فهرست مطالب
مطالعه‌ای جدید از Previsible نشان می‌دهد که رفتار جستجوی کاربران به‌طور قابل‌توجهی تغییر کرده و مدل‌های زبانی هوش مصنوعی (LLMs) به منابع معتبرتری برای هدایت ترافیک تبدیل شده‌اند و تقویت جایگاه هوش مصنوعی برای جذب ترافیک اتفاق افتاده.
بررسی بیش از ۳۰ وب‌سایت نشان می‌دهد که ابزارهایی مانند Perplexity و ChatGPT به‌عنوان جایگزین موتورهای جستجوی سنتی ظاهر شده‌اند.
دیوید بل، یکی از بنیان‌گذاران Previsible، معتقد است که این تغییر نشان‌دهنده توقف رشد گوگل است:
«گوگل عملاً به نقطه‌ای رسیده که رشدش متوقف شده و سلطه‌اش بر جستجو کاهش یافته است. دلیل این موضوع این است که مردم شروع کرده‌اند به استفاده از ChatGPT، Claude، Co-pilot، Bing و دیگر تجربه‌های مشابه برای پاسخگویی بهتر به نیازهای جستجوی خود.»
در اینجا نکات کلیدی مطالعه آورده شده است. هرچند این بررسی تصویر کاملی ارائه نمی‌دهد، اما بهترین اطلاعات موجود در حال حاضر را به نمایش می‌گذارد.
ترافیک ارجاعی
- مطالعه نشان می‌دهد که ابزارهای Perplexity و ChatGPT حدود ۳۷٪ از ترافیک ارجاعی مدل‌های زبانی (LLM) را به خود اختصاص داده‌اند، در حالی که CoPilot و Gemini هر کدام با ۱۲-۱۴٪ در رتبه‌های بعدی قرار دارند.
- جالب اینکه بخش مالی بیشترین سهم را در ترافیک ارجاعی مبتنی بر LLM دارد و ۸۴٪ از کل ارجاعات تحلیل‌شده را به خود اختصاص داده است.
توضیح تحلیل‌گر
در یک ویدئوی توضیحی از این مطالعه، دیوید بل بیان می‌کند:
«به‌ویژه بخش مالی افزایش قابل توجهی در ترافیک از مدل‌های زبانی داشته است. این موضوع می‌تواند به دلیل وجود یکپارچگی یا همکاری بین Perplexity و سایر مدل‌های زبانی با پلتفرم‌های مختلف باشد که دسترسی مستقیم‌تری به کاربران فراهم می‌کنند.»
توزیع محتوا
مطالعه نشان می‌دهد که پست‌های وبلاگ با ۷۷.۳۵٪ بیشترین سهم را از ترافیک ارجاعی مدل‌های زبانی (LLM) به خود اختصاص داده‌اند. سایر دسته‌ها عبارتند از:
- بازدید از صفحه اصلی: ۹.۰۴٪
- محتوای خبری: ۸.۲۳٪
- راهنماها: ۲.۳۵٪
دیود بل تأکید می‌کند:
«در عصر جستجوی مبتنی بر هوش مصنوعی، محتوای اطلاعاتی همچنان اهمیت دارد.»
او توصیه می‌کند که بهینه‌سازی نرخ تبدیل (CRO) و مسیر کاربر مورد توجه قرار گیرد، زیرا صفحات محصول در مدل‌های زبانی به‌صورت برجسته نمایش داده نمی‌شوند.
بر اساس این مطالعه، صفحات محصول کمتر از ۰.۵٪ از ترافیک ارجاعی LLM را به خود اختصاص می‌دهند. این موضوع نشان‌دهنده چالش‌هایی برای استراتژی‌های تجارت الکترونیک است.
چشم‌انداز آینده
ترافیک ارجاعی مدل‌های زبانی (LLM) در حال حاضر حدود ۰.۲۵٪ از کل ترافیک بخش‌های بیشترین تأثیر را تشکیل می‌دهد، اما این مطالعه رشد قابل‌توجهی را در این زمینه نشان می‌دهد.
رشد در ۹۰ روز گذشته
- ۹۰۰٪ افزایش در ترافیک ارجاعی ChatGPT برای صنعت رویدادها
- بیش از ۴۰۰٪ رشد در ترافیک ChatGPT برای بخش‌های تجارت الکترونیک و مالی
- رشد پایدار در تمام مدل‌ها، به‌جز CoPilot
دیوید بل توضیح می‌دهد که این روند چه معنایی برای وب‌سایت‌ها دارد:
«اگر این روند را پیش‌بینی کنیم و میانگین رشد حدود ۲۰۰٪ برای ترافیک ارگانیک یا مبتنی بر هوش مصنوعی را هر ۹۰ روز در نظر بگیریم، این میزان می‌تواند طی ۱۲ ماه آینده تا ۲۰٪ از کل ترافیک وب‌سایت‌ها را تشکیل دهد.»
جمع‌بندی
سه نکته کلیدی از این مطالعه:
- وب‌سایت‌های مالی بیشترین فعالیت ارجاعی از مدل‌های زبانی (LLM) را تجربه می‌کنند و محتوای وبلاگی بیشترین بازدید را دریافت می‌کند.
- صفحات محصول به‌ندرت در نتایج مدل‌های زبانی ظاهر می‌شوند، که نشان می‌دهد استراتژی‌های تجارت الکترونیک نیاز به بازنگری دارند.
- نرخ رشد قابل‌توجه است و در صورت ادامه روند فعلی، ممکن است طی یک سال به ۲۰٪ از کل ترافیک وب‌سایت‌ها برسد.
رویکرد متعادل برای استراتژی‌ها
- هدف‌گذاری روی ترافیک مبتنی بر هوش مصنوعی نباید به قیمت آسیب به فروش باشد.
- مدل‌های زبانی هوش مصنوعی به‌تدریج به منابع جدید ترافیک وب‌سایت تبدیل می‌شوند، اما در حال حاضر تنها حدود ۰.۲۵٪ از ترافیک کلی در بخش‌های تحت تأثیر را تشکیل می‌دهند.
چشم‌انداز آینده
تغییرات این آمار در سال آینده جالب خواهد بود و روند رو به رشد آن می‌تواند فرصت‌های جدیدی برای بهینه‌سازی استراتژی‌ها ایجاد کند.
منبع : Study: ChatGPT & AI Tools Gain Ground In Search Market
