شاخص تازه دیده‌شدن در هوش مصنوعی نشان می‌دهد کدام برندها از دید کاربران محو می‌شوند

برخی از برندهایی که قوی‌ترین ردپای SEO را دارند، به‌سختی در پاسخ‌های هوش مصنوعی ظاهر می‌شوند. برندهای دیگری با ردپای جست‌وجوی بسیار کوچک‌تر، بارها و بارها دیده می‌شوند.

شرکت Fractl تحلیل کرده است که مدل‌های هوش مصنوعی چقدر پیوسته برندها را توصیه می‌کنند، کدام برندها با وجود ردپای قوی SEO محو می‌شوند و کدام سیگنال‌ها برندهای مازاد‌بر‌عملکرد را از برندهای کم‌نمایه جدا می‌کند. (اعلام نویسنده: من هم‌بنیان‌گذار Fractl هستم.)

پاسخ کوتاه: اعتبار ارگانیک هنوز مهم است، اما کل نقشه نیست.

بیش از ۹ برند از هر ۱۰ برند در مجموعه داده، همان‌طور رفتار کردند که اکثر متخصصان SEO انتظار دارند: اعتبار جست‌وجوی سنتی قوی‌تر معمولاً با دیده‌شدن بیشتر در هوش مصنوعی همراه بود. اما رخدادهای خارج از این الگوست که یافته‌ها را جالب می‌کند.

شکاف میان اعتبار جست‌وجوی سنتی و بازیابی در هوش مصنوعی، چالش دیده‌شدن را پیچیده‌تر می‌کند.

برخی برندها با رتبه دامنه بالا، سبد کلمات کلیدی بزرگ و میلیون‌ها بازدید ارگانیک ماهانه، به‌سختی در دسته خودشان ظاهر شدند. برندهای دیگری با ردپای سنتی کوچک‌تر، بسیار بیشتر از آنچه معیارهای SEO پیش‌بینی می‌کرد دیده شدند.

هر صنعتی که بررسی کردیم، فهرست کوتاهی از برندها را داشت که فارغ از نحوه جمله‌بندی پرامپت، بارها و بارها ظاهر می‌شدند.

این پاسخ‌های پیش‌فرض همیشه بزرگ‌ترین شرکت‌های دسته نبودند. همیشه برندهای پرترافیک هم نبودند. و همیشه شرکت‌هایی نبودند که یک جدول رده‌بندی سنتی SEO اول نشانشان می‌داد.

چند الگو بلافاصله دیده شد:

سفر متمرکزترین دسته بود: Booking.com (۲۸۵ ذکر)، Airbnb (۲۲۷) و Expedia (۲۱۵) تقریباً ۲۰٪ حجم کل ذکرات این بخش را تشکیل می‌دادند. سه برند از هر پنج توصیه، یک برند را می‌ساختند.

HealthTech رهبر بی‌رقیبی داشت: Teladoc (۲۷۵) حدود ۲۵٪ از Amwell (۲۲۰) که دوم است جلوتر بود. مدل‌ها انتخابشان را نهایی کرده‌اند.

Wellness عمیق‌ترین نیمکت بازیگران را داشت: Peloton، Headspace، Calm، Whoop و Oura همگی از ۱۶۸ ذکر عبور کردند. هیچ برندی تسلط ندارد، یعنی جای صدرنشین دسته هنوز آزاد است.

بیمه، الگویی را شکست که ناظران صنعت باید انتظارش را داشتند: Lemonade (۲۱۳) بالاتر از State Farm (۱۷۲) ایستاد. Root Insurance (۱۶۵) بالاتر از Progressive (۱۱۴). مدل‌ها بیمه‌گرهای دیجیتال‌زاده را اول صدا زدند و قدیمی‌ها را به‌عنوان جایگزین معرفی کردند، نه گزینه پیش‌فرض.

Lifestyle بلندترین سیگنالِ درست بودن روش‌شناسی بود: Patagonia، Allbirds، Eileen Fisher و Everlane (برندهای مستقیم‌به‌مصرف‌کننده با کد پایداری) از Sephora، Samsung و Whirlpool بالاتر ایستادند. چه این تابع نحوه نوشتن مقالات معرفی محصول باشد و چه سوگیری عمیق‌تری در داده آموزشی، نتیجه یکی است: مدل‌ها به روایت برندی که در محتوای شخص ثالث گفته می‌شود ترجیح می‌دهند.

این الگو در همه بخش‌ها برقرار بود. چند دسته برنده واضحی دارند که مدل‌ها به‌روشنی می‌شناسند، اما اغلب این انتخاب‌ها با انتظارات شما نمی‌خواند. Stripe در فین‌تک برنده است، Notion در SaaS، Coursera در آموزش و غیره. اما بیشتر مواقع، نام‌های پیش‌فرض همان‌ها نیستند که پیش‌بینی می‌کردید.

این نخستین چرخش استراتژیک برای رهبران SEO است.

مجموعه رقابتی داخل یک پاسخ هوش مصنوعی بسیار کوچک‌تر از مجموعه رقابتی در صفحه نتایج جست‌وجوست. اگر برند شما نتواند در ۵ تا ۱۰ نامی که مدل برای دسته شما به یاد می‌آورد جا بگیرد، رتبه خوب در گوگل شاید برای ورود به مجموعه در نظر گرفته‌شده توسط هوش مصنوعی کافی نباشد.

بیش از ۹ برند از هر ۱۰ برند در داده ما به‌طور کلی هم‌راستا بودند: اعتبار سنتی قوی معمولاً با دیده‌شدن قوی‌تر در هوش مصنوعی همراه بود. این نتیجه مورد انتظار است. و دلیل آن است که بازاریابان نباید همه اصول SEO ده سال اخیر را دور بریزند.

اما لبه‌های داده‌اند که استراتژی عوض می‌شود. حدود ۵٪ (۴۷۱ برند) در LLMها کم‌نمایه بودند. این شرکت‌ها رتبه دامنه بالا، ترافیک ارگانیک بسیار بالا و سبد کلمات کلیدی عمیقی داشتند که با این حال تقریباً هیچ ارجاعی از مدل‌ها نمی‌گرفتند.

در زیرساخت SEO، مثل رهبران بازار به نظر می‌رسند. در ارجاعات LLM، مثل شرکت‌هایی که هیچ‌کس درباره‌شان ننوشته.

حدود ۴٪ (۳۷۷ برند) عملکرد مازاد در هوش مصنوعی داشتند. مدل‌ها بسیار بیشتر از آنچه سیگنال‌های سنتی متوسطشان نشان می‌داد به آن‌ها ارجاع می‌دادند؛ در حوزه‌هایشان بسیار پررنگ‌تر از آنچه داده Ahrefs می‌گفت باید باشند.

تقریباً ۹٪ با میزان حضور برند در محتوای شخص ثالثی که خودشان نساخته بودند هم‌خوانی داشت. برندهایی که در فهرست‌های معرفی، لیست‌های کارشناسی و بررسی‌های مقایسه‌ای به‌طور نامتناسب ظاهر می‌شدند، برای مدل‌ها بسیار دیده‌شدنی‌تر بودند، چون این نوع پوشش به داده آموزشی منتقل می‌شود. برندهای با اعتبار جست‌وجوی زیاد اما پوشش شخص ثالث کم، صرف‌نظر از صنعت، در گروه کم‌نمایه فرود می‌آمدند.

این چرخش استراتژیک است: آنچه برند درباره خودش می‌گوید برای بازیابی در هوش مصنوعی کمتر از آنچه بقیه وب بارها درباره‌اش گفته مهم می‌شود. محتوای متعلق به خودتان هنوز مهم است. SEO فنی هم مهم است. اما برای دیده‌شدن در هوش مصنوعی، لایه تأیید دیگران است که نمی‌توان نادیده‌اش گرفت.

برندهای کم‌نمایه در هوش مصنوعی، در بسیاری موارد، آبی‌چیپ‌های دسته‌شان با معیارهای سنتی‌اند. رتبه دامنه بالای ۸۰، میلیون‌ها بازدید ارگانیک ماهانه و صدها هزار کلمه کلیدی رتبه‌دار دارند. اما مدل‌ها حتی در حوزه خودشان از آن‌ها نام نمی‌برند.

مسئله، دسته‌بندی است.

چند الگویی که دیدیم:

مایکروسافت و اسپاتیفای در فین‌تک صدرنشین فهرست بودند: غول‌های دیده‌شدن سنتی، اما مدل‌ها هنگام پرامپت‌های فین‌تک آن‌ها را فین‌تک دسته‌بندی نکردند. این باگ نیست. مایکروسافت وقتی درباره نرم‌افزار بهره‌وری یا پلتفرم‌های ابری می‌پرسید به‌شدت ارجاع می‌شود. این شکاف دسته‌بندی است. مدل‌ها تصمیم گرفته‌اند چه چیزی فین‌تک است و مایکروسافت در آن فهرست نبود.

بیمه‌گرهای قدیمی جابه‌جا شدند: Aetna، Cigna، Humana، Liberty Mutual و Trustpilot همه بالای DR 80 با میلیون‌ها بازدید ماهانه بودند. مدل‌ها به‌سختی به آن‌ها ارجاع دادند. Lemonade و Root در همان پرامپت‌ها با کسری از ردپای سنتی بالاتر نشستند.

خرده‌فروشان قدیمی جابه‌جا شدند: Sephora، Samsung، Whirlpool و GE Appliances. مدل‌ها وقتی پرامپت توصیه سبک زندگی بود، Patagonia، Allbirds و Eileen Fisher را ترجیح دادند. این بارزترین سیگنال است که داده آموزشی به روایت‌های برند مستقیم‌به‌مصرف‌کننده بیشتر از خرده‌فروشی قدیمی وزن می‌دهد.

غول‌های مراقبت سلامت کم‌نمایه بودند: Medtronic، GoodRx، Humana و 23andMe. مدل‌ها به‌جای آن‌ها برندهای بومی تله‌هلث مثل Teladoc، Amwell و Doxy.me را ارجاع دادند.

بازیابی کم همیشه به این معنا نیست که مدل برند شما را نمی‌شناسد. ممکن است یعنی مدل برند شما را در دسته دیگری ثبت کرده است، نه دسته‌ای که خریداران‌تان جست‌وجو می‌کنند.

محتوای بیشتر به‌تنهایی این را درست نمی‌کند.

به سیگنال‌های دسته‌ای قوی‌تر در جاهایی نیاز دارید که مدل‌ها احتمال دارد با آن‌ها روبه‌رو شوند و آن تداعی‌ها را تقویت کنند: محتوای تحلیلگران، نشریات صنعت، صفحات مقایسه، صفحات شرکا، داستان‌های مشتریان، سایت‌های نقد و پوشش رسانه‌ای مخصوص دسته. پیش از آنکه به دنبال ذکرات بیشتر هوش مصنوعی بدوید، مطمئن شوید مدل‌ها می‌فهمند قرار است در کدام دسته برنده شوید.

سمت دیگر شاید برای بازاریابان مفیدتر باشد، چون نشان می‌دهد برندهایی که از وزن‌شان سنگین‌تر عمل می‌کنند چطور این کار را انجام می‌دهند. پروفایل‌های Ahrefs کوچک‌تر. بازیابی مدل بزرگ‌تر. و همه ۳۷۷ برند این گروه، بارها در محتوای شخص ثالثی ظاهر می‌شوند که مدل‌ها روی آن آموزش دیده‌اند.

این فهرست ماجرا را روایت می‌کند:

Monday.com بزرگ‌ترین عملکرد مازاد مجموعه داده بود، با امتیاز دیده‌شدن در هوش مصنوعی ۰.۷۱. این برند از قبل ترافیک سنتی زیادی دارد — نزدیک به یک میلیون بازدیدکننده ارگانیک — و بیش از ۵۰ هزار کلمه کلیدی رتبه‌دار. وضعیت مازاد‌بر‌عملکردش مستقیماً به تعداد دفعاتی که مدل‌ها به آن ارجاع می‌دهند نسبت به هم‌تایان SaaS مربوط می‌شود.

Root Insurance دسته بیمه را مالکیت کرد؛ با بودن در کسری از اندازه رقبا، بیشتر از هر بیمه‌گر قدیمی ارجاع هوش مصنوعی گرفت.

شش نفر از ۱۵ عملکرد مازاد برتر در آموزش بودند: Stanford، MIT، Khan Academy، LinkedIn Learning، IBM Data Science و Google Career Certificates. مدل‌ها به این‌ها برای اعتبارشان ارجاع دادند، نه چون پلتفرم‌های تجاری با رتبه دامنه بالا دارند.

بازیگران کوچک‌تر همین الگو را دنبال کردند. Doxy.me، Nike Training Club و Google Flights همه به جمع‌آوری محصول کشیده شدند، سنگین در لیست‌های کارشناسی ظاهر شدند و در نتیجه تعداد نابرابری ارجاع LLM گرفتند.

نخ مشترک فقط «SEO خوب» نیست. حضور در سطح دسته در محتوای دیگران است. این کار دیده‌شدن در هوش مصنوعی را به روابط عمومی دیجیتال، توزیع محتوا و ساختن اعتبار دسته نزدیک‌تر می‌کند تا آنچه خیلی از تیم‌ها می‌خواهند بپذیرند.

اگر می‌خواهید بدانید چرا رقیبی با نصف ترافیک ارگانیک شما در پاسخ مدل ظاهر می‌شود ولی شما نه، سؤال درست این نیست: «استراتژی SEO آن‌ها چیست؟» سؤال درست این است: «پوشش رسانه‌ای آن‌ها چیست و چطور به دستش آورده؟»

شما فقط سایت خودتان را بهینه نمی‌کنید. مجموعه منابعی را شکل می‌دهید که سیستم‌های هوش مصنوعی برای فهمیدن اینکه چه کسی به دسته تعلق دارد استفاده می‌کنند.

فقط ۹۰۰ برند از مجموعه ما — ۱۱٪ کل — توسط هر سه مدل ارجاع داده شدند. ۱۲٪ دیگر در دو مدل ظاهر شدند. اکثریت قریب به اتفاق، ۷۷٪، فقط توسط یک مدل ارجاع شدند.

این یک مسئله اندازه‌گیری جدی است. یک برند می‌تواند در ChatGPT ببرد و در Gemini ببازد. می‌تواند در Claude ظاهر شود و از ChatGPT محو شود. می‌تواند مجموعه پاسخ یک مدل را مالک شود و در دیگری به‌سختی ثبت شود.

هر مدل هم اثر انگشت متفاوتی داشت.

Claude بیشتر به برندهای SaaS و بیمه متمایل بود؛ Notion، Linear و Lemonade در آن دسته‌ها بیشتر از دو مدل دیگر ظاهر می‌شدند.

Gemini به سفر و سلامت متمایل بود؛ Booking.com، Teladoc و Livongo با نرخ بسیار بالاتر ظاهر می‌شدند.

ChatGPT از میان سه مدل، اجماع‌محورترین بود؛ بیشترین هم‌پوشانی را میان برندهای برترش و مدل‌های دیگر داشت.

نقشه حرارتی نشان می‌دهد حتی برندهای مورد اجماع هم چقدر نابرابر توزیع شده‌اند:

شکاف‌ها همیشه ظریف نبودند. Notion ۱۷ برابر بیشتر توسط Claude نسبت به Gemini ارجاع شد. Whoop تقریباً چهار برابر بیشتر در Claude از Gemini ظاهر شد. State Farm تقریباً نیمی از ذکراتش را از ChatGPT و فقط حدود یک‌چهارم را از Gemini گرفت.

به همین دلیل امتیازهای تجمیعی دیده‌شدن در هوش مصنوعی می‌توانند تیم‌های ارشد را گمراه کنند. اگر داشبورد می‌گوید «دیده‌شدن هوش مصنوعی» شما بهتر شده، نخستین سؤال باید این باشد: کجا؟

یک امتیاز ترکیبی واحد می‌تواند مسئله واقعی را پنهان کند. شاید مسئله کلی دیده‌شدن در هوش مصنوعی نداشته باشید. شاید مسئله Gemini دارید. یا Claude. یا مسئله پرامپت دسته. یا مسئله منبع.

هر مدل را جداگانه اندازه بگیرید. پرامپت‌ها را بر اساس دسته و قصد پیگیری کنید. ببینید کدام منابع بارها ظاهر می‌شوند. بعد تصمیم بگیرید بستن کدام شکاف ارزشش را دارد.

این قطع بین اعتبار سنتی و بازیابی هوش مصنوعی در میان صنایع به‌طور یکنواخت توزیع نشده بود. برخی بخش‌ها هنوز خیلی شبیه گوگل‌اند، اما برخی دیگر تقریباً به‌طور کامل توسط مدل‌ها رتبه‌بندی مجدد شده‌اند.

این الگو بر اساس بخش متفاوت می‌شکند:

بیمه کم‌نمای‌ترین بخش بود، با ۸٪. بیمه‌گرهای قدیمی مثل Aetna، Cigna، Humana و Liberty Mutual توسط بیمه‌گرهای دیجیتال‌زاده جایگزین شدند. اگر بیمه‌گری تثبیت‌شده هستید، بزرگ‌ترین شکاف را میان اعتبار گوگل و بازیابی هوش مصنوعی دارید.

آموزش بالاترین نرخ عملکرد مازاد را داشت، با ۷٪؛ Stanford، MIT، Khan Academy، IBM Data Science، Google Career Certificates و LinkedIn Learning غالب بودند. آموزش حرفه‌ای و مؤسسات بهتر از پلتفرم‌های تجاری عمل می‌کنند چون محتوای معتبر تولید می‌کنند.

HealthTech خنثی بود (۵٪ کم‌نمایه، ۶٪ مازاد)، با تحولی در جریان از شرکت‌های دارویی و تجهیزات پزشکی به سلامت دیجیتال مصرف‌کننده‌محور.

سفر کوچک‌ترین قطع را داشت (۴٪ کم‌نمایه، ۴٪ مازاد) چون بازیابی LLM و آگاهی سنتی نزدیک بودند. در سفر، Booking.com، Expedia و Airbnb هم برای گوگل و هم برای مدل‌ها شناخته‌شده‌ترین نام‌ها هستند. برترین‌های سفر پایدارند.

SaaS و فین‌تک بین ۳ تا ۴٪ مازاد و ۶٪ کم‌نمایه بودند. دلیلش این است که در این دسته‌ها، ماجرا جایگزینی یک رقیب موجود با دیگری است (Stripe در برابر PayPal، Notion در برابر مایکروسافت) نه حذف کامل نگهبانان قدیمی توسط تازه‌واردها.

این الگو در بخش‌ها، یافته کلان را بازتاب می‌دهد. جایی که اعتبار قدیمی یک دسته عمدتاً روی SEO و ترافیک بنا شده بود، مدل‌ها بازچینی کرده‌اند. جایی که دسته حول روایت‌های برندی بنا شده بود که در رسانه‌های شخص ثالث می‌چرخیدند، هم‌راستایی بیشتر است.

این پنج درس اصلی من از مطالعه است، به‌ترتیب تقریبی سرعت اقدام‌پذیری:

رتبه دامنه، ترافیک ارگانیک و رتبه‌بندی کلمات کلیدی هنوز مهم‌اند. فقط کل ماجرا را نمی‌گویند.

یک برند می‌تواند در گوگل رتبه خوب بگیرد و همچنان در پاسخ‌های هوش مصنوعی ظاهر نشود. برند دیگری می‌تواند ردپای سنتی SEO کوچک‌تری داشته باشد و همچنان به توصیه پیش‌فرض تبدیل شود. هر دو را پیگیری کنید.

بسنجید در گوگل کجا رتبه دارید و در پاسخ‌های هوش مصنوعی کجا ظاهر می‌شوید. بعد دنبال عدم‌تطابق‌ها بگردید. عدم‌تطابق‌ها جایی‌اند که استراتژی زندگی می‌کند.

برندهایی که در پاسخ‌های هوش مصنوعی بهتر عمل می‌کنند، بارها در محتوای دیگران ظاهر می‌شوند. این شامل می‌شود:

پوشش ناشران مخصوص دسته.

محتوای متعلق به خودتان می‌تواند موقعیت‌یابی را روشن کند، اما تأیید بیرونی را جایگزین نمی‌کند. اگر سیستم‌های هوش مصنوعی پاسخ‌ها را از فهم کلی وب درباره برند شما می‌سازند، روابط عمومی دیجیتال یکی از عملی‌ترین اهرم‌های دیده‌شدن در هوش مصنوعی است.

فقط ۱۱٪ برندها توسط هر سه مدل ارجاع داده شدند. این باید ایده اینکه «دیده‌شدن در هوش مصنوعی» یک معیار تمیز و واحد است را بکشد. ChatGPT، Gemini و Claude را جدا اندازه بگیرید. پرامپت‌ها را بر اساس دسته محصول، قصد خریدار و مجموعه مقایسه تفکیک کنید.

پیگیری کنید برند شما ظاهر می‌شود یا نه، چطور توصیف می‌شود، کدام رقبا کنارش ظاهر می‌شوند و کدام منابع به نظر پشتیبان پاسخ‌اند. یک فراموشی مخصوص یک مدل، برنامه اقدام بسیار شفاف‌تری می‌دهد تا یک امتیاز ترکیبی دیده‌شدن.

اگر برند شما آگاهی کلی قوی دارد اما بازیابی ضعیف در دسته هدف‌تان، مسئله شاید دسته‌بندی باشد. مدل می‌داند شما کی هستید. فقط شاید فکر نکند به مجموعه پاسخ پرامپت‌هایی که اهمیت دارند تعلق دارید. این استراتژی متفاوتی می‌خواهد.

به اثبات مخصوص دسته بیشتری نیاز دارید: پوشش رسانه‌ای، محتوای مقایسه، ارجاع شرکا، داستان‌های مشتریان، جوایز، نقدها و صفحات شخص ثالثی که بارها برند شما را به دسته‌ای که می‌خواهید مالکش شوید وصل می‌کنند.

برخی دسته‌ها هنوز کاملاً بازند. Wellness، سبک زندگی و بخش‌هایی از HealthTech هنوز جا برای پاسخ‌های پیش‌فرض جدید دارند.

بقیه در حال ادغام‌اند. سفر، دسته‌های بزرگ SaaS و بخش‌هایی از فین‌تک بسیار سخت‌تر می‌شوند چون مدل‌ها از قبل مجموعه تنگی از نام‌های آشنا برمی‌گردانند.

هرچه زودتر تداعی دسته بسازید، تأثیرگذاری بر بازیابی آسان‌تر است. وقتی مدل بارها برندهای یکسان را به دسته یکسانی می‌بیند، جابه‌جایشان سخت‌تر می‌شود.

ممیزی دیده‌شدن برند بعدی شما نباید در سایت خودتان تمام شود. باید منابعی را نقشه کند که به مدل‌ها یاد می‌دهند چه کسی به دسته شما تعلق دارد: جمع‌آوری‌ها، مقایسه‌ها، لیست‌های کارشناسی، پوشش ناشران، نقدها، صفحات شرکا و بحث‌های انجمنی.

اینجاست که عملکرد مازادهای این مطالعه از هم جدا شدند؛ نه با بزرگ‌ترین برندهای جست‌وجوی ارگانیک بودن، بلکه با تکرار در جاهایی که سیستم‌های هوش مصنوعی برای فهمیدن، مقایسه و توصیه شرکت‌ها استفاده می‌کنند.

روش‌شناسی: Fractl دیده‌شدن در هوش مصنوعی را در هشت صنعت با GPT-4o، Gemini 2.5 Flash و Claude Sonnet 4.6 تحلیل کرد. هر مدل همان ۹۶ پرامپت مخصوص صنعت را دریافت کرد و هر پرامپت ۱۵ بار در هر مدل اجرا شد. این تحلیل ۴,۳۲۰ پاسخ و بیش از ۸,۵۰۰ ارجاع منحصربه‌فرد برند تولید کرد.

Fractl سپس برندهای شناسایی‌شده در این پاسخ‌ها را به داده Ahrefs — شامل رتبه دامنه، ترافیک ارگانیک، دامنه‌های ارجاع‌دهنده و حجم کلمات کلیدی — نگاشت کرد. این امکان مقایسه اعتبار جست‌وجوی سنتی هر برند با میزان ظاهر شدنش در پاسخ‌های تولیدشده با هوش مصنوعی را داد.

تحلیل برندها را بر اساس مقایسه دیده‌شدن هوش مصنوعی با عملکرد جست‌وجوی سنتی‌شان گروه‌بندی کرد. برندهایی که کمتر از انتظار معیارهای SEO ظاهر می‌شدند «کم‌نمایه» دسته‌بندی شدند و برندهایی که بیشتر ظاهر می‌شدند «مازاد‌بر‌عملکرد».