تغير تجربة البحث المدعومة بالذكاء الاصطناعي طريقة اكتشاف العلامات التجارية ومقارنتها والتوصية بها. أعلنت Shopify عن نمو كبير في الطلبات القادمة من البحث المدعوم بالذكاء الاصطناعي، وتشير BrightEdge إلى أن نشاط وكلاء الذكاء الاصطناعي أصبح يمثل حصة معتبرة من زيارات المواقع. أمام هذه الأرقام، تسأل فرق كثيرة السؤال الأسهل: كم عدد وكلاء الذكاء الاصطناعي الذين زاروا موقعنا؟
السؤال مفهوم، لكنه ليس مؤشرا تجاريا جيدا.
هوية الوكيل ليست وحدة مستقرة
خلف تجربة واحدة مثل ChatGPT توجد عدة مسارات تقنية. قد يقرأ GPTBot صفحة منتج، ثم يجلب ChatGPT-User صفحة سياسة الإرجاع بناء على سؤال مستخدم، ثم تتحقق آلية أخرى من السعر أو المخزون من جهة الخادم. Gemini وClaude وPerplexity تعمل أيضا عبر مزيج من crawlers ووضع التصفح وفهارس البحث وطلبات fetch.
لذلك تتغير النتيجة بحسب طريقة العد: User-Agent، عنوان IP، DNS عكسي، referrer أو session. كل طريقة ترى جزءا من الصورة، ولا توجد طريقة تعني ببساطة “وكيل واحد”.
ما تحتاجه الشركة ليس معرفة ما إذا كان هذا النشاط يساوي وكيلا واحدا أو ثلاثة. السؤال التجاري هو: هل نتجت عنه إشارة إلى العلامة، أو توصية، أو زيارة بشرية، أو سلوك شراء، أو إيراد يمكن نسبته إلى مصدر واضح؟
العدد لا يشرح القيمة
قد يقرأ bot واحد ألف صفحة من الكتالوج في يوم واحد من دون أن ينتج عنه أي زائر بشري. هناك نشاط، لكن القيمة التجارية المباشرة محدودة. في المقابل، قد يبحث مستخدم في Perplexity، يضغط على توصية، يقرأ صفحات منتج، ثم يرسل طلب تواصل أو يكمل شراء. في مقياس “Active Agents” يبدو هذا صغيرا. في الواقع التجاري هو أهم بكثير.
هذه هي مشكلة قياس الحضور فقط. يمنحك شعورا بالحركة، لكنه لا يشرح المساهمة. لا يخبرك إن كانت OpenAI أو Gemini أو Claude أو Perplexity قد قرأت المحتوى فقط، أم أوصت بالعلامة، أم جلبت مستخدمين، أم أثرت في تحويلات حقيقية.
القياس الناضج يراقب الأفعال
المعايير التقنية تتحرك في هذا الاتجاه. OpenTelemetry يصف أحداث GenAI مثل invoke_agent وexecute_tool وtool calls وhandoffs. OpenAI Agents SDK يتتبع traces وspans وtool calls. وفي التجارة عبر الوكلاء تصبح الأحداث المهمة checkout وpurchase وrefund وsubscription.
النمط واضح: الأنظمة الناضجة لا تعد كيانات مجردة. إنها تقيس أفعالا يمكن تدقيقها.
التسويق يعرف هذا الدرس جيدا. الظهور الإعلاني ليس بيعا. ترتيب SEO ليس طلبا مؤهلا. الزيارة ليست إيرادا. تزداد قوة المؤشر كلما اقترب من سلوك حقيقي ونتيجة تجارية. قياس الذكاء الاصطناعي يحتاج إلى الانضباط نفسه.
AIAA: من عدد الوكلاء إلى سلسلة الأدلة
AI-Attributed Active Actions، أو AIAA، تغير السؤال. لا تقيس كم ذكاء اصطناعيا كان نشطا. بل تقيس الأفعال المدعومة بالأدلة على طول سلسلة الذكاء الاصطناعي.
قد تذكر إجابة AI علامتك التجارية. قد يقرأ وكيل بيانات المنتج أو الأسعار. قد يجلب رابط موصى به من AI زيارة بشرية. قد تنتج تلك الزيارة مشاهدة منتج أو إضافة إلى السلة أو طلب تواصل أو شراء. ثم يمكن ربط الطلب لاحقا ببيانات referrer وsession والطلب.
كل ذلك قد يسمى “زيارات AI”، لكنه ليس شيئا واحدا. الذكر في الإجابة هو تعرض. طلب الخادم هو انتباه آلي. الزيارة البشرية هي اهتمام. التحويل هو قيمة تجارية. الإسناد الكامل هو أقوى مستوى من الدليل.
يمكن أن يبقى Active Agents بعدا تحليليا. يفيد في معرفة أي منصة أو crawler ينتج أفعالا معينة. لكنه لا يصلح كمؤشر شمالي. التقرير الصحيح ليس “زارنا خمسة وكلاء”. بل “ذكرتنا أنظمة AI في هذه المواضع، وقرأت هذه الصفحات، وجلبت هؤلاء الزوار، وأسهمت في هذه الأفعال التجارية بهذا المستوى من الدليل”.
في اقتصاد البحث بالذكاء الاصطناعي، لن تكون الرؤية مجرد ترتيب أو لقطة شاشة من إجابة. ستصبح سلسلة أدلة تشغيلية. AIAA يمنح هذه السلسلة اسما ومنهجا قابلا للاستخدام.
عمليا، يجب أن يتغير شكل التقرير. بدلا من أن يبدأ الاجتماع بسؤال “كم وكيلا من AI زار الموقع”، يجب فصل الإشارات إلى طبقات: ذكر العلامة داخل الإجابات، طلبات الآلة، زيارات بشرية، أحداث تجارية، وطلبات يمكن ربطها بمصدر AI. زيارة واحدة من Perplexity، وقراءة صفحة سعر من crawler، وطلب شراء مرتبط بجلسة ليست مؤشرا واحدا. جمعها تحت اسم “AI traffic” يجعل القصة سهلة، لكنه يضعف القرار.
هذا الفصل يمنع أيضا أخطاء الميزانية. إذا ظهرت العلامة كثيرا داخل إجابات AI لكنها لا تجلب زيارات، فقد تكون المشكلة في الروابط أو بيانات المنتج أو المصادر التي يستشهد بها النموذج. إذا وُجدت زيارات من AI لكنها لا تتحول إلى إضافة للسلة أو طلب تواصل، فالمشكلة في الصفحة أو العرض أو الثقة. وإذا حدثت مشتريات لكن النظام ينسبها إلى Direct أو Organic، فالمشكلة في طبقة الأدلة والربط بين الجلسة والطلب.
بالنسبة إلى CMO وفريق الأداء، الهدف ليس استبدال GA4 أو سجلات الخادم أو أدوات الإسناد. الهدف هو بناء طبقة تقول: ما إشارة AI التي رأيناها، ما الدليل الذي يدعمها، وما مدى قربها من الإيراد. عندها يصبح AI search مجال تشغيل حقيقي، لا مجرد لقطات شاشة جذابة من إجابات النماذج.
FAQ
Q1: هل مقياس عدد الوكلاء عديم الفائدة تماما؟
A: لا. يمكن استخدامه كبعد تقني، لكنه لا يجب أن يكون المؤشر الرئيسي للقيمة التجارية.
Q2: لماذا هوية الوكيل غير مستقرة؟
A: لأن منصة واحدة قد تستخدم عدة crawlers وfetchers وأنماط تصفح وطلبات من جهة الخادم.
Q3: ماذا يقيس AIAA؟
A: يقيس أفعالا منسوبة إلى AI: ذكر العلامة، الطلبات الآلية، الزيارات البشرية، السلوك التجاري، والإيراد المنسوب.
Q4: هل يكفي GA4؟
A: لا. GA4 يرى غالبا الجلسات البشرية. كثير من الوكلاء لا يشغلون JavaScript ويحتاجون إلى بيانات Edge أو الخادم.
Q5: ماذا يجب أن يرى فريق الإدارة؟
A: طبقات الدليل: إشارات AI، طلبات الوكلاء، جلسات AI، أحداث التجارة، والطلبات المنسوبة.