ख़ुद को धोखा दिए बिना AI विज़िबिलिटी कैसे मापें

AI विज़िबिलिटी मापने के लिए, असली ऑडियंस सवालों के आधार पर प्रॉम्प्ट्स का एक तय पैनल बनाएँ, उन्हें एक शेड्यूल पर ChatGPT, Gemini, Perplexity और Google AI Overviews में चलाएँ, और दर्ज करें कि आपके ब्रांड का मेंशन हुआ, वह उद्धृत हुआ या लिंक हुआ, और उसका वर्णन कैसे किया गया। रन दोहराएँ, क्योंकि जवाब बदलते हैं, और एकल नतीजों के बजाय रुझानों की रिपोर्ट करें।

AI विज़िबिलिटी मापना मुश्किल क्यों है?

तीन वजहें, और किसी के डैशबोर्ड बनाने से पहले इन्हें खुलकर कह देना मददगार है।

• जवाब नियतात्मक नहीं होते। एक ही सवाल दो बार पूछें और आपको अलग ब्रांड, अलग स्रोत और अलग शब्द मिल सकते हैं।
• जवाब व्यक्तिगत और संदर्भ-आधारित होते हैं। स्थान, अकाउंट का इतिहास, बातचीत का संदर्भ और मॉडल संस्करण, सभी नतीजों को बदल देते हैं।
• कोई प्रकाशित "पोज़िशन" नहीं होती। सर्च रैंकिंग के विपरीत, देखने के लिए कोई आधिकारिक रैंक नहीं है, और ज़्यादातर AI प्लेटफ़ॉर्म ब्रांडों को सीमित एनालिटिक्स देते हैं।

इसलिए किसी असिस्टेंट द्वारा आपके ब्रांड का नाम लेने, या न लेने, का कोई भी एक स्क्रीनशॉट एक क़िस्सा भर है। मापन का मतलब है सैंपलिंग।

आपको क्या मापना चाहिए?

SNMRush में हम अपने नाम के अनुरूप चार परतें ट्रैक करते हैं: Search, Neural answers और Mentions।

1. उपस्थिति: उन प्रॉम्प्ट्स का हिस्सा जिनमें आपके ब्रांड का मेंशन होता है।
2. उद्धरण: वह हिस्सा जिसमें आपका कोई पेज स्रोत के रूप में दिखाया या लिंक किया जाता है।
3. सटीकता: क्या वर्णन सही है (कैटेगरी, ऑफ़र, स्थान, दूसरे ब्रांडों से कोई भ्रम नहीं)।
4. मेंशन में हिस्सेदारी: उसी पैनल में नामित प्रतिस्पर्धियों की तुलना में आप कितनी बार दिखते हैं।

इनके साथ, क्लासिक सर्च मेट्रिक्स भी रखें, क्योंकि कई AI जवाब सर्च नतीजों पर आधारित होते हैं: उन्हीं सवालों के लिए रैंकिंग, Search Console इम्प्रेशन, और आपके एनालिटिक्स में AI टूल से आने वाला रेफ़रल ट्रैफ़िक (chatgpt.com या perplexity.ai जैसे स्रोत अब कई रेफ़रल रिपोर्ट में दिखते हैं)।

प्रॉम्प्ट पैनल कैसे बनाएँ?

पैनल इस तरीक़े का दिल है, और इसकी गुणवत्ता तय करती है कि आँकड़ों का कोई मतलब है या नहीं।

ज़्यादातर टीमें किसी मीटिंग में प्रॉम्प्ट्स पर ब्रेनस्टॉर्मिंग से शुरुआत करती हैं। नतीजा उन सवालों की सूची होता है जो मार्केटिंग टीम पूछेगी, जो शायद ही कभी वह होता है जो ग्राहक पूछते हैं। हम इसके बजाय साक्ष्य से पैनल बनाते हैं। SNMRush, SOMIN का उपयोग करता है, जो एक AI ऑडियंस-रिसर्च प्लेटफ़ॉर्म है, ताकि असली सोशल बातचीत में किसी कैटेगरी के बारे में लोगों द्वारा उठाए गए सवाल और टेंशन सामने आएँ, और हम प्रॉम्प्ट्स ऑडियंस की अपनी भाषा में लिखते हैं। यह तरीक़ा आपकी ऑडियंस के सवाल खोजना में बताया गया है।

एक संतुलित पैनल में आमतौर पर शामिल होते हैं:

• कैटेगरी सवाल: "…का सबसे अच्छा तरीक़ा क्या है", "…में कौन-से टूल मदद करते हैं"
• समस्या वाले सवाल: सर्च के पीछे की टेंशन, उसी तरह लिखी गई जैसे लोग लिखते हैं।
• तुलना वाले सवाल: "X बनाम Y", "X के विकल्प"।
• ब्रांड सवाल: "[brand] क्या है?", "क्या [brand] … के लिए अच्छा है"
• स्थानीय रूप, अगर आप एक से ज़्यादा बाज़ारों में काम करते हैं।

ज़्यादातर ब्रांडों के लिए पचास से एक सौ पचास प्रॉम्प्ट्स एक व्यावहारिक दायरा है। पैनल को एक तिमाही के लिए स्थिर रखें ताकि रुझानों की तुलना हो सके।

इसे कितनी बार चलाना चाहिए?

ज़्यादातर ब्रांडों के लिए महीने में एक बार काफ़ी है, और बदलाव को संतुलित करने के लिए हर प्रॉम्प्ट को हर इंजन पर कई बार चलाएँ। तारीख़, इंजन, मोड (उदाहरण के लिए, वेब सर्च के साथ या बिना), स्थान और पूरा जवाब दर्ज करें। कच्चे जवाब संभालकर रखें; जब कोई आँकड़ा बदलेगा तो आप उन्हें दोबारा पढ़ना चाहेंगे।

परिभाषाएँ

• प्रॉम्प्ट पैनल: समय के साथ AI जवाबों का सैंपल लेने के लिए इस्तेमाल होने वाली सवालों की तय सूची।
• उपस्थिति दर: पैनल रन का वह प्रतिशत जिसमें आपके ब्रांड का मेंशन होता है।
• उद्धरण दर: रन का वह प्रतिशत जिसमें आपका डोमेन स्रोत के रूप में दिखता है।
• मेंशन में हिस्सेदारी: पैनल में ट्रैक किए गए सभी ब्रांड मेंशन में आपके मेंशन का अनुपात।

आम ग़लतियाँ क्या हैं?

• एक ही रन की रिपोर्ट करना। एक जवाब, एक का ही सैंपल है।
• हर महीने पैनल बदलना। आप तुलना करने की क्षमता खो देते हैं।
• मेंशन को पढ़े बिना गिनना। आपका ग़लत वर्णन करने वाला मेंशन समस्या है, जीत नहीं।
• कारण-संबंध का दावा करना। अगर कोई पेज प्रकाशित करने के बाद उपस्थिति बढ़ती है, तो यह उत्साहजनक है, प्रमाण नहीं। मॉडल अपडेट होते हैं, प्रतिस्पर्धी बदलते हैं, और इंजन रिट्रीवल में बदलाव करते हैं।
• पैसे को नज़रअंदाज़ करना। विज़िबिलिटी एक साधन है। जहाँ हो सके इसे पूछताछ और राजस्व से जोड़ें।

इस आख़िरी बात पर ज़ोर देना ज़रूरी है। हमारा सहयोगी ऐप FMedia पेड मीडिया के लिए यह तर्क देता है कि दिखावटी ROAS असली मुनाफ़े को छिपा देता है; AI विज़िबिलिटी में इसका समकक्ष है मेंशन की बढ़ती गिनती जो कभी किसी ख़रीदार से बातचीत में नहीं बदलती। विज़िबिलिटी मेट्रिक्स के साथ असिस्टेड कन्वर्ज़न और पूछताछ के स्रोत भी ट्रैक करें।

नतीजों की रिपोर्ट कैसे करनी चाहिए?

एक पेज की मासिक रिपोर्ट सबसे अच्छा काम करती है: रुझान रेखाओं के साथ चार मुख्य दरें, सबसे ज़्यादा बदलने वाले प्रॉम्प्ट, शब्दशः उद्धृत जवाबों के तीन उदाहरण, आपकी कैटेगरी में AI इंजनों द्वारा सबसे ज़्यादा उद्धृत स्रोत, और कदमों की एक छोटी सूची। SOMIN रिपोर्टिंग पेज मार्केटिंग रिपोर्टिंग पर व्यापक रूप से लागू ऐसी ही सोच दिखाता है: हर आँकड़ा अपने पीछे के साक्ष्य तक खोजा जा सके।

एजेंसियाँ साक्ष्य-आधारित रिपोर्टिंग को क्लाइंट संबंध का हिस्सा कैसे बनाती हैं, यह समझने के लिए Analytic Partners केस स्टडी देखने लायक है।

एक अच्छी बेसलाइन कैसी दिखती है?

कोई सार्वभौमिक बेंचमार्क नहीं है, और जो कोई ऐसा बताए उस पर आपको शक करना चाहिए। एक अच्छी बेसलाइन बस आपकी अपनी पहली तिमाही का डेटा है, जिसे एक जैसे तरीक़े से मापा गया हो। वहाँ से सवाल व्यावहारिक हो जाते हैं: कौन-से प्रॉम्प्ट कभी हमारा मेंशन नहीं करते, इंजन इसके बजाय किन स्रोतों को उद्धृत करते हैं, और बेहतर स्रोत बनने के लिए क्या करना होगा?

एक और व्यावहारिक सुझाव: जहाँ दिखे, हर इंजन द्वारा बताया गया मॉडल या मोड दर्ज करें। जब कोई प्लेटफ़ॉर्म नया मॉडल लाता है, तो नतीजे रातों-रात बदल सकते हैं, और आप उसे अपने काम के असर से अलग करना चाहेंगे।

यहीं मापन फिर से काम में बदलता है: जवाब बताते हैं कि कौन-सा आंसर-फ़र्स्ट कंटेंट लिखना है, कौन-सी एंटिटी स्पष्ट करनी हैं और कौन-से मेंशन अर्जित करने हैं। ईमानदारी से मापें, कमियों पर काम करें, और फिर मापें।