برندتان در لیست‌های AI دیده می‌شود؛ اما آیا در رقابت درستی حضور دارید؟

چرا تعداد دفعاتی که هوش مصنوعی نام برند شما را می‌آورد، به‌تنهایی معیار مناسبی برای سنجش جایگاه برند و فرصت رشد کسب‌وکار نیست؟

در گزارش تیم مارکتینگ، مقابل شاخص AI Visibility نوشته شده است: «نام برند شما در ۴۰ درصد پاسخ‌های هوش مصنوعی دیده شده است.»

تیم مارکتینگ از رشد این عدد خوشحال است. مدیرعامل هم احتمالاً آن را نشانه‌ای از بهتر شدن جایگاه برند می‌داند. اما هنوز مشخص نیست این ۴۰ درصد دقیقاً چه ارزشی برای کسب‌وکار دارد.

ممکن است برند در پاسخ به سؤال «معروف‌ترین نرم‌افزارهای مدیریت پروژه کدام‌اند؟» ظاهر شده باشد، در انتهای فهرستی شامل ده‌ها ابزار مختلف.

در مقابل، وقتی کاربری می‌پرسد «برای یک شرکت خدماتی ۳۰ نفره که به دنبال مدیریت پروژه با هزینه مناسب و پیاده‌سازی ساده است، چه نرم‌افزاری پیشنهاد می‌کنی؟»، نام همان برند اصلاً در پاسخ نباشد.

اگر مشتری هدف این شرکت، کسب‌وکارهای کوچک و متوسط باشند، کدام پاسخ اهمیت بیشتری دارد؟

این تفاوتی است که در بسیاری از گزارش‌های ساده AI Visibility گم می‌شود. گزارش نشان می‌دهد برند چند بار دیده شده، اما روشن نمی‌کند آیا در موقعیت‌هایی دیده شده که واقعاً می‌توانند به انتخاب مشتری منجر شوند یا خیر.

برای ارزیابی جایگاه یک برند در پاسخ‌های AI، باید بدانیم نام آن در پاسخ به چه پرسشی آمده، در کدام فهرست قرار گرفته، چگونه توصیف شده و با چه رقبایی مقایسه می‌شود.

وقتی مشتری سؤالش را تغییر می‌دهد، رقابت هم تغییر می‌کند

در ادبیات رشد برند، مفهومی به نام Category Entry Points وجود دارد. منظور موقعیت‌ها، نیازها و شرایطی است که باعث می‌شوند مشتری به خرید یک دسته محصول یا خدمت فکر کند.

مثلاً مدیر یک شرکت ممکن است زمانی به خرید CRM فکر کند که تعداد سرنخ‌های فروش بالا رفته و پیگیری آن‌ها دشوار شده است. مدیر دیگری به دلیل نارضایتی از گزارش‌های فروش به دنبال همان دسته محصول می‌رود. شرکت سوم می‌خواهد وابستگی فرایند فروش به چند کارشناس باتجربه را کاهش دهد.

هر سه به یک دسته محصول نیاز دارند، اما با مسئله‌های متفاوتی وارد بازار می‌شوند.

برندها سال‌ها تلاش کرده‌اند هنگام شکل‌گیری این نیازها در ذهن مشتری حاضر باشند. حالا بخشی از همین موقعیت‌ها به شکل سؤال وارد ChatGPT، Gemini یا سایر ابزارهای هوش مصنوعی می‌شود.

هوش مصنوعی می‌تواند بر اساس نیاز کاربر، گزینه‌ها را جست‌وجو، مقایسه و خلاصه کند. در نتیجه ممکن است پیش از آنکه مشتری وارد سایت فروشندگان شود، فهرستی اولیه از انتخاب‌های قابل بررسی داشته باشد.

این تغییر یک پیامد مهم برای استراتژی برند دارد: موقعیت خرید مشتری تعیین می‌کند حضور در کدام پاسخ ارزشمند است.

برای یک شرکت ارائه‌دهنده CRM، دیده‌شدن در پاسخ به «CRM چیست؟» می‌تواند به آشنایی اولیه مخاطب کمک کند. اما حضور در پاسخ به «بهترین CRM برای شرکت‌های B2B با چرخه فروش طولانی چیست؟» ممکن است به مرحله بررسی گزینه‌ها نزدیک‌تر باشد.

البته پرسش‌های عمومی هم بی‌ارزش نیستند. آن‌ها می‌توانند در بلندمدت به شناخت برند کمک کنند. مسئله زمانی ایجاد می‌شود که حضور در پرسش‌های عمومی و پرسش‌های نزدیک به خرید، بدون هیچ تمایزی در یک KPI جمع شوند.

مدیرعامل باید بداند کسب‌وکار در کدام موقعیت‌های خرید نیاز دارد در فهرست گزینه‌های مشتری قرار بگیرد و امروز در چند مورد از آن موقعیت‌ها حضور دارد.

در کنار چه رقبایی نام شما می‌آید؟

دو برند ممکن است به یک اندازه در پاسخ‌های AI دیده شوند، اما جایگاه رقابتی کاملاً متفاوتی داشته باشند.

یک نرم‌افزار مدیریت پروژه را در نظر بگیریم که مزیت اصلی آن پیاده‌سازی سریع، پشتیبانی مناسب و سادگی استفاده برای تیم‌های کوچک است.

اگر AI این نرم‌افزار را دائماً کنار ابزارهای پیچیده سازمانی قرار دهد، ممکن است مقایسه بر اساس قابلیت‌های پیشرفته، تعداد امکانات یا سطح یکپارچگی‌های سازمانی شکل بگیرد؛ معیارهایی که احتمالاً مزیت اصلی این برند نیستند.

همان محصول اگر در کنار ابزارهای مناسب کسب‌وکارهای کوچک قرار بگیرد، با معیارهای دیگری ارزیابی می‌شود: هزینه، سرعت راه‌اندازی، سادگی آموزش کارکنان و میزان پشتیبانی موردنیاز.

بنابراین حضور در کنار برندهای بزرگ‌تر الزاماً موفقیت محسوب نمی‌شود. گاهی این اتفاق به معنای ورود به رقابتی است که برند برای آن طراحی نشده است.

از طرف دیگر، همیشه هم قرار نیست رقبا شرکت‌هایی با محصول مشابه باشند.

برای یک نرم‌افزار مدیریت فروش، رقیب ممکن است یک CRM دیگر باشد؛ اما در بخشی از بازار، مشتری هنوز بین خرید نرم‌افزار و ادامه کار با اکسل تصمیم می‌گیرد.

در چنین وضعیتی، پاسخ AI ممکن است نرم‌افزار شما را با ابزارهای ارزان‌تر، فرایندهای دستی یا حتی گزینه «فعلاً نیازی به خرید ندارید» مقایسه کند.

این مقایسه‌ها نشان می‌دهند مشتری احتمالاً چه جایگزین‌هایی را بررسی می‌کند و AI چگونه محدوده انتخاب او را تعریف کرده است.

از منظر Positioning، بررسی رقبای حاضر در پاسخ به چند پرسش کمک می‌کند بفهمیم برند در چه دسته‌ای قرار گرفته و چه انتظاری از آن ساخته می‌شود.

اگر یک برند تخصصی دائماً با گزینه‌های عمومی مقایسه شود، ممکن است تمایز آن به‌اندازه کافی روشن نشده باشد. البته این فقط یک فرضیه تشخیصی است. برای نتیجه‌گیری باید پاسخ‌ها، منابع اطلاعاتی و موقعیت واقعی محصول در بازار را بررسی کرد.

حضور در فهرست با توصیه‌شدن تفاوت دارد

حتی بعد از انتخاب پرسش‌های درست و شناسایی رقبای مرتبط، هنوز نمی‌توان صرفاً با شمارش نام برندها به نتیجه رسید.

نحوه حضور اهمیت دارد.

AI ممکن است نام برند شما را به‌عنوان یکی از ده گزینه مطرح کند، اما هیچ توضیحی درباره مزیت آن ندهد. در پاسخ دیگری ممکن است محصول را مناسب بداند، اما تأکید کند که برای تیم‌های بزرگ پیچیده یا پرهزینه است.

حالت سوم زمانی است که برند در میان چند گزینه محدود قرار می‌گیرد و AI مشخصاً توضیح می‌دهد چرا با نیاز کاربر سازگار است.

این سه پاسخ ارزش یکسانی ندارند.

برای نمونه، اگر مشتری درباره یک نرم‌افزار حسابداری برای کسب‌وکار کوچک سؤال کند، عبارت «این محصول امکانات گسترده‌ای دارد، اما راه‌اندازی آن برای شرکت‌های کوچک دشوار است» ممکن است در عمل به حذف آن از فهرست انتخاب‌ها منجر شود.

نام برند در پاسخ آمده، ولی توضیح ارائه‌شده احتمال انتخاب آن را کاهش می‌دهد.

همچنین باید بین نام‌برده‌شدن، توصیه‌شدن و ارجاع به یک منبع تفاوت گذاشت. ممکن است سایت یک شرکت به‌عنوان منبع اطلاعات در پاسخ لینک شود، بدون اینکه محصول آن شرکت به کاربر توصیه شده باشد. نمایش تبلیغ در کنار پاسخ نیز از جنس دیگری است و نباید با توصیه ارگانیک یکی تلقی شود.

برای همین، یک گزارش مناسب باید علاوه بر ثبت حضور برند، نقش آن را در پاسخ مشخص کند.

آیا برند صرفاً نام برده شده است؟ آیا وارد فهرست کوتاه گزینه‌های مناسب شده؟ آیا AI آن را به دلیل مشخصی پیشنهاد می‌کند؟ یا نام برند همراه با محدودیتی مطرح می‌شود که می‌تواند مانع انتخاب مشتری شود؟

بدون این تفکیک، افزایش AI Visibility ممکن است تصویر گمراه‌کننده‌ای از عملکرد برند بسازد.

هوش مصنوعی چه تصویری از برند شما ساخته است؟

یک مسئله مهم‌تر هم وجود دارد: ممکن است AI درباره برند اطلاعات کافی داشته باشد، اما آن را به شکلی توصیف کند که با جایگاه موردنظر شرکت همخوانی ندارد.

برای مثال، شرکتی می‌خواهد به‌عنوان ارائه‌دهنده خدمات تخصصی و باکیفیت شناخته شود، ولی در پاسخ‌های AI بیشتر به‌عنوان گزینه‌ای اقتصادی معرفی می‌شود.

یا یک محصول با مزیت سادگی استفاده، بیشتر با تعداد قابلیت‌های فنی توصیف می‌شود.

در هر دو مورد، برند دیده شده، اما تصویری که به مشتری منتقل می‌شود با استراتژی شرکت فاصله دارد.

بخشی از این مسئله به اطلاعاتی برمی‌گردد که درباره برند در دسترس است.

سایت شرکت، صفحات محصول، توضیحات قیمت، سؤالات متداول و محتوای آموزشی به AI کمک می‌کنند برند را بشناسد. در کنار آن‌ها، نظر مشتریان، رسانه‌ها، سایت‌های مقایسه و تجربه‌های ثبت‌شده کاربران می‌توانند در توصیف برند نقش داشته باشند.

این دو دسته اطلاعات همیشه تصویر یکسانی نمی‌سازند.

ممکن است یک شرکت در سایت خود بر سرعت پیاده‌سازی تأکید کند، اما کاربران در بررسی‌های عمومی از دشواری استقرار یا کیفیت پایین پشتیبانی شکایت کرده باشند. در این صورت، تولید محتوای بیشتر درباره «پیاده‌سازی آسان» به‌تنهایی مسئله را حل نمی‌کند.

گاهی لازم است تجربه مشتری اصلاح شود تا شواهد بیرونی با وعده برند هماهنگ شوند.

اینجاست که AI Visibility از یک موضوع صرفاً مربوط به SEO یا تولید محتوا فراتر می‌رود و به کیفیت محصول، تجربه مشتری و استراتژی جایگاه‌یابی برند متصل می‌شود.

یک اسکرین‌شات، وضعیت برند شما در AI را نشان نمی‌دهد

مسئله سنجش یک پیچیدگی دیگر هم دارد: پاسخ مدل‌های زبانی ثابت نیست.

در پژوهشی که در سپتامبر ۲۰۲۶ به‌صورت پیش‌انتشار منتشر شد، پژوهشگران توصیه برندها را در شش مدل زبانی و پنج دسته محصول بررسی کردند. نتایج نشان داد حتی تکرار یک پرسش می‌تواند به فهرست‌ها و ترتیب‌های متفاوتی از برندها منجر شود. همچنین وقتی هدف و محدودیت‌های کاربر در پرسش مشخص‌تر می‌شد، برندهای پیشنهادشده تغییر می‌کردند.

این یافته‌ها هنوز نباید به همه بازارها و مدل‌ها تعمیم داده شوند، اما برای طراحی سنجش یک پیام روشن دارند.

اگر تیم مارکتینگ یک سؤال را فقط یک بار از ChatGPT بپرسد و بر اساس جایگاه برند در همان پاسخ گزارش تهیه کند، نتیجه قابل اتکایی درباره موقعیت رقابتی شرکت ندارد.

حتی انتخاب نحوه بیان سؤال هم می‌تواند نتیجه را تحت تأثیر قرار دهد.

«بهترین نرم‌افزار فروش چیست؟» با «برای شرکت ۲۰ نفره‌ای که فروش B2B دارد و می‌خواهد فرصت‌های فروش را بهتر پیگیری کند چه نرم‌افزاری مناسب است؟» لزوماً مجموعه یکسانی از برندها ایجاد نمی‌کند.

سنجش مناسب باید مجموعه‌ای از پرسش‌های مرتبط با موقعیت‌های واقعی خرید را دربر بگیرد. این پرسش‌ها لازم است با بیان‌های متفاوت، در مدل‌های منتخب و در چند نوبت زمانی بررسی شوند.

هدف پیدا کردن یک رتبه قطعی و دائمی برای برند نیست؛ هدف برآورد این است که برند با چه تکراری، در چه نوع پاسخ‌هایی و با چه جایگاه رقابتی ظاهر می‌شود.

اگر حضور بیشتر الزاماً بهتر نیست، چه چیزی را اندازه بگیریم؟

یک سناریوی عددی ساده می‌تواند مسئله را روشن‌تر کند.

دو برند را روی مجموعه یکسانی از ۱۰۰ پرسش آزمایش کرده‌ایم. برند الف در ۵۰ پاسخ دیده شده و برند ب در ۳۰ پاسخ.

گزارشی که فقط تعداد حضورها را نشان دهد، برند الف را موفق‌تر معرفی می‌کند.

حالا جزئیات را بررسی می‌کنیم.

از ۵۰ پاسخ برند الف، ۴۰ مورد مربوط به پرسش‌های عمومی بوده است. در مقابل، برند ب در ۲۲ مورد از ۳۰ پاسخ، در پرسش‌های مرتبط با نیاز مشتری هدف ظاهر شده و چند بار هم با توضیحی مشخص وارد فهرست گزینه‌های پیشنهادی شده است.

این اعداد فرضی‌اند و با آن‌ها نمی‌توان نتیجه گرفت برند ب فروش بیشتری خواهد داشت. اما روشن است که برتری برند الف در تعداد کل حضورها، به‌تنهایی برای قضاوت درباره فرصت تجاری کافی نیست.

برای یک مدیرعامل، گزارش باید امکان پاسخ به چند موضوع را فراهم کند: برند در چه سهمی از پرسش‌های مرتبط با مشتری هدف ظاهر شده، در چند پاسخ واقعاً توصیه شده، کدام رقبا بیشتر همراه آن آمده‌اند و چه دلایلی برای انتخاب یا کنار گذاشتن برند ارائه شده است.

حتی این اطلاعات هم هنوز نتیجه کسب‌وکار را نشان نمی‌دهند.

ممکن است بهبود حضور در پرسش‌های مرتبط به افزایش ورودی‌های باکیفیت کمک کند، اما برای بررسی این رابطه باید داده‌های مسیر جذب و فروش هم وارد تحلیل شوند. سؤال از سرنخ‌های ورودی درباره نحوه آشنایی با برند، بررسی ارجاع‌های قابل‌شناسایی از ابزارهای AI و مقایسه روند کیفیت Leadها می‌توانند شواهد تکمیلی فراهم کنند.

البته تغییر هم‌زمان این شاخص‌ها به‌خودی‌خود ثابت نمی‌کند AI عامل رشد فروش بوده است.

از گزارش تعداد حضورها به یک مدل تشخیص برسیم

برای شروع، کسب‌وکار به یک ابزار گران‌قیمت یا هزاران پرسش نیاز ندارد. بهتر است ابتدا مشخص کند مشتریان اصلی در چه موقعیت‌هایی وارد فرایند خرید می‌شوند.

این اطلاعات را می‌توان از گفت‌وگوهای تیم فروش، سؤالات مشتریان در جلسات دمو، درخواست‌های ثبت‌شده در CRM، پیام‌های پشتیبانی و مصاحبه با خریداران استخراج کرد.

از میان این موقعیت‌ها باید مواردی اولویت بگیرند که با استراتژی رشد شرکت ارتباط بیشتری دارند.

مثلاً اگر هدف یک شرکت نرم‌افزاری افزایش فروش به کسب‌وکارهای متوسط است، سنجش جایگاه برند در پرسش‌های مربوط به شرکت‌های بزرگ چندملیتی ممکن است در اولویت پایین‌تری باشد، حتی اگر حضور در آن پرسش‌ها بیشتر باشد.

بعد از انتخاب سؤال‌ها، می‌توان یک گزارش با چهار بخش تهیه کرد:

پوشش موقعیت‌های خرید: برند در کدام نیازها و پرسش‌های مهم حضور دارد و در کدام‌ها غایب است؟

کیفیت توصیه: آیا برند وارد فهرست انتخاب‌های مناسب می‌شود؟ چه مزایا و محدودیت‌هایی به آن نسبت داده می‌شود؟

جایگاه رقابتی:  چه برندها یا جایگزین‌هایی همراه آن مطرح می‌شوند و AI مقایسه را بر اساس چه معیارهایی انجام می‌دهد؟

شواهد شکل‌دهنده پاسخ: در مواردی که منابع قابل مشاهده‌اند، کدام صفحات، بررسی‌ها یا اطلاعات محصول به توضیح برند کمک کرده‌اند و چه اطلاعاتی ناقص، قدیمی یا متناقض هستند؟

بهتر است این گزارش در چند نوبت تکرار شود تا تغییرات احتمالی از نوسان عادی پاسخ‌ها تا حدی تفکیک شوند.

در این مدل، یک KPI واحد جای همه شاخص‌ها را نمی‌گیرد. مدیرعامل مجموعه‌ای از شواهد دارد که می‌تواند درباره آن تصمیم بگیرد.

وقتی تشخیص اشتباه باشد، تاکتیک هم اشتباه انتخاب می‌شود

تصور رایجی وجود دارد که اگر برند در پاسخ‌های هوش مصنوعی دیده نمی‌شود، باید محتوای بیشتری تولید کرد یا برای GEO بودجه گذاشت.

اما غیبت در یک پاسخ می‌تواند علت‌های متفاوتی داشته باشد.

ممکن است برند از نظر شناخت عمومی ضعیف باشد. شاید وب‌سایت شرکت نتوانسته کاربرد محصول را برای نیازهای مشخص توضیح دهد. احتمال دارد منابع معتبر بیرونی درباره تجربه مشتریان اطلاعات کافی نداشته باشند. حتی ممکن است خود محصول برای آن دسته از نیازها گزینه رقابتی مناسبی نباشد.

هرکدام از این شرایط تصمیم متفاوتی می‌طلبد.

وقتی برند برای پرسش‌های عمومی شناخته‌شده است ولی در پرسش‌های تخصصی حضور ندارد، باید ارتباط برند با موارد استفاده مشخص و شواهد پشتیبان آن بررسی شود.

وقتی حضور دارد اما دائماً با رقبا یا محصولات نامرتبط مقایسه می‌شود، مسئله ممکن است به Positioning و نحوه تعریف دسته محصول مربوط باشد.

وقتی AI محصول را معرفی می‌کند اما درباره کیفیت خدمات یا هزینه آن هشدار می‌دهد، لازم است بررسی کنیم آیا این برداشت ناشی از اطلاعات قدیمی، توصیف نادرست یا تجربه واقعی مشتریان است.

و وقتی برند در پرسش‌های درست دیده می‌شود و توصیه مناسبی هم دریافت می‌کند، شاید افزایش بیشتر تعداد حضورها دیگر بهترین محل سرمایه‌گذاری نباشد. در این نقطه، بررسی نرخ تبدیل، فرایند فروش، قیمت‌گذاری و تجربه مشتری می‌تواند اولویت بیشتری پیدا کند.

بنابراین پیش از سرمایه‌گذاری روی تاکتیک‌های افزایش AI Visibility، باید مشخص شود محدودیت اصلی کجاست. بعضی محدودیت‌ها با اصلاح محتوا برطرف می‌شوند و بعضی به تصمیم‌های جدی‌تری درباره محصول، جایگاه رقابتی یا عملیات شرکت نیاز دارند.

مدیرعامل باید چه سؤالاتی از تیم بپرسد؟

پیش از اینکه افزایش AI Visibility را یکی از اهداف اصلی بازاریابی قرار دهید، بهتر است پاسخ این پنج سؤال روشن باشد:

1. کدام موقعیت‌های خرید برای رشد شرکت اولویت دارند؟ آیا پرسش‌هایی که در گزارش رصد می‌کنیم بازتاب همین موقعیت‌ها هستند یا صرفاً عبارت‌های عمومی و پرتکرار؟

2. در کدام پرسش‌ها وارد فهرست کوتاه مشتری می‌شویم؟ آیا AI برند را به دلیل مرتبطی پیشنهاد می‌دهد یا صرفاً نام آن را می‌آورد؟

3. بیشتر در کنار کدام رقبا و جایگزین‌ها قرار می‌گیریم؟ آیا این همان رقابتی است که استراتژی Positioning ما برای آن طراحی شده است؟

4. وقتی AI ما را توصیه نمی‌کند، چه توضیحی ارائه می‌دهد؟ مشکل از کمبود اطلاعات، ضعف شواهد، برداشت اشتباه از برند یا یک محدودیت واقعی در محصول است؟

5. بهبود این شاخص‌ها قرار است چه نتیجه‌ای برای کسب‌وکار بسازد؟ آیا انتظار افزایش شناخت برند را داریم، ورود به فهرست بررسی خریداران، لید باکیفیت‌تر یا در نهایت رشد فروش؟

پاسخ این سؤال‌ها می‌تواند اولویت سرمایه‌گذاری را تغییر دهد.

ممکن است شرکت متوجه شود که به‌جای تولید ده‌ها مقاله جدید، ابتدا باید صفحات محصول را بر اساس نیازهای واقعی مشتری بازنویسی کند. در شرکت دیگری، مشکل اصلی نبود شواهد مستقل از کیفیت خدمات است. کسب‌وکار سوم شاید به اندازه کافی در پاسخ‌های AI حضور داشته باشد و محدودیت رشد آن در مرحله تبدیل تقاضا به فروش قرار گرفته باشد.

سوال اصلی: می‌خواهیم در کدام انتخاب‌ها حضور داشته باشیم؟

حضور برند در پاسخ‌های هوش مصنوعی به یکی از موضوعات قابل‌اندازه‌گیری در بازاریابی تبدیل شده است. اما هر چیزی که به‌راحتی اندازه‌گیری می‌شود، لزوماً بهترین معیار برای تصمیم‌گیری نیست.

تعداد دفعات دیده‌شدن نام برند می‌تواند نقطه شروع تحلیل باشد. برای تصمیم درباره سرمایه‌گذاری، به شناخت دقیق‌تری از موقعیت‌های خرید، نوع توصیه‌ها، جایگاه رقابتی و شواهدی نیاز داریم که تصویر برند را در پاسخ‌های AI شکل می‌دهند.

شرکتی که در صدها پرسش عمومی ظاهر می‌شود، ممکن است همچنان در موقعیت‌هایی که مشتریان ارزشمندش به دنبال انتخاب فروشنده هستند غایب باشد. از طرف دیگر، حضور محدودتر اما مرتبط‌تر می‌تواند نشانه‌ای از فرصت باشد که باید اثر تجاری آن بررسی شود.

اگر قرار است برای افزایش حضور برند در AI بودجه تخصیص دهیم، بهتر است ابتدا نقشه روشنی از پرسش‌های مهم مشتریان و جایگاه واقعی برند در پاسخ به آن‌ها داشته باشیم.

این تحلیل کمک می‌کند بفهمیم کجا به برندسازی نیاز داریم، کجا باید اطلاعات و اعتبار محصول را تقویت کنیم و کجا مسئله اصلی در خود پیشنهاد تجاری یا تجربه مشتری قرار دارد.

پیش از افزایش بودجه GEO، ارزش دارد یک Growth Diagnostic از مسیر انتخاب مشتری با کمک AI انجام شود؛ تحلیلی که نشان دهد در کدام رقابت‌ها حضور داریم، در کدام‌ها غایبیم و کدام فاصله برای رشد کسب‌وکار اهمیت بیشتری دارد.