Pojava pretraživanja i otkrića koje generira umjetna inteligencija potiče trgovce da procijene vidljivost svojih proizvoda na tim platformama. Mnogi optimizatori pretraživanja pokušavaju primijeniti konvencionalne metrike poput prometa iz generativne AI i rangiranja unutar AI odgovora, no oba pristupa zaostaju. Protok: Naglašavanje prometa propušta srž funkcije AI odgovora, koja je zadovoljenje potrebe na stranici, a ne povećanje klikova. AI-generirani odgovori obično nemaju poveznice na brandirane web stranice. Na primjer, Googleovi AI pregledi ponekad povezuju nazive proizvoda s organskim rezultatima pretraživanja. Stoga, vidljivost ne mora nužno značiti i promet. Proizvodi trgovca mogu se pojaviti u AI odgovoru, ali bez ikakvih klikova. Rangiranje: AI odgovori često sadrže popise, što navodi mnoge prodavače da pokušaju pratiti rangiranje kako bi zauzeli ili bili blizu vrha. Međutim, praćenje takvog rangiranja je nemoguće. AI odgovori su inherentno nepredvidivi. Studija Sparktoro pokazala je da AI platforme svaki put preporučuju različite marke i u različitim redoslijedima kada ista osoba postavi isto pitanje. Bolje metrike za AI Donje su poboljšane metrike za procjenu vidljivosti putem AI. Pozicija proizvoda ili brenda u trenažnim podacima LLM-a Podaci za obuku ključni su za vidljivost AI jer veliki jezični modeli (LLM) prvenstveno se oslanjaju na svoje naučeno znanje. Čak i pri pretraživanju Googlea ili drugih izvora, LLM-ovi često koriste svoje podatke za oblikovanje pojmova pretraživanja. Stoga je važno pratiti što LLM-ovi zadržavaju o vašem brendu i konkurentima, posebno netočnosti ili zastarjele informacije. Zatim, treba prioritetno dostavljati nedostajuće ili ispravljene podatke na svojoj web stranici i svim vlastitim kanalima. Ručno pokretanje u platformama poput ChatGPT, Claude, Gemini i sličnim može pomoći identificirati ove praznine. Korisni upiti uključuju: - “Što znaš o [MOJ PROIZVOD]?” - “Usporedi [MOJ PROIZVOD] s [CONKURENTOVIM PROIZVODOM]. ” Alati za praćenje vidljivosti AI poput Profound i Peec AI mogu automatizirati ove upite za nadzor pozicije proizvoda tijekom vremena. Imajte na umu da: Alati za praćenje AI podataka šalju upite putem LLM API-ja.

Međutim, ljudi često primaju različite rezultate zbog personalizacije i varijacija među AI modelima. Rezultati generirani putem API-ja bolji su za procjenu trenažnih podataka, jer LLM-ovi obično vraćaju informacije iz svojih podataka za treniranje (umjesto iz trenutnih pretraživanja) radi očuvanja resursa. Ocjene vidljivosti u ovim alatima ovise isključivo o korištenim upitima. Odvojite brendirane upite u zasebne mape jer oni obično postižu 100% rezultate. Također, prioritet dajte ne-brendiranim upitima koji odražavaju vaš vrijednosni ponuđeni proizvod; nepovezani upiti imaju općenito ocjenu nulu. Najčešći izvori Platforme LLM-a sve više koriste pretraživanja u stvarnom vremenu prilikom generiranja odgovora, pretražujući izvore poput Googlea, Binga ili čak zajednice kao što je Reddit. Doista, organsko pretraživanje utječe na vidljivost AI. Citati iz ovih rezultata pretraživanja, poput članaka i videozapisa, utječu na AI odgovore. Međutim, citati variraju uvelike jer LLM-ovi istražuju mnogo različitih (često nepovezanih) pojmova. Stoga je nemoguće podići rang u svim citiranim izvorima. Ipak, neki upiti stalno generiraju iste utjecajne izvore, što vrijedi razmotriti za uključivanje vašeg brenda ili proizvoda. Alati za praćenje vidljivosti AI mogu sastaviti popis najcitiranijih URL-ova povezanim s vašim brendom, proizvodom ili industrijom. Spominjanje Branda i Obujam Branded Pretraživanja Koristite Search Console ili slične tradicionalne analitičke alate za praćenje: - Upita koji sadrže naziv vašeg brenda ili njegove varijacije. - Klikove od tih upita. - Dozvole (impressions) povezane s tim upitima. Što više AI odgovora uključuje naziv brenda, veća je vjerojatnost da će korisnici tražiti baš taj brend. U Search Consoleu primijenite filtar u odjeljku “Performanse” za analizu podataka iz brendiranih upita.