هل يوصي AI بمنتجاتك؟
أجر تدقيقا مجانيا
البحث التوليدي يغير قواعد اللعبة - يولد بحث الذكاء الاصطناعي (مثل ChatGPT وGemini وPerplexity) نتائج الردود بدلا من قائمة بالروابط، مما يعني أن المقاييس التقليدية مثل التحويلات بالنقرة الأخيرة لم تعد تلتقط بالكامل الأثر التجاري لهذا القناة. في مقالات سابقة، أوضحنا كيف يختلف الظهور في بحث الذكاء الاصطناعي عن تحسين محركات البحث (SEO) الكلاسيكي - والآن حان الوقت للذهاب خطوة إلى الأمام وإظهار كيفية قياس فعالية هذا الظهور في GA4 وأدوات أخرى.
مقدمة
بالنسبة للعديد من الشركات، تأتي الأشهر الأولى من النشاط حول بحث الذكاء الاصطناعي كصدمة: هناك حركة مرور، لكن المبيعات قليلة. في الممارسة العملية، غالبا ما يساعد بحث الذكاء الاصطناعي في قرار الشراء قبل إغلاقه في GA4. لذلك، يتطلب إعداد التقارير عن الفعالية مؤشرات أداء رئيسية (KPIs) وقطاعات تحليلية مضبوطة بشكل صحيح.
في هذه المقالة، سنناقش:
- كيفية تتبع حركة المرور بدقة مع بحث الذكاء الاصطناعي
- ما هي مؤشرات الأداء الرئيسية (KPIs) المهمة في كل مرحلة من قمع المبيعات
- كيفية ضبط GA4 لفهم أفضل للأثر
تقارير GA4 القياسية غير كافية
يظهر GA4 مصادر حركة المرور والجلسات والمعاملات. ومع ذلك:
- غالبا ما يبدأ البحث بالذكاء الاصطناعي الاهتمام، وتتخذ قرارات الشراء في قناة أخرى
- يمكن تصنيف حركة المرور القادمة من نماذج الذكاء الاصطناعي على أنها "مباشرة" أو "مرجعية" دون تحديد واضح
- لا يتم تضمين العديد من التحويلات المتعلقة بالذكاء الاصطناعي في تقارير الإسناد التقليدية
في الممارسة العملية، عدم وجود مبيعات في الأشهر القليلة الأولى لا يعني عدم وجود تأثير للذكاء الاصطناعي - بل يشير إلى أن نحن لا نحلل المقاييس ذات الصلة.
كيفية تحديد حركة المرور الخاصة بالبحث بالذكاء الاصطناعي في GA4
المفتاح هو إنشاء تعريفات مخصصة لحركة المرور الخاصة بالذكاء الاصطناعي. إليك الخطوات العملية:
1. تأكد من تسمية مصادر الذكاء الاصطناعي بشكل صحيح
في GA4، من الجيد إعداد قنوات مخصصة حيث تقوم بتعيين حركة المرور من عناوين مثل:
- chat.openai.com
- chatgpt.com
- openai.com
- gemini.google.com
- perplexity.ai
- grok.com
مع هذا:
- لن يتم الخلط بين حركة مرور الذكاء الاصطناعي (AI) مع القنوات الأخرى
- تحديد مساهمة الذكاء الاصطناعي في مسارات المستخدمين بسهولة أكبر
2. تحديد الأحداث الخاصة بالذكاء الاصطناعي (AI)
إنشاء أحداث مثل:
gtag('event', 'ai_session_start', {source: 'AI Search'});
gtag('event', 'ai_engaged_session', {engagement_time_msec: ...});يتيح ذلك لك تحليل الجلسات بتفاصيل أكثر من مجرد الاعتماد على المصدر.
3. تعيين الشرائح (Segments)
يجب أن يتضمن شريحة "مستخدمو الذكاء الاصطناعي (AI)" ما يلي:
- المستخدمون الذين دخلوا مرة واحدة على الأقل من مصدر ذكاء اصطناعي (AI) معين
- المستخدمون الذين لديهم تفاعلات خاصة بالبحث عبر الذكاء الاصطناعي (AI) (مثل الجلسات الناتجة عن ردود روبوت الدردشة)
تمكن هذه الشرائح من:
- مقارنات بين الذكاء الاصطناعي وسلوك المستخدمين الآخرين
- تحليل مسارات التحويل الخاصة بهم
مؤشرات الأداء الرئيسية (KPIs) التي تحظى بالأهمية الحقيقية
في سياق البحث بالذكاء الاصطناعي، من المفيد النظر إلى مؤشرات الأداء الرئيسية (KPIs) بطريقة متعددة المستويات:
مؤشر الأداء الرئيسي (KPI) للمستوى 1 - الظهور
- عدد الجلسات القادمة من أدوات الذكاء الاصطناعي
- المستخدمون الفريدون من الذكاء الاصطناعي
- زيادة حصة الذكاء الاصطناعي في مصادر الزيارات
الهدف: تأكيد أن العلامة التجارية معروفة وتظهر في استجابات النماذج.
مؤشر الأداء الرئيسي (KPI) للمستوى 2 - جودة الزيارات
- متوسط مدة الجلسة
- عدد المشاهدات لكل جلسة
- المعدلات على الموقع
الهدف: تقييم ما إذا كان الزوار القادمون من بحث الذكاء الاصطناعي مهتمين بالمحتوى.
مؤشر الأداء الرئيسي (KPI) من المستوى 3 - نية الشراء
قبل حدوث المعاملات، يجب أن تكون النية واضحة:
- الزيارات لصفحات العروض
- الإضافة إلى السلة
- بدء عمليات الشراء
- اشتراكات النشرة الإخبارية / نماذج الاتصال
الهدف: تقييم استعداد مستخدمي الذكاء الاصطناعي للشراء.
مؤشرات الأداء الرئيسية (KPIs) من المستوى 4 - المبيعات والنسب
بعد ضبط النسب وفقا للنماذج (مثل: القائم على البيانات)، قم بتحليل:
- المعاملات بمساعدة الذكاء الاصطناعي
- مسارات التحويل التي كان فيها الذكاء الاصطناعي أحد الخطوات
الهدف: تقييم المساهمة الحقيقية للذكاء الاصطناعي في الإيرادات.
كيفية تكوين GA4 خطوة بخطوة
أ. الشرائح والاستكشافات
أنشئ استكشافات مثل "مسارات التحويل" حيث تقوم بتحليل:
- المستخدمين الذين بدأوا بجلسات الذكاء الاصطناعي
- الوقت اللازم للتحويل
- عدد التفاعلات على طول المسار
ب. تعريفات التحويلات المساعدة
لا تقتصر على المعاملات، اضبط كالتحويلات، على سبيل المثال:
- دخول صفحة المنتج
- زر "اتصل بنا" (CTA)
- تحميل ملف PDF
- التسجيل في النشرة الإخبارية
يتيح ذلك استخراج إشارات النية في وقت أبكر من لحظة الوصول.
ج. الإسناد متعدد القنوات
مقارنة النتائج:
- في نموذج النقرة الأخيرة
- في نموذج قائم على البيانات أو الاضمحلال الزمني
سيوضح ذلك مدى تكرار مساعدة الذكاء الاصطناعي في مسارات التسوق.
في عصر محركات البحث التوليدية، لا يعد المرور سوى البداية. الأهم هو ما إذا كنا نستطيع تحويل الاهتمام إلى نية ثم إلى معاملة. يتيح التكوين السليم للمقاييس والإسناد في GA4 رؤية ما كان مخفيا حتى الآن.
توماسز تسينcio - الرئيس التنفيذي (CEO) لشركة Semly.ai
مثال على حدث في GA4
يقدم أدناه مثال على حدث يمكنك إضافته لتتبع جلسات الذكاء الاصطناعي بشكل أفضل:
<script async src="https://www.googletagmanager.com/gtag/js?id=G-XXXXXXX"></script>
<script>
window.dataLayer = window.dataLayer || [];
function gtag(){dataLayer.push(arguments);}
gtag('js', new Date());
// Standardowe GA4
gtag('config', 'G-XXXXXXX');
// Zdarzenie sesji z AI
gtag('event', 'ai_session_start', {
event_category: 'AI Search',
event_label: 'AI Session'
});
</script>يتيح مثل هذا الحدث تجزئة وتحليلات لاحقة.
الأسئلة الشائعة
هل من الممكن نسب المبيعات بشكل فريد إلى ChatGPT أو نموذج ذكاء اصطناعي آخر؟
ليس بطريقة حتمية بالكامل. غالبا ما يعمل بحث الذكاء الاصطناعي كقناة لبدء أو دعم قرار الشراء. لذلك، تعد نماذج الإسناد، وتحليل المسار، والتحويلات المساعدة، وليس النقر الأخير فقط، هي الأساس.
لماذا يكون المرور القادم من الذكاء الاصطناعي عالي الجودة في الغالب لكنه منخفض التحويل المباشر؟
لأن المستخدمين يستخدمون الذكاء الاصطناعي بشكل رئيسي في مرحلة البحث والمقارنة والتعليم. هذه هي المرحلة العليا والمتوسطة من القمع (القمع التسويقي)، وليس لحظة إتمام المعاملة.
كيف تميز المرور القيم القادم من الذكاء الاصطناعي عن النقرات العشوائية؟
من خلال التحليل: وقت التفاعل، عدد صفحات العرض لكل جلسة، المستخدمين العائدين، الانتقالات إلى صفحات القوائم، واستخدام محركات البحث. الجلسات وحدها ليست مؤشرا كافيا.
هل GA4 كاف لقياس بحث الذكاء الاصطناعي؟
GA4 هو أساس جيد، ولكن عمليا، من المفيد إضافته بـ: تدقيق استجابات نماذج الذكاء الاصطناعي، ومراقبة ظهور العلامة التجارية في الاستجابات، واختبار الاستعلامات، وأدوات تتبع ظهور الذكاء الاصطناعي.
كم من الوقت تحتاج لقياس البيانات لاستخلاص استنتاجات تجارية؟
الفترة الدنيا المعقولة هي 3-4 أشهر. تحدث استنتاجات أكثر استقرارا حول التأثير على المبيعات عادة على أفق زمني يبلغ 4-6 أشهر.
هل يعني عدم وجود مبيعات بعد 3 أشهر أن القناة لا تعمل؟
لا. إذا كان عدد الجلسات يزداد، وجودة المرور تتحسن، وتحدث تحويلات دقيقة، فإن القناة في عملية بناء النفوذ. المشكلة تكمن في عدم وجود هذه الإشارات، وليس في عدم وجود المعاملة نفسها.
ما هي التحويلات الجزئية الأفضل لتحليل حركة المرور باستخدام الذكاء الاصطناعي؟
الأكثر شيوعا: الدخول إلى صفحات المنتجات والعروض، إضافة إلى السلة، بدء عملية الدفع، ملء النموذج، الاشتراك في النشرة الإخبارية، تحميل المواد.
هل يمكن للبحث بالذكاء الاصطناعي أن يستأثر بحصة من التحويلات على حساب تحسين محركات البحث (SEO) أو الحملات المدفوعة؟
يمكنه تغيير حصتها في مسارات التحويل، ولكن في الغالب يعمل بشكل تكميلي. في التقارير متعددة القنوات، ستلاحظ غالبا أن الذكاء الاصطناعي يبدأ الزيارات بينما يغلقها تحسين محركات البحث (SEO) أو الزيارات المباشرة.
كيف تبلغ عن تأثير الذكاء الاصطناعي للإدارة أو للعميل إذا لم تكن هناك مبيعات بعد؟
من خلال أربعة محاور رئيسية:
- الظهور
- جودة حركة المرور
- النية
- التأثير على مسارات التحويل
يظهر هذا النوع من التقارير الاتجاهات والإمكانات التجارية، وليس فقط النتائج النهائية.
هل يستحق الأمر إنشاء لوحات معلومات منفصلة للبحث بالذكاء الاصطناعي؟
نعم. تتيح لك لوحة المعلومات المنفصلة تتبع ديناميكيات القناة دون "ضجيج" المصادر الأخرى، مما يسهل التواصل حول التأثيرات داخل المؤسسة.
كيف تعرف أن المبيعات غير المتصلة بالإنترنت أو مبيعات الأعمال (B2B) مدعومة بالذكاء الاصطناعي؟
من خلال: الأسئلة في النماذج ("كيف وصلتم إلينا؟")، وتحليل الزيارات الأولى إلى GA4، وربط الظهور في الذكاء الاصطناعي بعدد الاستفسارات.
هل لا تزال الحملات الإعلانية ذات معنى مع الدور المتزايد لبحث الذكاء الاصطناعي؟
نعم، لكن دورها يتغير. فهي غالبا ما تتولى وظيفة إغلاق الطلب الذي كان يتم توليده سابقا من خلال تحسين محركات البحث (SEO) وبحث الذكاء الاصطناعي.
المصطلحات
بحث الذكاء الاصطناعي - نموذج بحث قائم على الذكاء الاصطناعي يتلقى فيه المستخدم إجابات مباشرة مولدة بواسطة نماذج لغوية (مثل ChatGPT وGemini وPerplexity) بدلا من قائمة كلاسيكية من الروابط.
تحسين المحركات التوليدية (GEO) - مجموعة من الإجراءات لزيادة ظهور العلامة التجارية والمنتجات والمحتوى في الاستجابات المولدة بواسطة نماذج الذكاء الاصطناعي.
تحسين محركات الإجابة (AEO) - تحسين المحتوى لأنظمة الإجابة على أسئلة المستخدمين (محركات البحث، والمساعدون الصوتيون، وروبوتات الدردشة) بهدف تقديم إجابات واضحة وسهلة الاقتباس.
ظهور الذكاء الاصطناعي (AI visibility) -مستوى حضور العلامة التجارية أو المنتج أو المحتوى في استجابات نماذج الذكاء الاصطناعي، بغض النظر عما إذا كان المستخدم قد نقر على الرابط أم لا.
استشهاد الذكاء الاصطناعي / الاستشهاد في الذكاء الاصطناعي - حالة يستدعي فيها نموذج ذكاء اصطناعي علامة تجارية أو نطاقا أو قطعة محتوى كمصدر للمعلومات في رده.
البحث الذي لا ينتج نقرة - استعلامات يتلقى فيها المستخدم إجابة دون الحاجة إلى زيارة الموقع الإلكتروني. في بحث الذكاء الاصطناعي، يعد هذا نموذج التفاعل السائد.
التحويلات الدقيقة - إجراءات المستخدم التي تدل على اهتمامه بعرض معين لكنها لا تزال غير بيع، مثل الانتقال إلى صفحة منتج، أو الاشتراك في النشرة الإخبارية، أو تحميل مادة، أو بدء عملية الدفع.
التحويلات المساعدة (assisted conversions) - المعاملات التي ظهر فيها قناة معينة (مثل بحث الذكاء الاصطناعي) في مسار المستخدم، لكنها لم تكن النقرة الأخيرة.
النسب متعدد القنوات - نموذج ينسب فيه قيمة المبيعات إلى نقاط التماس المختلفة بين المستخدم والعلامة التجارية (مثل بحث الذكاء الاصطناعي، وتحسين محركات البحث (SEO)، والإعلانات، والمباشر)، بدلا من إسناد القيمة الإجمالية إلى مصدر واحد.
النسب القائم على البيانات - نموذج النسب في GA4، الذي يستخدم البيانات والخوارزميات لتحديد المساهمة الحقيقية لكل قناة في التحويل.
نية المستخدم (user intent) - مرحلة وهدف استعلام المستخدم، مثل المعلوماتي (البحث)، والمقارن، والمعاملاتي. تهيمن الاستعلامات المعلوماتية والاستشارية على بحث الذكاء الاصطناعي.
حصة الصوت في بحث الذكاء الاصطناعي - حصة العلامة التجارية من الاستجابات المولدة بواسطة الذكاء الاصطناعي مقارنة بالمنافسين لمجموعة محددة من الاستعلامات.
مسار التحويل - تسلسل تفاعلات المستخدم مع العلامة التجارية قبل تنفيذ الهدف (مثل: بحث الذكاء الاصطناعي → تحسين محركات البحث (SEO) → مباشر → شراء).
النقرة الأخيرة - نموذج الإسناد الذي يعزو قيمة التحويل بأكملها إلى مصدر الإدخال الأخير، والذي في حالة بحث الذكاء الاصطناعي غالبا ما يقلل من تقدير تأثيره الحقيقي.
المصادر
مقاييس بحث الذكاء الاصطناعي التي تهم حقا - تحليل مؤشرات الأداء الرئيسية (KPIs) للظهور في النتائج التوليدية وتأثيرها على التحويلات.
مقاييس تحسين المحركات التوليدية (GEO): مؤشرات الأداء الرئيسية (KPIs) للظهور التنافسي - وصف لمقاييس الظهور التوليدي التي تختلف عن مقاييس تحسين محركات البحث (SEO) الكلاسيكية.
تتبع نجاح نظرة الذكاء الاصطناعي - تحليل المقاييس المتعلقة بوجود ملخصات الذكاء الاصطناعي وتأثيرها على سلوك المستخدم اللاحق.
قياس النجاح في البحث بالذكاء الاصطناعي: المقاييس ذات الأهمية - مراجعة مقاييس مثل حصة الصوت، وتكرار الاستشهادات، ووجود لقطة الذكاء الاصطناعي.
تحسين محركات الإجابة (AEO) - مناقشة موسوعية لمفهوم تحسين محركات الإجابة (AEO)، والذي يرتبط ارتباطا وثيقا بالتحسين تحت البحث بالذكاء الاصطناعي.
Google Analytics - توثيق عام لأداة التحليل التي نستخدمها كأساس لقياس مؤشرات الأداء الرئيسية (KPIs).
Semly.ai Blog - مواد حول البحث بالذكاء الاصطناعي والظهور - مقالات أخرى حول استراتيجيات الظهور في نماذج الذكاء الاصطناعي.
مشاركة:
