Wynik widoczności w AI zamienia próbkowane odpowiedzi AI w jedną liczbę, którą można porównywać.

Zmierz kilka wskaźników na tych samych pytaniach kupujących bez nazwy marki, przełóż każdy na skalę od 0 do 100 według podanego punktu odniesienia i weź średnią ważoną. Porównanie z konkurencją jest wbudowane przez udział w rozmowie, który dzieli Twoje wzmianki przez wzmianki dostawców wymienianych obok Ciebie, oraz przez pozycję, która mówi, jak wcześnie jesteś wymieniany.

Wynik AEO Proofsource robi dokładnie to. Wzór, w postaci opublikowanej na stronie metodologii:

round( (35 x wzmianka + 25 x cytowanie + 25 x udział w rozmowie + 15 x pozycja) / 100 ), każda część w skali 0-100, tylko zmierzone części

Te same odpowiedzi dają go w ChatGPT, Perplexity, Claude i Google AI Overviews. To jedna liczba dla wybranego okresu; żeby porównać się z konkretnym konkurentem, użyj stojących za nią zliczeń, jak opisano w porównywaniu z konkurentami.

Weź zmyśloną markę z okrągłymi liczbami: wymieniona w 20% odpowiedzi, z cytowaną własną witryną w 10%, z 12% wzmianek w top 10, na średnim miejscu 4. Te dane są poglądowe, to nie prawdziwa marka.

round( (35 x 40.0 + 25 x 25.0 + 25 x 48.0 + 15 x 84.2) / 100 ) = round(44.88) = 45

Każdą liczbę powyżej da się sprawdzić kalkulatorem i właśnie o to chodzi. Prawdziwy wynik w produkcie pokazuje ten sam rozkład, a każdy składnik, którego nie udało się zmierzyć, jest pomijany i nazywany, nigdy nie liczy się jako zero.

Bo dane wejściowe to próbki. Zadaj temu samemu silnikowi to samo pytanie dwa razy, a odpowiedź może się zmienić, więc wynik 45 z jednego tygodnia odpowiedzi może za tydzień wynieść 40 albo 50, choć po Twojej stronie nic się nie zmieniło.

Odpowiedzi są próbkowane, więc wynik jest pokazywany z zakresem 95% wyznaczonym z przedziałów Wilsona jego wskaźników (Monte Carlo, stałe ziarno, ostrożne założenie zależności), wraz z wynikiem przy pięciu alternatywnych wagach, żeby było widać wpływ wag.

Pięć alternatywnych zestawów wag odpowiada na oczywisty zarzut wobec każdego złożonego wyniku: że wagi są arbitralne. Jeśli alternatywy się zgadzają, wagi niewiele znaczą dla Twojej marki; jeśli się rozjeżdżają, strona to mówi. Sam przedział wyjaśnia słownik.

Mierzą różne rzeczy na różnych danych. Evertune opisuje swój AI Brand Score jako prawdopodobieństwo, że model skieruje uwagę na markę w niewspomaganych rekomendacjach, w skali od 0 do 100, łączącej częstotliwość pojawiania się marki z opublikowanymi wagami pozycji (pierwsze miejsce 100%, drugie 90%, trzecie 81%). Nie umieszcza nazw marek w swoich promptach.

AI Visibility Index od Semrush to publiczny ranking kategorii zbudowany na 126 mln promptów z USA w ChatGPT, Google AI Mode, Google AI Overviews i Gemini, raportowany osobno dla każdej platformy, łączący to, jak często marka się pojawia, z tym, jak regularnie. W zestawie narzędzi Semrush wynik AI Visibility to benchmark od 0 do 100 na tle konkurentów. Żadna z tych stron nie publikuje pełnego wzoru, więc tych dwóch liczb nie da się przeliczyć jedna na drugą. Obie są podlinkowane w źródłach powyżej.