Mit vásárolnak valójában a cégek?

A generatív motoroptimalizálás (GEO), más néven válaszmotor-optimalizálás (AEO), az a gyakorlat, amelynek során megpróbálják befolyásolni, hogy egy márka megjelenjen-e, és hogyan jelenik meg, amikor az ügyfél kérdést tesz fel az AI-asszisztensnek. A szomszédos gyakorlat, az AI láthatóság figyelése, megpróbálja mérni, hogy ez milyen gyakran történik meg.

A keretezés számít. A GEO nem csatorna. Ez egy befolyási réteg, és a ChatGPT-n belüli idézetből származó kattintás a legkisebb és legkevésbé érdekes része annak. Nem az a lényeges kérdés, hogy egy ügynök hány értékesítést végzett. Ez az, hogy hány vásárlást alakított ki egy ügynök – ugyanaz a különbség, amely elválasztja az ügynöki kereskedelmet az ügynök által végrehajtott kereskedelemtől, valamint a közösségi kereskedelmet a platformon belüli fizetéstől.

Ez a megkülönböztetés egyben az első támpont arra vonatkozóan, hogy miért olyan nehéz ezt mérni.

Miért olyan megbízhatatlan a mérés?

Hat probléma, és mindegyik összetett.

1. A motor minden alkalommal regenerálja a választ. Tegye fel kétszer ugyanazt a kérdést ugyanannak az asszisztensnek, és gyakran különböző márkákat és különböző forrásokat kap. Az arXiv-en júniusban közzétett tanulmány azt mérte fel, hogy a hivatkozott forráskészlet mekkora átfedést mutat az azonos lekérdezések ismétlődő futtatásai között: körülbelül 30% a Gemini, 33-40% a SearchGPT és körülbelül 50% a Perplexity esetében. Az instabilitás ott a legrosszabb, ahol a legfontosabb. A 14 000 API-hívás elemzése során a vásárlási szándékra vonatkozó promptok voltak a legkevésbé konzisztens lekérdezési típusok, és a Conductor szerint minden 10 márkából csak körülbelül négy jelent meg ugyanazon prompt két futtatása során.
2. A legtöbb eszköz más terméket mér, mint amit az ügyfél használ. A nyomkövetési platformok általában fejlesztői API-t hívnak. Az ügyfelek megnyitnak egy fogyasztói alkalmazást, amely memóriát, személyre szabást, helyet, modell-útválasztást és saját logikát tartalmaz arra vonatkozóan, hogy mikor kereshetnek az interneten. A különbség még egyetlen terméken belül is megmutatkozik: a hivatkozott források mindössze 25%-a fedte át a ChatGPT gyors Instant módját és a lassabb Thinking módot, és a Semrush és Kevin Indig által végzett elemzés szerint a kettő néha különböző márkákat ajánlott ugyanarra a felszólításra. Az is számít, hogy az ügyfél kinek mondja magát. Egy 126 szoftverkategóriát lefedő index azt találta, hogy egy márka a válaszok 34%-ának megszerzéséről 90%-ra vált, attól függően, hogy a vevő szabadúszóként vagy vállalkozásként jellemezte magát.
3. A követett prompt nem a futó prompt.Az asszisztensek allekérdezésekre bontják a kérdéseket, és párhuzamosan futtatják őket. A Google ezt a folyamatot fan-out-nak hívja. A Google azt mondta, hogy a Deep Search funkciója több száz allekérdezést képes kiadni egy összetett kérdésre. Az egyik kifejezést követő műszerfal egy olyan tesztet minősít, amelyen a motor soha nem vett részt.
4. Az idézetek nem források. Sok rendszer választ generál, és utána csatolja a támogató hivatkozásokat. A kutatók a meghibásodási módot posztracionalizálásnak nevezik: az idézet hihető, de nem az, ami az állítást eredményezte. A különbség mérhető. A Position Digital elemzése szerint a 95 nyomon követett márkát lefedő 278 válaszból a ChatGPT 552-szer nevez meg egy márkát prózában, de csak 375-ször hivatkozott a márka saját domainjére, és a kettő mindössze 185-ször fedte egymást. Az idézés és az ajánlás különböző események. Egy idézet jelentés méri az egyiket.
5. A zajszint meghaladja a hatást. Ugyanez az arXiv kutatás a bootstrap konfidencia intervallumokat a hivatkozási arányra helyezte, és tipikus intervallumokat talált, amelyek három-hét százalékpontot ölelnek fel. A nyers következtetés: a 8%-ról 11%-ra való látszólagos elmozdulást nem lehet megkülönböztetni a véletlenszerű variációtól. A védhető becslés eléréséhez témánként 40-50 lekérdezésre volt szükség az egyik platformon, és 150 vagy több lekérdezésre egy másikon. A legtöbb márka irányítópultja hetente néhány felszólítást futtat, és egy tizedesjegy pontossággal jelenti a jelentést.
6. A láthatóság nem eredmény. Az említés nem adásvétel. A hivatkozási forgalmi asszisztensek közvetlenül küldik a helyszíni látogatások kis töredékét, és a valós hatás szinte biztosan sokkal nagyobb, mint ami az ajánlási naplóban látható – pontosan ez a probléma. Egyik szám sem árulja el a pénzügyi igazgatónak, hogy a munka megtérült-e.

Miért nem marad jó a helyes megoldás?

Ez az a rész, amelyet a vezetők a legnehezebbnek találnak, és ezt kell visszaállítani elvárások.

A keresés közel áll a determinisztikushoz. Ugyanaz a lekérdezés nagyjából ugyanazt a rangsorolt ​​listát adja vissza mindenkinek, és a jó munkával megszerzett pozíció tartós eszköz – gyakran hat hónapig vagy még tovább is előnyös az algoritmus frissítéséig. Ez a tartósság tette befektethetővé a SEO-t.

A generatív rendszerek valószínűségiek. A válasz minden kérésre frissen áll. Nincs pozíció, amelyet megtarthatna, és nincs állam, amelyet megvédhetne. Adjon ma egy varázspálcát egy márkának, amely felfedte a pontos helyzetét és a tökéletesítéséhez szükséges precíz karokat, és a kép a jövő héten sodródik anélkül, hogy bárki bármihez is hozzányúlna – mert megváltozott a modell, megváltozott a visszakeresési réteg, egy versenytárs publikált, vagy megváltozott az ügyfél saját története.

GEO közelebb áll a folyamatos rangsoroláshoz, mint egy folyamatos kísérlethez. Azok a csapatok, akik ezt projektként költik el, csalódni fognak. Azok a csapatok, amelyek ezt folyamatos mérési funkcióként tervezik, nem.

Mi a helyzet a függőleges versus vízszintes ügynökökkel?

A legtöbb GEO-beszélgetés csendesen feltételez egyfajta ügynököt. Kettő létezik.

A vízszintes ügynökök -- ChatGPT, Gemini, Claude, Perplexity, Copilot -- a nyílt weben vannak kiképezve, és ülnek a legközelebb a felfedezéshez. A vertikális ügynökök kiskereskedők tulajdonában vannak, és katalógushoz kötöttek – az Amazon Alexa for Shopping (korábban Rufus), a Walmart Sparky, valamint az élelmiszerboltokban, gyógyszertárakban és speciális alkalmazásokban megjelenő asszisztensek – és ők állnak a legközelebb a tranzakcióhoz. Az Alexa for Shopping képzésben részesült az Amazon katalógusában és az elsődleges vásárlói magatartásban. A ChatGPT nem. A láthatóság az egyiknél nagyon keveset mond a másik láthatóságáról.

Szinte egyetlen eszköz sem próbálja meg mindkettőt. A felügyeleti kategória a vízszintes asszisztensek köré épül, mivel ezek kívülről is kérhetők. A kiskereskedőknél nem lehet nagy mennyiségben lekérdezni, és szinte semmilyen adatot nem adnak vissza a márkáknak. Tehát a vásárláshoz legközelebb eső felületet próbálja megmérni néhány márka, és a tőle legtávolabbi felület generálja az összes műszerfalat.

Milyen adatokra épül a mérés?

, és a két alapvetően eltérő értékesítési módszer jelenik meg.

A szintetikus prompt figyelés prompt készletet generál, ütemezetten futtatja a motorokon, és jelenti, hogy mi jött vissza. Megismételhető és ellenőrizhető. Gyengesége, hogy valakinek ki kellett tippelnie, mit kérdeznek az ügyfelek.

A valódi azonnali felügyelet beleegyező fogyasztói paneleket használ, és megfigyeli a ténylegesen megtörtént beszélgetéseket. A Measure Protocol egyik ilyen panelje, amely az alkalmazásokra, böngészőkre, keresésre és mesterséges intelligencia asszisztensekre terjed ki, 2025-ben arról számolt be, hogy minden ötödik ChatGPT-beszélgetés kereskedelmi szándékot mutatott. Számos GEO gyártó épít be ilyen paneleket termékeibe. A paneladatok a legközelebbi dolgok, amelyeket ennek a mezőnek meg kell figyelnie, nem pedig kimondott preferencia, és a megfigyelt preferencia szinte mindig többet ér.

Egyedül egyik sem elegendő. A szintetikus tesztelés megmutatja, hogyan reagálnak a motorok egy ellenőrzött ingerre. A panelek azt mutatják, hogy az emberek valójában mit kérdeznek. A hasznos programok mindkettőt futtatják.

Egy óvatosság érvényes minden gyártóra: nagyon kevesen árulják el, hogyan gyűjtik az adatokat. Melyik felület, melyik modell felépítése, bejelentkezve vagy kilépve, melyik régióban, hány ismétlés egy promptonként, hogyan kezeli a variancia. Az a vevő, aki nem kapja meg ezeket a válaszokat írásban, nem vásárol mérést. Vásárolnak egy számot.

Mi történik a költségvetés növekedésével?

A csalás velük együtt nő, és a kategória már tartalmaz olyan taktikákat, amelyek mögött nincs bizonyíték. A közzétett llms.txt fájlok 97 százalékához nulla kérés érkezett májusban, és a forgalmat bonyolító fájlok közül a legnagyobb kérelmező kategória a SEO audit eszközök voltak, amelyek ellenőrizték a fájl létezését – derül ki a 137 000 tartomány szervernaplóinak Ahrefs-elemzéséből. A Google azt mondta, hogy a fájlra nincs szükség. Még mindig árulják.

A kiadások növekedésével rosszabbra kell számítani: koholt benchmarkok, játéklekérésre szánt tartalom és saját tulajdonú pontszámok, amelyeket csak a gyártó saját módszertana javíthat. Arra számítson, hogy a változás üteme inkább felgyorsul, mintsem rendeződik.

Tehát miért építsük ki most a gyakorlatot?

Mert 2026-ban nem az eredmény a szám. Ez a szervezet.

• A vezetők már futtatnak promptokat. Egy vezérigazgató, aki a múlt héten beírta a kategóriát a ChatGPT-be, látott valamit, és levonta a következtetést. Ha egy versenytárs jött először, akkor ez a következtetés már formálódik.
• Minden szállító küld egy láthatósági jelentést egy idősebbnek, és mindannyian nem értenek egyet, mert különböző módszerekkel mérnek különböző felületeket. Belső szám nélkül egy vállalat olyan emberek között ítéli meg a küzdelmet, akik profitálnak a harcból.
• A közzétett módszertannal konzisztens szám felülmúlja azt a pontos számot, amelyet senki sem oszt meg. A csapatoknak inkább vitatkozniuk kell valamiről, nem pedig róluk.
• A változáskezelés a kötelező érvényű kényszer, mint minden kereskedelmi műszak esetében. A merchandising, a márka, a tartalom és az IT egy beszélgetésbe hozása nagyjából 18 hónapot vesz igénybe. Kezdje, amíg a tét alacsony.
• A mögöttes munka nagy részét nem kell megbánni. A pontos, strukturált, géppel olvasható terméktartalom javítja az organikus rangot, az átalakítást, a kiskereskedelmi média hatékonyságát és a vertikális ügynöki teljesítményt. Ez az eset nem függ a mesterséges intelligencia vásárlás tömeges elfogadásától. Ez az üzlet többi részétől függ.

Valódi bizonyítékok vannak arra, hogy a befolyást érdemes üldözni. Azok a felhasználók, akik látták a ChatGPT által ajánlott márkát, 2,5-szer nagyobb valószínűséggel keresik fel a márka webhelyét hét napon belül, és a forgalom 56%-a márkaalapú keresésen keresztül érkezett, nem pedig mesterséges intelligencia-hivatkozáson keresztül – derül ki a Likeweb kattintásfolyam-kutatásából. A Likeweb az ok-okozati összefüggés helyett inkább az összefüggést jelöli meg, és a tanulmány az Egyesült Államok asztali számítógép-felhasználóira terjed ki három ágazatban. Nagyon úgy néz ki, mint egy hirdetőtábla mérése: emelés, nem kattintás.

Egy figyelmeztetés tartozik mindehhez. Szinte minden itt idézett tanulmány mindkét oldalon egy olyan cégnél készült, amely ebbe a kategóriába tartozó szoftvereket értékesít. Ez nem teszi tévessé a megállapításokat, de befolyásolnia kell, hogy mennyire magabiztosan olvassák azokat. A legszigorúbb munka tudományos jellegű, és központi következtetése az, hogy mindenki más számaihoz hibasávokra van szükség.

Mit tegyen egy csapat ebben a negyedévben?

A szám lejegyzése előtt írja le a módszertant, és tegye közzé mindkettőt együtt. Pontbecslések helyett jelentéstartományok. Építse fel a promptkészletet a megfigyelt ügyfelek nyelvezetéből – webhelykeresési naplókból, szolgáltatási átiratokból, áttekintések szövegéből, paneladatokból –, ne abból, amit a márkacsapat kíván az emberektől. Kövesse nyomon külön a függőleges és vízszintes ügynököket, és számítson arra, hogy nem értenek egyet. Tartsa a láthatóságot és az üzleti eredményeket külön oszlopokban, majd mérje az inkrementalitást a valaha bevált módszerrel, a visszatartások és a megfelelő piaci tesztek segítségével. Kérdezzen meg minden eladót írásban, hogyan történik az adatgyűjtés. És először végezze el az elbűvölő munkát: tiszta termékadatok, valódi vásárlói kérdésekre válaszoló tartalom, és tűzfal, amely nem blokkolja csendesen a bejárókat.

A mérés hibás lesz, felsorolható módon. Ez a hasznos fajta hiba. A kiépülő képesség – egy csapat, amely képes gondolkodni a valószínűségi, ügynök által közvetített vásárlói magatartáson – sokkal többet számít, mint a chatbot említése.

Csak ne írjon három tizedesjegyet rá.