انتهى Prime Day 2026 في 26 يونيو. أرقام مبيعات المستهلكين جاءت مختلطة: متوسط قيمة الطلب انخفض إلى 47.66 دولاراً مقارنة بـ53.34 دولاراً العام الماضي، وانخفض متوسط إنفاق الأسرة بنحو 13 دولاراً. لكن بيانات Adobe كشفت عن قصة مختلفة تمامًا داخل هذه الأرقام.
في اليوم الأول وحده، ارتفع ترافيك المتسوقين القادمين من أدوات الذكاء الاصطناعي إلى المتاجر الأمريكية بنسبة 98.3% مقارنة بالعام الماضي. هؤلاء المتسوقون حوّلوا بنسبة أعلى بـ50.7% مقارنة بالزوار القادمين من قنوات أخرى، وقضوا وقتًا أطول بـ49.9% في صفحات المنتجات، وأضافوا إلى سلة الشراء بنسبة أكبر بـ33%.
لماذا مشتري الذكاء الاصطناعي يتصرفون بشكل مختلف؟
حين يفتح شخص Perplexity ويكتب "أفضل حذاء رياضي للمشي تحت 500 ريال لقدم عريضة"، فهو يصل إلى متجرك بعد أن أنهى مرحلة البحث والمقارنة. أداة الذكاء الاصطناعي فلترت الخيارات وقدّمت توصيتها قبل النقر. عندما يصل هذا الزائر إلى صفحة منتجك، هو يتحقق من تفاصيل خيار واحد، لا يتصفح عشرة.
هذا ما يفسر الفارق في معدل التحويل. هؤلاء ليسوا في مرحلة اكتشاف العلامة التجارية. هم في مرحلة القرار. لذلك يضيفون إلى السلة أكثر ويتحولون إلى مشترين بمعدل أعلى.
هذا النمط يتزايد. ترافيك الذكاء الاصطناعي إلى المتاجر الأمريكية ارتفع 393% في الربع الأول من 2026 وفقًا لبيانات Adobe. Prime Day جعل هذا الاتجاه أوضح لأن الحجم والمبالغ المالية كانت كلاهما أكبر.
الفجوة في قابلية الفهرسة التي لم تسدّها معظم المتاجر
Adobe حذّرت في نفس التقرير من شيء مهم: أجزاء كبيرة من المتاجر الإلكترونية لا تستطيع أدوات الذكاء الاصطناعي قراءتها.
Perplexity وChatGPT Shopping وGoogle AI Mode تستخرج معلومات المنتجات من البيانات المهيكلة والنصوص القابلة للفهرسة. إذا كانت صفحات المنتجات لديك تعتمد على JavaScript لعرض المواصفات، أو تضع المعلومات الأساسية داخل صور، أو تفتقر إلى Product schema (الاسم، السعر، التوفر، الوصف، الصورة)، فإن هذه الأدوات إما تتجاهل منتجاتك أو تعرض بيانات منقوصة. المتسوق لا يراك.
النتيجة خلال Prime Day: المتاجر التي تملك بيانات منتجات نظيفة وقابلة للفهرسة التقطت المتسوق الأعلى تحويلاً. بقية المتاجر حصلت على الترافيك التقليدي الذي جاء، وفقًا لبيانات Numerator، بطلبات أصغر قيمة.
هذا هو الانقسام الحقيقي في بيانات Prime Day. الأرقام الإجمالية للمستهلكين بدت ضعيفة. لكن داخلها قصة تجزئة واضحة: بعض المتاجر التقطت مشترًا عالي النية قادمًا عبر الذكاء الاصطناعي ويحوّل بمعدل أعلى بكثير. والبعض الآخر نافس على نفس المتسوق التقليدي ذي القيمة المتراجعة.
ما يجب إصلاحه قبل Q4
تخطيط Q4 يبدأ عادة في يوليو. الفترة الممتدة من الآن حتى أكتوبر هي وقتك لإصلاح قابلية الفهرسة بدون ضغط المواعيد النهائية.
ابدأ بالمرئية. ابحث عن أهم خمسة منتجات لديك في Perplexity وChatGPT بعبارات تعكس نية شراء حقيقية — "أفضل [منتج] تحت [سعر] لـ[استخدام]". إذا لم تظهر منتجاتك، أو ظهرت بأسعار خاطئة أو معلومات ناقصة، فلديك فجوة واضحة.
Product schema هو نقطة البداية. كل صفحة منتج تحتاج إلى بيانات مهيكلة تشمل الاسم والسعر والتوفر والوصف والصورة. بدونها، لا يمكن لأدوات الذكاء الاصطناعي استخراج ما تبيعه بشكل موثوق. المواصفات المكتوبة تأتي بعدها: الأبعاد والمواد والتوافق والمزايا الأساسية يجب أن تكون في نص قابل للقراءة، لا داخل صور أو معروضة ديناميكيًا عبر JavaScript. أدوات الذكاء الاصطناعي تقرأ HTML، لا الصور.
جودة الفيد الإعلاني هي المتغير الثالث. إذا كنت تشغّل Google Shopping أو Meta Catalogs، فإن دقة بياناتك تتحكم بما يعرضه AI Mode وAdvantage+ Shopping. الأوصاف القديمة والمواصفات الناقصة تضر بالأداء المدفوع وبالظهور عبر الذكاء الاصطناعي في الوقت ذاته.
لا شيء هنا مستحدث من ناحية السيو. هذه صحة بيانات المنتجات التي أصبحت إلزامية لا اختيارية مع التحول نحو الاكتشاف عبر الذكاء الاصطناعي.
إذا أردت معرفة أين تقف صفحات منتجاتك على مقياس قابلية الفهرسة الآن، الأداة المجانية في Gromerce تكشف الفجوات في دقائق.
انتهى Prime Day قبل يومين. المتاجر التي التقطت ترافيك الذكاء الاصطناعي حصلت على مشترين أفضل. التي لم تلتقطه أمامها ربع سنة لإصلاح ذلك قبل أن يتكرر السيناريو في Q4 بأسعار CPM أعلى.
المصادر: Adobe Digital Insights، Numerator، Retail Brew، Chain Store Age، PMG، يونيو 2026
