تحدث مع فاطمة
← العودة للمدونة
دراسات حالةMarch 27, 20269 دقائق قراءة

كيف حسّنا كتالوج منتجات صناعي من 1,000 منتج للبحث بالذكاء الاصطناعي

بنينا كتالوج منتجات صناعي يضم أكثر من 1,000 منتج، ثم جعلناه قابلاً للاستشهاد بواسطة ChatGPT وGemini وGoogle AI Overviews. إليك التفاصيل التقنية الكاملة.

دب

د.م. بشير فقيه

Founder & CEO, DBF Nexus

في وقت سابق من هذا العام، بنت DBF Nexus موقع كتالوج منتجات لموزّع صناعي في منطقة الشرق الأوسط — أكثر من 1,000 منتج، بحث نصي كامل بواسطة MeiliSearch، وإدارة محتوى Sanity CMS، وواجهة Next.js. البناء نفسه كان مباشراً. طبقة تحسين محركات البحث التوليدية (GEO) كانت أكثر إثارة للاهتمام.

هذا المنشور هو التفصيل التقني لما وجدناه في تدقيق GEO، وما نفّذناه، وما تغيّر في نتائج البحث بالذكاء الاصطناعي. لم يُذكر اسم العميل بناءً على طلبه.

ملخص المشروع

الموقع كان يحتاج لعرض كتالوج منتجات صناعي لمشترين B2B في لبنان والخليج. المتطلبات: بحث نصي كامل عبر 1,000+ منتج، فلترة حسب الفئة والمواصفات، مقارنة منتجات، نموذج طلب عرض سعر، ونظام إدارة محتوى يمكن للموظفين غير التقنيين تشغيله. المكدس التقني كان Next.js 15، Sanity CMS، MeiliSearch، واستضافة Vercel.

GEO لم يكن في الملخص الأصلي. أضفناه كتوصية بعد البناء — تحديداً لأن مشتري B2B في القطاعات الصناعية يبدؤون بشكل متزايد بحثهم عن المنتجات في Perplexity وChatGPT.

تدقيق GEO — ما وجدناه

أجرينا التدقيق القياسي لـ GEO قبل إجراء أي تغييرات:

  • لا بيانات منظمة في أي مكان. لا Organization schema على الصفحة الرئيسية، لا Product schema على صفحات المنتجات، لا FAQPage schema على صفحات الفئات. محركات الذكاء الاصطناعي لم يكن لديها معلومات قابلة للقراءة الآلية لاستخراجها.
  • صفحات المنتجات لم تكن قابلة للاستخراج بواسطة نماذج اللغة. كل صفحة منتج بدأت باسم المنتج وجدول مواصفات. لا فقرة تمهيدية، لا جملة إجابة أولى، لا سياق. محركات الذكاء الاصطناعي التي تقفز إلى أول جملة قابلة للقراءة وجدت رقم قطعة.
  • لا تعريف للكيان. المنظمة — اسمها، موقعها، ماذا توزّع، المناطق التي تخدمها — ذُكرت فقط في التذييل وصفحة «من نحن» كنص عادي. لم توجد نسخة قابلة للقراءة الآلية.
  • لا محتوى أسئلة شائعة. صفحات الفئات لم تحتوِ على أقسام أسئلة شائعة.
  • نتائج اختبار الأوامر: صفر ظهور عبر 40 استعلاماً تجريبياً عبر ChatGPT وGemini وPerplexity.

ما نفّذناه

1. الـ Organization وWebsite schema

أضفنا JSON-LD Organization schema إلى جذر الموقع، معرّفين الشركة ككيان مميز بالاسم والرابط والعنوان والمؤسس والمناطق المخدومة وروابط sameAs إلى Google Business Profile وLinkedIn. هذا هو المرتكز الذي يخبر محركات الذكاء الاصطناعي من هي الشركة.

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "[Company Name]",
  "url": "https://[domain].com",
  "address": {
    "@type": "PostalAddress",
    "addressLocality": "Beirut",
    "addressCountry": "LB"
  },
  "areaServed": ["LB", "AE", "SA", "KW", "QA"],
  "description": "Industrial product distributor in Lebanon and the Gulf, supplying [categories] to manufacturing and construction sectors."
}

2. Product schema لكل منتج

أنشأنا Product schema لجميع المنتجات الـ 1,000+ عبر webhook من Sanity يعمل عند النشر. كل صفحة منتج تحصل على كتلة JSON-LD بالاسم والوصف والعلامة التجارية والفئة والعروض. حقل الوصف كان التدخل الرئيسي: أعدنا كتابته من تفريغ مواصفات إلى جملة منظمة يمكن لمحرك الذكاء الاصطناعي استخراجها كإجابة قائمة بذاتها.

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Flap Disc 115mm 40-Grit Zirconia",
  "description": "A zirconia alumina flap disc for aggressive grinding on stainless steel and hard metals. 115mm diameter, 40-grit, suitable for angle grinder use at 13,300 RPM maximum.",
  "brand": { "@type": "Brand", "name": "[Brand Name]" },
  "category": "Abrasives",
  "offers": {
    "@type": "Offer",
    "availability": "https://schema.org/InStock",
    "priceCurrency": "USD",
    "seller": { "@type": "Organization", "name": "[Company Name]" }
  }
}

3. صفحات أسئلة شائعة لكل فئة

أضفنا قسم أسئلة شائعة في أسفل كل صفحة فئة منتجات (12 فئة إجمالاً). كل سؤال كُتب بصيغة الإجابة أولاً — السؤال هو ما سيكتبه مشتري B2B في ChatGPT، والإجابة فقرة كاملة قائمة بذاتها. ثم أضفنا FAQPage schema لكل فئة.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "What abrasive grade is recommended for grinding stainless steel?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "For stainless steel grinding, zirconia alumina abrasives in 40\u201360 grit are recommended for material removal, and 80\u2013120 grit for finishing. Zirconia is preferred over aluminum oxide for stainless because it generates less heat, reducing the risk of surface discoloration and work hardening."
      }
    }
  ]
}

4. إعادة هيكلة المحتوى بنمط الإجابة أولاً

أُعيدت كتابة الفقرة الافتتاحية لكل صفحة فئة. قبل: جملة تسويقية عن التزام الشركة بالجودة. بعد: وصف مباشر وواقعي لما تحتويه الفئة ولمن هي.

قبل: «نحن فخورون بتقديم مجموعة شاملة من حلول الكاشطات لجميع احتياجاتك الصناعية.»

بعد: «يغطي هذا الكتالوج الكاشطات الملتصقة والمطلية لتشغيل المعادن والخشب والبناء، بما في ذلك عجلات الجلخ، أقراص القطع، وورق الصنفرة — مخزنة في بيروت مع التوصيل عبر لبنان والخليج.»

النتائج — بعد 4 أسابيع من التطبيق

أعدنا تشغيل نفس الـ 40 استعلاماً عبر ChatGPT وGemini وPerplexity بعد 4 أسابيع من نشر جميع التغييرات.

  • Google AI Overviews: الموقع ظهر في استشهادات AI Overview لـ 6 من 40 استعلاماً — بشكل رئيسي استعلامات على مستوى الفئة. قبل: صفر.
  • Perplexity: الموقع استُشهد به في 4 استعلامات، كلها أسئلة فئات منتجات حيث كان محتوى الأسئلة الشائعة قابلاً للاستخراج مباشرةً. قبل: صفر.
  • ChatGPT: لا استشهادات مباشرة في نافذة الـ 4 أسابيع — دورات تحديث بيانات تدريب ChatGPT أبطأ. لكن فهرس Bing (الذي يستخدمه تصفح ChatGPT) كان يلتقط البيانات المنظمة خلال أسبوعين من النشر.
  • زيارات إحالة الذكاء الاصطناعي: GA4 أظهر أول جلسات من Perplexity.ai وGoogle AI Overviews كمصادر إحالة في الأسبوع الثالث. أرقام صغيرة — لكن خط الأساس كان صفراً.

هذا ليس تحولاً دراماتيكياً بين ليلة وضحاها. GEO عملية تراكمية. إشارات السلطة التي نفّذناها تتراكم عبر الأشهر. لكن التغيير الاتجاهي كان واضحاً وقابلاً للقياس خلال الشهر الأول.

الدروس المستفادة لمشاريع مشابهة

  1. الـ schema على كل منتج غير قابل للتفاوض. مع 1,000+ منتج، الـ schema اليدوي غير ممكن — تحتاج خط إنتاج. نظام webhook في Sanity جعل هذا مباشراً: الـ schema يُنشأ ويُحقن وقت النشر، لا يُصان يدوياً.
  2. محتوى الأسئلة الشائعة هو أسرع مكسب. صفحات أسئلة شائعة للفئات مع FAQPage schema كانت أول ما ظهر في استشهادات الذكاء الاصطناعي.
  3. حقل الوصف هو الحقل الأهم في صفحة المنتج. ليس العنوان، ليس جدول المواصفات. محركات الذكاء الاصطناعي تستخرج الوصف أولاً. إذا كان يقرأ كتفريغ مواصفات، سيُتخطى. إذا كان يقرأ كجملة واضحة وواقعية عما يفعله المنتج ولمن، يُستخرج.

تُطبّق DBF Nexus هذه المنهجية ذاتها على مواقع عملائها في لبنان والخليج — وتبدأ دائماً بمرحلة التدقيق.

Frequently Asked Questions

ما هو Product schema ولماذا يهم لـ GEO؟
Product schema هو بيانات منظمة بصيغة JSON-LD تخبر محركات الذكاء الاصطناعي باسم المنتج ووصفه وعلامته التجارية وفئته وتوفره بشكل قابل للقراءة الآلية. تستخدمه محركات الذكاء الاصطناعي لاستخراج معلومات المنتج لإدراجها في إجابات استفسارات المشترين. بدون Product schema، تُعامل صفحات المنتجات كنص غير منظم وتكون أقل احتمالاً للاستشهاد بها.
كيف تُنشئون الـ schema لـ 1,000+ منتج دون عمل يدوي؟
نستخدم webhook من Sanity يعمل عند أحداث نشر المحتوى. عند إنشاء أو تحديث منتج في نظام إدارة المحتوى، يُنشئ الـ webhook الـ JSON-LD Product schema من حقول المنتج ويحقنه في الصفحة وقت البناء. هذا يعني أن الـ schema دائماً متزامن مع بيانات المنتج ولا يتطلب صيانة يدوية.
كم يستغرق ظهور Product schema في نتائج البحث بالذكاء الاصطناعي؟
Google AI Overviews تعكس عادةً البيانات المنظمة الجديدة خلال 2–4 أسابيع من زحف الصفحات المحدّثة. Perplexity يفهرس المحتوى أسرع ويمكنه الاستشهاد بالـ FAQ schema الجديد خلال 1–2 أسبوع. وضع تصفح ChatGPT يستخدم فهرس Bing الذي يعكس التغييرات عادةً خلال أسبوعين. نموذج ChatGPT الأساسي لا يتحدث في الوقت الفعلي — يعتمد على دورات التدريب.

تريد هذا لكتالوج منتجاتك؟

DBF Nexus تُطبّق نفس عملية GEO على مواقع التجارة الإلكترونية والكتالوجات. نبدأ بتدقيق لترى خط الأساس قبل الالتزام.

نطبّق هذه العملية ذاتها على مواقع عملائنا — ابدأ بتدقيق مجاني