#### ما الذي حلته أدوات MMP
قدمت أدوات Mobile Measurement Partner أساسا مهما لتسويق التطبيقات. فهي تربط الإعلان والنقرة ومتجر التطبيقات والتثبيت والأحداث داخل التطبيق، وتمنح فرق النمو مرجعا مستقلا لتحديد القناة التي تستحق الإسناد. هذا الدور لا يزال ضروريا، خصوصا في بيئة تتأثر بالخصوصية، وقيود معرفات الأجهزة، والانتقال بين الويب والتطبيق.
لكن نقطة البداية تتغير. في الماضي كان المسار يبدأ غالبا بإعلان. الآن قد يبدأ بسؤال داخل ChatGPT أو Perplexity أو Gemini أو Copilot. يرى المستخدم إجابة تقارن بين عدة علامات، يتذكر اسما، ثم يعود بعد أيام ليبحث عنه أو يثبت التطبيق.
#### ما الذي يغيره الذكاء الاصطناعي
المسار التقليدي هو إعلان، نقرة، صفحة هبوط، متجر تطبيقات، تثبيت، ثم حدث داخل التطبيق. أما المسار الجديد فيبدأ بإجابة أو اقتباس من الذكاء الاصطناعي، ثم وعي بالعلامة، ثم بحث ذاتي، ثم موقع، ثم متجر التطبيقات.
عندما يحدث التثبيت في النهاية، يرى MMP غالبا Brand Search أو قناة مباشرة. ما لا يراه هو أن نية المستخدم تشكلت في إجابة ذكاء اصطناعي قبل الإعلان. هذه ليست مشكلة في MMP، بل حدود هيكلية في النموذج الذي صمم من أجله.
#### حجم النقطة العمياء
النقطة العمياء لها عدة طبقات. هناك طلبات خادم من عناكب ووكلاء الذكاء الاصطناعي لا تنفذ JavaScript ولا تظهر في GA4. هناك زيارات بشرية تفقد referrer بسبب إعدادات الخصوصية أو WebView أو سياسات المنصة. وهناك انقطاع بين الويب والتطبيق عند الانتقال إلى متجر التطبيقات. كما أن الاقتباسات بلا نقرة تخلق وعيا بالعلامة من دون زيارة قابلة للقياس.
هذا يؤدي إلى تشوه في الميزانية. تظهر Brand Search وDirect وOrganic أقوى مما هي عليه، بينما يتم التقليل من أثر AI وGEO. وقد يجد فريق الأداء نفسه غير قادر على إجابة سؤال CFO: ما العائد الفعلي من الاستثمار في الظهور داخل إجابات الذكاء الاصطناعي؟
#### لماذا لا يكفي MMP وحده
صممت أدوات MMP لمسار يبدأ من نقطة تماس إعلانية وينتهي بتثبيت أو حدث داخل التطبيق. إجابات الذكاء الاصطناعي لا تحمل click ID أو campaign ID أو سجلا من شبكة إعلانية. قياسها يتطلب طبقة أخرى ترى الاقتباسات، وطلبات الخادم، وفقدان المصدر، والانتقال من الويب إلى التطبيق.
#### الطريق العملي
السوق لا يحتاج إلى بديل عن MMP. يحتاج إلى AI Measurement Partner. يقيس CitationGraph الاكتشاف عبر الذكاء الاصطناعي، والأدلة على الويب، والنتائج المخصصة، والإشارات التي يمكن تمريرها إلى MMP وأنظمة BI. يظل MMP نظام السجل لتثبيت التطبيق والأحداث داخله، بينما يكمل CitationGraph طبقة المصدر التي تسبقه.
الطبقة | القدرة المطلوبة | حالة MMP |
|---|---|---|
الظهور داخل إجابات AI | مراقبة ذكر العلامة وshare of voice في منصات AI | فجوة كاملة |
نشاط crawlers وagents | تحديد زيارات AI وتحليل requests على الخادم | فجوة كاملة |
زيارات مصدرها AI | تمييز AI referrals وحفظ علامات المصدر | GA4 يغطي جزءا، MMP لا يغطي |
جسر Web-to-App | تمرير إشارات مصدر AI بصيغة يمكن أن يستهلكها MMP | MMP يمكنه الاستهلاك إذا وصلته الإشارة |
التحقق السببي | Geo lift وholdout وincrementality | فجوة كاملة |
هذا الفصل مهم جدا لفرق الأداء. قد يرى المستخدم العلامة لأول مرة في إجابة AI، ثم يبحث عنها لاحقا عبر Google Brand Search، ثم يثبت التطبيق ويكمل KYC أو أول عملية شراء. تقرير MMP في هذه الحالة ليس خاطئا، لكنه يرى الجزء الأخير فقط. إذا اعتمد الفريق عليه وحده، سيزيد ميزانية القناة الأخيرة ويقلل الاستثمار في الطبقة التي خلقت الطلب.
لذلك يجب أن يربط AI Measurement Partner بين ما قاله AI، وما استقبله الموقع، وما يمكن تمريره إلى MMP أو BI. الهدف ليس استبدال MMP أو ادعاء attribution مثالي لكل مستخدم. الهدف هو جعل تأثير AI مرئيا بما يكفي كي تتخذ فرق growth وfinance قرارات ميزانية وتجارب على أساس أدلة لا على حدس.
#### الفكرة الأساسية
النقطة العمياء في MMP ليست عيبا في المنتج. الذكاء الاصطناعي غيّر بداية سلسلة الاكتساب. لذلك تحتاج العلامات إلى طبقة مستقلة لقياس مصادر الذكاء الاصطناعي تعمل بجانب MMP.
A: يحل جزءا من قياس التحويلات المرتبطة بالإعلانات، لكنه لا يغطي بالكامل إجابات الذكاء الاصطناعي أو طلبات العناكب أو التأثير بلا نقرة.
A: لا. يرى GA4 بعض النقرات البشرية التي تحتفظ بالمصدر، لكنه لا يرى طلبات الآلات، أو الزيارات التي فقدت referrer، أو انقطاع web-to-app.
A: لا. CitationGraph يكمل الطبقة السابقة للتثبيت، بينما يظل MMP مسؤولا عن إسناد التثبيت والأحداث داخل التطبيق.
احصل على تشخيص مجاني للبحث بالذكاء الاصطناعي لفهم ظهور علامتك في إجابات AI.
تشخيص مجاني للبحث بالذكاء الاصطناعي