دراسة: الذكاء الاصطناعي يعيد توزيع الطلب على البحث

تُظهر دراسة جديدة شملت أكثر من مليون كلمة مفتاحية عالية الحجم أن 29% من الطلب على البحث المرصود في تراجع قابل للقياس، غير أن الحجم يُعاد توزيعه ولا يختفي، وأن الاستعلامات المعلوماتية غير المرتبطة بعلامة تجارية هي التي تتلقى الضربة. وتُعد الدراسة، التي نشرتها وكالة الأبحاث Fractl بالتعاون مع Search Engine Land في الثاني من يوليو 2026، واحدة من أكبر مجموعات البيانات العامة حتى الآن حول كيفية تغيير الذكاء الاصطناعي لسلوك البحث.

ما الذي حدث

حللت الدراسة 1,010,848 كلمة مفتاحية لا يقل حجم البحث الشهري عن كل منها عن 10,000 عملية، مستمدة من بيانات Semrush عن 379 علامة تجارية في ثمانية قطاعات، إلى جانب استطلاع شمل 1,004 مستهلكين أمريكيين. ووفقاً للمؤلفين، تمثل الكلمات المتراجعة نحو 10.29 مليار عملية بحث شهرياً بينما تمثل الكلمات النامية نحو 10.31 مليار، أي تعادل يكاد يكون تاماً. وتراجعت الفئات المعلوماتية أكثر من غيرها، إذ هبطت فئة FinTech بنسبة 37.7%، في حين حافظت الفئات ذات الطابع الشرائي مثل SaaS وأسلوب الحياة والتأمين على مستواها أو نمت. ويشير استطلاع المستهلكين إلى الاتجاه ذاته: يقول 70% من المشاركين إنهم يستخدمون الذكاء الاصطناعي أكثر من العام الماضي، لكن 17% فقط يقولون إنهم يستخدمون البحث التقليدي أقل.

يقول 59% من المستهلكين المشاركين إنهم سيزورون موقع علامة تجارية بعد أن يذكرها روبوت محادثة ذكاء اصطناعي، وأقدم 18% على شراء بناءً على توصية ذكاء اصطناعي غير متحقق منها.

Fractl وSearch Engine Land، دراسة “What 1 million keywords reveal about AI’s impact on search”

لماذا يهم هذا

تُعد الاستعلامات غير المرتبطة بعلامة تجارية الأكثر عرضة للاستبدال بالذكاء الاصطناعي، وهي تشكّل 90% من الحجم الذي رصدته الدراسة. وهذه هي تحديداً عمليات بحث الاكتشاف واستعلامات الفئات وعمليات البحث من نوع “بالقرب مني” التي تملأ أعلى مسار العملاء للأنشطة التجارية ذات الفروع. ومع استيعاب AI Overviews وAI Mode ومساعدي المحادثة للنوايا المعلوماتية، يتحول السؤال من كيفية ترتيب العلامة في صفحة النتائج إلى ما إذا كانت أنظمة الذكاء الاصطناعي تذكرها أصلاً. وتشير بيانات المستهلكين في الدراسة إلى أن الذكر يؤدي إلى نتائج فعلية: فغالبية المستهلكين يتابعون العلامات التي يسمّيها المساعد.

ماذا يعني هذا للعلامات متعددة الفروع

بالنسبة لعلامة تجارية كبيرة تدير مئات الفروع، تعني إعادة توزيع الطلب أن طبقة الاكتشاف تنتقل إلى أنظمة تجيب بدلاً من أن تعرض عشرة روابط. ويستند مساعدو الذكاء الاصطناعي في إجاباتهم المحلية إلى بيانات منظمة عن الأنشطة التجارية، لذا تصبح دقة الأسماء والعناوين وساعات العمل والخدمات عبر Google Business Profile وApple Maps وBing في كامل شبكة الفروع هي المُدخل الذي يحدد ما إذا كانت فروعكم قابلة للاستشهاد بها. وينبغي للفرق المركزية أن تدير بيانات الأنشطة التجارية على نطاق واسع بوصفها أساس البيانات، وأن تقيس كيفية إظهار الذكاء الاصطناعي لكل فرع عبر Places AI، وأن تتعامل مع الظهور في نتائج بحث الذكاء الاصطناعي بوصفه تخصصاً قائماً بذاته له مؤشراته الخاصة، لا ناتجاً جانبياً لتحسين محركات البحث التقليدي.

الخلاصة

لا يختفي الطلب على البحث بل ينتقل، وتتركز الخسائر في الاستعلامات غير المرتبطة بعلامة تجارية التي كانت تغذي الاكتشاف المحلي. والعلامات التي تجعل بيانات كل فرع دقيقة وقابلة للقراءة الآلية الآن هي التي ستستشهد بها إجابات الذكاء الاصطناعي عندما تتوقف تلك الاستعلامات عن الوصول إلى صفحة النتائج.