Op vrijdag 6 november verscheen er een banner voor bedrijven in ChatGPT. De belofte is eenvoudig: bevestig dat het bedrijf van jou is en je ziet hoe vaak het in antwoorden verscheen en hoeveel mensen doorklikten naar je website. In mijn artikel over de aandacht die je analytics niet kan zien schreef ik dat alleen het platform dat het antwoord toont, over dergelijke signalen beschikt. Het platform begint deze te delen, en dat is goed nieuws. De vraag is wat je uit deze teller zult aflezen, en wat je er nooit uit zult aflezen.
Wat werd er precies gespot, en waarom is dit goed nieuws?
De functie heet Business Hub. Deze is nog niet beschikbaar en OpenAI heeft er nog geen officiële aankondiging over gedaan. De banner en de eerste rapporten suggereren dat een geverifieerd bedrijf (een online winkel koppelen wordt als voorbeeld gegeven) twee dagelijkse cijfers op een grafiek zal zien: impressies in antwoorden en klikken op links naar de website. Daarbovenop komen actuele product- en bedrijfsgegevens, plus een agent die klanten beantwoordt in een context die het bedrijf beheert. Het paneel toont niet de vragen die mensen stelden, concurrenten of enige ranking.
Dit is goed nieuws, want een kanaal dat tot nu toe geen spoor achterliet, krijgt nu een teller. Zoeken ging eerder deze weg: Google Search Console toont al jaren impressies en klikken, en marketeers hebben geleerd om op basis daarvan beslissingen te nemen. De ergste situatie in het AI-kanaal verdwijnt dus, die waarbij de beslissing van de klant wordt genomen en het dashboard leeg blijft.
De teller bevestigt dat de kans op aandacht in het antwoord van een model bestaat en geteld kan worden, maar het zegt niet waar die kans vandaan kwam.
De teller meet de laatste stap op weg naar aandacht
In dat eerdere artikel verdeelde ik de weg naar aandacht in het AI-kanaal in vier stappen. De eerste is een vaste set klantvragen zonder de merknaam. De tweede zijn de vijf niveaus die uit de inhoud van antwoorden worden afgelezen, die samen de kans op aandacht vormen: aanwezigheid, concurrentie, positie, richting en overdracht. De derde is onderzoek waarbij mensen betrokken zijn, wat bevestigt dat aandacht daadwerkelijk plaatsvond, en de vierde is bedrijfsimpact: verkeer vanuit antwoorden, aanvragen en verkopen. Impressies en klikken vanuit het paneel van het platform behoren tot die vierde stap.
Waarom is dat niet genoeg? Het paneel vertelt je dat het merk duizend keer in antwoorden verscheen. Het vertelt je niet bij welke vragen, naast wie of in welke positie. Het vertelt je ook niet of het model het merk aanbeval of slechts vermeldde, of het het nauwkeurig beschreef, of waar het de klant naartoe stuurde. De vijf vragen over de kans op aandacht blijven onbeantwoord.
Stel je twee merken voor met een identieke teller. Het eerste komt naar voren in vragen over de categorie, en het model beveelt het duidelijk aan. Het tweede komt naar voren in vragen over de zwakke punten van de leider, als een goedkoper alternatief aan het einde van de lijst. De grafiek toont dezelfde balk, maar dit zijn twee totaal verschillende situaties. Michał Grzebyk beschreef het verschil tussen een vermelding en een aanbeveling in een apart artikel.
Het platform toont dat het merk in het antwoord stond. Onafhankelijke metingen tonen waarom, en naast wie.
Waarom zullen panelcijfers en meetcijfers nooit overeenkomen?
Het paneel telt elk gesprek van iedereen die het platform gebruikt, samen met hun geschiedenis, geheugen en personalisatie. Onafhankelijke metingen leggen een vaste set klantvragen voor aan de modellen, zonder de merknaam en zonder personalisatie, met de modelversie en datum naast elk cijfer. Het eerste is een teller, het tweede is een onderzoekssteekproef, en beide beschrijven hetzelfde fenomeen van twee verschillende kanten.
Geen van beide metingen heft de andere op, omdat elk een andere vraag beantwoordt. De teller vertelt je wat er gebeurde in de gesprekken van echte mensen. De steekproef vertelt je wat het model geneigd is te doen wanneer een klant vraagt naar de categorie, en om welke reden. Beide cijfers zijn het waard om naast elkaar te bewaren, op één tijdlijn, maar nooit bij elkaar op te tellen.
Tip: wanneer beide grafieken in dezelfde richting bewegen, is de verandering hoogstwaarschijnlijk reëel. Wanneer ze uiteenlopen, is dat nog geen fout, maar slechts een vraag die het onderzoeken waard is. Een divergentie zegt meestal iets over wie er vraagt, in welke taal of in welk model.
Is een stijgende teller het werk van het merk?
Na de eerste stijging van de teller zal de directie ronduit vragen of dit het resultaat is van het werk van het bedrijf. Een stijging kan minstens drie oorzaken hebben, en elk daarvan leidt tot een andere beslissing. Het kan voortkomen uit de eigen acties van het merk, zoals nieuwe content, nieuwe bronnen of opgeruimde feiten.
Het kan ook voortkomen uit een nieuwe modelversie die, zonder enige campagne, het merk vaker begon te vermelden. In onze metingen zien we dat een versie-wijziging het resultaat merkbaar kan verschuiven, in beide richtingen. Ten slotte kan het voortkomen uit de markt zelf, omdat steeds meer mensen assistenten gebruiken. Het paneel van het platform kan deze oorzaken niet onderscheiden, omdat het niet weet wat het merk heeft gedaan en het de modelversie niet toont.
Drie dingen maken het mogelijk om ze te onderscheiden: een gedateerd logboek van wat het merk heeft gedaan, een markering voor elke modelversie-wijziging op dezelfde tijdlijn, en een ruisdrempel waaronder een verandering geen verandering is. Zonder deze ziet de grafiek van het paneel er mooi uit, maar zegt niets. Het is dus de moeite waard om vandaag nog te beginnen met het activiteitenlogboek, voordat het paneel jouw bedrijf bereikt.
Eén assistent is nog niet het AI-kanaal
Het paneel van OpenAI toont ChatGPT, terwijl klanten ook Gemini, Claude, Perplexity of Copilot vragen. In Google Zoeken lezen ze steeds vaker een gegenereerd antwoord boven de resultaten voordat ze op een link klikken. Elk van deze modellen bouwt zijn lijst anders op en verwijst anders naar bronnen.
Voor merken die in veel markten aanwezig zijn, komt taal er nog bovenop. Een model citeert de bron die past bij de situatie van de vragende persoon, in de taal en context van die persoon. Hetzelfde product kan daarom totaal verschillende antwoorden en verschillende verwijzingen krijgen in het Duits en in het Tsjechisch.
Een teller van één platform is een maatstaf voor één platform. Het AI-kanaal wordt gemeten over alle modellen tegelijk, op dezelfde vragen.
Profiel, producten en agent, of de plek waar het merk voor zichzelf spreekt
Het tweede deel van de banner is net zo belangrijk voor merken, omdat het bedrijf ruimte krijgt voor actuele producten en details, plus een agent die klanten beantwoordt in een context die het bedrijf beheert. Voor het eerst heeft een merk een plek binnen de assistent waar het in zijn eigen stem spreekt.
Laat me het principe herhalen dat we bij Brand Semantics volgen: we sturen de antwoorden van modellen niet, we meten de effecten van veranderingen. Het profiel en de agent zijn een plek voor feiten, niet voor overtuiging. Het model zal ze toch controleren aan de hand van bronnen, en de klant zal ze controleren aan de hand van de werkelijkheid.
Dus wat moet je voorbereiden? Een lijst met merkfeiten die overal consistent moeten zijn: producten, prijzen of prijsklassen, locaties, certificeringen, contactpersonen. Een fout tegen de feiten van het merk in het antwoord van een model is een ander verlies dan weggelaten worden. Een merk dat wordt weggelaten, verliest een kans, terwijl een merk dat verkeerd wordt beschreven, het vertrouwen van de klant verliest.
Wat moet je doen voordat het paneel jouw bedrijf bereikt?
Verificatie via een online winkel suggereert dat de functie zal beginnen met e-commerce, dus een B2B-bedrijf moet mogelijk langer wachten. Dit maakt het een goed moment om je voor te bereiden op het lezen van de teller.
- Meet nu, met vragen die de merknaam niet noemen, over verschillende modellen en in de talen van je klanten. Wanneer het paneel wordt gelanceerd, heb je een gedateerde basislijn.
- Houd een activiteitenlogboek bij en noteer daarin wat er is gepubliceerd of gewijzigd, en wanneer, op je website en in je bronnen.
- Scheid verkeer van assistenten in je analytics als afzonderlijke verwijzingsbronnen, zodat je klikken van het paneel kunt vergelijken met sessies op je site.
- Breng de feiten van het merk op orde in de bronnen die modellen citeren. Het profiel en de agent zullen later putten uit dezelfde feiten.
- Noteer elk cijfer met de modelversie en datum, en houd panelcijfers gescheiden van meetcijfers, zonder ze bij elkaar op te tellen.
De teller beëindigt de onzichtbaarheid van het AI-kanaal, maar niet het werk van de marketeer
Een teller van het platform is een goede verandering, omdat het de tijd beëindigt waarin het AI-kanaal onzichtbaar was voor analytics, maar het ontslaat de marketeer niet van het vragen naar oorzaken. Het platform toont dat het merk in het antwoord stond. Onafhankelijke metingen tonen waarom, en naast wie. Aandacht blijft de valuta, en het model deelt nog steeds kansen daarop uit aan de merken die het een reden geven.
Als je een basislijn wilt voordat een platformpaneel jouw bedrijf bereikt, stelt Semantio modellen vragen die de merknaam niet noemen en toont het of het model het introduceert, naast wie het het plaatst, hoe sterk het het aanbeveelt en waar het de klant naartoe stuurt, met de modelversie en datum naast elk cijfer. Je kunt beginnen met een 7-daagse proefperiode.
