Measuring brands in machine answers: A scoping review and validity framework for large language model brand-visibility audits
تكشف هذه المراجعة النطاقية لـ 38 دراسة تجريبية أن عمليات تدقيق ظهور العلامات التجارية عبر الذكاء الاصطناًعي الحالية تعاني من فجوات كبيرة في الصلاحية واستنتاجات متضاربة بسبب عدم الاتساق المنهجي والتحيزات التجارية، مما دفع المؤلف إلى اقتراح إطار نظري من مرحلتين ومعايير إبلاغ جديدة للتوفيق بين التناقضات بين إدراج العلامة التجارية واختيارها في إجابات النماذج اللغوية الكبيرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في السوق الحديثة، يعتمد نجاح العلامة التجارية غالباً على ما إذا كانت تدخل عقل المستهلك في اللحظة المناسبة. لعقود من الزمن، درس المسوقون "مجموعة الاعتبار"، وهي قائمة مختصرة ذهنية للمنتجات التي يفكر فيها الشخص بنشاط قبل اتخاذ قرار الشراء. وإذا لم تكن العلامة التجارية مدرجة في تلك القائمة، فهي تصبح غير مرئية فعلياً، بغض النظر عن جودة المنتج. والي اليوم، ظهر حارس بوابة جديد بين المتسوق وتلك القائمة الذهنية: المساعد القائم على الذكاء الاصطناعي. فعندما يسأل شخص ما نموذج لغوي كبير عن أفضل سترة للتنزه أو محاسب موثوق، لا تعيد الآلة مجرد قائمة من الروابط، بل تولد قائمة قصيرة ومرتبة لعلامات تجارية محددة، غالباً مع شرح موجز. وتعمل هذه الإجابة كقائمة طعام مختارة مسبقاً، تقرر أي الخيارات سيأخذها الإنسان بعين الاعتبار.
والسؤال الذي يواجه الباحثين وقادة الأعمال هو ما إذا كانت هذه القوائم التي تولدها الآلة عادلة، أو دقيقة، أو حتى مستقرة. هل تفضل ببساطة الشركات الأكبر والأكثر شهرة، أم أنها تكافئ الجودة؟ هل تمنح فرصة للشركات المحلية الصغيرة، أم أن تلك العلامات التجارية محظورة تماماً؟ ولأن هذه الأنظمة تتغير باستمرار ومنطقها الداخلي مخفي، فإن الإجابة على هذه الأسئلة تتطلب نوعاً جديداً من الاستقصاء. لا يمكننا ببساطة النظر داخل الآلة؛ بل يجب علينا طرح آلاف الأسئلة عليها وتحليل الإجابات التي تقدمها بدقة.
تتناول مراجعة نطاق حديثة أجراها الباحث المستقل شربل سامي إبراهيم هذه المشكلة تحديداً. تعمل الدراسة كخريطة لمجال متنامٍ بسرعة، حيث تفحص ثمانية وثلاثين استقصاءً مختلفاً أُجريت بين عامي 2024 و2026 سألت نماذج لغوية كبيرة عن التوصية بالعلامات التجارية. ولم يكن الهدف هو إيجاد إجابة واحدة مثالية، بل فهم سبب وصول هذه الدراسات المختلفة إلى استنتاجات متضاربة. فبعض التقارير تزعم أن العلامات التجارية الشهيرة تهيمن على كل إجابة، بينما تشير أخرى إلى أن العلامات التجارية الأصغر يمكنها المنافسة إذا كانت تملك تقييمات جيدة. ومن خلال مقارنة المناهج المستخدمة في كل دراسة، تكشف المراجعة أن هذه التناقضات لا تتعلق بالضرورة بالعلامات التجارية نفسها، بل بكيفية طرح الأسئلة وكيفية إحصاء الإجابات.
وجدت المراجعة أن هذا المجال لا يزال في مراحله الأولى الهشة. فمعظم الدراسات التي فُحصت لم تكن مراجعة من قبل خبراء مستقلين، وأجري الكثير منها من قبل مجموعات لها مصلحة تجارية في بيع أدوات لتحسين ظهور العلامة التجارية. علاوة على على ذلك، فإن البيانات غالباً ما تكون غير مكتملة؛ حيث لم تكرر العديد من الدراسات أسئلتها بما يكفي لضمان استقرار النتائج، ولم تتحقق دراسات قليلة من نتائجها مقابل بيانات السوق الواقعية مثل أرقام المبيعات أو استطلاعات الوعي بالعلامة التجارية. وحدد الباحث خللاً حرجاً في كيفية بناء العديد من الدراسات: فهي غالباً ما تفشل في التمييز بين مرحلتين مختلفتين جداً من العملية. المرحلة الأولى هي ما إذا كانت العلامة التجارية تظهر في الإجابة على الإطلاق. والمرحلة الثانية هي ما إذا كانت تلك العلامة التجارية مصنفة بشكل عالٍ أو موصى بها على غيرها بمجرد ظهورها بالفعل.
وعندما تفصل المراجعة بين هاتين المرحلتين، تظهر صورة أوضح. تشير الأدلة إلى أن إدخال علامة تجارية في الإجابة في المقام الأول يعتمد بشكل كبير على حجم النصوص الموجودة عبر الإنترنت حول تلك العلامة التجارية. فإذا كانت الشركة موثقة جيداً في المواقع الإلكترونية، والمراجعات، والأدلة، فمن المرجح جداً تضمينها في قائمة الآلة. وهذا أمر يتعلق بـ "العضوية". ومع ذلك، بمجرد وجود العلامة التجارية في القائمة، يبدو أن القواعد تتغير. تشير المراجعة إلى أنه عندما تضطر الآلة للاختيار بين عدة علامات تجارية مدرجة بالفعل، فقد تعتمد أكثر على سمات محددة، مثل تقييمات العملاء أو السعر، بدلاً من مجرد شهرة العلامة التجارية. وهذا يعني أن علامة تجارية أصغر ذات تقييمات ممتازة قد تهزم علامة تجارية شهيرة ذات تقييمات سيئة، ولكن فقط إذا حالف الحظ العلامة التجارية الأصغر وتم تضمينها في القائمة في المقام الأول.
كما تسلط الدراسة الضوء على مدى سهولة تأثر النتائج باللغة المستخدمة أو موقع الشخص السائل. فالأسئلة المطروحة بلغة محلية غالباً ما تستحضر شركات محلية لن تظهر أبداً في استعلام باللغة الإنجليزية. وبالمثل، فإن النسخة المحددة من نموذج الذكاء الاصطناعي المستخدم يمكن أن تغير مجموعة العلامات التجارية الموصى بها بالكامل. وبسبب هذا، فإن رقماً واحداً يدعي إظهار "رؤية" علامة تجارية ما يكون مضللاً في كثير من الأحيان. فقد تظهر علامة تجارية في 90 بالمائة من الإجابات على منصة واحدة ولكن في 10 بالمائة فقط على منصة أخرى، مما يجعل الدرجة المجمعة بلا معنى دون معرفة السياق.
ولعل النتيجة الأكثر أهمية هي أن تصميم الدراسة نفسها هو ما يحدد ما ستجده. فالدراسات التي تطلب من الآلة ببساطة تسمية العلامات التجارية من الصفر تميل إلى إظهار ميزة هائلة للشركات الأكبر والأكثر شهرة. وفي المقابل، فإن الدراسات التي تزود الآلة بقائمة ثابتة من الخيارات وتطلب منها اختيار الأفضل غالباً ما تظهر أن العلامات التجارية الشهيرة تفقد ميزتها إذا كان لدى منافس أصغر سمات أفضل. وهذا يفسر لماذا تقول بعض التقار تقرير أن العلامات التجارية الكبرى تحكم عالم الذكاء الاصطناعي بينما تقول أخرى إن ساحة اللعب متساوية؛ إنهم يقيسون أجزاء مختلفة من العملية. وتخلص المراجعة إلى أنه لفهم كيفية تعامل هذه الآلات مع العلامات التجارية حقاً، يجب على الباحثين والمديرين التوقف عن البحث عن درجة واحدة. بدلاً من ذلك، يحتاجون إلى قياس "الاشتمال" و"الاختيار" بشكل منفصل، وطرح نسخ عديدة مختلفة من السؤال نفسه، والتحقق من أن الآلة تحدد العلامات التجارية الصحيحة بالفعل. وإلى أن يتم استيفاء هذه المعايير، ستظل الأرقام المستخدمة لتوجيه ميزانيات التسويق غير مؤكدة، وسيبقى التأثير الحقيقي للذكاء الاصطناعي على تنافس العلامات التجارية لغزاً ذا قطع كثيرة مفقودة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.