Wzmianka to niemal stała właściwość marki, promptu i silnika
Większość paneli widoczności w AI zaczyna od jednej liczby, czyli odsetka odpowiedzi, które cię wymieniają. To ją wkleja się do prezentacji dla zarządu i na niej ustawia się alerty. To też ta część odpowiedzi, która porusza się najmniej.
Artykuł opublikowany w czerwcu 2026 roku przez Pratyusha Kumara z Ranqo określa skalę tego zjawiska. Ranqo sprzedaje narzędzia GEO i raportuje własne dane produkcyjne, co ma znaczenie dla tego, jaką wagę im przypisać. Kohorta to 102 marki w pięciu silnikach, od marca do maja 2026 roku, ponad 100 000 odpowiedzi na prompty.
Dla każdej komórki marka, prompt i platforma obserwowanej przez co najmniej trzy uruchomienia na promptach o kategorię bez nazwy marki wzorzec wzmianek wyglądał tak: nigdy niewymieniona 63,2%, zawsze wymieniona 14,3%, wymieniona w co najmniej 70% uruchomień 7,0%, wymieniona w mniej niż 30% 8,7%. Tylko 6,8% znalazło się w zmiennym środku od 30% do 70%, co zostawia 77,5% komórek ściśle zawsze albo nigdy.
To, czy silnik wymienia cię przy pytaniu o kategorię, jest bliższe faktowi o tobie niż rzutowi monetą. Dla większości marek w tej kohorcie tym faktem było „nie”.
45,5% komórek ze wzmiankami przechodziło między wydźwiękiem pozytywnym a negatywnym
Teraz zostaw komórki bez zmian i zmień pytanie. Zamiast tego, czy odpowiedź cię wymieniła, zapytaj, co powiedziała. Kumar wybrał komórki z co najmniej trzema wzmiankami i sklasyfikował wydźwięk każdego uruchomienia.
- Zawsze pozytywny: 29,9%
- Mieszanka pozytywnego i neutralnego: 21,8%
- Zawsze neutralny: 2,3%
- Mieszanka negatywnego i neutralnego: 0,5%
- Zawsze negatywny: 0,0%
- Przechodzący między pozytywnym a negatywnym: 45,5%
Stabilny sygnał to ten, który wszyscy raportują
45,5% wobec 6,8% to źródło tych 6,7 razy. Te same komórki, te same uruchomienia. Liczba na panelu to ta stabilna, a liczba, której nikt nie raportuje, waha się w niemal połowie komórek, w których jest cokolwiek do zaraportowania.
W tej tabeli jest cichszy wniosek, który podoba nam się bardziej niż główna liczba. Żadna komórka nie była konsekwentnie negatywna. Zero. Silniki nigdy nie utrwaliły tu negatywnego odczytu obserwowanej marki, a negatywny wydźwięk, gdy się pojawiał, mijał. Jeśli ktoś sprzedaje ci zarządzanie reputacją w AI w oparciu o teorię, że modele zwróciły się przeciwko tobie, warto zachować ten wiersz.
Wymieniony, ale niepolecany to już nazwany tryb porażki
Inna grupa podeszła do tej samej luki z drugiej strony. Will Jack, Noah Lehman, Keller Maloney i Sarah Xu z Unusual przeanalizowali około 37 000 uruchomień produkcyjnych dla 215 promptów o charakterze komercyjnym w 19 sektorach, w odniesieniu do katalogu 533 marek podzielonych na pięć poziomów rozpoznawalności. Unusual też sprzedaje na tym rynku.
Podzielili problem na trzy etapy. Model musi pobrać stronę, która cię wymienia, przenieść cię z puli pobranych materiałów do tekstu odpowiedzi, a potem zarekomendować cię w zestawie poleceń, zamiast wymienić jako opcję, którą pominął.
Liderzy kategorii pojawiali się niemal w każdym odpowiednim pobraniu i wygrywali od 25% do 41% miejsc, do których docierali. Bycie w pokoju mieli rozwiązane. Bycie wybranym już nie. Niżej na drabinie sytuacja się odwraca i od 48% do 52% najmniejszych marek nie pojawiło się w żadnym z 37 000 uruchomień.
W towarzyszącym artykule ten sam zespół wziął 7763 przypadki, w których ani ChatGPT, ani Claude nie poleciły marki, i przypisał każdy do jednej z tych trzech porażek: nigdy nie dotarła do modelu, dotarła, ale nie została wymieniona, została wymieniona, ale nie poleciona. Obaj dostawcy dali tę samą diagnozę w 95,1% przypadków, z klastrowym przedziałem 95% od 94,3% do 95,7%. Zgodność rosła wraz z malejącą wielkością marek, z 81% dla liderów kategorii do 99,6% dla regionalnych marek z długiego ogona. Wybory różnią się między dostawcami. Powód twojej przegranej w większości nie.
Liczba dla wydźwięku potrzebuje znacznie większego mianownika niż liczba dla wzmianek
Praktyczna konsekwencja to arytmetyka. Robocza zasada samego Kumara mówi, że wskaźniki wzmianek potrzebują co najmniej trzech uruchomień, a wyniki ważone wydźwiękiem co najmniej dziesięciu promptów na platformę na markę, zanim się ustabilizują. Wydźwięk raportowany na podstawie kilku sprawdzeń raportuje szczęście mechanizmu próbkującego.
Dlatego każdy publikowany przez nas procent widoczności ma przedział Wilsona i dlatego nasze alerty uruchamiają się na podstawie przedziału, a nie punktowej estymacji. Prowadź serię wydźwięku z tą samą głębokością co serię wzmianek, a uruchomi alert mniej więcej siedem razy częściej, i prawie wszystkie te alarmy będą szumem.
- Trzymaj wzmianki i sposób przedstawienia jako osobne serie z osobnymi wielkościami prób. Jedna główna liczba uśrednia coś stabilnego z czymś zmiennym.
- Gdy przegrywasz, zapytaj, która z trzech porażek to była. Poprawka na brak pobrania nie ma nic wspólnego z poprawką na bycie drugim.
- Dla każdego silnika. W danych Unusual wybory różnych dostawców nie zgadzały się mniej więcej w dwóch trzecich przypadków.
- Ustal próg alertu na podstawie przedziału, by wahanie na dziewięciu próbkach nikogo nie budziło.
Co z tym robimy
Proofsource śledzi wydźwięk i pozycjonowanie obok obserwacji promptów i udziału konkurentów w rozmowie, ocenia każdą liczbę widoczności z przedziałem Wilsona i uzależnia alerty od tego przedziału. Gdy jesteś wymieniony i pominięty, zadaniem raportu jest powiedzieć, dlaczego wygrali, z dołączonymi dowodami.
Nasze własne próbkowanie jest mniejsze i wskazuje nieco inny kierunek. W jedynej testowanej przez nas kategorii zmierzyliśmy od 9% do 27% codziennej zmienności tego, które nazwy się pojawiają, zależnie od silnika, czyli więcej ruchu, niż sugeruje 6,8% zmian. Inna kohorta, inna definicja uruchomienia, i nie będziemy udawać, że te wyniki zgrabnie się godzą.
To, czego bronilibyśmy niezależnie od tego, to wynikające z tego zalecenie. Przestań czytać liczbę wzmianek jako wynik. To warunek wejścia.
Gdzie możemy się mylić
Obie grupy sprzedają narzędzia na tym rynku i obie publikują własne dane produkcyjne. To ich nie dyskwalifikuje, a my jesteśmy w tej samej sytuacji, publikując nasze. Żadna z nich nie jest niezależnym audytem, więc nie czytaj ich jak audytu.
Kumar sam wskazuje największe ograniczenie. Wydźwięk klasyfikuje model na fragmentach wymieniających markę, więc 45,5% miesza prawdziwą zmienność odpowiedzi z szumem klasyfikatora, a artykuł ich nie rozdziela. Traktuj 6,7 razy jako górną granicę niestabilności sposobu przedstawienia, a nie jej pomiar.
Ta kohorta jest dobrana według dostępności i przechyla się ku SaaS, realizacji w handlu, fintechom i markom sprzedającym bezpośrednio konsumentom. Grupa Tier 1 to 11 marek, a artykuł sam zaznacza swoje małe komórki.
Etykiety trybów porażki w Unusual też przypisuje model, a ich drabina rozpoznawalności jest ręcznie zakodowana na podstawie sygnałów publicznych. Przybliża to, jak znana jest marka, a nie jak duża.
Okresy to marzec do maja 2026 roku i maj 2026 roku. Silniki stale się zmieniają, więc bierz kształt, a do części dziesiętnych podchodź z rezerwą.
Zero konsekwentnie negatywnych komórek to stwierdzenie dotyczące obserwowanych marek przy promptach o kategorię w jednej kohorcie. To nie twierdzenie, że modele nigdy nie mówią o nikim nic złego.
