اقتباسات الذكاء الاصطناعي لا تجلب النقرات. إليك ما يجب قياسه بدلاً من ذلك
إجابة مختصرة: اقتباسات الذكاء الاصطناعي إشارة إلى تذكّر العلامة التجارية، وليست قناة لحركة المرور. لم تكن النقرة هي الهدف قط: فعندما يقتبس نموذج صفحتك داخل إجابة، يكون المستخدم قد حصل بالفعل على ما جاء من أجله. الفرق التي تستمر في تقييم GEO عبر نقرات الإحالة ستخلص إلى أنه فشل في اللحظة التي يبدأ فيها بالعمل. الحل ليس التخلي عن عمل الاقتباس، بل تغيير لوحة القياس.
ما قاله مهندس OpenAI فعلاً
في 22 سبتمبر 2026، نقل حساب لأحد الممارسين ادعاءً عن مهندس في OpenAI: المستخدمون لا ينقرون على روابط الاقتباس، حتى عندما تُعرض هذه الروابط بشكل بارز في الواجهة.
ينبغي التعامل مع هذا بحذر. فهو رواية من طرف ثانٍ عن ملاحظة داخلية، وليس بياناً رسمياً من OpenAI، ولم يُنشر كبحث. لكنه متوافق مع كل قياس مستقل تمكّنا من العثور عليه، ولهذا يستحق التصرف بناءً عليه بدلاً من انتظار بيان صحفي.
الأدلة الداعمة ليست ضعيفة:
- تتبّع Pew Research Center 900 بالغ أمريكي عبر 68,879 عملية بحث في Google خلال مارس 2025. عندما ظهر ملخص ذكاء اصطناعي، نقر المستخدمون على نتيجة عادية في 8% من الزيارات، مقابل 15% عندما لم يظهر أي ملخص. أما النقر على رابط داخل الملخص فحدث في 1% من الزيارات فقط.
- حلّلت Seer Interactive 25.1 مليون ظهور عبر 42 مؤسسة، ووجدت أن معدل النقر العضوي انهار من 1.76% إلى 0.61% في الاستعلامات التي يظهر فيها AI Overview — أي انخفاض بنسبة 61%.
- وجدت بيانات Ahrefs الطولية أن AI Overview تقلل النقر على النتيجة العضوية رقم 1 بنسبة 58%.
ثلاث مجموعات بيانات مستقلة، وثلاث منهجيات مختلفة، واتجاه واحد. النقرة لا تختفي لأن المستخدمين كسالى. إنها تختفي لأن الإجابة وصلت بالفعل.
لماذا لا تتحول الاقتباسات إلى نقرات
النموذج الذهني الذي لا يزال معظم الفرق يحمله يأتي من عصر الرابط الأزرق:
لدى المستخدم سؤال → يبحث → يتصفح عشرة روابط → يختار واحداً → ينقر → يقرأ.
في ذلك العالم، كان التواجد في أعلى القائمة هو كل شيء، لأن النقرة كانت الطريقة الوحيدة لتقديم القيمة. ترث الاقتباسات هذا المنطق افتراضياً: اقْتُبِسْتَ، فاحصل على النقرة.
لكن مسار إجابة الذكاء الاصطناعي أقصر:
لدى المستخدم سؤال → يبحث → الإجابة موجودة بالفعل على الشاشة → انتهى الأمر.
لا تبقى أي خطوة تنقّل لتنفيذها. الاقتباس ليس باباً، بل حاشية. يخبر المستخدم من أين جاءت الجملة، مثل مدخل في قائمة المراجع. لا أحد يقرأ حواشي كتاب قبل أن يقرر ما إذا كان الفصل قد أجاب على سؤاله.
لهذا ينهار ادعاء "اقتباسات الذكاء الاصطناعي تجلب حركة المرور".
إنه يفترض حاجة إلى التنقل تكون الإجابة نفسها قد لبّتها بالفعل.
وهناك سبب ثانٍ، وهو بنيوي. تُظهر تقارير Search Console من Google نفسها الآن عدد المرات التي عُرضت فيها صفحاتك وأيها يظهر في إجابات الذكاء الاصطناعي — لكنها لا تمنحك عدد النقرات على تلك الظهورات، لأنه في معظم الحالات لا توجد نقرة تُحسب. وعندما أطلقت Google تقرير ميزات الذكاء الاصطناعي لجميع أصحاب المواقع في 31 أغسطس 2026، أطلقت أيضاً مفتاحاً: إذا انسحبت من AI Overview وAI Mode والميزات التوليدية في Discover، فوفقاً لوثائق Google نفسها لن تحصل منها على أي حركة مرور أو ظهورات. المفتاح يُخرجك. ولا يفعل شيئاً لإدخالك.
ما يتحرك فعلاً: ثلاث إشارات تستحق المتابعة
إذا كانت نقرات الإحالة هي الأداة الخاطئة، فما الذي ينبغي أن يحل محلها؟ ثلاث إشارات تلتقط القيمة التي تصنعها الاقتباسات لكن النقرات لا تكشفها.
1. معدل تضمين الإجابة
ما هو: نسبة مطالباتك المستهدفة التي تظهر فيها علامتك التجارية أو صفحتك أو ادعاؤك داخل إجابة الذكاء الاصطناعي — بغض النظر عن وجود رابط مرفق.
لماذا يتفوق على النقرات: إنه يقيس ما يمكنك التأثير فيه فعلاً. الاقتباس دون نقرة يضع اسمك أمام المستخدم في لحظة القرار.
كيف تقيسه: ابنِ مجموعة مطالبات ثابتة (20–50 سؤالاً يسألها مشتروك فعلاً)، وشغّلها على ChatGPT وPerplexity وGemini وGoogle AI Overviews بوتيرة محددة، وسجّل ما إذا كنت تظهر. تتبّع المعدل عبر الزمن، لا الإجابة الفردية.
كيف تبدو النتيجة الجيدة: أنت تبحث عن حركة، لا عن رقم مطلق مرتفع. العلامة التي انتقلت من الظهور في 4 من 40 مطالبة إلى 11 من 40 لديها إشارة حقيقية، حتى لو كانت النسبة الخام لا تزال منخفضة.
2. معدل ذكر العلامة التجارية (مذكورة بالاسم دون رابط)
ما هو: عدد المرات التي تُذكر فيها علامتك التجارية في إجابة دون اقتباسها كمصدر. هذه إشارة منفصلة عن الاقتباس، والخلط بينهما من أكثر أخطاء القياس شيوعاً في تقارير GEO.
لماذا يتفوق على النقرات: النموذج الذي يذكر علامتك التجارية قد تعلّم علامتك التجارية. هذا تعرّف على الكيان، وهو شرط مسبق للتوصية بك لاحقاً. وغالباً ما يظهر قبل الاقتباس.
كيف تقيسه: على المجموعة نفسها من المطالبات، سجّل حقلين منفصلين لكل إجابة — مذكورة بالاسم ومقتبسة. سوف يتباعدان، وهذا التباعد هو الرؤية نفسها.
كيف تبدو النتيجة الجيدة: ارتفاع معدل الذكر بينما يظل معدل الاقتباس مستوياً ليس فشلاً. إنه النموذج يبني تمثيلاً عنك. والاقتباس عادةً يتبعه.
3. ارتفاع البحث عن العلامة التجارية
ما هو: التغير في عدد المرات التي يبحث فيها الناس عن اسم علامتك التجارية مباشرة.
لماذا يتفوق على النقرات: إنه أقرب مؤشر غير مباشر متاح لحالة "رآنا أحدهم في إجابة ذكاء اصطناعي، ولم ينقر، وعاد لاحقاً بالاسم". هذا هو مسار التحويل الفعلي في عالم يتوسطه الذكاء الاصطناعي، وهو غير مرئي لأي لوحة قياس قائمة على النقرات.
كيف تقيسه: تتبّع استعلامات العلامة التجارية في Google Search Console، وإذا كانت لديك البيانات، في Bing Webmaster Tools. قارن الاتجاه بعملك على الظهور في الذكاء الاصطناعي، لا بتقويم المحتوى لديك.
كيف تبدو النتيجة الجيدة: بقاء حجم البحث عن العلامة التجارية أو ارتفاعه بينما تنخفض النقرات العضوية غير المرتبطة بالعلامة هو نمط جيد في 2026. إنه يعني أنك تُتذكَّر حتى مع تآكل مسار النقرة.
هناك نقطة بيانات داعمة يجدر معرفتها. عندما قاس الباحثون ما يتنبأ بالاقتباس في الذكاء الاصطناعي، كان حجم البحث عن العلامة التجارية مرتبطاً عند r ≈ 0.33، بينما كانت سلطة النطاق مرتبطة عند r ≈ 0.18 فقط — بانخفاض عن r ≈ 0.43 في 2024. انتقلت الإشارة من "ما مدى قوة نطاقك" إلى "هل يعرف الناس اسمك بالفعل". تذكّر العلامة التجارية ليس مقياساً ليناً. إنه الآن المؤشر الأقوى.
بطاقة قياس GEO يمكنك تشغيلها هذا الأسبوع
الإشارة | مصدر البيانات | الوتيرة | ما يجب مراقبته |
|---|---|---|---|
معدل تضمين الإجابة | مجموعة مطالبات ثابتة عبر 4 منصات | أسبوعياً | اتجاه صاعد خلال 4–8 أسابيع |
معدل ذكر العلامة التجارية (مذكورة، غير مقتبسة) | المجموعة نفسها، الحقل الثاني | أسبوعياً | يرتفع قبل الاقتباس |
معدل الاقتباس | المجموعة نفسها، الحقل الثالث | أسبوعياً | يتأخر عن الذكر بأسابيع لا أيام |
حجم البحث عن العلامة التجارية | GSC + Bing Webmaster | شهرياً | يبقى أو يرتفع مع انخفاض النقرات غير المرتبطة بالعلامة |
ظهورات ميزات الذكاء الاصطناعي | تقرير ميزات الذكاء الاصطناعي في GSC | شهرياً | التغطية، لا النقرات |
النقرات العضوية غير المرتبطة بالعلامة | GSC | شهرياً | توقّع انخفاضاً؛ لا تتعامل معه بذعر كأنه فشل |
قاعدتان لتشغيلها:
لا تدمج "مذكورة" و"مقتبسة" في عمود واحد. إنهما يقيسان شيئين مختلفين ويتحركان على جدولين زمنيين مختلفين. ودمجهما هو السبب في أن الفرق تنتهي إلى الإبلاغ عن "انتصار اقتباس" لم يكن في الحقيقة سوى ذكر.
امنحها ربعاً، لا أسبوعاً. تذكّر العلامة التجارية إشارة بطيئة. إذا قيّمتها في نافذة 7 أيام، ستخلص إلى أنها لا تعمل، لأن ما تقيسه لم يحن وقته بعد.
أين لا ينطبق هذا
نتيجة "الاقتباسات لا تجلب نقرات" حقيقية، لكنها ليست شاملة، وتطبيقها بشكل مفرط سيكلفك حركة المرور.
استعلامات المقارنة عالية النية لا تزال تحوّل. عندما يطلب أحدهم من الذكاء الاصطناعي مقارنة مورّدين محددين أو يسأل "هل يستحق X"، غالباً ما تنتهي الإجابة بتوصية يتصرف المستخدم بناءً عليها فوراً. في تلك الحالات، يمكن للاقتباس أن ينتج نقرة، وهو يفعل ذلك — لأن المستخدم لا يزال بحاجة إلى إكمال مهمة لا تستطيع الإجابة إنجازها نيابة عنه.
الاستعلامات المعاملاتية والمحلية لا تزال ترسل حركة مرور. نوايا "احجز" و"اشترِ" و"قريب مني" و"السعر" تؤدي إلى وجهة. لا يمكن للإجابة أن تحل محل المعاملة.
النقرة ماتت في الاستعلامات المعلوماتية. هنا يعيش رقم 8%، وهنا يجب أن يتغير القياس أولاً. إذا كان نموذج حركة المرور بالكامل لديك يعتمد على نقرات الاستعلامات المعلوماتية، فهذه مشكلة نموذج عمل، وليست مشكلة GEO.
المعنى العملي: قسّم قياسك حسب النية. لا تطبق نتيجة خاصة بالاستعلامات المعلوماتية على محفظة حركة المرور بالكامل.
موقف Auspia
أمضت الصناعة عامين في بناء ظهور الاقتباسات ثم قاسته بعدّاد نقرات. هذا التنافر هو السبب في أن كثيراً من برامج GEO تبدو فاشلة في لوحاتها الخاصة بينما تصبح علاماتها التجارية بهدوء هي الإجابة.
نرى أن الموقف الصادق هو هذا: إذا كنت تفعل GEO للحصول على نقرات، فقد كنت تفعله للسبب الخاطئ، والبيانات تخبرك بذلك الآن. وإذا كنت تفعله لتكون العلامة التجارية التي تُذكر بالاسم عندما يطلب مشترٍ توصية من نموذج، فتقول البيانات إنك على المسار الصحيح — لكنك لا تستطيع رؤية ذلك في تقاريرك القديمة بعد.
الفرق التي ستنتصر في العامين المقبلين هي التي ستغيّر الأداة قبل أن تغيّر الاستراتيجية. ابدأ ببطاقة القياس أعلاه. شغّلها ربعاً كاملاً. ثم قرّر ما إذا كان GEO يعمل — بمقياس قادر فعلاً على اكتشاف ذلك.
الكاتب: Ethan Marlowe، قائد قياس GEO في Auspia عبر أكثر من 500 مطالبة. يكتب Ethan عن تتبّع المطالبات وتقارير الاقتباس وبناء لوحات الظهور التي تقيس ما تغيّره إجابات الذكاء الاصطناعي فعلاً.
