هذه هي المقالة الثالثة في سلسلة من ثلاثة أجزاء حول كيفية قياس العلامات التجارية لفعالية وعائد الاستثمار في ظهورها باستخدام الذكاء الاصطناعي.
- جزء 1: عائد الاستثمار المباشر
- جزء 2: ابحث عن هالو
- الجزء الثالث: هالة الكيان الفرعي
كان لدى شركة تطوير عقاري عملنا معها علامة تجارية أم قوية.
ظهرت بانتظام في إجابات الذكاء الاصطناعي. وكان البحث عن العلامة التجارية جيدًا. ظاهريًا، بدا أن ظهورها في نتائج الذكاء الاصطناعي كان فعالًا.
لكن عندما نظرنا إلى مشاريعهم العقارية الفردية، ظهر شيء أكثر دلالة.
كانت بعض المشاريع تُوصى بها بالاسم. وكان الذكاء الاصطناعي يُظهرها تحديداً مع فهم واضح لموقعها وخصائصها وموقعها.
أما البعض الآخر فلم يكن كذلك. فقد أشير إليه فقط على أنه "مشروع من [العلامة التجارية]". لم يُذكر اسم المشروع. ولم يُعترف به بشكل مستقل. فقط العلامة التجارية الأم التي أدخلته في الإجابة.
كانت تلك الفجوة مهمة، ولكن ليس فقط لأن نوعًا واحدًا من المشترين أقرب إلى التحول من نوع آخر.
المشكلة الأعمق هي هذه: إذا كان الذكاء الاصطناعي يعرف العلامة التجارية فقط وليس المشروع الفردي، فلن يتمكن من مطابقة ذلك المشروع مع استعلام مستخدم محدد..
عندما يسأل المستخدم:
أي مجمع سكني حول [موقع] لديه [ميزات/متطلبات محددة]؟"
يحتاج الذكاء الاصطناعي إلى معرفة موقع المشروع وميزاته وموقعه الجغرافي للإجابة على هذا السؤال. إذا كان يعرف فقط بوجود العلامة التجارية الأم، فلن يتم التوصية بالمشروع.
ليس لأنه غير مناسب، بل لأن الذكاء الاصطناعي لا يملك معلومات كافية عنه ليدرك أنه مناسب.
لا يقتصر الأمر على خسارة المشروع لفرصة تحويل، بل يتم استبعاده تماماً من الحوار في اللحظة التي يطرح فيها مشترٍ مؤهل السؤال الصحيح تماماً.
لم تكن البيانات تخبرنا فقط عن أداء الذكاء الاصطناعي، بل كانت تخبرنا أيضاً أي المشاريع قد بنت إشارات مستقلة كافية لتعتمد على نفسها... وأيها لم تفعل.
هذا سؤال يتعلق بهيكلة العلامة التجارية. وقد أجابت بيانات رؤية الكيانات الفرعية المدعومة بالذكاء الاصطناعي على هذا السؤال.
وهنا يأتي دور هالة الكيان الفرعي.
لماذا لا يكفي قياس مستوى العلامة التجارية؟
يُعدّ قياس مستوى العلامة التجارية مفيداً، لكنه قد يُخفي هذا النوع من الثغرات تحديداً.
قد تمتلك الشركة منتجات متعددة تحمل علامات تجارية فرعية (مثل iPhone وXbox) أو خدمات (مثل AWS وYouTube وApple Music). وحتى لو ظهرت العلامة التجارية الأم باستمرار في إجابات الذكاء الاصطناعي، فإن ذلك لا يُحدد العروض التي يفهمها الذكاء الاصطناعي جيدًا بما يكفي للتوصية بها، وتلك التي لا يستطيع مطابقتها مع استفسار المستخدم الفعلي.
غالباً ما يكون المستخدمون أكثر تحديداً بكثير مما تسمح به مقاييس مستوى العلامة التجارية. فهم لا يسألون الذكاء الاصطناعي دائماً عن علامة تجارية معينة، بل يسألون عن:
- منتج ذو خصائص محددة
- خدمة تناسب حالات استخدام محددة
إذا لم يتوفر لدى الذكاء الاصطناعي معلومات كافية عن منتج أو خدمة معينة، فلن يتمكن من إظهار العلامة التجارية أو المنتج/الخدمة في تلك الاستعلامات، حتى لو كانت العلامة التجارية الأم معروفة. وبالتالي، يكون الكيان الفرعي غير مرئي في اللحظة التي يكون فيها أكثر أهمية.
ولا يظهر هذا التجاهل على مستوى العلامة التجارية الأم. قد تبدو العلامة التجارية ككل مستقرة في إجابات الذكاء الاصطناعي، بينما يتم استبعاد العروض الفردية بشكل منهجي من الاستفسارات الأكثر أهمية للشركة.
ولهذا السبب تحتاج العلامات التجارية إلى مستوى ثالث من القياس.
ما تعنيه هالة الكيان الفرعي بعبارات بسيطة
يجيب الكيان الفرعي هالو على سؤالين مترابطين:
- هل يقوم الذكاء الاصطناعي بإبراز منتجاتنا أو خدماتنا المحددة في الاستعلامات التي تكون فيها أكثر صلة؟
- وعندما يكشف الذكاء الاصطناعي عن هذه المعلومات، فهل يؤدي ذلك إلى نية البحث اللاحقة والتحويلات لهذا العرض تحديداً؟
يُطلق عليه اسم "الهالة" لأن الذكاء الاصطناعي، مثل "هالة البحث"، لا يتحكم دائمًا في النقرة الأخيرة. فهو يُنشئ الوعي ويُشكّل التفكير في مراحل سابقة. ويظهر هذا التأثير لاحقًا في سلوك البحث الخاص بالمنتج ومعدلات التحويل في صفحات المنتج.
تبدو الرحلة على هذا النحو:
- يطلب المستخدم من الذكاء الاصطناعي الخيار الأفضل في فئة أو حالة استخدام محددة.
- يمتلك الذكاء الاصطناعي معلومات محددة كافية حول منتجك/خدمتك لمطابقتها مع الاستعلام ويوصي بها بالاسم.
- يغادر المستخدم واجهة الذكاء الاصطناعي.
- يبحث المستخدم عن اسم ذلك المنتج أو الخدمة تحديداً.
- ينتقل المستخدم إلى صفحة المنتج أو الخدمة ذات الصلة.
- يقوم المستخدم بالتحويل.
إذا فشلت الخطوة الثانية - أي إذا لم يتوفر لدى الذكاء الاصطناعي تفاصيل كافية لمطابقة المنتج مع الاستعلام - فلن تتم بقية العملية. وسيحل محلها منافس.
هذا هو هالة الكيان الفرعي. طبقة القياس التي تجعل هذا مرئيًا.
هالة الكيان الفرعي في الممارسة العملية
يتضح المفهوم أكثر مع العلامات التجارية الحقيقية. إليك مثالان، أحدهما لمنتج مادي والآخر لخدمة، يوضحان كيف يتجلى تأثير "هالة الكيان الفرعي" تبعًا لما تبيعه.
ملاحظاتهذه ليست عروضًا فعلية، إنما مجرد مثال لتوضيح المفهوم
مثال 1: نايكي (منتج مادي)
العلامة التجارية الأم: نايك
كيان فرعي (منتج مسمى)نايكي إير ماكس 270
تُعدّ نايكي واحدة من أشهر العلامات التجارية في العالم. ولكن عندما يلجأ المستخدم إلى الذكاء الاصطناعي بسؤال محدد، قد لا تكفي شهرة العلامة التجارية وحدها للحصول على توصية بمنتج.
استفسار المستخدم: "ما هو الحذاء الرياضي المناسب للاستخدام اليومي والذي يوفر أقصى قدر من التوسيد للمشي لمسافات طويلة؟"
للإجابة على هذا السؤال، يحتاج الذكاء الاصطناعي إلى معرفة أن حذاء Air Max 270 مزود بأكبر وحدة Air في كعب حذاء Nike، وأنه مصمم لتوفير الراحة طوال اليوم، وأنه يقع ضمن نطاق سعري محدد. يحتاج إلى معرفة هذه الوحدة تحديدًا، وليس العلامة التجارية فقط.
عندما تكون إشارة الكيان الفرعي قويةيقترح الذكاء الاصطناعي حذاء Air Max 270 بالاسم، ويصف تقنية التوسيد الخاصة به، ويطابقه مع استخدام المستخدم. ثم يبحث المستخدم عن "نايك الجوية ماكس 270"ويؤدي مباشرة إلى صفحة المنتج."
عندما تكون إشارة الكيان الفرعي ضعيفةلا يعرف الذكاء الاصطناعي سوى أن نايكي تصنع الأحذية الرياضية. فهو يذكر نايكي بشكل عام، لكنه لا يستطيع مطابقة طراز محدد مع الاستعلام. وقد يحل منتج منافس، بمعلومات أوضح على مستوى الميزات، محل هذا الاستعلام.
قد تحظى صفحة Air Max 270 بحركة مرور قوية مباشرة ومدفوعة. لكن خاصية "هالة الكيان الفرعي" لا تظهر إلا عندما يتمكن الذكاء الاصطناعي من تحديدها بدقة، وهو ما يتطلب معرفة كافية بها لإجراء المطابقة.
ماذا يعني هذا بالنسبة لشركة نايكي؟إذا أظهرت بيانات رؤية الذكاء الاصطناعي أن حذاء Air Max 270 لا يُذكر في الاستفسارات المتعلقة بالتوسيد أو الراحة، فهذه مشكلة في جودة الإشارة، وليست مشكلة في المنتج نفسه. يكمن الحل في إنشاء محتوى أكثر ثراءً وتحديدًا حول هذا المنتج، حتى يتمكن الذكاء الاصطناعي من تمثيله بدقة في المحادثات التي من المفترض أن يكون له فيها الكلمة العليا.
مثال 2: HubSpot (خدمة / حل)
العلامة التجارية الأم: هوب سبوت
كيان فرعي (حل مسمى)مركز التسويق من HubSpot
تشتهر HubSpot على نطاق واسع كمنصة لإدارة علاقات العملاء والتسويق. لكن المنصة تتكون من أقسام متميزة تحمل أسماءً مختلفة، حيث يستهدف كل قسم فريقًا أو مشكلة أو عميلًا مختلفًا. نادرًا ما يسأل المستخدم الذي يُقيّم الحلول عن علامة HubSpot التجارية، بل يسأل عن حل محدد لمشكلة محددة.
استفسار المستخدم: "ما هي أفضل أداة لإدارة حملات البريد الإلكتروني وصفحات الهبوط ورعاية العملاء المحتملين في مكان واحد لشركة متوسطة الحجم تعمل في مجال الأعمال بين الشركات (B2B)؟"
للإجابة على هذا السؤال، يحتاج الذكاء الاصطناعي إلى معرفة أن منصة Marketing Hub تغطي التسويق عبر البريد الإلكتروني، وإنشاء صفحات الهبوط، وسير عمل رعاية العملاء المحتملين، وتحليلات التسويق. كما يحتاج إلى معرفة أنها مصممة خصيصًا للفرق التي ترغب في دمج هذه الإمكانيات ضمن نظام إدارة علاقات العملاء (CRM). عليه أن يفهم Marketing Hub، وليس HubSpot فقط.
عندما تكون إشارة الكيان الفرعي قويةيقترح الذكاء الاصطناعي منصة HubSpot Marketing Hub بالاسم، ويشرح محتواها، ويطابقها مع سياق أعمال المستخدم (شركة متوسطة الحجم في مجال B2B). يبحث المستخدم عن "HubSpot Marketing Hub" وينتقل إلى صفحة الحل المخصصة.
عندما تكون إشارة الكيان الفرعي ضعيفةيعرف الذكاء الاصطناعي أن HubSpot منصة تسويقية، لكنه لا يستطيع وصف إمكانيات Marketing Hub بالتفصيل الكافي لمطابقتها مع الاستعلام. لذا، يذكر HubSpot بشكل عام أو يقترح منافسًا تكون صفحة حلوله أكثر وضوحًا في قاعدة بيانات الذكاء الاصطناعي.
تتمتع علامة HubSpot التجارية بقوة شاملة. ولكن إذا لم يتم تمثيل Marketing Hub بشكل جيد ككيان فرعي مُسمى يتمتع بموقع واضح وتفاصيل دقيقة عن ميزاته وتغطية شاملة لحالات استخدامه، فقد يتم تجاهله في عمليات البحث التي صُمم خصيصًا للفوز بها.
ما يعنيه هذا بالنسبة لشركة HubSpotيجب التعامل مع كل مركز من مراكز التسويق والمبيعات والخدمات على حدة كتحدٍّ مستقل يتعلق بظهور الذكاء الاصطناعي. فلكل منها مشترون مختلفون، واستفسارات مختلفة، وإشارات مختلفة يحتاجها الذكاء الاصطناعي لتقديم توصيات دقيقة. ولا يضمن وجود علامة تجارية أم قوية بالضرورة ظهورًا قويًا للكيانات الفرعية، بل يجب على كل منها أن تثبت جدارتها في نتائج الذكاء الاصطناعي.
ماذا لو لم تكن العلامة التجارية وحدها كافية للدخول في الحوار؟
تُظهر الأمثلة السابقة ما يحدث عندما يعرف الذكاء الاصطناعي علامة تجارية، لكنه لا يعرف كيانها الفرعي جيدًا بما يكفي لإجراء المطابقة. قد يتم التوصية بالعلامة التجارية رغم ذلك، وإن كان ذلك بشكل عام.
لكن هناك نسخة أكبر وأكثر خفاءً من هذه المشكلة.
أحيانًا يكون استفسار المستخدم شديد التخصص بحيث لا تستطيع العلامة التجارية الأم الإجابة عليه، ولكن إحدى كياناتها الفرعية هي الأنسب. ولأن الذكاء الاصطناعي لا يعرف تلك الكيانات الفرعية جيدًا، فإنه لا يملك معلومات كافية لعرضها.
وبالتالي، لا تدخل العلامة التجارية ولا الكيان الفرعي في الحوار إطلاقاً. وهنا يصبح الاعتماد فقط على ظهور العلامة التجارية الأم نقطة ضعف استراتيجية.
إن تتبع الكيانات الفرعية هو ما يكشفها. فهو يُظهر لك بدقة أي الكيانات الفرعية تخسر الاستفسارات التي كان ينبغي لها أن تفوز بها، وأين يمكن للاستثمار المركز أن يُحدث فرقًا حقيقيًا.
ملاحظاتهذا ليس عرضًا فعليًا، بل مجرد مثال لتوضيح المفهوم
مثال: فنادق موكسي التابعة لماريوت (منتج مادي / قائم على الموقع)
العلامة التجارية الأمماريوت
كيان فرعي (منتج مسمى)فنادق موكسي
تُعدّ ماريوت واحدة من أكبر مجموعات الفنادق في العالم، ولديها محفظة واسعة تشمل أماكن إقامة فاخرة، وأخرى مخصصة للأعمال، وثالثة تناسب نمط الحياة العصري. لذا، من المرجح أن يحصل المستخدم الذي يطرح سؤالاً عاماً عن الفنادق على إجابة من ماريوت.
لكن ليس كل استفسار عامًا.
استفسار المستخدم: "ما هي بعض الفنادق الممتعة وبأسعار معقولة لرحلة فردية إلى أمستردام في العشرينات من عمري؟"
لهذا الاستفسار متطلبات محددة: أسعار معقولة، وأجواء اجتماعية، وتصميم عصري، وجمهور من المسافرين الشباب المستقلين.
تُعتبر علامة ماريوت التجارية واسعة النطاق للغاية بحيث لا يمكن الإجابة على هذا السؤال بثقة. لا يستطيع الذكاء الاصطناعي تحديد ما إذا كان أي فندق محدد تابع لماريوت مناسبًا، لذا فهو يعرض العلامات التجارية والفنادق التي يعرف أنها تستوفي تلك المعايير بوضوح.
ماذا يحدث في غياب معرفة الكيانات الفرعية؟ لا يتم ذكر ماريوت ولا أي من فنادقها. يكشف الذكاء الاصطناعي عن بيوت الشباب، والفنادق الاقتصادية الصغيرة، أو العلامات التجارية المتخصصة في أسلوب الحياة التي يتطابق موقعها بوضوح مع السؤال. وتختفي الفرصة تمامًا.
ماذا ينبغي أن يحدث: فنادق موكسي هي إجابة ماريوت على هذا السؤال تحديدًا. صُممت خصيصًا كعلامة تجارية فندقية بأسعار معقولة، ذات تصميم عصري، وتجمع بين الطابع الاجتماعي، وتستهدف المسافرين الشباب، ولها فروع في جميع أنحاء أوروبا، بما في ذلك أمستردام. إنها تلبي متطلبات المستخدم بدقة.
لكن إذا لم يتعرف الذكاء الاصطناعي على فنادق موكسي ككيان فرعي مستقل يحمل اسمًا مميزًا، وله موقعه الخاص، ونطاق أسعاره، وجمهوره المستهدف، وتفاصيله الخاصة بكل فندق، فلن يكون لديه أي وسيلة لمعرفة ما إذا كان كيان فرعي تابع لماريوت هو الخيار الأمثل. فالعلامة التجارية وحدها لا تكفي لتحقيق ذلك.
ما يكشفه تتبع الكيانات الفرعية: تمثل الاستفسارات المتعلقة بالفنادق ذات الأسعار المعقولة، وأماكن الإقامة الاجتماعية، والسفر الاقتصادي في المدن التي تمتلك فيها فنادق موكسي، فئة من الفرص الضائعة. إن تتبع موكسي ككيان فرعي يُظهر هذه الفرص الضائعة بوضوح، ويُبين أين يمكن للاستثمار في المحتوى والعلاقات العامة أن يُحدث فرقًا حقيقيًا، بدلًا من الاستثمار في حضور علامة ماريوت التجارية الأوسع نطاقًا، والذي لم يكن ليحقق هذه النتائج أبدًا.
لماذا تُعدّ هالة الكيانات الفرعية مهمة للعلامات التجارية؟
يُعد هذا الأمر بالغ الأهمية بشكل خاص للعلامات التجارية التي تتميز بما يلي:
- خطوط إنتاج أو عروض خدمات محددة
- صفحات هبوط خاصة بفئات محددة
- حلول مُسماة لجمهور أو حالات استخدام مختلفة
لاحظ كلمة "مُسمى". لأنه بدون اسم، لا يمكن للمستخدم البحث عنه بسهولة أو يمكن للذكاء الاصطناعي ربطه به بسهولة.
وإذا قمت بقياس تأثير الذكاء الاصطناعي على مستوى العلامة التجارية الأم فقط، فإنك تخاطر بفقدان القيمة التي يتم إنشاؤها والقيمة التي يتم فقدانها.
قد تشهد علامة تجارية أداءً مستقرًا للذكاء الاصطناعي بشكل عام، بينما يُستبعد منتجٌ معينٌ من جميع الاستعلامات ذات الصلة. أو قد يُوصى بمنتج ذي هامش ربح عالٍ باستمرار دون علم أي فرد من الفريق، لأنهم يركزون فقط على مؤشرات العلامة التجارية الرئيسية.
لا تُحقق رؤية الذكاء الاصطناعي قيمة متساوية في جميع أنحاء المحفظة الاستثمارية. فقد تُفضّل ما يلي:
- منتج على آخر
- خط خدمة فوق آخر
- علامة فرعية واحدة على البقية
غالباً ما يكمن الفرق في كمية المعلومات المحددة والمنظمة التي يمتلكها الذكاء الاصطناعي عن كل كيان فرعي. فالكيانات التي تمتلك إشارات أقوى تُطابق مع عدد أكبر من الاستفسارات، بينما تبقى تلك التي تفتقر إليها غير مرئية بغض النظر عن مدى شهرة العلامة التجارية الأم.
كيف يمكن للعلامات التجارية قياس هالة الكيانات الفرعية عملياً
المنطق مشابه لمنطق "هالة البحث"، ولكنه يُطبق على مستوى المنتج أو الخدمة. ويعمل النموذج على ثلاث خطوات.
الخطوة الأولى: عزل الكيان الفرعي
حدد المنتج أو الخدمة أو خط العمل الذي ترغب في قياسه. أنت بحاجة إلى اسم واضح وصفحة هبوط مخصصة.
كلما كان هذا التعريف أوضح، كان القياس أفضل.
الخطوة الثانية: قياس نية البحث عن تلك الكيان الفرعي
في Google Search Console، انظر إلى حركة البحث المرتبطة تحديدًا بهذا المنتج أو العرض، باستخدام كل من صفحة الهبوط التي نقر عليها الأشخاص واسم المنتج أو الخدمة في استعلام البحث.
هذا يعزل الزيارات التي كان فيها قصد البحث يتعلق فعلاً بذلك العرض المحدد، وليس مجرد أي زيارة للصفحة.
الخطوة 3: تقدير تأثير التحويل
في GA4، قم بقياس التحويلات العضوية على صفحة الهبوط المحددة. ثم قم بتطبيق نسبة نية المنتج من الخطوة 2 لتقدير عدد التحويلات التي نتجت عن نية بحث حقيقية على مستوى المنتج.
هالة الكيان الفرعي = نسبة نية الشراء من الزيارات العضوية × التحويلات العضوية على صفحة المنتج
لذا إذا كانت نسبة 30% من النقرات العضوية على صفحة منتج ما تأتي من عمليات بحث واضحة حول هذا المنتج، وكانت الصفحة تولد 50 عملية تحويل عضوية، فإن التأثير التقديري للتحويل هو 15 عملية تحويل.
ليس المقصود أن كل عملية تحويل من تلك العمليات الخمس عشرة جاءت بشكل قاطع من الذكاء الاصطناعي. بل المقصود هو أنه إذا ارتفع مستوى ظهور الذكاء الاصطناعي لهذا المنتج تحديدًا، وارتفعت معه عمليات البحث عن المنتج وعمليات التحويل في صفحات المنتج، فستكون لديك الآن طريقة عملية لتقدير تأثيره اللاحق وتتبعه بمرور الوقت.
ما الذي يجب أن تبحث عنه العلامات التجارية
- المدخلات الأساسية: إمكانية رؤية الذكاء الاصطناعي للمنتج أو الخدمة المحددة بالاسم
- تغطية الاستعلام: الظهور في الاستعلامات الخاصة بالميزات والاستعلامات الخاصة بالموقع
- إشارة الطلبابحث عن المصعد باستخدام اسم المنتج أو الخدمة المحدد.
- إشارة المرور: حركة مرور عضوية إلى صفحة الهبوط المطابقة
- إشارة النيةنسبة الزيارات العضوية إلى تلك الصفحة بناءً على نية الشراء
- الناتج: تحويلات الهالة المقدرة على مستوى المنتج بمرور الوقت
أهم إشارة هي الأولى: هل يظهر الكيان الفرعي في الاستعلامات المحددة على مستوى الميزة ومستوى الموقع حيث يكون أكثر صلة؟
وإذا لم يكن الأمر كذلك، فإن المقاييس اللاحقة ستعكس هذا الغياب بغض النظر عن مدى قوة إشارة العلامة التجارية الأم.
عندما تتحرك جميع الإشارات معًا (ترتفع رؤية الذكاء الاصطناعي، ويزداد البحث عن نية المنتج، وتتبع ذلك تحويلات صفحة المنتج)، فإنك ترى أين يخلق الذكاء الاصطناعي قيمة على مستوى العرض، وليس فقط على مستوى العلامة التجارية الأم.
الدلالات الأعمق لهالة الكيان الفرعي
لا يُعدّ نموذج "هالة الكيان الفرعي" مجرد نموذج قياس، بل هو نموذج تشخيصي.
عندما رأى مطور العقارات المشاريع التي تم تسميتها بواسطة الذكاء الاصطناعي وتلك التي لم يتم تسميتها، وجد إجابة لسؤال أصعب:
أي من مشاريعنا قد بنى إشارات مستقلة كافية ليعتمد على نفسه؟ وأي منها يعتمد كلياً على العلامة التجارية الأم لتقديم إجابات الذكاء الاصطناعي؟
لهذا التمييز تبعات تجارية مباشرة. فالمشروع الذي لا يستطيع الذكاء الاصطناعي وصفه بتفصيل كافٍ (موقعه، وميزاته، واتصاله، وموقعه الجغرافي) سيُستبعد من جميع عمليات البحث التي يبحث فيها المشتري عن هذه التفاصيل تحديدًا. ولن يظهر المشروع لأن العلامة التجارية نفسها غير ذات صلة كافية ليتم أخذها في الاعتبار.
أدى إدراك ذلك إلى تغيير وجهة استثمار المطور. فقد زاد من المحتوى والعلاقات العامة للعلامات التجارية للمشاريع الأضعف، ليس بناءً على الحدس، بل بناءً على ما كشفته بيانات رؤية الذكاء الاصطناعي حول الكيانات الفرعية التي لديها القدرة على المنافسة بشكل مستقل، وتلك التي لا تملكها.
هذا ما تُمكّنه تقنية "هالة الكيان الفرعي". ليس مجرد تحديد المصدر، بل تحديد الأولويات الاستراتيجية بناءً على كيفية اكتشاف الذكاء الاصطناعي للعروض المحددة والتوصية بها.
كيف تُكمل هالة الكيان الفرعي سلسلة قياسات رؤية الذكاء الاصطناعي هذه
الجزء الأول (العائد المباشر على الاستثمار) أجاب: هل ساهم الذكاء الاصطناعي في تحقيق تحويلات مباشرة يمكن نسبها إلى المستخدم؟
الجزء الثاني (البحث في هالو) أجاب: هل ساهم الذكاء الاصطناعي في زيادة الطلب على العلامات التجارية والذي ظهر لاحقًا من خلال البحث وحركة المرور غير المباشرة؟
إجابات الجزء الثالث (الكيان الفرعي هالو): هل يقوم الذكاء الاصطناعي بإبراز كيانات فرعية محددة (منتجات وخدمات محددة) في الاستعلامات حيث تكون أكثر صلة - وهل يؤدي ذلك إلى طلب قابل للقياس وتحويلات لتلك العروض تحديداً؟
تشكل هذه الطبقات الثلاث مجتمعة رؤية كاملة لعائد الاستثمار في رؤية الذكاء الاصطناعي: التأثير المباشر على التحويل، والتأثير غير المباشر على مستوى العلامة التجارية، والتأثير غير المباشر على مستوى المنتج.
هذا إطار عمل أفضل بكثير من الاعتماد على حركة المرور الناتجة عن النقرة الأخيرة فقط.
الفكر النهائي
في عصر البحث بالذكاء الاصطناعي، لم يعد تحديد مصدر النقرة يقتصر فقط على معرفة من أين أتت.
يتعلق الأمر بفهم من أين بدأ الطلب، وما إذا كان الذكاء الاصطناعي يمتلك معلومات محددة كافية لمطابقة عروضك مع الاستفسارات الصحيحة، وما هي أجزاء العمل التي يتم اكتشافها بالفعل أو استبعادها بهدوء.
تُعدّ هالة الكيانات الفرعية مهمة لأنها تمنح العلامات التجارية تلك الدقة. فهي تحوّل الحوار من "هل يساعدنا الذكاء الاصطناعي؟"إلى"ما الذي يساعدنا الذكاء الاصطناعي في بيعه تحديداً، وما الذي لا يعرفه جيداً بما يكفي للتوصية به؟"
وهنا يصبح القياس استراتيجياً حقاً.
كاتب: ابريل تشيونج
كبير مسؤولي المنتجات، المؤسس المشارك لـ Zicy.com
رئيس قسم AEO/GEO، Growth.pro
