2026. november 7.

    A ChatGPT megmutatja, hányszor szerepelt egy márka a válaszokban. Azt azonban nem, hogy miért

    A ChatGPT a vállalkozások számára megjelenítéseket és kattintásokat fog mutatni a válaszokból. Mit árul el a számláló, mit nem, és hogyan értelmezzük független méréssel.

    Megjelenítési számláló öt mérési gyűrű mellett: a platform egy számot mutat, a független mérés pedig azt, hogy egy márka milyen társaságban szerepel egy modell válaszában.
    Megosztás:LinkedInX (Twitter)FacebookWhatsApp
    Összefoglalás itt:ChatGPTClaudePerplexity

    November 6-án, pénteken egy vállalkozásoknak szóló bannert fedeztek fel a ChatGPT-ben. Az ígéret egyszerű: erősítse meg, hogy a vállalkozás az Öné, és látni fogja, hányszor jelent meg a válaszokban, és hányan kattintottak át a webhelyére. A figyelemről, amit az analitikája nem lát című írásomban azt írtam, hogy csak a választ megjelenítő platform rendelkezik ilyen jelzésekkel. A platform elkezdi megosztani ezeket, és ez jó hír. A kérdés az, hogy mit fog kiolvasni ebből a számlálóból, és mit nem fog soha kiolvasni belőle.

    Pontosan mit fedeztek fel, és miért jó hír ez?

    A funkció neve Business Hub. Még nem elérhető, és az OpenAI hivatalosan nem jelentette be. A banner és az első jelentések szerint egy ellenőrzött vállalkozás (példaként egy online bolt összekapcsolása szerepel) két napi adatot fog látni egy diagramon: megjelenítéseket a válaszokban és kattintásokat a webhelyére vezető linkeken. Ezen felül naprakész termék- és cégadatok, valamint egy ügynök, amely a vállalkozás által ellenőrzött kontextusban válaszol az ügyfeleknek. A panel nem fogja megmutatni a feltett kérdéseket, a versenytársakat vagy bármilyen rangsort.

    Ez jó hír, mert egy eddig nyomtalanul maradt csatorna számlálót kap. A keresés már korábban is ezen az úton járt: a Google Search Console évek óta mutat megjelenítéseket és kattintásokat, és a marketingesek megtanultak döntéseket hozni ezen az alapon. Az AI csatornán tehát eltűnik a legrosszabb helyzet, az, amikor az ügyfél döntése megszületik, de a műszerfal üres marad.

    A számláló megerősíti, hogy a modell válaszában való figyelem esélye létezik és számszerűsíthető, de nem mondja meg, honnan ered ez az esély.

    A számláló a figyelemhez vezető út utolsó lépését méri

    Az előző írásomban az AI csatornán a figyelemhez vezető utat négy lépésre bontottam. Az első a márkanév nélküli ügyfélkérdések rögzített halmaza. A második a válaszok tartalmából kiolvasott öt szint, amelyek együtt alkotják a figyelem esélyét: jelenlét, verseny, pozíció, irány és átadás. A harmadik az embereket bevonó kutatás, amely megerősíti, hogy a figyelem valóban megtörtént, a negyedik pedig az üzleti hatás: forgalom a válaszokból, érdeklődések és értékesítések. A platform paneljéből származó megjelenítések és kattintások ehhez a negyedik lépéshez tartoznak.

    Miért nem elég ez? A panel elmondja, hogy a márka ezerszer jelent meg a válaszokban. Azt azonban nem mondja meg, hogy milyen kérdésekben, ki mellett vagy milyen pozícióban. Azt sem mondja meg, hogy a modell ajánlotta-e a márkát, vagy csak megemlítette, pontosan írta-e le, vagy hová küldte az ügyfelet. A figyelem esélyére vonatkozó öt kérdés megválaszolatlan marad.

    Képzeljen el két márkát azonos számlálóval. Az első a kategóriával kapcsolatos kérdésekben jelenik meg, és a modell egyértelműen ajánlja. A második a vezető gyengeségeivel kapcsolatos kérdésekben jelenik meg, mint olcsóbb alternatíva a lista végén. A diagram ugyanazt a sávot mutatja, mégis két teljesen különböző helyzetről van szó. Michał Grzebyk a megemlítés és az ajánlás közötti különbséget egy külön cikkben írta le.

    A platform megmutatja, hogy a márka szerepelt a válaszban. A független mérés megmutatja, hogy miért, és ki mellett.

    Miért nem fognak soha egyezni a panel és a mérési adatok?

    A panel minden platformhasználó minden beszélgetését számolja, azok előzményeivel, memóriájával és személyre szabásával együtt. A független mérés rögzített ügyfélkérdéseket tesz fel a modelleknek, márkanév és személyre szabás nélkül, minden adat mellett feltüntetve a modell verzióját és dátumát. Az első egy számláló, a második egy kutatási minta, és mindkettő ugyanazt a jelenséget írja le két különböző oldalról.

    Egyik mérés sem érvényteleníti a másikat, mert mindegyik más kérdésre ad választ. A számláló elmondja, mi történt a valós emberek beszélgetéseiben. A minta elmondja, hogy a modell mire hajlamos, amikor egy ügyfél a kategóriáról kérdez, és milyen okból. Mindkét adatot érdemes egymás mellett, egy idővonalon tartani, de soha nem összeadni.

    Tipp: ha mindkét diagram ugyanabba az irányba mozog, a változás valószínűleg valós. Ha eltérnek, az még nem hiba, csak egy kérdés, amit érdemes megvizsgálni. Az eltérés általában arról árulkodik, hogy ki kérdez, milyen nyelven vagy melyik modellben.

    A növekvő számláló a márka érdeme?

    A számláló első emelkedése után a vezetőség egyenesen megkérdezi, hogy ez a cég munkájának eredménye-e. Az emelkedésnek legalább három oka lehet, és mindegyik más döntéshez vezet. Származhat a márka saját tevékenységéből, például új tartalomból, új forrásokból vagy rendezett tényekből.

    Származhat egy új modellverzióból is, amely kampány nélkül gyakrabban kezdte említeni a márkát. Méréseinkben azt látjuk, hogy egy verzióváltás észrevehetően eltolhatja az eredményt, mindkét irányba. Végül származhat magából a piacból is, mert egyre többen használnak asszisztenseket. A platform panelje nem tudja megkülönböztetni ezeket az okokat, mert nem tudja, mit tett a márka, és nem mutatja a modell verzióját.

    Három dolog teszi lehetővé a megkülönböztetésüket: a márka tevékenységének dátumozott naplója, minden modellverzió-váltás jelölése ugyanazon az idővonalon, és egy zajküszöb, amely alatt a változás nem változás. Ezek nélkül a panel diagramja jól néz ki, de semmit sem mond. Ezért érdemes még ma elkezdeni a tevékenységi naplót, mielőtt a panel eléri a cégét.

    Egy asszisztens még nem az AI csatorna

    Az OpenAI panelje a ChatGPT-t fogja mutatni, miközben az ügyfelek a Gemini, Claude, Perplexity vagy Copilot rendszereket is kérdezik. A Google Keresésben egyre gyakrabban olvasnak el egy, az eredmények felett generált választ, mielőtt bármilyen linkre kattintanának. Ezek a modellek mindegyike másképp építi fel a listáját és másképp mutat rá a forrásokra.

    A sok piacon jelen lévő márkák számára a nyelv is fontos. Egy modell azt a forrást idézi, amelyik illeszkedik a kérdező személy helyzetéhez, az adott személy nyelvén és kontextusában. Ugyanaz a termék ezért teljesen eltérő válaszokat és eltérő hivatkozásokat kaphat németül és csehül.

    Egy platform számlálója egy platform mérése. Az AI csatornát az összes modellen egyszerre mérik, ugyanazokkal a kérdésekkel.

    Profil, termékek és ügynök, avagy az a hely, ahol a márka önmagáért beszél

    A banner második része ugyanolyan fontos a márkák számára, mert a vállalkozás helyet kap az aktuális termékeknek és részleteknek, valamint egy ügynöknek, amely a vállalkozás által ellenőrzött kontextusban válaszol az ügyfeleknek. Először van egy márkának helye az asszisztensben, ahol a saját hangján szólal meg.

    Ismétlem azt az elvet, amit a Brand Semantics-nél követünk: nem irányítjuk a modellek válaszait, hanem a változások hatásait mérjük. A profil és az ügynök a tények helye, nem a meggyőzésé. A modell úgyis ellenőrzi őket a forrásokkal, az ügyfél pedig a valósággal.

    Tehát mit kell előkészíteni? Egy listát a márka tényeiről, amelyeknek mindenhol konzisztensnek kell lenniük: termékek, árak vagy árkategóriák, helyszínek, tanúsítványok, kapcsolattartók. Egy hiba a márka tényeivel szemben egy modell válaszában másfajta veszteség, mint a kimaradás. Egy kimaradt márka elveszít egy esélyt, míg egy rosszul leírt márka elveszíti az ügyfél bizalmát.

    Mit tegyen, mielőtt a panel eléri a cégét?

    Az online bolton keresztüli ellenőrzés arra utal, hogy a funkció az e-kereskedelemmel indul, így egy B2B cégnek tovább kell várnia. Ez jó alkalom arra, hogy felkészüljön a számláló értelmezésére.

    1. Mérjen most, olyan kérdésekkel, amelyek nem nevezik meg a márkát, több modellen keresztül és az ügyfelei nyelvén. Amikor a panel elindul, rendelkezni fog egy dátumozott alapvonallal.
    2. Vezessen tevékenységi naplót, és rögzítse benne, mi mikor jelent meg vagy változott a webhelyén és a forrásaiban.
    3. Különítse el az asszisztensektől származó forgalmat az analitikájában különálló hivatkozási forrásként, hogy összehasonlíthassa a panelből származó kattintásokat a webhelyén lévő munkamenetekkel.
    4. Rendezze a márka tényeit a modellek által idézett forrásokban. A profil és az ügynök később ugyanazokból a tényekből fog meríteni.
    5. Rögzítsen minden adatot a modell verziójával és dátumával, és tartsa külön a panel adatait a mérési adatoktól, anélkül, hogy összeadná őket.

    A számláló véget vet az AI csatorna láthatatlanságának, de nem a marketinges munkájának

    A platformtól származó számláló jó változás, mert véget vet annak az időszaknak, amikor az AI csatorna láthatatlan volt az analitika számára, de nem mentesíti a marketingest az okok feltárásának feladata alól. A platform megmutatja, hogy a márka szerepelt a válaszban. A független mérés megmutatja, hogy miért, és ki mellett. A figyelem továbbra is a valuta, és a modell továbbra is esélyeket ad a márkáknak, amelyek okot adnak rá.

    Ha alapvonalat szeretne, mielőtt egy platform panelje eléri a cégét, a Semantio olyan kérdéseket tesz fel a modelleknek, amelyek nem nevezik meg a márkát, és megmutatja, hogy a modell bemutatja-e, ki mellé helyezi, mennyire erősen ajánlja, és hová küldi az ügyfelet, minden adat mellett feltüntetve a modell verzióját és dátumát. Kezdheti egy 7 napos próbaverzióval.

    Megosztás:LinkedInX (Twitter)FacebookWhatsApp
    Összefoglalás itt:ChatGPTClaudePerplexity

    CEO Brand Semantics

    A Semantio alapítója és vezető tervezője, a kutatási módszertan és LLM láthatósági keretrendszer megalkotója. Az AI Business Center Foundation társalapítójaként vállalatoknak segít stratégiai céljaikhoz illeszkedő AI megoldások implementálásában.