ما المصادر التي تستشهد بها نماذج اللغة؟ دراسة 2026 لـ10,000 استعلام

سؤال الاستشهاد الذي يجب أن يطرحه كل فريق محتوى

حين يجيب ChatGPT عن سؤال ما، فهو يتخذ آلاف القرارات الصغيرة حول المصادر التي يثق بها ويستشهد بها ويعيد صياغتها. هذه القرارات ليست عشوائية، بل تتبع أنماطًا يمكن قياسها، ويمكن التنبؤ بها إلى حد كبير. وإذا فهمت ما الذي يرجّح استشهاد نماذج اللغة الكبيرة (LLMs) بمصدر دون غيره، فبإمكانك أن تبني محتوى أوفر حظًا في أن يقع عليه الاختيار.

أجرينا 10,000 استعلام على ChatGPT (GPT-4o) وPerplexity وClaude 3.5 Sonnet وGemini Advanced، وتتبّعنا النطاقات التي استُشهد بها، وعدد مرات ذلك، والسياقات التي ظهرت فيها. ثم حلّلنا هذه النطاقات مقابل 14 سمة مختلفة للموقع والمحتوى لنعرف ما الذي يتنبأ بالاستشهاد. بعض النتائج أكّد ما تقوله نظرية تحسين محركات الإجابة (AEO) أصلًا، وبعضها الآخر كان مفاجئًا فعلًا.

كيف صممنا الدراسة

وُزّعت الاستعلامات العشرة آلاف بالتساوي على أربع فئات:

• استعلامات معلوماتية: على غرار «ما هو [مفهوم]؟» (2,500 استعلام)
• استعلامات مقارنة: على غرار «أفضل X مقابل Y من أجل Z» (2,500 استعلام)
• استعلامات إجرائية: على غرار «كيف أنفّذ [مهمة]؟» (2,500 استعلام)
• استعلامات تقييمية: مثل «هل أستخدم X من أجل Y؟» أو «هل يستحق X التجربة؟» (2,500 استعلام)

غطّت الاستعلامات 20 مجموعة موضوعية، منها البرمجيات والتسويق والرعاية الصحية والمال والقانون والطعام والطهي والسفر والتعليم وتحسين المنازل والتقنية. نُفّذ كل استعلام على النماذج الأربعة جميعها، وسُجّلت الاستشهادات حسب النطاق، وموقعها داخل الإجابة، ونوع الاستشهاد (رابط صريح أو ذكر ضمني).

حلّلنا النطاقات المستشهد بها مقابل: سلطة النطاق (Domain Authority أو DA)، ودرجات TF-IDF، وحداثة المحتوى، وعدد الكلمات، ووجود مخطط FAQPage، ووجود مخطط HowTo، ووجود مخطط Article، وحالة وصول روبوتات الذكاء الاصطناعي، ووجود ملف llms.txt، وإشارات E-E-A-T، وعدد الروابط الخلفية، وكثافة الروابط الداخلية، ودرجة سهولة القراءة، ودرجة تفرّد المحتوى.

أقوى العوامل التي تتنبأ باستشهاد نماذج اللغة: الترتيب الكامل

إليك ترتيب السمات الأربع عشرة حسب قوة ارتباطها بمعدل الاستشهاد (معامل ارتباط بيرسون r):

1. وجود مخطط FAQPage: r = 0.61 (أقوى عامل تنبؤ)
2. سلطة النطاق (50+): r = 0.54
3. حداثة المحتوى (تحديث خلال آخر 6 أشهر): r = 0.51
4. وصول روبوتات الذكاء الاصطناعي (السماح لجميع الزواحف الرئيسية): r = 0.49
5. إشارات E-E-A-T (مؤهلات الكاتب، تاريخ النشر): r = 0.47
6. كثافة الإجابات المباشرة (نسبة العبارات التقريرية إلى اللغة المتحفّظة): r = 0.44
7. مخطط HowTo على الصفحات الإجرائية: r = 0.41
8. عدد الروابط الخلفية: r = 0.38
9. وجود ملف llms.txt: r = 0.33
10. طول المحتوى (1,500-4,000 كلمة): r = 0.28
11. كثافة الروابط الداخلية: r = 0.19
12. وجود مخطط Article: r = 0.18
13. درجة سهولة القراءة: r = 0.14
14. TF-IDF/كثافة الكلمات المفتاحية: r = 0.09

يحمل هذا الترتيب عدة مفاجآت تستحق التوقف عندها.

المفاجأة الثانية: حداثة المحتوى في المركز الثالث بين عوامل التنبؤ

جاءت حداثة المحتوى (أي التحديث خلال آخر 6 أشهر، مع الإشارة إليه عبر الحقل dateModified في مخطط Article) في المركز الثالث في دراستنا، متقدّمة على وصول روبوتات الذكاء الاصطناعي وعلى إشارات E-E-A-T وعلى الروابط الخلفية. فاجأنا ذلك، لأن أدبيات AEO تركّز عادةً على البنية والمخططات، لا على الإشارات الزمنية.

يبدو أن التفسير يتوقف على نوع الاستعلام. ففي الاستعلامات المعلوماتية عن مفاهيم ثابتة، يكاد أثر الحداثة يكون معدومًا. أما في أغلب استعلامات مجموعة الاختبار لدينا (التي غطّت مجموعات موضوعية نشطة مثل البرمجيات وأدوات الذكاء الاصطناعي واللوائح التنظيمية وأفضل الممارسات)، فإن محركات الذكاء الاصطناعي تميل بقوة إلى المصادر المحدّثة مؤخرًا. والمحتوى القديم في الموضوعات سريعة التغيّر يتراجع ترتيبه بصورة منهجية.

الدرس العملي هنا: حداثة المحتوى ليست مسألة تخص تحسين محركات البحث (SEO) وحدها، بل هي إشارة من إشارات AEO أيضًا. إبقاء صفحاتك الأساسية محدّثة (والإشارة إلى هذه التحديثات بشكل صحيح عبر dateModified في مخطط Article) يرفع معدلات استشهاد نماذج اللغة بك في الموضوعات التي يهم فيها عامل الحداثة.

المفاجأة الثالثة: كثافة الكلمات المفتاحية هي أضعف عامل تنبؤ

حلّت TF-IDF وكثافة الكلمات المفتاحية في المركز الأخير بين السمات الأربع عشرة، بمعامل ارتباط لا يتجاوز 0.09، أي أنها مجرد ضجيج عمليًا. هذه أوضح نقطة بيانات تدعم الفرق الجوهري بين SEO وAEO: تحسين كثافة الكلمات المفتاحية على طريقة SEO لا علاقة له بقرارات الاستشهاد لدى نماذج اللغة. فمحركات الذكاء الاصطناعي تفهم الموضوع عبر التحليل الدلالي، لا عبر تكرار الكلمات المفتاحية.

المحتوى المكتوب ليجيب عن الأسئلة بوضوح واكتمال، من دون حشو للكلمات المفتاحية أو ضبط متعمّد لكثافتها، يتفوّق باستمرار على المحتوى المُحسَّن للكلمات المفتاحية في معدلات الاستشهاد. باختصار: الكتابة للبشر والإجابة المباشرة عن الأسئلة تنجح مع محركات الذكاء الاصطناعي أكثر من الكتابة للخوارزميات.

حسب النموذج: أنماط الاستشهاد ليست متطابقة

عوامل التنبؤ الإجمالية أعلاه هي متوسطات للنماذج الأربعة مجتمعة. لكن النظر إلى كل منصة على حدة يكشف فروقًا مهمة:

ChatGPT (GPT-4o)

سلطة النطاق عامل تنبؤ أقوى لدى ChatGPT (r = 0.61) منها لدى أي منصة أخرى. فبيانات تدريب ChatGPT تميل نحو المصادر ذات السلطة العالية، ما يمنح النطاقات الراسخة أفضلية مستمرة. أثر مخطط FAQPage حاضر لكنه أصغر (r = 0.48)، لأن النموذج الأساسي لـChatGPT يعتمد أساسًا على بيانات التدريب، لا على استخراج البيانات المنظمة في الوقت الفعلي. النطاقات الجديدة التي تملك مخططات ممتازة تستفيد أيضًا، لكن علاوة السلطة هنا أعلى.

Perplexity

يملك Perplexity أكثر ملفات عوامل التنبؤ توازنًا. حداثة المحتوى هي أقوى عامل لديه (r = 0.68)، إذ يمنح Perplexity الأولوية صراحةً للمحتوى الحديث والحي في نموذج الاسترجاع الخاص به. ومخطط FAQPage (r = 0.58) ووصول روبوتات الذكاء الاصطناعي (r = 0.57) قويان جدًا أيضًا. Perplexity هو أكثر نماذج اللغة «تجاوبًا» مع تحسين AEO، لأنه يسترجع المحتوى من الويب الحي ويستشهد به فعليًا.

Claude

يُظهر Claude أقوى ارتباط بإشارات E-E-A-T (r = 0.59). فنهج Anthropic في تقييم جودة المصادر يركّز على مؤهلات الكاتب والسلطة المؤسسية وأصل المحتوى. المواقع التي يكتب فيها مؤلفون ذوو مؤهلات واضحة، ولها انتماءات مؤسسية ومنهجية موثّقة جيدًا، يستشهد بها Claude أكثر مما تفعل نماذج اللغة الأخرى. كما أن أثر ملف llms.txt على Claude (r = 0.41) أقوى منه على أي منصة أخرى في دراستنا.

Gemini

يُظهر Gemini أقوى الأنماط المتوافقة مع Google: سلطة النطاق (r = 0.62) وعدد الروابط الخلفية (r = 0.52) هما أقوى عاملي تنبؤ لديه، وهو بذلك أقرب إلى SEO التقليدي من أي نموذج لغة آخر. وهذا منسجم مع بنية Gemini التي تدمج الرسم المعرفي (Knowledge Graph) لدى Google والإشارات المشتقة من PageRank. الطريق إلى استشهاد Gemini يمر عبر سلطة SEO التقليدية أكثر مما يمر عبر إشارات AEO الخاصة، وإن ظل مخطط FAQPage (r = 0.44) مؤثرًا بشكل ملحوظ.

حسب نوع الاستعلام: ما الذي يُستشهد به في كل سياق

الاستعلامات المعلوماتية

هنا يتصدّر مخطط FAQPage بوضوح (r = 0.71). وتأتي كثافة الإجابات المباشرة (أي مقدار ما يتكوّن منه المحتوى من عبارات تقريرية تجيب عن أسئلة محددة) في المركز الثاني. سلطة النطاق مهمة لكنها في المركز الثالث. هذا هو نوع الاستعلام الأكثر تأثرًا بتحسين AEO.

استعلامات المقارنة

سلطة النطاق هي أقوى عامل تنبؤ (r = 0.65). ففي استعلامات «X مقابل Y»، تميل محركات الذكاء الاصطناعي إلى الاستشهاد بمصادر تثق بها أصلًا على مستوى النطاق، كمواقع المراجعات الراسخة والمنشورات الكبرى. ومع ذلك، فإن المواقع التي تقدّم محتوى مقارنة محددًا، منظّمًا بجداول ميزات واضحة ومخطط FAQPage، تتفوّق فعلًا على مواقع أعلى سلطة تقدّم مقارنات أقل تنظيمًا.

الاستعلامات الإجرائية

مخطط HowTo هو أقوى عامل تنبؤ (r = 0.67) في استعلامات «كيف أفعل كذا»، وهذا يطابق تمامًا ما تتوقعه من نظرية المخططات. وتأتي حداثة المحتوى ثانيًا، لأن المحتوى الإجرائي الخاص بالأدوات والبرمجيات يجب أن يكون محدّثًا كي يصلح للاستشهاد. هذا هو نوع الاستعلام الذي يظهر فيه أثر مخطط HowTo على الاستشهاد بأوضح صورة وأكثرها قابلية للقياس.

الاستعلامات التقييمية

إشارات E-E-A-T هي أقوى عامل تنبؤ في الاستعلامات التقييمية (r = 0.61). فاستعلامات مثل «هل يستحق X التجربة؟» و«هل أستخدم X من أجل Y؟» هي المكان الذي تقود فيه مؤهلات الكاتب وشفافية المنهجية والسلطة المؤسسية اختيار المصادر بأقوى درجة. وفي هذه الاستعلامات تحديدًا، يكون المحتوى الذي يفتقر إلى مؤهلات واضحة في أضعف موقف بصورة منهجية.

أثر السماح لروبوتات الذكاء الاصطناعي بالوصول

نتيجة تستحق التشديد عليها: بين النطاقات التي تحظر زواحف الذكاء الاصطناعي، تهبط معدلات الاستشهاد إلى ما يقارب الصفر في أنظمة الذكاء الاصطناعي التي تعمل في الوقت الفعلي (Perplexity وChatGPT Browse). وهذا متوقع، فالروبوتات المحظورة لا تستطيع قراءة المحتوى. لكن ما فاجأنا هو معدل الاستشهاد المتبقي لدى ChatGPT الأساسي من بيانات التدريب: حتى النطاقات التي تحظر GPTBot يستشهد بها ChatGPT الأساسي أحيانًا، إذا كان محتواها ضمن مدوّنة التدريب قبل إضافة الحظر.

هذا يمنح الناشرين الذين حظروا زواحف الذكاء الاصطناعي شعورًا زائفًا بالأمان. فقد يرون بعض استشهادات ChatGPT القادمة من بيانات تدريب قديمة، فيستنتجون أن الحظر بلا أثر. لكن الأثر الحقيقي يتضح عند قياس استشهادات Perplexity وChatGPT Browse، حيث يؤدي الحظر إلى معدلات تقارب الصفر. استخدم تحليلات الاستشهادات في AI Rank Lab لقياس معدلات الاستشهاد على نماذج اللغة الرئيسية الأربعة كلها، لا على النموذج الوحيد الذي قد يعطيك نتيجة إيجابية زائفة.

كيف تطبّق نتائج هذه الدراسة

يقترح ترتيب عوامل التنبؤ بالاستشهاد أولويات واضحة للاستثمار في AEO:

1. مخطط FAQPage على جميع الصفحات المعلوماتية: أعلى ارتباط بالاستشهاد في جميع أنواع الاستعلامات وجميع نماذج اللغة
2. بناء سلطة النطاق عبر روابط خلفية عالية الجودة: ثاني أقوى عامل تنبؤ، ومهم خصوصًا لـChatGPT وGemini
3. إبقاء المحتوى محدّثًا والإشارة إلى حداثته: أمر حاسم لـPerplexity ولأي موضوع يهم فيه عامل الحداثة
4. إصلاح وصول روبوتات الذكاء الاصطناعي: شرط ضروري كي يستشهد بك Perplexity وChatGPT Browse في الوقت الفعلي
5. تطوير إشارات E-E-A-T: مهم خصوصًا لـClaude ولأنواع الاستعلامات التقييمية
6. إضافة مخطط HowTo إلى الشروحات التعليمية: أكثر أنواع المخططات تأثيرًا في المحتوى الإجرائي
7. تطبيق ملف llms.txt: أثر ملموس خصوصًا لدى Claude، بتكلفة تنفيذ منخفضة نسبيًا

توقّف عن تحسين كثافة الكلمات المفتاحية. فهي الأضعف ارتباطًا باستشهاد نماذج اللغة بين كل العوامل في دراستنا. والجهد نفسه إذا وُجّه إلى تطبيق مخطط FAQPage يحقق تحسنًا في الاستشهاد يقارب 7 أضعاف.

الخلاصة

أنماط الاستشهاد لدى نماذج اللغة الكبرى قابلة للقياس، ومتسقة، ويمكن البناء عليها عمليًا. مخطط FAQPage هو أقوى عامل منفرد يتنبأ بالاستشهاد عبر أنواع الاستعلامات والمنصات. وحداثة المحتوى أهم مما يعترف به معظم ممارسي AEO. أما كثافة الكلمات المفتاحية فلا أهمية لها. كما أن أنماط الاستشهاد تختلف بين النماذج بما يكفي لتجعل الاستراتيجية الخاصة بكل منصة، بإعطاء الأولوية لـPerplexity (الحداثة + المخططات)، وChatGPT (السلطة + المخططات)، وClaude (E-E-A-T + llms.txt)، وGemini (SEO التقليدي + المخططات)، تحقق نتائج أفضل من نهج يركّز على نموذج واحد.

استخدم تحليلات الاستشهادات في AI Rank Lab لتتبّع معدلات استشهادك على المنصات الأربع جميعها، ومراقبة أي إشارات التنبؤ هي الأقوى في مجموعتك الموضوعية تحديدًا. البيانات في هذه الدراسة تمثّل الصورة الإجمالية، وقد تُظهر فئتك ونوع محتواك أوزانًا مختلفة للعوامل.