تتغير طريقة الوصول إلى الإجابات بشكل جذري، فبدلاً من الاعتماد على تمرير الروابط واختيار مقالات بعينها، صار الاعتماد على نماذج اللغة الكبيرة مثل شات جي بي تي و Perplexity هو المسار الرئيسي للحصول على معلومات مباشرة من مصادر متعددة، وتقديم إجابة جاهزة داخل واجهة الاستخدام دون الحاجة لتصفح المصادر الأصلية.
عصر ما بعد الروابط: كيف يغير الذكاء الاصطناعي مفهوم البحث؟
يظهر هذا التحول كأبرز التحديات التي تواجه العلامات التجارية والناشرين، لأن النقرات على الروابط لم تعد المعيار الوحيد للوصول إلى المعلومات، فلعقود اعتمدت استراتيجيات تحسين محركات البحث على حلقة تبدأ بنشر المحتوى ثم الحصول على ترتيب وجذب النقرات ثم قياس الأداء عبر حركة المرور والانطباعات والتفاعل.
اليوم تتكسر هذه الدائرة، فالإجابات التي تولدها أنظمة الذكاء الاصطناعي تتيح للمستخدمين استخلاص معلومات دون الدخول إلى المواقع الأصلية، بينما لا تسجل أدوات التحليل التقليدية أي نشاط حقيقي يخص زيارة المصدر. وهذا ليس مجرد تقلب عابر في السلوك، بل يشير إلى تحول بنيوي في كيفية استهلاك المعلومات.
نماذج اللغة لا تعمل كبدائل مباشرة لمحركات البحث
تعمل نماذج اللغة الكبيرة عن طريق مزيج من بيانات التدريب والبحث اللحظي والاستدلال الداخلي لتوليد الإجابات، وتظهر التحليلات أن كل نموذج يبحث بطريقة مختلفة حتى عند الإجابة عن سؤال واحد. فمثلاً، تفضل جي بي تي الاستفسارات الطويلة التي توفر سياقًا واسعًا لشرح مفصل، بينما يركّز Perplexity على أسئلة أقصر تشبه القوائم وتتركز على الحداثة والمقارنة، وهذا يعني أن ظهور موضوع قد يظهر في نموذج ولا يظهر في آخر.
يستلزم الواقع الجديد من صانعي المحتوى إعادة تفكيرهم في الاستراتيجيات، فلم تعد النقرات وحدها معياراً للنجاح، بل يصبح المحتوى قابلاً للاكتشاف من خلال أنظمة الذكاء الاصطناعي عبر تقديم حقائق واضحة ومنظمة وتوفير سياق حديث واعتماد مصادر موثوقة وتقسيم المحتوى إلى أقسام معنونة جيداً ومصممة ليستطيع النظام استخلاصها وتقديمها.
المحتوى المصمم للاكتشاف عبر الذكاء الاصطناعي يحتاج إلى مزيج من العمق والحداثة: شروحات تدعم الاستدلال والسياق كما يفضلها شات جي بي تي، مع أقسام مختصرة وغنية بالإشارات كما يفضّلها Perplexity. وهذا يعكس تعقيد ظهور العلامات التجارية في هذا السياق.
ويواجه الناشرون والمسوقون تحدياً في قياس مدى ظهور صفحاتهم لدى وكلاء الذكاء الاصطناعي، فالأدوات التقليدية تقيس فقط عدد المشاهدات، بينما قد تدمج النماذج الأفكار داخل الإجابة دون أي نقرة، وبغياب شفافية في خطوات الاسترجاع والاستدلال الداخلي لكل نموذج، وتتفاوت أولوية النماذج، وهذا يعني أن المحتوى الجيد قد يبقى غير ملحوظ إن لم يتوافق مع أساليب اختيار المصادر لدى كل نموذج.
لماذا تظهر علامتك التجارية في نموذج وتختفي في آخر؟
لمعالجة هذا التحدي ظهرت حلول هندسية تركز على فهم طريقة عمل النماذج بدلاً من الاعتماد فقط على الترويج للمحتوى، حيث تحلل هذه الحلول استفسارات النماذج أثناء تكوين الإجابة وتفهم آليات الاسترجاع والاستدلال وتربط خصائص المحتوى بأنماط ظهوره في كل نموذج.
من خلال متابعة سلوك الذكاء الاصطناعي على نطاق واسع يمكن للمسوقين قياس ظهور علامتهم التجارية في المحادثات بدلاً من الاعتماد على عدد النقرات، وتحويل البيانات التقنية إلى رؤى عملية. كما يشير هذا التحول إلى مستقبل يركز على القيمة والمضمون أكثر من مجرد ترتيب الصفحات وحركة المرور، فالعلامات التجارية الناجحة هي تلك التي تفهم كيفية إنتاج محتوى عالي الجودة يمكن للأنظمة الذكية استخلاصه واستخدامه حتى لو لم يعُد المستخدم يزور صفحات الويب.
