Cara mengukur keterlihatan AI tanpa memperdaya diri sendiri

Untuk mengukur keterlihatan AI, bina panel gesaan tetap berdasarkan soalan sebenar khalayak, jalankannya mengikut jadual merentas ChatGPT, Gemini, Perplexity dan Google AI Overviews, dan rekodkan sama ada jenama anda disebut, dipetik atau dipautkan, serta cara ia digambarkan. Ulangi larian, kerana jawapan berbeza-beza, dan laporkan trend, bukan hasil tunggal.

Mengapa keterlihatan AI sukar diukur?

Tiga sebab, dan ada baiknya menyatakannya dengan jelas sebelum sesiapa membina papan pemuka.

• Jawapan tidak deterministik. Tanya soalan yang sama dua kali dan anda mungkin mendapat jenama, sumber dan kata-kata yang berbeza.
• Jawapan diperibadikan dan bergantung pada konteks. Lokasi, sejarah akaun, konteks perbualan dan versi model semuanya mengubah hasil.
• Tiada "kedudukan" yang diterbitkan. Tidak seperti kedudukan carian, tiada kedudukan rasmi untuk disemak, dan kebanyakan platform AI menyediakan analitik yang terhad kepada jenama.

Jadi sebarang tangkapan skrin tunggal pembantu AI menamakan jenama anda, atau gagal menamakannya, hanyalah anekdot. Pengukuran bermaksud persampelan.

Apakah yang patut anda ukur?

Kami menjejak empat lapisan di SNMRush, selaras dengan nama kami: Search, Neural answers dan Mentions.

1. Kehadiran: bahagian gesaan di mana jenama anda disebut langsung.
2. Petikan: bahagian di mana salah satu halaman anda dipaparkan sebagai sumber atau dipautkan.
3. Ketepatan: sama ada gambarannya betul (kategori, tawaran, lokasi, tiada kekeliruan dengan jenama lain).
4. Bahagian sebutan: kekerapan anda muncul berbanding pesaing yang dinamakan merentas panel yang sama.

Di samping itu, kekalkan metrik carian klasik, kerana banyak jawapan AI berasaskan hasil carian: kedudukan bagi soalan yang sama, tera Search Console dan trafik rujukan daripada alat AI dalam analitik anda (sumber seperti chatgpt.com atau perplexity.ai kini muncul dalam banyak laporan rujukan).

Bagaimanakah anda membina panel gesaan?

Panel ialah teras kaedah ini, dan kualitinya menentukan sama ada angka itu bermakna.

Kebanyakan pasukan bermula dengan sumbang saran gesaan dalam mesyuarat. Hasilnya ialah senarai soalan yang akan ditanya pasukan pemasaran, yang jarang sama dengan apa yang ditanya pelanggan. Kami membina panel daripada bukti. SNMRush menggunakan SOMIN, platform penyelidikan khalayak AI, untuk menonjolkan soalan dan ketegangan yang disuarakan orang tentang sesuatu kategori dalam perbualan sosial sebenar, dan kami menyusun gesaan dalam bahasa khalayak sendiri. Kaedahnya diterangkan dalam mencari soalan yang ditanya khalayak anda.

Panel yang seimbang biasanya merangkumi:

• Soalan kategori: "Apakah cara terbaik untuk…", "Alat apakah yang membantu dengan…"
• Soalan masalah: ketegangan di sebalik carian, disusun seperti cara orang menyusunnya.
• Soalan perbandingan: "X lwn Y", "alternatif kepada X".
• Soalan jenama: "Apakah [jenama]?", "Adakah [jenama] bagus untuk…"
• Varian tempatan jika anda beroperasi di lebih daripada satu pasaran.

Lima puluh hingga seratus lima puluh gesaan ialah julat yang boleh diurus bagi kebanyakan jenama. Bekukan panel selama satu suku tahun supaya trend boleh dibandingkan.

Berapa kerapkah anda patut menjalankannya?

Sebulan sekali sudah memadai bagi kebanyakan jenama, dengan setiap gesaan dijalankan beberapa kali bagi setiap enjin untuk melicinkan variasi. Rekodkan tarikh, enjin, mod (contohnya, dengan atau tanpa carian web), lokasi dan respons penuh. Simpan jawapan mentah; anda akan mahu membacanya semula apabila sesuatu angka bergerak.

Definisi

• Panel gesaan: senarai soalan tetap yang digunakan untuk menyampel jawapan AI dari semasa ke semasa.
• Kadar kehadiran: peratusan larian panel yang menyebut jenama anda.
• Kadar petikan: peratusan larian yang memaparkan domain anda sebagai sumber.
• Bahagian sebutan: sebutan anda sebagai perkadaran daripada semua sebutan jenama yang dijejak dalam panel.

Apakah kesilapan yang biasa?

• Melaporkan satu larian. Satu jawapan ialah sampel bersaiz satu.
• Menukar panel setiap bulan. Anda kehilangan kebolehbandingan.
• Mengira sebutan tanpa membacanya. Sebutan yang menggambarkan anda secara salah ialah masalah, bukan kemenangan.
• Mendakwa sebab-akibat. Jika kehadiran meningkat selepas anda menerbitkan sesuatu halaman, itu menggalakkan, bukan bukti. Model dikemas kini, pesaing berubah dan enjin mengubah suai cara pengambilan.
• Mengabaikan wang. Keterlihatan ialah alat. Kaitkannya dengan pertanyaan pelanggan dan hasil jualan jika boleh.

Perkara terakhir itu perlu ditekankan. Aplikasi bersaudara kami FMedia menegaskan bahawa bagi media berbayar, ROAS kosmetik menyembunyikan keuntungan sebenar; padanan bagi keterlihatan AI ialah jumlah sebutan yang meningkat tetapi tidak pernah menjadi perbualan dengan pembeli. Jejak penukaran berbantu dan sumber pertanyaan pelanggan bersama metrik keterlihatan.

Bagaimanakah hasil patut dilaporkan?

Laporan bulanan satu halaman paling berkesan: empat kadar utama dengan garis trend, gesaan yang paling banyak bergerak, tiga contoh jawapan yang dipetik kata demi kata, sumber yang paling kerap dipetik enjin AI dalam kategori anda, dan senarai ringkas tindakan. Halaman pelaporan SOMIN menunjukkan falsafah yang serupa yang diaplikasikan pada pelaporan pemasaran secara lebih luas: setiap angka patut boleh dijejak kembali kepada bukti di sebaliknya.

Untuk gambaran tentang cara agensi menjadikan pelaporan berasaskan bukti sebahagian daripada hubungan dengan pelanggan, kajian kes Analytic Partners berbaloi dilihat.

Bagaimanakah rupa garis dasar yang baik?

Tiada penanda aras universal, dan anda patut curiga terhadap sesiapa yang memetiknya. Garis dasar yang baik hanyalah data suku tahun pertama anda sendiri, diukur secara konsisten. Dari situ, soalan menjadi praktikal: gesaan mana yang tidak pernah menyebut kami, sumber mana yang dipetik enjin sebaliknya, dan apakah yang diperlukan untuk menjadi sumber yang lebih baik?

Satu lagi petua praktikal: log model atau mod yang dilaporkan setiap enjin jika ia kelihatan. Apabila sesebuah platform melancarkan model baharu, hasil boleh berubah dalam sekelip mata, dan anda akan mahu memisahkannya daripada kesan kerja anda sendiri.

Di situlah pengukuran kembali menjadi kerja: jawapan menunjukkan kandungan yang mengutamakan jawapan untuk ditulis, entiti untuk dijelaskan dan sebutan untuk diraih. Ukur dengan jujur, bertindak terhadap jurang, dan ukur semula.

Soalan lazim

Bolehkah saya menjejak keterlihatan AI dalam Google Search Console?

Search Console memasukkan trafik AI Overviews dan AI Mode dalam prestasi Carian keseluruhan, tetapi tidak memisahkannya secara terperinci. Panel gesaan diperlukan untuk melihat sebutan dan gambaran.

Berapa banyak gesaan yang patut ada dalam panel keterlihatan?

Lima puluh hingga seratus lima puluh boleh diurus bagi kebanyakan jenama, setiap satu dijalankan beberapa kali bagi setiap enjin setiap bulan, dan dibekukan sekurang-kurangnya satu suku tahun.

Adakah alat keterlihatan AI tepat?

Ia berguna untuk persampelan secara berskala, tetapi semuanya berdepan kebolehubahan yang sama. Semak cara ia menjalankan gesaan, kekerapannya dan sama ada anda boleh membaca jawapan mentah.