Mätvärden för synlighet i AI-sökningar: en praktisk guide

Skapa en uppsättning frågor som du kan återanvända

Börja med frågor som en köpare kan ställa innan hen känner till ditt varumärke. Gruppera dem efter avsikt, till exempel informationssökning om kategorin, problemlösning, jämförelser, införande och frågor som nämner varumärket direkt. Håll frågor som nämner varumärket i en egen grupp så att de inte blåser upp resultatet för övriga frågor.

Det finns ingen frågefördelning som passar alla. Ett lokalt tjänsteföretag, en mjukvaruleverantör och en nätbutik har olika köpresor. Dokumentera varför varje fråga ingår, vilken köpare den representerar och vilken marknad eller vilket språk den gäller.

Lås uppsättningen för en rapporteringsperiod. Om du lägger till eller tar bort frågor ska du redovisa förändringen i stället för att jämföra det nya poängtalet direkt med det gamla.

Spara den exakta frågan, svaret, hänvisade webbadresser, sökmotor, datum, plats, inloggningsstatus och modell eller produktläge när gränssnittet visar det för varje körning. Kör samma uppsättning mer än en gång om budgeten tillåter. Assistenternas svar kan variera mellan körningar, så ett enskilt svar är en observation, inte en stabil placering.

Använd en enkel ordning för analysen:

1. Nämndes varumärket?
2. Hänvisade svaret till varumärkets egen domän?
3. Stödde den hänvisade sidan svaret?
4. Var uppgifterna om varumärket korrekta och aktuella?
5. Följde ett mätbart besök eller en konvertering?

Varje fråga pekar på ett annat problem. Få omnämnanden kan tyda på svag relevans inom kategorin. Om varumärket nämns utan källhänvisningar behöver källorna granskas.

Trasiga källhänvisningar eller hänvisningar som inte stöder svaret kräver kontroll av sidor och påståenden. Trafik som inte leder till värdefulla resultat är en fråga om analys eller konvertering.

Använd mätvärden med tydliga definitioner

En användbar rapport behöver inte fjorton överlappande poängtal. Börja med mätvärden som ditt team kan beräkna och kontrollera:

• Andel genomförda körningar: giltiga körningar dividerat med planerade körningar.
• Andel svar som nämner varumärket: giltiga svar som nämner varumärket dividerat med giltiga svar i samma frågegrupp.
• Andel svar med hänvisning till domänen: giltiga svar som hänvisar till varumärkets domän dividerat med giltiga svar i samma grupp.
• Andel källhänvisningar som stöder påståendet: granskade hänvisningar där målsidan stöder det aktuella påståendet dividerat med antalet granskade hänvisningar.
• Andel korrekta fakta: kontrollerade påståenden om varumärket som bedömts vara korrekta och aktuella dividerat med alla kontrollerade påståenden.
• Fördelning av hänvisade webbadresser: de sidor och sidtyper som förekommer i källhänvisningarna.
• Skillnader mellan sökmotorer: skillnaden mellan jämförbara observationer från varje sökmotor. Beskriv skillnaden utan statistiska slutsatser om inte urvalet och metoden motiverar en statistisk analys.
• Besök hänvisade från AI: besök som i analysverktyget tillskrivs en assistent eller en AI-sökning. Vissa besök saknar fullständiga hänvisningsuppgifter.
• Resultat från hänvisade besök: leads, registreringar, köp eller andra utvalda händelser från besök som tillskrivs källan. Ange attribueringsperiod och attribueringsmodell.

Visa alltid vad varje andel beräknas utifrån. En andel källhänvisningar baserad på sex användbara svar ska inte framstå som lika tillförlitlig som en andel baserad på ett större urval med upprepade mätningar. Skilj också mellan att ett varumärke nämns och att svaret länkar till varumärkets domän.

Det ena bevisar inte det andra.

Undvik ett sammansatt poängtal om inte viktningen är dokumenterad och hjälper er att fatta ett visst beslut. Sammansatta poängtal kan dölja just det problem som teamet behöver åtgärda.

Kontrollera källhänvisningar och tekniska förutsättningar

Öppna varje källhänvisning i ett hanterbart urval och dokumentera tre saker: om webbadressen fungerar, om sidan stöder påståendet och om informationen är aktuell. Låt en andra granskare titta på osäkra fall. En fungerande länk bevisar inte att svaret återger källan korrekt.

Ha en kort faktasammanställning för uppgifter som assistenter ofta får fel, till exempel aktuella produktnamn, var prissidan finns, vilka regioner som stöds, kontaktuppgifter och datum för policyer. Bedöm bara fakta som kan kontrolleras mot en angiven källa. Fyll inte i luckor med antaganden.

Tekniska kontroller bör följa varje plattforms publicerade krav. Google uppger att sidor måste vara indexerade och kvalificerade för att visas som utdrag för att kunna förekomma som stödjande länkar i företagets AI-sökningar. Enligt deras riktlinjer krävs ingen särskild AI-märkning.

OpenAI:s vägledning för utgivare förklarar hur OAI-SearchBot styr upptäckten av innehåll för ChatGPT-sökning, separat från GPTBots kontroller för träning.

Kontrollera robots-direktiv, indexerbarhet, kanoniska webbadresser, serversvar, synligt sidinnehåll och interna länkar. Använd bara strukturerad data när den motsvarar innehåll som läsare kan se och följer relevant sökdokumentation. Kontrollerna kan förbättra sidornas förutsättningar och tydlighet.

De garanterar inte att sidorna tas med eller får källhänvisningar.

Välj verktyg efter metod, inte poängtal

Verktygens täckning och funktioner förändras snabbt. Utvärdera produkten som den ser ut nu i stället för att förlita dig på en gammal jämförelsetabell. Be varje leverantör visa:

• vilka sökmotorer, marknader, språk och produktlägen som täcks;
• hur frågorna schemaläggs och om upprepade körningar stöds;
• de ursprungliga svar och källhänvisningar som ligger bakom varje poängtal;
• hur misslyckade körningar, saknade källhänvisningar och dubblerade källor hanteras;
• om resultaten kan exporteras med tidsstämplar och frågeversioner;
• vad som förändras när en sökmotor uppdaterar sin modell eller sitt gränssnitt;
• aktuella villkor för lagring, integritet och debitering.

Gör ett litet test innan du bestämmer dig. Ge varje verktyg samma uppsättning frågor och kontrollera manuellt ett urval av dess sparade svar och länkar. Om plattformen bara visar ett poängtal utan underlag är den svår att granska och ger ett svagt beslutsunderlag.

Ett kalkylblad räcker för en första baslinje. Automatisering blir användbar när den bevarar ursprungsunderlaget, upprepar metoden konsekvent och minskar insamlingsarbetet utan att dölja misslyckade körningar. Avsätt tid för manuell granskning av källhänvisningar och fakta även när insamlingen är automatiserad.

Tolka skillnader mellan sökmotorer med försiktighet

Olika assistenter kan ge olika svar eftersom deras system för informationshämtning, index, gränssnitt, modeller, personanpassning och tillgång till sökfunktioner skiljer sig åt. Se variationen som ett skäl att granska underlaget, inte som ett bevis för att en sökmotor varaktigt föredrar en viss typ av källa.

Jämför likvärdiga förutsättningar. Använd samma formulering av frågorna, marknad, språk, tidsperiod och inloggningsstatus där det är möjligt. Redovisa varje sökmotor separat innan du visar ett sammanlagt resultat.

Om en produkt inte ger några källhänvisningar för ett svar, registrera det i stället för att gissa vilken källa som påverkade svaret.

Branschjämförelser kan hjälpa dig att formulera frågor, men de ersätter inte din egen baslinje. Kontrollera frågeuppsättningen, insamlingsdatumen, hur urvalet gjorts, geografisk täckning, inställningar för sökmotorerna och definitionen av ett omnämnande eller en källhänvisning innan du använder en sådan jämförelse. Poängtal från olika leverantörer är inte direkt jämförbara när metoderna skiljer sig åt.

När ett resultat förändras ska du granska de bakomliggande svaren och hänvisade webbadresserna. En högre andel omnämnanden kan fortfarande omfatta felaktiga påståenden. En lägre andel källhänvisningar kan bero på ett ändrat gränssnitt, en misslyckad insamling eller en verklig förändring av vilka källor som används.

Underlaget visar vilka förklaringar som är rimliga.

Koppla synlighet till beslut utan att påstå orsakssamband

Ett omnämnande ger värdefull information om varumärkets synlighet, men bevisar inte auktoritet, trafik eller intäkter. En källhänvisning är starkare belägg för att en sida har presenterats som källa, men bevisar fortfarande inte att någon klickade eller konverterade.

Använd analysverktyg för att registrera besök där en identifierbar AI-källa anges som hänvisare. Koppla dem till samma händelser för leads, registreringar och köp som du använder för andra kanaler. Dokumentera attribueringsmodell och attribueringsperiod.

Vissa användare kommer tillbaka via direkttrafik eller en annan kanal, och vissa assistenter skickar inte med användbara hänvisningsuppgifter. De rapporterade besöken från AI är därför en observerbar delmängd, inte ett fullständigt antal.

När du ändrar innehåll eller tekniska inställningar ska du dokumentera datumet och behålla samma uppsättning frågor. Jämför observationer före och efter ändringen och undersök sedan produktuppdateringar, säsongsvariationer, kampanjer och andra möjliga förklaringar. Beskriv ett samband som ett samband.

Ett kontrollerat experiment kan ge stöd för en starkare slutsats, men en trend i en kontrollpanel räcker inte.

Avsluta rapporten med åtgärder som stöds av underlaget. Åtgärda trasiga sidor, rätta påståenden som saknar stöd, uppdatera inaktuella fakta, förbättra sidor som redan får relevanta källhänvisningar och undersök frågegrupper med återkommande faktafel. Lova inte fler källhänvisningar.

Mät nästa urval och visa vad som har förändrats.