ذکر نام با استناد یکی نیست: تاکسونومی عملی سنجش دیده‌شدن در جستجوی هوش مصنوعی

نویسنده و پژوهشگر: تقی مولوی (Taqi Molavi) ناشر: اندیشکده تحقیق و توسعه برند تقی مولوی (molavi.pro/notes) تاریخ انتشار: ۱۹ مهر ۱۴۰۵ (۱۰ اکتبر ۲۰۲۶) دسته‌بندی: پژوهش‌های کاربردی سئو و هوش مصنوعی (GEO & AI Visibility)

۱. مقدمه و بیان مسئله

در فضای در حال توسعهٔ Generative Engine Optimization (GEO) و سنجش دیده‌شدن در هوش مصنوعی (AI Visibility)، یکی از خطرناک‌ترین اشتباهات تحلیلی، یکسان فرض کردن سنجه‌های کیفی و کمی مختلف است. بازار ابزارهای ارزیابی مملو از داشبوردهایی شده است که با ادعای ارائه «نمرهٔ دیده‌شدن برند»، معیارهای متناقضی را بدون تفکیک ریاضی در یک عدد واحد ادغام می‌کنند.

هدف این نوشتار پژوهشی، ارائه یک چارچوب عملیاتی و علمی بر پایه هرم GEO مولوی و شاخص MAVI برای تفکیک دقیق داده‌ها، سنجه‌ها و روش‌های سنجش است.

                        ┌──────────────────────────────┐
                        │      Share of Model (%)      │
                        ├──────────────────────────────┤
                        │     Ordinal Position (1..n)  │
                        ├──────────────────────────────┤
                        │    Recommendation (Solution) │
                        ├──────────────────────────────┤
                        │   Citation (Clickable Link)  │
                        ├──────────────────────────────┤
                        │      Mention (Brand Name)    │
                        └──────────────────────────────┘

۲. اصول بنیادین تاکسونومی و تمایزات ریاضی

در ارزیابی مدل‌های زبانی بزرگ، معادلهٔ هویتی زیر همواره باید به عنوان یک اصل ثابت حفظ شود:

$$\text{Mention} \neq \text{Citation} \neq \text{Recommendation} \neq \text{Position} \neq \text{Share of Model}$$

۲.۱. ذکر نام (Mention)

* تعریف: پدیدار شدن نام برند، محصول یا شخص در متن تولیدشده توسط مدل، صرف‌نظر از اینکه لینکی ارائه شده باشد یا خیر. * مخرج کسر: کل پاسخ‌های تولیدشده در یک بنچمارک مشخص. * فرمول: $$\text{Mention Rate} = \frac{\text{تعداد پاسخ‌های حاوی نام برند}}{\text{کل پرامپت‌های اجرا شده}} \times 100$$ * خطای رایج: تلقی ذکر نام به عنوان موفقیت کامل تجاری؛ در حالی که ذکر نام ممکن است در زمینهٔ منفی یا به عنوان مثالی از یک شکست رخ داده باشد.

۲.۲. استناد مستقیم با پیوند (Citation)

* تعریف: ارائه ارجاع رسمی، پانوشت یا لینک فعال و قابل کلیک که کاربر را به دارایی دیجیتال برند هدایت می‌کند. * مخرج کسر: کل پاسخ‌هایی که حداقل یک پیوند ارجاعی در خروجی درج کرده‌اند. * فرمول: $$\text{Citation Rate} = \frac{\text{پاسخ‌های دارای لینک مستقیم به دامنه}}{\text{کل پرامپت‌های اجرا شده}} \times 100$$

۲.۳. پیشنهاد راه‌حل (Recommendation)

* تعریف: تأیید فعالانه و هدایت‌گرانه برند توسط هوش مصنوعی به عنوان راه‌حل مناسب برای چالش مطرح‌شده در پرامپت‌های مقایسه‌ای یا تصمیم‌گیری.

۳. جدول مقایسه‌ای سنجه‌ها، خطاها و روش‌های آزمون

۴. بررسی شواهد علمی: آنچه داده‌ها اثبات می‌کنند و آنچه اثبات نمی‌شود

آنچه شواهد پشتیبانی می‌کنند (What this evidence supports):

1. داده‌های تجربی بنچمارک‌های چندمدلی نشان می‌دهند که نرخ Citation همبستگی مستقیمی با وضوح ساختار چانک‌های متنی (L3) و مالکیت داده‌های دست‌اول (L4) دارد.
2. موتورهای جستجوی هیبریدی مانند ChatGPT Search و Perplexity برای کوئری‌های مقایسه‌ای، پایگاه داده‌های جداگانه‌ای را احضار می‌کنند.

آنچه شواهد اثبات نمی‌کنند (What it does not prove):

1. صرف افزایش تعداد استنادها لزوماً به افزایش ترافیک ورودی یا تبدیل تجاری منجر نمی‌شود.
2. نمرهٔ بالای یک دامنه در یک زبان (مانند انگلیسی)، هیچ تضمینی برای دیده‌شدن مشابه در زبان‌های فارسی یا عربی ایجاد نمی‌کند.

۵. پیوند با اکوسیستم: هرم GEO مولوی و شاخص MAVI

این مدل مفهومی مستقیماً در لایه‌های چهارم و پنجم هرم GEO مولوی تعبیه شده است و پایهٔ محاسباتی لایه پنجم در شاخص MAVI (Molavi AI Visibility Index) را تشکیل می‌دهد.

برای درک چگونگی پیاده‌سازی این سنجه‌ها در پروژه‌های واقعی و ممیزی ساختاری دارایی‌های وب، مطالعه مقالات زیر توصیه می‌شود: * هرم GEO مولوی؛ چارچوب پنج‌لایه مرجعیت انتیتی * شاخص MAVI؛ روش‌شناسی ارزیابی آمادگی و دیده‌شدن در هوش مصنوعی * معماری VPA و کاهش آنتروپی معنایی در RAG