Gintare Rimolaityte، الرئيسة التنفيذية والشريكة المؤسسة لـTrendos — سلسلة مقابلات

Gintare Rimolaityte هي الرئيسة التنفيذية والشريكة المؤسسة لشركة Trendos، منصة قياس الظهور في البحث بالذكاء الاصطناعي التي تساعد العلامات التجارية على فهم كيفية ظهورها عبر النماذج اللغوية الكبيرة وتحسينه. اكتسبت خبرتها المبكرة في Oxylabs عام 2020، أولاً بصفتها مديرة لتطوير الأعمال ثم رئيسة للشؤون التجارية، حيث قادت فرق المبيعات وتطوير الأعمال وإدارة حسابات العملاء ونجاح العملاء في إحدى وحدات الشركة. ومن عام 2022 إلى عام 2025 شغلت منصب الرئيسة التنفيذية لمنصة تفاعل المستخدمين JumpTask. وقبل المشاركة في تأسيس Trendos عام 2026، عملت لفترة وجيزة مديرة للمنتج في Adment، مع التركيز على منع الاحتيال في التسويق بالعمولة ضمن البحث المدفوع وبرامج الشراكة. وبصفتها الرئيسة التنفيذية لـTrendos، تدير Gintare فرقاً متعددة وتشرف على النمو الاستراتيجي. وهي تعيش وتعمل في فيلنيوس.

Trendos منصة لقياس الظهور في البحث بالذكاء الاصطناعي تساعد العلامات التجارية على مراقبة كيفية ظهورها عبر النماذج اللغوية الكبيرة ومحركات البحث بالذكاء الاصطناعي وقياسه وتحسينه. باستخدام Trendos، تتخلص العلامات من نقطة عمياء كبيرة نشأت عن التحول من بحث Google إلى الذكاء الاصطناعي الحواري، وهو تحول جعل عملية التوصية غير مرئية لها عملياً. وإلى جانب تتبع الظهور العام، تجعل Trendos أدوات تحليل معلومات سوق الذكاء الاصطناعي سهلة الوصول والاستخدام وبأسعار معقولة، حتى تتمكن العلامات من التأثير في توقيت ظهورها وطريقته وتحسينهما. وتلتقط تقنيتها الإجابات والإعلانات الفعلية المعروضة داخل بيئات الذكاء الاصطناعي من خلال جمع واسع النطاق للبيانات من جلسات النماذج اللغوية، ثم تحلل البيانات المنظمة وتقدمها في صورة رؤى واضحة بشأن ظهور العلامة ونشاط المنافسين. تأسست Trendos في مارس 2026 في فيلنيوس، ليتوانيا، بدعم من Tesonet، الشركة العالمية لبناء المشاريع التي تقف وراء شركات مثل Nord Security وSurfshark وHostinger.

شملت مسيرتك قيادة الشؤون التجارية في Oxylabs، وإدارة JumpTask، والعمل على المنتج في adment.ai قبل المشاركة في تأسيس Trendos. ما التغييرات التي لاحظتها في كيفية اكتشاف المستهلكين للعلامات عبر الذكاء الاصطناعي وأقنعتك بالحاجة إلى Trendos؟ وما الذي اعتقدت أن منصات تحسين محركات البحث وقياس الظهور في الذكاء الاصطناعي الحالية تفتقر إليه؟

حين كنت أجري مقابلات منتظمة مع مديري التسويق، كنت أسمع الشيء نفسه مراراً: البحث بالذكاء الاصطناعي قادم، ورغم وجود بعض الأدوات بالفعل، لا أحد يعرف حقاً مدى موثوقيتها.

لم أكن مضطرة إلى الاعتماد على كلامهم وحده، إذ كنت أراقب التحول بنفسي لحظة بلحظة. كان المستهلكون ينتقلون من تصفح الروابط في Google إلى سؤال النماذج اللغوية مباشرة. وكان الخيار الثاني أشبه بصندوق أسود للمسوقين. لم يستطيعوا معرفة ما إذا كانت علاماتهم تُذكر أصلاً، فضلاً عن كيفية وصفها أو تحديد موقعها مقارنة بالمنافسين.

رأيت مشكلتين في البرمجيات القائمة. أولاً، بدت أدوات كثيرة وكأنها منصات لتحسين محركات البحث أُلحقت بها ميزة للذكاء الاصطناعي. وثانياً، كانت الأدوات القليلة المصممة خصيصاً لهذا الغرض مسعّرة للمؤسسات الكبيرة وحدها. فإذا لم تكن علامة ضخمة تملك ميزانية لفهم ظهورها في الذكاء الاصطناعي، كنت مستبعداً وتعمل دون رؤية. لم أجد ذلك مقبولاً. كل علامة تستحق أن تعرف كيف تظهر، وليس فقط العلامات القادرة على دفع مبالغ من خمسة أرقام شهرياً. في Trendos، نعتزم منح العلامات من جميع الأحجام وسيلة دقيقة وبسعر عادل لفهم ظهورها في الذكاء الاصطناعي وتحسينه.

قد تبدو الإجابات التي يولدها الذكاء الاصطناعي كصندوق أسود للمسوقين. انطلاقاً من البيانات التي تجمعها Trendos، ما أهم الإشارات التي يبدو أنها تحدد ما إذا كانت أنظمة مثل ChatGPT وGemini وClaude وPerplexity ستذكر علامة ما أو تستشهد بها أو توصي بها؟

من ناحية الإشارات، يتعلق الأمر بأن تُذكر بما يكفي في الأماكن المناسبة وبطريقة منظمة. وهذا يختلف عن تحسين محركات البحث، حيث تحتاج إلى رابط do-follow لتمرير قوة المصدر. في البحث بالذكاء الاصطناعي، لا تفهرس النماذج موقعك، بل تستخرج محتواه. يصبح الرابط غير ضروري. يكفي أن يظهر اسم علامتك بوضوح وبكثرة على الصفحات التي تعتمد عليها هذه النماذج بالفعل.

تشير بياناتنا إلى خمسة محاور تغذي ذلك: موقعك الإلكتروني، والعلاقات العامة والتغطية الإعلامية المكتسبة، ومنصات المراجعات مثل Trustpilot وG2، وشركاء التسويق بالعمولة، ووسائل التواصل الاجتماعي. تختلف أهمية كل محور بحسب القطاع. تعتمد الملابس والتجارة الإلكترونية على الوسائط المملوكة للعلامة، لأن استخراج معلومات صفحات المنتجات سهل على النماذج. وتعتمد الخدمات المالية للمستهلكين أكثر على مواقع المقارنة العاملة بالعمولة. أما علامات البرمجيات كخدمة والتعامل بين الشركات فتُستشهد بها كثيراً من منصات المراجعات مثل G2 وCapterra. لا توجد وصفة عالمية. عليك فحص الاستشهادات الخاصة بك لمعرفة المحور الأهم لك.

البنية مهمة أيضاً. العلامات التي نراها تُستشهد بها أكثر تنشر محتوى واضحاً ومباشراً يجيب عن الأسئلة في البداية، وغالباً بأسلوب الأسئلة الشائعة. يسهل على النماذج استخراج ذلك. المقالات المحشوة بالكلمات المفتاحية لا تساعد. ما ينجح هو الإجابة أولاً ثم إضافة التفاصيل. وبالنسبة إلى المحتوى المولّد بالذكاء الاصطناعي، لا نرى حالياً أن النماذج تعاقبه. المحتوى الذي يُستشهد به هو ما يجيب عن السؤال جيداً، بغض النظر عمن أو عما كتبه.

هناك قدر من العشوائية في العملية أيضاً. تتنبأ هذه النماذج بالكلمة التالية بدلاً من تشغيل خوارزمية ترتيب ثابتة واحدة. يمكنك فعل كل شيء بصورة صحيحة ومع ذلك ترى تقلبات. في Trendos، نحاول مساعدة العلامات على التركيز على الإشارات التي تستطيع التحكم فيها، والتوقف عن ملاحقة ما لا تستطيع التحكم فيه.

بخلاف ترتيب Google التقليدي، قد تتغير إجابة الذكاء الاصطناعي عند طرح السؤال نفسه عدة مرات. كيف تقيسون الظهور بصورة موثوقة بينما النماذج الأساسية احتمالية؟ وما حجم أخذ العينات اللازم قبل أن تستخلص العلامة نتائج ذات معنى من البيانات؟

هذا موضوع ساخن في القطاع حالياً. قالت شركة مؤخراً على LinkedIn إنك تحتاج إلى جمع إجابة نحو 100 مرة يومياً وحساب متوسط النتائج للحصول على شيء موثوق. وما زالت بعض المنصات الأكبر ترى أن مرة يومياً تكفي. لا أعتقد أن أياً من الطرفين دعم موقفه بالكامل بأدلة فعلية.

ننظر إلى الأمر تجريبياً. لدينا عملاء مثل NordVPN يراقبون ظهورهم معنا منذ فترة، ويمكننا رؤية تقلبات الظهور والترتيب خلال تلك المدة الطويلة. وهي ببساطة لا تتغير كثيراً. ربما يمنحك الجمع الأكثر تكراراً دقة إضافية طفيفة، لكن الفارق جزء من الواحد بالمئة، وليس بالتأكيد الفرق بين انعدام الظهور واحتلال المركز الأول. قد ينقل شخصاً من المركز 35 إلى 32، وهذا أقل أهمية بكثير من المسائل الهيكلية الأكبر التي تستطيع العلامة اتخاذ إجراءات حيالها فعلاً.

نهجنا هو المراقبة المنتظمة بمرور الوقت بدلاً من ملاحقة تردد مفرط لأخذ العينات، وتمكين العلامات من النظر إلى خط اتجاهها لتقييم استقرار فئتها أو تقلبها.

هناك نقاش واسع حول تحسين محركات البحث، وتحسين محركات الإجابة، وتحسين المحركات التوليدية. ما مبادئ تحسين محركات البحث التقليدية التي تظل مهمة في بحث الذكاء الاصطناعي؟ وأين يخطئ المسوقون حين يطبقون أساليبهم الحالية ببساطة على النماذج اللغوية الكبيرة؟

لا يزال عدد من مبادئ تحسين محركات البحث مهماً. خذ مثلاً توسيع الاستعلامات، أي عمليات البحث الإضافية التي يجريها ChatGPT في الخلفية قبل تقديم الإجابة. ما زالت تلك العمليات نابعة من سلوك بحث حقيقي، مما يجعل تحسين ترتيبها عملاً متعلقاً بتحسين محركات البحث. لا تزال تحسّن العبارات الطويلة والمحددة، لكنك تستهدف ما يبحث عنه النموذج بدلاً من ما يكتبه الشخص في Google.

يفترض مسوقون كثيرون خطأً أن ذكر العلامة يجب أن يعمل كرابط خلفي. في تحسين محركات البحث تريد رابط do-follow، لأن قوة المصدر وتقييم النطاق ينتقلان بهذه الطريقة. في بحث الذكاء الاصطناعي لا تفهرس النماذج موقعك. ولأنها تستخرج محتواه، لا تحتاج إلى رابط أصلاً، بل إلى ذكر واضح بما يكفي لعلامتك على صفحة يثق بها النموذج بالفعل. يقضي الناس وقتاً طويلاً في ملاحقة مواضع الروابط، بينما ينبغي أن يسعوا إلى الذكر نفسه.

خطأ شائع آخر هو نقل عادات تحسين محركات البحث القديمة. المحتوى المكتوب أساساً لإدراج كلمات مفتاحية، مع دفن الإجابة الفعلية في منتصف الصفحة، تميل نماذج الذكاء الاصطناعي إلى تجاهله. أجب عن السؤال أولاً بوضوح ومباشرة، ثم أضف التفاصيل.

وأرى أيضاً أن إعلان موت تحسين محركات البحث والبدء من الصفر خطأ. تحسين محركات البحث لم يمت! تحسين المحركات التوليدية امتداد له، مع عمل وسائل التواصل والتسويق بالعمولة معاً. العلامات التي تجيد تحسين محركات البحث لم تهدر كل ذلك الجهد، لكنها لا ينبغي أن تفترض أن القواعد القديمة تنطبق حرفياً.

تتابع Trendos المصادر التي تستشهد بها أنظمة الذكاء الاصطناعي عند الإجابة عن أسئلة تخص العلامات. ماذا تعلمتم عن أنواع المصادر التي يبدو أن محركات الذكاء الاصطناعي تثق بها أكثر؟ وما مقدار التأثير الواقعي الذي يمكن لشركة إحداثه في تلك الاستشهادات دون محاولة التحايل على النظام؟

الثقة ليست تسلسلاً هرمياً واحداً. إنها تعتمد على القطاع. ما يُستشهد به أكثر في الملابس، أي الوسائط المملوكة للعلامة، ليس ما يتصدر الخدمات المالية للمستهلكين، أي المحتوى والتطبيقات المرتبطة بالتسويق بالعمولة. لا يفوز نوع واحد من المصادر في كل مكان. عليك فحص استشهادات فئتك لمعرفة ما يحظى بالثقة.

البنية مهمة بقدر نوع المصدر. تظل المواقع التحريرية الموثوقة ذات وزن، لكن الأمر لا يتعلق بمقياس واحد للسلطة مثل تقييم النطاق. ما نراه هو أن الاتساق أهم: كم مرة تُذكر العلامة عبر مزيج من المصادر الموثوقة. ويمكن لصفحة واضحة ومنظمة جيداً في موقع صغير أن تتفوق على مقال طويل في مطبوعة أكبر، لمجرد أن استخراج محتواها واستخدامه أسهل على النموذج.

أما التأثير دون تحايل، فسأفصله تماماً عن عقلية تحسين محركات البحث. أنت لا تحاول التلاعب بشبكة الروابط، بل تحاول كسب إشارات حقيقية إلى علامتك عبر المحاور الخمسة: موقعك، وتغطيات العلاقات العامة، ومنصات المراجعات مثل Trustpilot وG2، وعلاقات التسويق بالعمولة، والحضور الاجتماعي. ثم تنظم كل شيء ليسهل على النموذج قراءته. هذا لا يختلف كثيراً عن بناء علامة جيدة. العلامات الأكثر ظهوراً تركز أقل على التحايل وأكثر على الوجود القابل للتحقق في الأماكن التي تثق بها النماذج بالفعل.

أطلقت Trendos مؤشراً يتتبع 1,000 علامة تجارية ذات أعلى ظهور في الذكاء الاصطناعي عبر أسواق مختلفة. ما الأنماط أو المفاجآت التي ظهرت في البيانات؟ وما الذي يميز العلامات التي تظهر باستمرار في توصيات الذكاء الاصطناعي عن منافسين يظلون غير مرئيين إلى حد كبير؟

المفاجأة الأولى هي اختلاف سلوك المحركات. في السوق نفسها، تتشارك ChatGPT وGoogle AI Overviews في توصياتهما نحو ثلثي العلامات المئة الأولى في البلد فقط. تميل AI Overviews بشدة إلى تجارة التجزئة اليومية. تحتل Trader Joe’s المركز 35 فيها بالولايات المتحدة، لكنها في المركز 567 على ChatGPT. ويميل ChatGPT إلى علامات التعامل بين الشركات وخدمة المؤسسات مثل Gartner وServiceNow وDatabricks، التي تتجاهلها AI Overviews إلى حد كبير.

الثانية هي مدى محلية النتائج. سبعون بالمئة من العلامات في مؤشرنا تظهر في بلد واحد فقط، وفي ألمانيا يشكل ما يقرب من ثلث المئة الأولى علامات لا تجدها إطلاقاً في قوائم المملكة المتحدة أو الولايات المتحدة.

ما يميز العلامات ذات الظهور المستمر هو الاتساع. تظهر العلامة النموذجية ضمن العشر الأولى في أكثر من 90 فئة منتجات، بينما تظهر علامة في النصف الأدنى في نحو خمس فئات. لا تُذكر أكثر فحسب، بل ترتبط بأسئلة أكثر بكثير. والقوائم تتحرك بسرعة: القمة بالكاد تتغير شهرياً، لكن نحو 13% من العلامات تخرج من كل قائمة خلال شهر واحد. الظهور ليس شيئاً تكسبه مرة واحدة؛ عليك الاستمرار في استحقاقه.

يتتبع Ad Radar من Trendos المواضع المدفوعة التي تظهر بجوار محادثات ChatGPT. ماذا تكشف البيانات المبكرة عن القطاعات والمعلنين الأسرع تحركاً؟ وكيف ينبغي للمسوقين التمييز بين الظهور المدفوع وذكر العلامات أو التوصية بها تلقائياً من النموذج الأساسي؟

تميل إعلانات ChatGPT بقوة إلى التجزئة والأعمال الموجهة للمستهلكين، وتشكل نحو 50 إلى 70% مما نتتبعه. والباقي أعمال موجهة للشركات، غالباً شركات ووكالات تعلن عن خدماتها الخاصة. وهذا منطقي، لأن مستخدمي ChatGPT في معظمهم مستهلكون، مع حضور فعلي لقطاع الأعمال أيضاً.

منصة إعلانات OpenAI ما زالت في بداياتها. تواصل إضافة صيغ وميزات جديدة، والطرح غير متساوٍ: عندما تحققت آخر مرة، لم تكن الإعلانات تعمل أو تُحتسب عليها رسوم في عدة أسواق أوروبية، حتى بعد إعلان OpenAI التوسع فيها. لذا فإن أي قراءة للقطاعات الأسرع أقرب إلى لقطة لمن يرغب في اختبار شيء جديد منها إلى صورة لمن سيواصل الإعلان بعد ستة أشهر.

هنا تظهر أيضاً فجوات المعلومات لدى المعلنين. لا توضح OpenAI المطالبات التي تظهر عليها إعلاناتك ولا ما يفعله منافسوك. باستخدام Ad Radar من Trendos، تستطيع العلامات معرفة المطالبات التي تُظهر إعلاناتها بدقة، ورؤية المعلنين الآخرين في فئتها: عدد إعلاناتهم، والصفحات التي تقود إليها، والعناوين والأوصاف المستخدمة.

حالياً يسهل التفريق بين الذكر المدفوع والطبيعي. تضع ChatGPT علامات واضحة على المواضع الممولة وتعرضها أسفل الإجابة، فلا يختلط شيء بنصها. التوصية الطبيعية تعني أن النموذج اختارك بوصفك الإجابة، بينما الموضع المدفوع يعني أنك تستأجر مكاناً تحتها.

أتوقع بصراحة أن يصبح ذلك أصعب مع الوقت. كلما بدا الإعلان وأُحسّ بأنه جزء حقيقي من الإجابة، مال إلى تحقيق أداء أفضل. حدث ذلك مع Google وMeta، ومن المرجح أن تسير ChatGPT في الاتجاه نفسه. ولهذا تحديداً تحتاج العلامات إلى تتبع ظهورها المدفوع والطبيعي جنباً إلى جنب.

أحد تحديات تحسين المحركات التوليدية هو فصل الارتباط عن السببية. عندما يتحسن ظهور علامة في الذكاء الاصطناعي، كيف يمكن لفريق التسويق تحديد الإجراء الذي تسبب فعلاً في التحسن، سواء كان العلاقات العامة الرقمية أو تغطية طرف ثالث أو محتوى ذاتياً أقوى أو مراجعات أو تغييرات تقنية أو غير ذلك؟

إسناد النتائج إلى أسبابها من أصعب أسئلة هذا المجال، ولا يستطيع أحد بعد رسم صلة مثالية بين كل إجراء وكل نتيجة. لكن العلامات بعيدة عن مجرد التخمين. في Trendos، ترى بدقة المصادر التي تستشهد بها محركات الذكاء الاصطناعي عند ذكرك وذكر منافسيك، وهذا يخبرك بالكثير عما ينجح.

النهج الأكثر موثوقية هو ربط إجراء محدد بمصدر محدد. إذا حصلت على تغطية في موقع يُستشهد به بالفعل في فئتك، يمكنك مراقبة ما إذا كان يبدأ في الظهور ضمن الإجابات عن المطالبات ذات الصلة، وما إذا كانت علامتك تظهر معه. وينطبق ذلك على المراجعات ومواضع التسويق بالعمولة والمحتوى الجديد في موقعك. أنت لا تنتظر تحرك درجتك الإجمالية ثم تتساءل عن السبب؛ بل ترى المصادر التي تستخدمها النماذج فعلاً.

الأمر أوضح في الإعلانات المدفوعة. مع إعلانات ChatGPT، يمكنك تتبع التأثير المباشر كما تفعل مع أي قناة مدفوعة أخرى، باستخدام معلمات UTM لقياس الزيارات والتحويلات.

يبقى من المفيد النظر إلى اتجاهات عدة أسابيع بدلاً من التفاعل مع يوم واحد، لأن إجابات الذكاء الاصطناعي تتغير طبيعياً. ونبني أيضاً Key Insights، التي تُظهر هذه الروابط تلقائياً كي لا تضطر الفرق إلى التنقيب في كل رسم بياني بنفسها. ما زال هناك بعض عدم اليقين، لكن العلامات باتت تملك أدوات لرؤية ما يمنحها أكبر قيمة بوضوح.

قدمت Trendos مؤخراً تكامل MCP الذي يتيح لوكلاء الذكاء الاصطناعي الاستعلام مباشرة عن بيانات الظهور والمنافسين والاستشهادات والإعلانات. هل تتوقعين انتقال إدارة الظهور من مسوقين يدرسون لوحات البيانات إلى وكلاء يحددون الفجوات باستمرار ويوصون بالتغييرات أو ينفذونها نيابة عنهم؟

أعتقد أن هذا هو الاتجاه، ونحن نبني نحوه بالفعل. حتى دون الوكلاء، تتجه Trendos إلى إنجاز الأعمال للعلامات بدلاً من مجرد عرض لوحة بيانات. وجدنا مؤخراً شركة تصنيع صغيرة كان موقعها محجوباً تماماً عن روبوتات الذكاء الاصطناعي بسبب مشكلة تقنية أساسية لم يعرف أحد في فريقها أنه ينبغي فحصها. أخبرنا العلامة بالمشكلة، لكن طموحنا أن نصلحها عنها دون حاجة أحد من جانبها إلى تفسير رسم بياني أولاً.

الوكلاء امتداد طبيعي لذلك. إذا كان النظام يستطيع بالفعل قراءة البيانات وراء Trendos، فلا ينبغي أن يكون اكتشاف استشهاد مفقود والتصرف حياله قفزة كبيرة. لا أظن أن لوحات البيانات ستختفي تماماً. ما زال مستخدمونا الأكثر تقنية يريدون البيانات الخام، خصوصاً استعلامات البحث الإضافية الدقيقة ونص الإجابة الفعلي. لكن بالنسبة إلى معظم العلامات — أي الـ90% التي لا تريد أن تصبح محللة بيانات — أعتقد أن النهاية ستكون وكيلاً يدير الأمر بهدوء في الخلفية، ولا يبرزه إلا عندما يلزم قرار بشري.

مع تجاوز مساعدي الذكاء الاصطناعي الإجابة عن الأسئلة إلى التوصية بالمنتجات ومقارنة الموردين، ثم إتمام المعاملات عبر الوكلاء، كيف تتوقعين تطور مفهوم «الظهور في البحث»؟ وما المقاييس التي ستهتم بها العلامات أكثر في النهاية؟

أعتقد أن «الظهور في البحث» سيصبح جزءاً من صورة أكبر: هل يختار الوكيل علامتك حين يتصرف نيابة عن شخص ما؟ أن تُذكر في إجابة أمر، وأن تكون العلامة التي يختارها الوكيل فعلاً ويقيّمها إيجابياً في المقارنة ويتم معها معاملة أمر مختلف وعتبته أعلى بكثير. نرى بالفعل بداية ذلك في التجارة التي يديرها الوكلاء.

عندما تنتشر تجارة الوكلاء، لن يكفي الظهور وحده. ستقفز أهمية نبرة التقييم. الوكيل الذي يقارن ثلاثة موردين نيابة عنك لن يزن مجرد من يُذكر، بل من يُوصف بالموثوقية وحسن المراجعات والقيمة الجيدة مقابل السعر. وسيكون معدل التوصية — أي مدى اختيارك من بين العلامات المدروسة — أكثر دلالة بكثير من العدد المجرد للمرات التي تُذكر فيها.

أتوقع أيضاً أن تزداد أهمية البنية وقابلية القراءة الآلية. الآن يتعلق الأمر بكتابة محتوى على هيئة أسئلة شائعة يسهل على النموذج استخراجه. وعندما يتعامل الوكلاء نيابة عنك، سيصبح السؤال ما إذا كانت أسعارك ومخزونك وشروطك منظمة بحيث يستطيع الوكيل قراءتها والتصرف بناء عليها مباشرة، لا مجرد وصفها.

تحفظ مهم: ما زلنا في البداية. أفضل قول ذلك صراحة على التظاهر بأننا رسمنا المشهد بالكامل. ما أثق به هو أن العلامات التي تنتبه إلى هذا التحول قبل أن يجري الوكلاء المعاملات على نطاق واسع ستكسب أفضلية حقيقية في البداية، كما فعلت العلامات التي تبنت تحسين محركات البحث مبكراً مع Google.

شكراً على المقابلة الرائعة. يمكن للقراء الراغبين في معرفة المزيد زيارة Trendos.