Một lượt nhắc đến gần như là thuộc tính cố định của thương hiệu, prompt và công cụ
Hầu hết bảng điều khiển mức độ hiển thị trên AI mở đầu bằng một con số: tỷ lệ câu trả lời nêu tên bạn. Con số đó được chụp màn hình đưa vào slide cho hội đồng quản trị và là thứ mọi người đặt cảnh báo. Nó cũng là phần ít thay đổi nhất của câu trả lời.
Một bài nghiên cứu công bố vào tháng 6 năm 2026 của Pratyush Kumar tại Ranqo đưa ra quy mô cho điều đó. Ranqo bán công cụ GEO và đang báo cáo dữ liệu vận hành của chính mình, điều này quan trọng khi bạn cân nhắc mức độ tin cậy. Nhóm mẫu gồm 102 thương hiệu trên năm công cụ, từ tháng 3 đến tháng 5 năm 2026, hơn 100.000 câu trả lời cho prompt.
Với mỗi ô thương hiệu, prompt và nền tảng được theo dõi qua ít nhất ba lượt chạy trên prompt danh mục không có thương hiệu, mẫu nhắc đến phân bố như sau: không bao giờ được nhắc 63,2%, luôn được nhắc 14,3%, được nhắc trong ít nhất 70% lượt chạy 7,0%, được nhắc trong dưới 30% lượt chạy 8,7%. Chỉ 6,8% nằm ở vùng giữa biến động từ 30% đến 70%, nghĩa là 77,5% ô hoặc luôn được nhắc hoặc không bao giờ.
Việc một công cụ có nêu tên bạn trong câu hỏi về danh mục hay không gần với một sự thật về bạn hơn là tung đồng xu. Với hầu hết thương hiệu trong nhóm đó, sự thật ấy là không.
45,5% ô có lượt nhắc đến đảo qua lại giữa tích cực và tiêu cực
Giờ hãy giữ nguyên các ô và đổi câu hỏi. Thay vì hỏi câu trả lời có nêu tên bạn không, hãy hỏi nó đã nói gì. Kumar lọc ra các ô có ít nhất ba lượt nhắc đến và phân loại cảm xúc của từng lượt chạy.
- Luôn tích cực: 29,9%
- Pha trộn tích cực và trung lập: 21,8%
- Luôn trung lập: 2,3%
- Pha trộn tiêu cực và trung lập: 0,5%
- Luôn tiêu cực: 0,0%
- Đảo qua lại giữa tích cực và tiêu cực: 45,5%
Tín hiệu ổn định là thứ ai cũng báo cáo
45,5% so với 6,8% là nguồn gốc của con số 6,7 lần. Cùng các ô, cùng các lượt chạy. Con số trên bảng điều khiển là con số ổn định, còn con số không ai báo cáo lại dao động ở gần một nửa số ô có điều gì đó để báo cáo.
Có một phát hiện lặng lẽ hơn trong bảng đó mà chúng tôi thích hơn cả tiêu đề. Không một ô nào luôn tiêu cực. Bằng không. Các công cụ ở đây chưa bao giờ chốt lại cách đọc tiêu cực về một thương hiệu được theo dõi, và sự tiêu cực, khi xuất hiện, rồi cũng qua đi. Nếu ai đó bán cho bạn dịch vụ quản lý danh tiếng AI với lập luận rằng các mô hình đã quay lưng với bạn, hàng đó đáng để ghi nhớ.
Được nhắc đến mà không được đề xuất giờ đã là một kiểu thất bại có tên gọi
Một nhóm khác tiếp cận cùng khoảng trống từ phía ngược lại. Will Jack, Noah Lehman, Keller Maloney và Sarah Xu tại Unusual đã kiểm tra khoảng 37.000 lượt chạy thực tế trên 215 prompt mang tính thương mại thuộc 19 lĩnh vực, đối chiếu với danh mục 533 thương hiệu được chia thành năm cấp độ nổi tiếng. Unusual cũng bán sản phẩm trong thị trường này.
Họ chia vấn đề thành ba giai đoạn. Mô hình phải truy xuất được một trang có nhắc đến bạn, đưa bạn từ nhóm truy xuất vào văn bản câu trả lời, rồi xác nhận bạn trong nhóm đề xuất thay vì liệt kê bạn như lựa chọn bị bỏ qua.
Các thương hiệu dẫn đầu danh mục xuất hiện ở gần như mọi lượt truy xuất liên quan và giành được 25% đến 41% số vị trí họ chạm tới. Có mặt thì đã giải quyết xong với họ. Được chọn thì chưa. Càng xuống thấp trên thang, tình hình đảo ngược: 48% đến 52% thương hiệu nhỏ nhất không bao giờ xuất hiện trong bất kỳ lượt nào trong 37.000 lượt chạy.
Trong một bài nghiên cứu đi kèm, cùng nhóm đã lấy 7.763 trường hợp mà cả ChatGPT lẫn Claude đều không đề xuất một thương hiệu và xếp mỗi trường hợp vào một trong ba kiểu thất bại: không bao giờ đến được mô hình, đến được nhưng không được nhắc, được nhắc nhưng không được đề xuất. Hai nhà cung cấp đưa ra cùng một chẩn đoán 95,1% thời gian, với khoảng tin cậy 95% phân cụm từ 94,3% đến 95,7%. Mức đồng thuận tăng khi thương hiệu nhỏ dần, từ 81% ở thương hiệu dẫn đầu đến 99,6% ở thương hiệu khu vực ít tên tuổi. Lựa chọn khác nhau giữa các nhà cung cấp. Lý do bạn thua thì phần lớn không khác.
Con số cảm xúc cần mẫu số lớn hơn nhiều so với con số nhắc đến
Hệ quả thực tế là chuyện số học. Quy tắc vận hành của chính Kumar là tỷ lệ nhắc đến cần ít nhất ba lượt chạy, còn điểm có trọng số theo cảm xúc cần ít nhất mười prompt cho mỗi nền tảng của mỗi thương hiệu mới ổn định. Cảm xúc được báo cáo từ vài lần kiểm tra là đang báo cáo vận may của bộ lấy mẫu.
Đó là lý do mọi tỷ lệ phần trăm về mức độ hiển thị chúng tôi công bố đều có khoảng tin cậy Wilson, và lý do cảnh báo của chúng tôi kích hoạt dựa trên khoảng tin cậy thay vì ước lượng điểm. Chạy một chuỗi cảm xúc với cùng độ sâu như chuỗi nhắc đến và nó sẽ kích hoạt cảnh báo nhiều hơn khoảng bảy lần, hầu hết đều là nhiễu.
- Tách lượt nhắc đến và cách khung câu chuyện thành hai chuỗi riêng với cỡ mẫu riêng. Một con số tiêu đề sẽ lấy trung bình một thứ ổn định với một thứ biến động.
- Khi thua, hãy hỏi đó là kiểu thất bại nào trong ba kiểu. Cách sửa cho việc không bao giờ được truy xuất chẳng có điểm chung nào với cách sửa cho việc về nhì.
- Theo từng công cụ. Trong dữ liệu của Unusual, lựa chọn giữa các nhà cung cấp bất đồng khoảng hai phần ba thời gian.
- Đặt ngưỡng cảnh báo theo khoảng tin cậy, để một dao động trên chín mẫu không đánh thức ai cả.
Chúng tôi làm gì với điều này
Proofsource theo dõi cảm xúc và định vị bên cạnh việc theo dõi prompt và thị phần thảo luận của đối thủ, gắn khoảng tin cậy Wilson cho mọi con số mức độ hiển thị, và chỉ cảnh báo dựa trên khoảng đó. Khi bạn được nêu tên nhưng bị bỏ qua, nhiệm vụ của báo cáo là nói rõ vì sao bên kia thắng, kèm bằng chứng.
Mẫu của chính chúng tôi nhỏ hơn và chỉ về hướng hơi khác. Trong một danh mục chúng tôi thử nghiệm, chúng tôi đo được mức biến động hằng ngày 9% đến 27% theo từng công cụ về những cái tên xuất hiện, nhiều hơn mức mà tỷ lệ đảo chiều 6,8% gợi ý. Nhóm mẫu khác, định nghĩa lượt chạy khác, và chúng tôi sẽ không giả vờ rằng hai con số khớp nhau gọn gàng.
Phần chúng tôi sẵn sàng bảo vệ dù thế nào là chỉ dẫn đi kèm: đừng đọc số lượt nhắc đến như một kết quả. Đó chỉ là điều kiện để bước vào.
Điều này có thể sai ở đâu
Cả hai nhóm đều bán công cụ trong thị trường này và đều công bố dữ liệu vận hành của chính họ. Điều đó không làm họ mất tư cách, và chúng tôi cũng ở vị trí tương tự khi công bố dữ liệu của mình. Không bên nào là kiểm tra độc lập, nên đừng đọc chúng như vậy.
Kumar tự nêu ra giới hạn lớn nhất. Cảm xúc được một mô hình phân loại trên những đoạn có nhắc đến thương hiệu, nên con số 45,5% trộn lẫn biến động thật của câu trả lời với nhiễu của bộ phân loại, và bài nghiên cứu không tách chúng ra. Hãy coi 6,7 lần là mức trần cho độ bất ổn của cách khung câu chuyện, không phải một phép đo về nó.
Nhóm mẫu đó được chọn theo kiểu thuận tiện và nghiêng về SaaS, thực thi bán lẻ, fintech và thương hiệu bán trực tiếp cho người tiêu dùng. Nhóm Tier 1 chỉ có 11 thương hiệu, và bài nghiên cứu tự đánh dấu các ô có mẫu nhỏ.
Nhãn kiểu thất bại của Unusual cũng do mô hình gán, và thang độ nổi tiếng của họ được mã hóa thủ công từ các tín hiệu công khai. Nó đại diện cho mức độ được biết đến của thương hiệu, không phải quy mô.
Các khung thời gian là tháng 3 đến tháng 5 năm 2026 và tháng 5 năm 2026. Các công cụ liên tục cập nhật, nên hãy nắm lấy hình dạng xu hướng và đừng bám chặt vào phần thập phân.
Không có ô nào luôn tiêu cực là nhận định về các thương hiệu được theo dõi trên prompt danh mục trong một nhóm mẫu. Đó không phải là tuyên bố rằng mô hình không bao giờ nói điều gì xấu về ai.
