مصادر واجهات API وواجهات المستخدم في ChatGPT وGemini تتطابق بنسبة 12–15% فقط

اعتادت فرق SEO منطقًا بسيطًا: تسمح للروبوت بالزحف إلى الصفحة، وتنتظر فهرستها، ثم تراقب ترتيبها. لكن هذا النموذج ينهار مع البحث المدعوم بالذكاء الاصطناعي. فالوصول إلى المحتوى، واستخدامه في تدريب النموذج، وظهور رابط إليه في إجابة مولدة، ثلاث عمليات مختلفة. ولا يمكن لمفتاح إعداد واحد التحكم فيها جميعًا في الوقت نفسه.

لنأخذ مثالًا بسيطًا. يسمح متجر إلكتروني لـGooglebot بالزحف إلى صفحات المنتجات، ويمنع استخدام المحتوى في التدريب، ويريد في الوقت نفسه الظهور في AI Overviews. هذه القرارات لا تتعارض، لكنها تتطلب إعدادات مختلفة. وإذا عدّل الفريق ملف robots.txt فقط ولم يلاحظ زيادة في الاستشهادات بعد أسبوع، فلن يكشف ذلك شيئًا بعد عن جودة المحتوى أو فاعلية المنع.

يجب الفصل بين الوصول والتدريب والبحث بالذكاء الاصطناعي

تخطط Google لدعم إشارة موحدة لتفضيلات تدريب الذكاء الاصطناعي تستند إلى AIPREF في عام 2027. وحتى إطلاقها، لا يمكن اعتبارها إعدادًا شاملًا تلتزم به جميع النماذج بالفعل. كما أن القواعد الحالية الخاصة بكل مزود لن تختفي؛ فعلى سبيل المثال، يتحكم Google-Extended في بعض سيناريوهات استخدام المحتوى، لكنه لا يستبعد الموقع من البحث التقليدي ولا يُستخدم عاملًا للترتيب.

وأُعلن عن آلية منفصلة للميزات التوليدية في Google Search. ومن المفترض أن تتيح لأصحاب المواقع إدارة مشاركة محتواهم في AI Overviews وAI Mode من خلال Search Console. ولا يعادل هذا الإعداد حظر استخدام المحتوى في التدريب. وقبل تغييره، ينبغي تسجيل حركة الزيارات الأساسية، ومجموعة الصفحات المعنية، والنتيجة المتوقعة من التجربة. وإلا فسيحصل الفريق على رسم بياني من دون أن يتمكن من تفسير العامل الذي غيّره تحديدًا.

يبسّط Screaming Frog SEO Spider 25.0 الجانب التقني من العملية. إذ يمكن الآن حفظ إعدادات الزحف بصيغة JSON، وإخضاعها لإدارة الإصدارات، وإعادة استخدامها. وهذا مفيد في عمليات التدقيق الدورية، حيث تُفحص مجموعة عناوين URL نفسها بالإعدادات ذاتها، وتظل تغييرات الإعدادات ظاهرة في سجل المشروع. ومع ذلك، يؤكد برنامج الزحف إمكانية الوصول إلى الصفحة، لا احتمال ظهورها في إجابة النموذج.

الاستشهادات تصبح أكثر قابلية للقياس، لكن ليس أكثر دقة تلقائيًا

أضاف Bing أداة Topics Portfolio إلى AI Performance. وهي تجمع الاستعلامات حسب الموضوع، وتعرض الاستشهادات، وتقترح استعلامات قد يعاني الموقع فيها من فجوة. وهذا أكثر فائدة لفريق التحرير من عداد عام لمرات الذكر؛ إذ يمكنه أن يرى، على سبيل المثال، أن العلامة التجارية ظاهرة في موضوع النسخ الاحتياطي، لكنها تكاد تغيب عن موضوع أمن البيانات.

لكن هناك تحفظًا مهمًا. فالتجمعات تُنشأ تلقائيًا، وقد تكون القيم تقريبية. وقد لا يرى الموقع الصغير علامة التبويب أصلًا بسبب نقص البيانات. لذلك لا ينبغي تحويل قائمة الفرص فورًا إلى خطة تحريرية. بل يجب أولًا مراجعة الاستعلامات يدويًا، واستبعاد العلامات التجارية غير ذات الصلة، ومطابقة الموضوعات مع المنتج ونية المستخدم.

وكشفت دراسة لتوصيات المنتجات المعتمدة على الذكاء الاصطناعي عن قيد آخر. ففي عينة تضم 1,536 إجابة، بلغ متوسط تداخل النطاقات المعروضة بين واجهة المستخدم وواجهة API نسبة 12.0% في ChatGPT و14.8% في Gemini. وهذا ليس مؤشرًا شاملًا لجميع القطاعات؛ فقد غطت الدراسة 117 استعلامًا باللغة الإنجليزية عن منتجات مادية، ونُفذت الاستعلامات من هولندا. لكن الدلالة العملية قوية: لا يمكن تقديم تدقيق آلي عبر API باعتباره نسخة دقيقة من تجربة المستخدم.

ما الذي ينبغي تغييره في سير العمل

ابدؤوا أولًا بإعداد حصر شامل. سجّلوا لكل مشروع قواعد الزحف، وقيود التدريب، وإعدادات المشاركة في البحث المدعوم بالذكاء الاصطناعي، ومصادر التحليلات المتاحة. ثم اختاروا مجموعة صغيرة وثابتة من الاستعلامات واختبروها في الوقت نفسه عبر واجهات API والواجهات الفعلية. واحفظوا التاريخ، والمنطقة، وصياغة الاستعلام، والنموذج، والروابط التي عُثر عليها، والاستشهادات الظاهرة.

وأخيرًا، أدرجوا البيانات الوصفية ضمن عملية المراجعة التحريرية. فيجب أن يخضع العنوان والوصف وJSON-LD والنص البديل للتحقق من الحقائق نفسه الذي تخضع له المادة الأساسية. والخلاصة بسيطة: لا يصبح تدقيق GEO قابلًا للتكرار إلا عندما يفصل الفريق بين إعدادات الوصول وطرق القياس. فتقرير واحد، أو برنامج زحف واحد، أو استعلام API واحد لا يقدم الصورة الكاملة.