پژوهش و بنچمارک
نخستین بنچمارک سهم مدل هوش مصنوعی برای ۱۰ خردهفروشی برتر ترکیه: چرا غولهای ایکامرس در پرپلکسی و چتجیپیتی نامرئی هستند؟
تقی مولوی، استراتژیست ارشد SEO و معمار سیستمهای GEO در اینتن (InTen)، این موضوع را بررسی میکند.
پاسخ مستقیم
بررسی میدانی سهم مدل (SoM) ترندیول، هپسیبورادا، السی وایکیکی و بوینر در موتورهای پاسخ هوش مصنوعی و معماری راهکارهای اینتن برای تصاحب بازار ترکیه.

نویسنده: تقی مولوی ناشر: اندیشکده تحقیق و توسعه مولوی (molavi.pro) و آژانس دیجیتال مارکتینگ اینتن (inten.asia) تاریخ: ۲۷ آبان ۱۴۰۵ (17 نوامبر 2026) ارجاع پژوهشی: Molavi, T. (2026). *Türkiye E-Commerce AI Visibility Benchmark: Why Top Retailers Suffer from LLM Blindspots*. Molavi Research & InTen. https://molavi.pro/fa/notes/turkey-ecommerce-ai-visibility-benchmark-2026

چکیده مدیریتی و چرایی انتشار این بنچمارک
در بازاریابی دیجیتال سنتی، رتبه یک ارگانیک گوگل یا اجرای کمپینهای چند ده میلیاردی تبلیغات کلیکی (Google Ads) ضامن دیدهشدن یک کسبوکار بود. اما در عصر جدید، زمانی که کاربران برای تصمیمگیری خرید به جای گوگل به سراغ Perplexity، ChatGPT Search، Claude یا Google AI Overviews میروند، قواعد بازی ۱۸۰ درجه دگرگون شده است.
در اندیشکده تحقیق و توسعه مولوی و با همکاری تیم فنی شرکت اینتن (InTen)، با بهرهگیری از ابزار متنباز [geo-scope](https://github.com/tmolavi/geo-scope)، نخستین بنچمارک جامع سنجش سهم مدل (Share of Model) را برای ۱۰ غول خردهفروشی آنلاین ترکیه (ترندیول، دیجیکالای ترکیه یا هپسیبورادا، السی وایکیکی، یمکسپتی، تکنوسا، دفکتو، بوینر، N11، میگروس سانال مارکت و آمازون ترکیه) اجرا کردیم.
نتایج به دست آمده تکاندهنده است:
- میانگین سهم مدل (Share of Model) تنها ۲۱.۴٪: در بیش از ۷۸٪ پرسشهای خرید طبیعی کاربران به زبان ترکی، موتورهای هوش مصنوعی غولهای بومی را به عنوان گزینه نخست پیشنهاد نمیدهند؛ بلکه به سراغ مقالات قدیمی بلاگها یا پلتفرمهای بینالمللی میروند!
- غیبت مطلق استاندارد `/llms.txt`: از میان ۱۰ برند میلیارد دلاری بررسیشده، هیچکدام (۰ از ۱۰) فایل ساختاریافته
/llms.txtبرای خوانش سریع باتهای هوش مصنوعی مستقر نکردهاند. - سد سنگین جاوااسکریپت و تایماوت خزندهها: وابستگی شدید پلتفرمهای ترک به رندر سمت کلاینت (Client-Side Rendering) باعث میشود خزندههای هوش مصنوعی (مانند GPTBot و PerplexityBot) به دلیل اتمام سقف زمان اجرا، محتوای دستهبندیها را نادیده بگیرند.
- ابهام در گراف هویت و خطای کاراکترهای ترکی: عدم اتصال نام برندها و دستهبندیهای ترکی به گرافهای دانش بینالمللی (Wikidata / Schema.org SameAs) منجر به از دست رفتن تطابق معنایی در مدلهای زبانی چندزبانه شده است.
۱. متدولوژی آزمایش و برندهای هدف در ترکیه
آزمایش بر اساس لایههای سوم و چهارم چارچوب [The Molavi GEO Pyramid](https://molavi.pro/fa/research/geo-pyramid) طراحی شد.
برندهای مورد ارزیابی:
- مارکتپلیسها و خردهفروشان عمومی: Trendyol, Hepsiburada, N11, Amazon Türkiye
- پوشاک و فشن: LC Waikiki, DeFacto, Boyner
- لوازم خانگی و تکنولوژی: Teknosa
- تدارکات سریع و سوپرمارکت: Yemeksepeti, Migros Sanal Market
۵ خوشه پرسش با نیت تجاری سنگین:
۵۰۰ کوئری واقعی در ۵ دسته زیر به زبان ترکی مورد تحلیل قرار گرفت:
- پیشنهاد معتبرترین فروشگاه آنلاین (
En güvenilir online alışveriş siteleri) - خرید اقتصادی و مقایسهای پوشاک (
En uygun fiyatlı ve kaliteli kışlık mont nereden alınır?) - ارسال فوری محلی در کلانشهرها (
İstanbul'da aynı gün teslimat yapan en iyi marketler) - گارانتی بازگشت و رضایت مشتری (
İade süreci en sorunsuz işleyen e-ticaret siteleri) - خرید اقساطی تجهیزات دیجیتال (
Vade farksız taksitle telefon satan siteler)
۲. جدول نتایج بنچمارک سهم مدل (SoM)
| نام برند | سهم مدل (SoM %) | نرخ استناد منبع (Citation %) | رتبه میانگین پیشنهاد | وضعیت /llms.txt | اتصال به گراف دانش جهانی |
|---|---|---|---|---|---|
| Trendyol | 41.2% | 34.8% | 1.8 | ❌ ناموجود | 🟡 ناقص (اسکیمای ابتدایی) |
| Hepsiburada | 38.6% | 32.1% | 2.1 | ❌ ناموجود | 🟡 ناقص (موجودیت دارد) |
| Amazon Türkiye | 52.4% | 48.0% | 1.4 | ❌ ناموجود | 🟢 قوی (گراف جهانی آمازون) |
| Yemeksepeti | 29.5% | 22.4% | 2.6 | ❌ ناموجود | 🟡 ناقص |
| Teknosa | 18.2% | 14.1% | 3.4 | ❌ ناموجود | 🔴 ضعیف (ابهام نام) |
| Boyner | 14.6% | 11.2% | 3.8 | ❌ ناموجود | 🔴 ضعیف (کاتالوگ بسته) |
| LC Waikiki | 19.8% | 16.5% | 3.1 | ❌ ناموجود | 🟡 ناقص |
| DeFacto | 11.4% | 8.9% | 4.2 | ❌ ناموجود | 🔴 ضعیف |
| N11 | 15.3% | 12.0% | 3.9 | ❌ ناموجود | 🔴 ضعیف |
| Migros Sanal Market | 24.1% | 18.7% | 2.8 | ❌ ناموجود | 🟡 متوسط |
۳. چرا غولهای وب در مدلهای زبانی زمین میخورند؟
یافتههای این پژوهش اثبات میکند که سئوی سنتی و ادوردز توانایی تضمین سهم بازار در آینده هوش مصنوعی را ندارند:
- انباشت کلمات کلیدی (Keyword Stuffing) در برابر فکتهای چانکشده: مدلهای RAG به دنبال فکتهای دقیق با حداقل انتروپی هستند. متون بلند و پر از کلمات کلیدی که برای موتورهای قدیمی نوشته شدهاند، در مرحله بازیابی چتباتها کنار گذاشته میشوند.
- نبود زیرساخت شناسنامه ماشینی (`/llms.txt`): وقتی چتبات میخواهد بداند شرایط ارسال یا گارانتی یک فروشگاه چیست، اگر سندی خلاصه و ماشینفهم نبیند، فوراً به سراغ مراجع بیطرف (مانند فرومها یا رقبا) میرود.
- نبود اعتبار موجودیت در گراف دانش: عدم ثبت دقیق پیوندهای هویتی در ویکیدیتا و اسکیماهای تودرتو، باعث میشود مدل هنگام پاسخ دادن به پرسشهای مقایسهای دچار شک شده و برند را با اطمینان پایین یا رتبههای آخر نام ببرد.
۴. فرصت اقیانوس آبی برای ورود به بازارهای منطقهای
این خلأ بزرگ، بهترین فرصت تاریخی برای آژانسهای پیشرو و کسبوکارهایی است که میخواهند فراتر از مرزهای ایران عمل کنند. رقبا در ترکیه و کشورهای حوزه خلیج فارس هنوز درگیر فرمولهای سال ۲۰۱۸ سئو هستند. برندهایی که از امروز معماری دیدهشدن در هوش مصنوعی را پیادهسازی کنند، تا سالها انتخاب پیشفرض موتورهای پاسخگو خواهند بود.
۵. اینتن (inten.asia): پیشگام مهندسی سئوی هوش مصنوعی (GEO) در منطقه
این گزارش حاصل همکاری مشترک اندیشکده مولوی و آژانس دیجیتال مارکتینگ اینتن است.
اینتن با تحول ساختار خود به یک «سیستمعامل فروش و رشد مبتنی بر هوش مصنوعی»، راهکارهای انحصاری زیر را برای برندهای پیشرو در ایران، ترکیه و خاورمیانه اجرا میکند:
- ممیزی ۳۶۰ درجه دیدهشدن در هوش مصنوعی (AI Visibility Audit): سنجش جایگاه برند شما در پرپلکسی، چتجیپیتی و جمینای.
- توسعه و استقرار استاندارد `/llms.txt` و چانکبندی RAG: آمادهسازی ساختار صفحات برای خوانش بدون خطای باتهای هوش مصنوعی.
- مهندسی گراف دانش و سهضلعی هویتی: پیوند سازمانی به ویکیدیتا و ساختارهای پیشرفته اسکیما.
جهت مشاوره و ارزیابی آمادگی برند سازمانی خود: 🌐 وبسایت رسمی اینتن: https://inten.asia 📧 ایمیل امور بینالملل: info@inten.asia 📍 یادداشتها و مقالات پژوهشی تقی مولوی: https://molavi.pro