروفة مثل DeepSeek وPerplexity وKimi وDoubao وTongyi Qianwen وZhipu وERNIE وYuanbao وPoe وYou.com وGrok وMistral. النتيجة: جزء من Layer 1 يصبح مرئيا.
Level 1: GSC AI Reports
سجل AI impressions والصفحات الأكثر اقتباسا والاتجاه أسبوعيا. إذا زادت impressions وانخفضت Organic clicks فهناك Great Decoupling. الصفحات المقتبسة هي storefront داخل AI search.
Level 2: server-side + intent classification
Dimension | GA4 (Client-Side) | Server-Side |
|---|---|---|
AI crawler visibility | غير مرئي | مرئي |
Referrer-stripped traffic | Direct | UA + IP + behavior |
AdBlocker impact | متأثر | أقل تأثرا |
AI platform coverage | نطاق أصلي محدود | تغطية قابلة للتوسع عبر منصات متعددة |
Crawler intent classification | لا | خمس نوايا |
Data latency | 24-48 ساعة | شبه فوري |
هذا المستوى يكشف AI Crawler Profile وuser_fetch وDark AI وGEO Score. إنه التحول الأساسي في ROI.
Level 3: Citation SOV
حدد queries وشغلها على منصات AI. قس الذكر، الترتيب، السياق، sentiment، والمنافسين.
Metric | Meaning |
|---|---|
Citation Rate | نسبة queries التي تذكر العلامة |
Average Position | متوسط الترتيب |
Platform Coverage | عدد المنصات |
Sentiment Distribution | النبرة |
Competitive SOV | الحصة مقابل المنافسين |
الملخص
Level | Investment | New Coverage | Expected Outcome |
|---|---|---|---|
L0 | 5 دقائق | جزء من Layer 1 | referrals مرئية جزئيا |
L1 | 30 دقيقة/أسبوع | Layer 2 impressions | فهم decoupling |
L2 | استثمار تقني | Layer 1/3/4 | نشاط ونية AI |
L3 | تشغيل مستمر | Layer 5 | قياس zero-click |
ابدأ بـ L0. للزيارات الكبيرة انتقل إلى L1. إذا كان نمو AI مهما، نفذ L2. قادة الفئة يحتاجون L3.
هذه المستويات ليست قائمة أدوات، بل نموذج نضج. L0 يجيب: هل referrals الواضحة من AI مرئية؟ L1 يجيب: هل تظهر العلامة داخل ميزات Google AI؟ L2 يجيب: هل تقرأ أنظمة AI الصفحات وتطلبها نيابة عن المستخدمين؟ L3 يجيب: هل توصي AI بالعلامة أمام المنافسين؟ كل مستوى يقلل نوعا مختلفا من عدم اليقين.
لذلك يجب ألا يعرض التقرير "AI traffic %" فقط. يجب أن يعرض الطبقات المغطاة، والطبقات العمياء، والفرضيات المفتوحة. عندها يعرف CMO هل الاستثمار التالي يجب أن يذهب إلى المحتوى، أو البنية التقنية، أو Citation SOV، أو تحسين التحويل. من دون هذه الخريطة ستبدو AI قناة صغيرة؛ معها تصبح نظام نمو قابل للإدارة.
الخطة العملية يمكن أن تكون فصلية. الشهر الأول: إعداد GA4 وGSC وبناء baseline لـ AI Assistant وOrganic وDirect وAI Impressions. الشهر الثاني: تشغيل server-side logs وتصنيف أهم الزواحف. الشهر الثالث: بدء Citation SOV على queries الفئوية ذات الأولوية. بعدها لا يكون السؤال هل AI كبير، بل أي طبقة تحد النمو الآن.
كما يجب تحديد المالكين. Marketing يملك query sets وأولويات المحتوى، Engineering يضمن الوصول إلى البيانات، Data يراجع جودة القياس، وLeadership يخصص الميزانية حسب تغطية الطبقات. من دون ownership يبقى monitoring لوحة أخرى؛ ومعه يصبح نظام تشغيل للنمو.
ويجب أن تنتهي المراجعة بأفعال واضحة. إذا زادت citations ولم تتحسن التحويلات، فالإجراء هو اختبار landing page أو العرض. إذا زاد user_fetch على صفحات policy، فالإجراء هو تحسين الثقة والوضوح. إذا بقي Direct مرتفعا مع مؤشرات AI، فالإجراء هو تحسين قياس referrer loss. بهذه الطريقة لا يبقى monitoring وصفا لما حدث، بل يتحول إلى قائمة تحسين أسبوعية.
FAQ
Q1: هل تتعارض custom groups مع AI Assistant؟
A: قد يحدث ذلك. اجعلها للمنصات غير المعروفة أصلا في GA4.
Q2: هل يمكن Shopify بلا خادم أن يطبق Level 2؟
A: نعم عبر Cloudflare Workers أو Vercel Edge Functions أو CDN layer.
Q3: كم عينة يحتاج Citation SOV؟
A: 30 queries على الأقل، 3 منصات، 4 أسابيع؛ حجم أكبر يحسّن الموثوقية.
Q4: ما التكلفة؟
A: L0 مجاني، L1 وقت، L2 تقنية أو SaaS، L3 حسب sampling.
Q5: إذا اخترت مستوى واحدا؟
A: Level 2 لأنه يكشف referrer loss وcrawler intent.