Fredagen den 6 november upptäcktes en banner för företag i ChatGPT. Löftet är enkelt: bekräfta att företaget är ditt, så får du se hur många gånger det förekom i svar och hur många som klickade sig vidare till din webbplats. I min artikel om den uppmärksamhet din analys inte kan se skrev jag att endast plattformen som visar svaret har sådana signaler. Plattformen börjar nu dela dem, och det är goda nyheter. Frågan är vad du kommer att utläsa från denna räknare, och vad du aldrig kommer att kunna utläsa från den.
Vad exakt upptäcktes, och varför är det goda nyheter?
Funktionen kallas Business Hub. Den är ännu inte tillgänglig, och OpenAI har inte officiellt meddelat den. Bannern och de första rapporterna tyder på att ett verifierat företag (att ansluta en onlinebutik är exemplet som ges) kommer att se två dagliga siffror på ett diagram: exponeringar i svar och klick på länkar till dess webbplats. Utöver det kommer uppdaterade produkt- och företagsdetaljer, plus en agent som svarar kunder i en kontext som företaget kontrollerar. Panelen kommer inte att visa vilka frågor människor ställde, konkurrenter eller någon rankning.
Detta är goda nyheter, eftersom en kanal som hittills inte lämnat några spår nu får en räknare. Sök har gått denna väg tidigare: Google Search Console har visat exponeringar och klick i åratal, och marknadsförare har lärt sig att fatta beslut baserat på detta. Den värsta situationen i AI-kanalen försvinner därmed, den där kundens beslut fattas och instrumentpanelen förblir tom.
Räknaren bekräftar att chansen till uppmärksamhet i en modells svar existerar och kan räknas, men den säger inte var den chansen kom ifrån.
Räknaren mäter det sista steget på vägen till uppmärksamhet
I den tidigare artikeln delade jag upp vägen till uppmärksamhet i AI-kanalen i fyra steg. Det första är en fast uppsättning kundfrågor utan varumärkesnamnet. Det andra är de fem nivåerna som läses från svarens innehåll, vilka tillsammans utgör chansen till uppmärksamhet: närvaro, konkurrens, position, riktning och överlämning. Det tredje är forskning som involverar människor, vilket bekräftar att uppmärksamhet verkligen inträffade, och det fjärde är affärspåverkan: trafik från svar, förfrågningar och försäljning. Exponeringar och klick från plattformens panel tillhör det fjärde steget.
Varför är det inte tillräckligt? Panelen kommer att berätta att varumärket förekom i svar tusen gånger. Den kommer inte att berätta i vilka frågor, bredvid vem eller i vilken position. Inte heller kommer den att berätta om modellen rekommenderade varumärket eller bara nämnde det, om den beskrev det korrekt, eller vart den skickade kunden. De fem frågorna om chansen till uppmärksamhet förblir obesvarade.
Föreställ dig två varumärken med en identisk räknare. Det första dyker upp i frågor om kategorin, och modellen rekommenderar det tydligt. Det andra dyker upp i frågor om ledarens svagheter, som ett billigare alternativ i slutet av listan. Diagrammet visar samma stapel, men detta är två helt olika situationer. Michał Grzebyk beskrev skillnaden mellan ett omnämnande och en rekommendation i en separat artikel.
Plattformen visar att varumärket fanns i svaret. Oberoende mätning visar varför, och bredvid vem.
Varför kommer panelens siffror och mätningens siffror aldrig att stämma överens?
Panelen räknar varje konversation av alla som använder plattformen, tillsammans med deras historik, minne och personalisering. Oberoende mätning ställer en fast uppsättning kundfrågor till modellerna, utan varumärkesnamnet och utan personalisering, med modellversion och datum bredvid varje siffra. Den första är en räknare, den andra är ett forskningsurval, och båda beskriver samma fenomen från två olika sidor.
Ingen av mätningarna upphäver den andra, eftersom var och en svarar på en annan fråga. Räknaren berättar vad som hände i verkliga människors konversationer. Urvalet berättar vad modellen tenderar att göra när en kund frågar om kategorin, och av vilken anledning. Båda siffrorna är värda att hålla sida vid sida, på en tidslinje, men aldrig läggas ihop.
Tips: när båda diagrammen rör sig i samma riktning är förändringen troligen verklig. När de avviker är det ännu inte ett fel, bara en fråga värd att undersöka. En avvikelse säger vanligtvis något om vem som frågar, på vilket språk eller i vilken modell.
Är en stigande räknare varumärkets förtjänst?
Efter den första ökningen i räknaren kommer styrelsen att fråga rakt ut om det är resultatet av företagets arbete. En ökning kan ha minst tre orsaker, och var och en av dem leder till ett annat beslut. Den kan komma från varumärkets egna åtgärder, såsom nytt innehåll, nya källor eller uppstädade fakta.
Den kan också komma från en ny modellversion som, utan någon kampanj, började nämna varumärket oftare. I våra mätningar ser vi att en versionsändring kan flytta resultatet märkbart, i båda riktningarna. Slutligen kan den komma från marknaden själv, eftersom fler och fler människor använder assistenter. Plattformens panel kan inte skilja dessa orsaker åt, eftersom den inte vet vad varumärket gjorde och den visar inte modellversionen.
Tre saker gör det möjligt att skilja dem åt: en daterad logg över vad varumärket gjorde, en markör för varje modellversionsändring på samma tidslinje, och en brusgräns under vilken en förändring inte är en förändring. Utan dem ser panelens diagram snyggt ut men säger ingenting. Så det är värt att börja aktivitetsloggen idag, innan panelen når ditt företag.
En assistent är ännu inte AI-kanalen
OpenAIs panel kommer att visa ChatGPT, medan kunder också frågar Gemini, Claude, Perplexity eller Copilot. I Google Sök läser de allt oftare ett genererat svar ovanför resultaten innan de klickar på någon länk. Var och en av dessa modeller bygger sin lista annorlunda och pekar på källor annorlunda.
För varumärken som finns på många marknader kommer språket på toppen. En modell citerar den källa som passar situationen för den som frågar, på den personens språk och i dennes kontext. Samma produkt kan därför få helt olika svar och olika hänvisningar på tyska och på tjeckiska.
En räknare från en plattform är ett mått på en plattform. AI-kanalen mäts över alla modeller samtidigt, på samma frågor.
Profil, produkter och agent, eller platsen där varumärket talar för sig självt
Den andra delen av bannern är lika viktig för varumärken, eftersom företaget får utrymme för aktuella produkter och detaljer, plus en agent som svarar kunder i en kontext som företaget kontrollerar. För första gången har ett varumärke en plats inuti assistenten där det talar med sin egen röst.
Låt mig upprepa principen vi följer på Brand Semantics: vi styr inte modellernas svar, vi mäter effekterna av förändringar. Profilen och agenten är en plats för fakta, inte för övertalning. Modellen kommer ändå att kontrollera dem mot källor, och kunden kommer att kontrollera dem mot verkligheten.
Så vad ska du förbereda? En lista över varumärkesfakta som måste vara konsekventa överallt: produkter, priser eller prisintervall, platser, certifieringar, kontaktpersoner. Ett fel mot varumärkets fakta i en modells svar är en annan förlust än att bli utelämnad. Ett varumärke som utelämnas förlorar en chans, medan ett varumärke som beskrivs felaktigt förlorar kundens förtroende.
Vad ska du göra innan panelen når ditt företag?
Verifiering via en onlinebutik tyder på att funktionen kommer att börja med e-handel, så ett B2B-företag kan behöva vänta längre. Det gör detta till ett bra tillfälle att förbereda sig för att läsa räknaren.
- Mät nu, med frågor som inte nämner varumärket, över flera modeller och på dina kunders språk. När panelen lanseras kommer du att ha en daterad baslinje.
- För en aktivitetslogg och registrera i den vad som publicerades eller ändrades, och när, på din webbplats och i dina källor.
- Separera trafik från assistenter i din analys som distinkta hänvisningskällor, så att du kan jämföra klick från panelen med sessioner på din webbplats.
- Ordna varumärkets fakta i de källor som modellerna citerar. Profilen och agenten kommer senare att dra nytta av samma fakta.
- Registrera varje siffra med modellversion och datum, och håll panelens siffror separata från mätningens siffror, utan att lägga ihop dem.
Räknaren avslutar AI-kanalens osynlighet, men inte marknadsförarens arbete
En räknare från plattformen är en bra förändring, eftersom den avslutar den tid då AI-kanalen var osynlig för analys, men den befriar inte marknadsföraren från att fråga om orsaker. Plattformen visar att varumärket fanns i svaret. Oberoende mätning visar varför, och bredvid vem. Uppmärksamhet förblir valutan, och modellen delar fortfarande ut chanser till den till de varumärken som ger den en anledning.
Om du vill ha en baslinje innan en plattformspanel når ditt företag, ställer Semantio modeller frågor som inte nämner varumärket och visar om modellen introducerar det, vem den placerar det bredvid, hur starkt den rekommenderar det och vart den skickar kunden, med modellversion och datum bredvid varje siffra. Du kan börja med en 7-dagars provperiod.
