Widoczność w AI
Obecność marki w odpowiedziach asystentów AI: czy model ją wymienia, jak opisuje, gdzie stawia i czym podpiera. Mierzy się ją na pytaniach kupujących, nie na promptach o markę.
Słownik
Słownik widoczności w AI.
Dwadzieścia sześć pojęć, którymi mówi ta strona, metodologia i raport, każde w dwóch zdaniach. Definicje są napisane tak, żeby dało się je cytować w całości.
Pojęcia podstawowe
Widoczność i pomiar
Pytanie discovery
Pytanie kupującego bez nazwy marki, np. o najlepsze rozwiązanie w kategorii. Mierzy, czy marka jest znajdowana organicznie; tylko takie pytania liczą się do indeksu.
Pytanie brand-aware
Pytanie z nazwą marki. Mierzy rozpoznawalność i poprawność opisu, nigdy nie jest liczone jako odkrycie organiczne.
AI Visibility Index
Wynik złożony 0-100 liczony ze zdatnych do oceny obserwacji discovery, z jawnymi wagami: wzmianka 20%, rekomendacja lub alternatywa 30%, prominencja 20%, cytowania 15%, poprawność opisu 15%.
Obserwacja pytanie-dostawca
Jedno pytanie zadane jednemu dostawcy i zapisany wynik. Standardowy audyt ma ich do 100: 20 pytań razy pięciu dostawców.
Zaplombowany zestaw
Zatwierdzony zestaw pytań utrwalony hashem SHA-256 przed pierwszym testem. Dzięki plombie wynik można powtórzyć i porównać, a nikt nie może go po cichu przepisać.
Snapshot
Jedno wykonanie audytu: migawka widoczności w danym dniu, na danym rynku, w danej konfiguracji. Kolejne Snapshoty na tym samym zestawie pokazują zmianę.
Wzmianka
Marka pojawia się w odpowiedzi w dowolnej formie. Samo pojawienie się to najniższy stopień widoczności.
Aktywna rekomendacja
Model wprost przedstawia markę jako polecane rozwiązanie, a nie tylko ją wymienia. To inna klasa niż wzmianka i liczy się osobno.
Prominencja
Pozycja marki w uporządkowanej rekomendacji: pierwsza, druga, trzecia albo dalej. Krótka wskazówka typu użyj X bywa silniejsza niż akapit opisu.
Wsparcie cytowaniem
Odpowiedź wskazuje źródła, a marka jest wśród nich albo nie. Odpowiedź z cytowaniami, w których Cię nie ma, to konkretna, mierzalna luka.
Poprawność opisu
Czy model rozumie, czym firma jest, dla kogo i co oferuje. Błędny opis bywa gorszy niż brak wzmianki, bo utrwala złe skojarzenie.
Benchmark i diagnostyka
Porównanie i warunki
Benchmark konkurencji
Porównanie marki z maksymalnie trzema realnie substytucyjnymi konkurentami, wybranymi z badania rynku, nie z tego, kogo akurat wymienił model. Obie strony dostają identyczny plan badawczy.
Sześć wymiarów benchmarku
Skojarzenie z kategorią, autorytet zewnętrzny, ślad rekomendacji, skojarzenie z atrybutami, dowody i weryfikowalność oraz reputacja.
Pięć stanów porównania
Klient silniejszy, porównywalne, silniejszy konkurent, niejednoznaczny, nieokreślone. Kierunek wyznaczają stałe reguły punktacji, nie uznanie analityka.
Substytucyjność
Warunek wejścia do benchmarku: kupujący mógłby realnie wybrać tę firmę zamiast Twojej. Narzędzie nie jest substytutem agencji tylko dlatego, że padło w odpowiedzi.
Gotowość techniczna
Trzydzieści sygnałów w czterech obszarach: dostępność techniczna, jasność podmiotu i produktu, pokrycie treści i potrzeb kupujących, dowody zaufania i autorytetu. Warunki wspierające, nie czynniki rankingowe.
Dowód pierwszo- i trzeciostronny
To, co firma mówi o sobie, i to, co mówią o niej źródła niezależne. Audyt trzyma je osobno, bo modele ważą je różnie.
Stan dowodu
Każdy dowód z researchu jest walidowany: potwierdzony, częściowy, niezweryfikowany albo sprzeczny. Słabe dowody zostają do wglądu, ale nie budują wniosków.
Niedostępne to nie zero
Nieudana obserwacja po trzech ponowieniach jest zapisywana jako niedostępna i wyłączana z mianowników. Awaria dostawcy nie jest brakiem widoczności.
Pewność
Publikowany poziom wsparcia wniosku przez dowody: wysoki, średni albo niski. Osobny od samego wyniku, bo 34/100 przy wysokiej pewności znaczy co innego niż przy niskiej.
Priorytet strategiczny
Wniosek z audytu mówiący, co ma się poprawić i dlaczego, z pewnością i luką konkurencyjną. Celowo nie jest instrukcją wdrożenia.
Nazwy dyscypliny
GEO, AEO i pokrewne
GEO
Generative Engine Optimization: praca nad widocznością firmy w odpowiedziach generowanych przez modele AI. W praktyce mocno pokrywa się z dobrym SEO, ale mierzy się ją obecnością w odpowiedzi, nie pozycją na liście.
AEO
Answer Engine Optimization: starsze określenie tej samej pracy, akcentujące silniki odpowiedzi. Różnice między GEO a AEO są głównie słownikowe.
LLMO
Large Language Model Optimization: kolejna nazwa tej samej dyscypliny, od strony modeli językowych.
AI SEO
Potoczne określenie łączące klasyczne SEO z pracą pod odpowiedzi AI. U nas to jedna praca w jednej cenie, bo te same fundamenty służą obu wynikom.
Pojęcia to początek. Pomiar to dowód.
Audyt za $49 przekłada ten słownik na Twoje liczby: 20 pytań, pięciu dostawców, raport z priorytetami.