W piątek 6 listopada w ChatGPT zauważono baner dla firm. Obietnica jest prosta: potwierdź, że firma jest Twoja, a zobaczysz, ile razy pojawiła się w odpowiedziach i ile osób kliknęło link do Twojej strony. W tekście o uwadze, której nie widać w analityce pisałem, że takie sygnały ma wyłącznie platforma, która wyświetla odpowiedź. Platforma zaczyna się nimi dzielić, i bardzo dobrze. Pytanie brzmi, co z tego licznika wyczytasz, a czego nie wyczytasz z niego nigdy.
Co właściwie zauważono i dlaczego to dobra wiadomość?
Funkcja nazywa się Business Hub i nie jest jeszcze dostępna, a OpenAI jej oficjalnie nie ogłosiło. Z banera i pierwszych relacji wynika, że zweryfikowana firma (przykładem weryfikacji jest podłączenie sklepu internetowego) zobaczy na wykresie dwie liczby dziennie: wyświetlenia w odpowiedziach i kliknięcia w linki do swojej strony. Dojdą do tego aktualne dane o produktach i firmie oraz agent, który odpowiada klientom w kontekście kontrolowanym przez firmę. Panel nie pokaże natomiast pytań, które zadali ludzie, konkurencji ani rankingu.
To dobra wiadomość, bo kanał, który dotąd nie zostawiał śladu, dostaje licznik. Wyszukiwarka przeszła tę drogę wcześniej, bo Google Search Console od lat pokazuje wyświetlenia i kliknięcia, a marketerzy nauczyli się na tej podstawie podejmować decyzje. Z kanału AI znika więc najgorsza sytuacja: decyzja klienta zapada, a w panelu jest pustka.
Licznik potwierdza, że szansa na uwagę w odpowiedzi modelu istnieje i da się ją policzyć, ale nie mówi, skąd się wzięła.
Licznik mierzy ostatni krok drogi do uwagi
Drogę do uwagi w kanale AI rozpisałem w tamtym tekście na cztery kroki. Pierwszy to stały zestaw pytań klientów bez nazwy marki. Drugi to pięć szczebli odczytanych z treści odpowiedzi, czyli szansa na uwagę: obecność, konkurencja, miejsce, kierunek i przekazanie. Trzeci to badanie z udziałem człowieka, które potwierdza, że uwaga naprawdę była, a czwarty to efekt biznesowy: ruch z odpowiedzi, zapytania i sprzedaż. Wyświetlenia i kliknięcia z panelu platformy należą właśnie do czwartego kroku.
Dlaczego to za mało? Z panelu dowiesz się, że marka była w odpowiedzi tysiąc razy. Nie dowiesz się, w jakich pytaniach, obok kogo i na którym miejscu. Nie dowiesz się też, czy model ją polecał, czy tylko wymieniał, czy mówił o niej prawdę i dokąd odsyłał. Pięć pytań o szansę na uwagę zostaje bez odpowiedzi.
Wyobraź sobie dwie marki z identycznym licznikiem: pierwsza pada w pytaniach o kategorię i model wyraźnie ją poleca. Druga pada w pytaniach o wady lidera, jako tańsza alternatywa na końcu listy. Na wykresie widać ten sam słupek, a w rzeczywistości są to dwie zupełnie różne sytuacje. Różnicę między wzmianką a rekomendacją Michał Grzebyk opisał w osobnym tekście.
Platforma pokazuje, że marka była w odpowiedzi. Pomiar niezależny pokazuje, dlaczego i obok kogo.
Dlaczego liczby z panelu i z pomiaru nigdy nie będą takie same?
Panel liczy wszystkie rozmowy wszystkich osób, które korzystają z platformy, razem z ich historią, pamięcią i personalizacją. Pomiar niezależny zadaje modelom stały zestaw pytań klientów, bez nazwy marki i bez personalizacji, z wersją i datą modelu przy każdej liczbie. Pierwsze to licznik, drugie to próba badawcza, a obie miary opisują to samo zjawisko z dwóch różnych stron.
Jedna miara nie unieważnia drugiej, bo każda odpowiada na inne pytanie. Licznik mówi, co wydarzyło się w rozmowach prawdziwych ludzi. Próba mówi, co model ma skłonność zrobić, gdy klient pyta o kategorię, i z jakiego powodu. Obie liczby warto więc trzymać obok siebie, na jednej osi czasu, ale nigdy ich nie sumować.
Wskazówka: gdy oba wykresy idą w tę samą stronę, zmiana jest najpewniej realna. Gdy się rozjeżdżają, to jeszcze nie błąd, tylko pytanie do zbadania. Rozjazd zwykle mówi coś o tym, kto pyta, w jakim języku albo w którym modelu.
Czy wzrost licznika to zasługa marki?
Po pierwszym wzroście licznika zarząd zapyta wprost, czy to efekt działań firmy. Wzrost może mieć co najmniej trzy przyczyny i każda z nich prowadzi do innej decyzji. Może go dać działanie marki, czyli nowa treść, nowe źródła albo uporządkowane fakty.
Może go dać także nowa wersja modelu, która bez żadnej kampanii zaczęła wymieniać markę częściej. W pomiarach widzimy, że zmiana wersji potrafi wyraźnie przesunąć wynik, w obie strony. Może go dać wreszcie sam rynek, bo z asystentów korzysta coraz więcej ludzi. Panel platformy nie odróżni żadnej z nich, bo nie wie, co zrobiła marka, i nie pokazuje wersji modelu.
Odróżnić je pozwalają trzy rzeczy: datowany dziennik tego, co marka zrobiła, znacznik zmiany wersji modelu na tej samej osi czasu oraz próg szumu, poniżej którego zmiana nie jest zmianą. Bez nich wykres z panelu jest ładny, ale niemy. Dziennik działań warto więc zacząć prowadzić już dziś, zanim panel dotrze do Twojej firmy.
Jeden asystent to jeszcze nie kanał AI
Panel OpenAI pokaże ChatGPT, tymczasem klienci pytają także Gemini, Claude, Perplexity czy Copilota. W wyszukiwarce Google coraz częściej czytają też odpowiedź wygenerowaną nad wynikami, zanim klikną w którykolwiek link. Każdy z tych modeli inaczej układa listę i inaczej odsyła do źródeł.
Dla marek obecnych na wielu rynkach dochodzi jeszcze język. Model cytuje źródło, które odpowiada na sytuację osoby pytającej, w jej języku i kontekście. Ten sam produkt może więc dostać po niemiecku i po czesku zupełnie inne odpowiedzi i inne odesłania.
Licznik jednej platformy jest miarą jednej platformy. Kanał AI mierzy się na wszystkich modelach naraz, na tych samych pytaniach.
Profil, produkty i agent, czyli miejsce, w którym marka mówi sama
Druga część banera jest dla marek równie ważna, bo firma dostaje miejsce na aktualne produkty i dane, a do tego agenta, który odpowiada klientom w kontekście przez nią kontrolowanym. Po raz pierwszy marka ma w asystencie przestrzeń, w której mówi własnym głosem.
Przypominam przy tym zasadę, której trzymamy się w Brand Semantics: nie sterujemy odpowiedziami modeli, tylko mierzymy efekty zmian. Profil i agent to miejsce na fakty, a nie na perswazję. Model i tak porówna je ze źródłami, a klient z rzeczywistością.
Co więc przygotować? Listę faktów o marce, które muszą być spójne wszędzie: produkty, ceny lub ich widełki, lokalizacje, certyfikaty, osoby do kontaktu. Błąd wobec faktów marki w odpowiedzi modelu to inna strata niż pominięcie. Pominięta marka traci szansę, a marka opisana błędnie traci zaufanie klienta.
Co zrobić, zanim panel dotrze do Twojej firmy?
Przykład weryfikacji przez sklep internetowy sugeruje, że funkcja zacznie od handlu w sieci, więc firma B2B może poczekać na nią dłużej. To dobry czas, żeby przygotować się do czytania licznika.
- Mierz już dziś, w pytaniach bez nazwy marki, w kilku modelach i w języku klientów. Gdy panel ruszy, będziesz mieć punkt odniesienia z datą.
- Prowadź dziennik działań i zapisuj w nim, co i kiedy opublikowano albo zmieniono na stronie i w źródłach.
- Wydziel w analityce ruch z asystentów jako osobne źródła odsyłające, żeby zestawić kliknięcia z panelu z sesjami na stronie.
- Uporządkuj fakty o marce w źródłach, które modele cytują. Z tych samych faktów skorzysta później profil i agent.
- Każdą liczbę zapisuj z wersją i datą modelu, a liczby z panelu trzymaj osobno od liczb z pomiaru i nie sumuj ich.
Licznik kończy niewidzialność kanału AI, ale nie kończy pracy marketera
Licznik od platformy to dobra zmiana, bo kończy czas, gdy kanał AI był dla analityki niewidzialny, jednak nie zwalnia marketera z pytania o przyczyny. Platforma pokazuje, że marka była w odpowiedzi. Pomiar niezależny pokazuje, dlaczego i obok kogo. Uwaga pozostaje walutą, a model nadal rozdaje szanse na nią tym markom, które dają mu powód.
Jeżeli chcesz mieć punkt odniesienia, zanim panel platformy dotrze do Twojej firmy, Semantio zadaje modelom pytania bez nazwy marki i pokazuje, czy model ją wprowadza, z kim zestawia, jak mocno poleca i dokąd odsyła, z wersją i datą modelu przy każdej liczbie. Możesz zacząć od 7-dniowego okresu próbnego.
