Először azt nevezd meg, amit meg akarsz tudni

A „látszik-e a cégünk az AI-ban?” túl tág beszerzési cél. Egy új termék bevezetésekor az lehet fontos, hogy a válaszok helyesen értik-e a termék felhasználását. Egy szakmai kiadó a saját anyagainak forráshivatkozásait követheti. Egy helyi szolgáltató azt vizsgálhatja, ajánlják-e a ténylegesen kiszolgált területén. Ezekre nem feltétlenül ugyanaz az eszköz a legalkalmasabb.

A beszerzési briefben egyetlen mondat helyett három konkrét döntést írjunk le. Például: mely szolgáltatásadatot kell javítani, mely kérdéskörnél hiányos a honlap, és mely visszatérő tévedés jelent ügyfélkockázatot. A szolgáltatónak ezekre kell bizonyítékot mutatnia egy próbán. Az általános pontszám ekkor kiegészítő mutató lesz, nem a vásárlás kizárólagos indoka.

A HubSpot kérdéskezelési dokumentációja például külön követett kérdéseket, csoportosítást és részletes elemzéseket ír le. Ez jól szemlélteti, hogy a kérdésállomány a mérési rendszer része, nem egyszeri beállítási apróság. Más terméknél is ugyanilyen részletesen kell megismerni, honnan származik a vizsgált kérdéslista.

Határozd meg a mérési egységet

A válasz, a futtatás, a márkaemlítés és a hivatkozás eltérő darabszám. Ha egy válaszban háromszor szerepel a cég neve, az lehet egy említést tartalmazó válasz vagy három névelőfordulás. Ha ugyanaz a kérdés több motoron fut, az is más nevezőt hoz létre. A százalékot csak a számláló és a nevező együtt teszi értelmezhetővé.

A hiányzó mérés különösen fontos. Egy időtúllépés nem ugyanaz, mint egy sikeresen elkészült válasz, amelyben nincs márkaemlítés. Ha az egyik eszköz kihagyja a hibákat, a másik nullának számolja őket, ugyanaz a minta eltérő százalékot eredményez. Ez nem feltétlenül manipuláció, de dokumentálás nélkül félrevezető összehasonlítás.

Határozd meg a mérési egységet
Beszerzési kérdésEllenőrizhető válaszGyanúsan homályos válasz
Mit számol említésnek?Pontos szabály és példaválaszA rendszer felismeri
Mi a százalék alapja?Érvényes futtatások számaÖsszesített AI-jelenlét
Hogyan kezeli a hibát?Külön hiányzó vagy sikertelen mérésA hiba is nulla
Mi számít saját forrásnak?Domain- és URL-szabályMinden kapcsolódó említés
Mi őrizhető meg?Kérdés, idő, válasz, hivatkozásCsak havi pontszám

A felület neve nem írja le a lekérdezés módját

Egy szolgáltatás állíthatja, hogy egy ismert válaszmotor eredményét méri. Ettől még tisztázandó, milyen hozzáférésen keresztül, milyen keresési képességgel és milyen környezeti beállításokkal történik a kérdezés. Az API-n elérhető modell, a webes alkalmazás és a kutatóeszközben kialakított munkafolyamat nem tekinthető automatikusan azonos felhasználói élménynek.

A kérdés nem az, hogy valamelyik módszer eleve rossz-e. Az a kérdés, mire alkalmas. Egy következetesen végrehajtott automatizált minta időbeli összehasonlításra hasznos lehet, miközben nem képvisel minden lakossági felhasználót. A szállító akkor segít jól, ha ezt világosan leírja, és nem ígéri a teljes AI-világ objektív rangsorát.

A próba során kérjünk konkrét példát a beállításokra. Ismert-e a nyelv és a régió? Új beszélgetésből indul-e a mérés? Tartalmaz-e előzményt? Megőrizhető-e a tényleges kérdésszöveg? Amit a rendszer nem tesz hozzáférhetővé, azt ne próbáljuk a riportból kitalálni. A bizonytalan rész a szerződésben is maradjon bizonytalanként megnevezve.

Készíts közös próbát, de ne versenyeztesd a véletlent

Az összevetéshez saját, kis kérdéscsomagot érdemes készíteni. Legyen benne tájékozódó kérdés, szolgáltatás-összehasonlítás, konkrét alkalmassági kérdés és olyan eset is, amelyre a cég ténylegesen nem jó megoldás. Az utóbbi megmutatja, képes-e a riport a márka nélküli, de tartalmilag helyes választ is értelmesen kezelni.

A próbacsomag ugyanazt a szöveget és üzleti feltételeket használja mindkét eszközben. Ez még nem szünteti meg a rendszerek közötti eltérést, de láthatóvá teszi annak egy részét. Több időpontban megismételt vizsgálat segít elválasztani a visszatérő különbséget az egyszeri válaszváltozattól. A próbafuttatások száma saját munkaterv, nem általános bizonyossági küszöb.

Egy képzeletbeli szoftvercég például ne csak a saját márkanevével feltett kérdéseket használja. Ha a tesztkérdés eleve felsorolja a céget, a márka megjelenése kevésbé informatív, mint egy valódi problémafelvetésnél. A márkás kérdés a pontosságot vizsgálja jól; a nem márkás kérdés inkább a felfedezhetőség egy mintáját mutatja. A kettőt külön csoportban érdemes értékelni.

Az export legyen bizonyíték, ne csupán táblázat

A havi pontszám önmagában kevés a javításhoz. Ha a riport azt mondja, hogy a márka elavult szolgáltatással szerepel, szükség van az érintett válaszra és hivatkozásra. Ha csökkent a forráshivatkozások száma, meg kell találni, mely URL-ek és kérdések érintettek. A részletek hiányában a szolgáltatóváltás vagy a belső ellenőrzés is nehéz lesz.

Az exportálhatóság mellett a hozzáférési és adatmegőrzési feltételeket is nézzük meg. Ki láthatja a kérdésekbe beírt üzleti információt? Mennyi ideig őrzi a szolgáltató a válaszokat? Mi marad meg előfizetés után? Ezek gyakorlati beszerzési kérdések, különösen akkor, ha a csapat véletlenül belső terméknevet vagy még nem nyilvános ajánlatot tenne egy tesztbe.

  • Legyen megőrizhető a kérdés pontos szövege és a csoportja.
  • Legyen dátum, azonosítható mérési környezet és sikerességi állapot.
  • A válasz és a hivatkozott URL külön mezőként is legyen elérhető, ha a termék ezt támogatja.
  • A márkaazonosítás téves találatait lehessen javítani vagy legalább megjegyezni.
  • A nyers megfigyelés és az abból képzett értékelés maradjon elkülöníthető.

A pontszám helyett az elvégezhető feladatot árazzuk

Két rendszer közül nem feltétlenül az olcsóbb hoz kisebb költséget. Ha a másik pontosan megmutatja a hibás forrásoldalt és a visszatérő tévedést, kevesebb belső elemzői munka kellhet. Ugyanakkor egy bonyolult vállalati csomag sem feltétlenül indokolt, ha a vállalkozásnak néhány fontos termékadata és kezelhető számú kérdése van.

A teljes ráfordításba számítsuk bele a beállítást, a kérdéskarbantartást, a téves találatok ellenőrzését és a vezetői értelmezést. A dashboard nem végzi el helyettünk a szolgáltatás tényeinek ellenőrzését. A beszerzési próba végén ezért ne csak azt kérdezzük, melyik mutat több adatot, hanem azt is, melyikből született kevesebb bizonytalan következtetéssel több használható teendő.

Az AI-láthatóság mérése nem hoz létre külön technikai rangsorolási jogosultságot. A Google saját AI-funkciós útmutatója sem ír elő speciális AI-sémát a megjelenéshez. Egy eszköz ajánlását ezért ugyanúgy ellenőrizni kell, mint bármely szakmai javaslatot: valóban hiányzó információt vagy hozzáférési akadályt javít-e, vagy csak a saját mutatóját próbálja kedvezőbbé tenni.

Gyakori kérdések

Van értelme két AEO-eszközt párhuzamosan használni?

Átmeneti beszerzési próbában igen, ha ugyanarra a döntésre keresünk bizonyítékot, és dokumentáljuk a módszertani különbségeket. Tartósan csak akkor indokolt, ha valóban eltérő, hasznos feladatot látnak el. Két egymásnak ellentmondó összpontszám önmagában nem ad kétszer annyi tudást.

A magasabb láthatósági érték jobb értékesítési eredményt jelent?

Nem szükségszerűen. Függ a követett kérdések üzleti relevanciájától, a megjelenés pontosságától és a következő ügyféllépéstől. A saját érdeklődéseket, minőséget és értékesítési eredményt külön kell figyelni, és az összefüggést bizonyíték nélkül nem szabad okozati kapcsolatként bemutatni.

Elég a szolgáltató által ajánlott kérdéslista?

Kiindulópontnak használható, de a cégnek felül kell vizsgálnia. Az értékesítési beszélgetésekben előforduló konkrét feltételek, kizáró okok és magyar megfogalmazások hiányozhatnak belőle. A saját listát úgy érdemes bővíteni, hogy a régi minta időbeli összevethetősége megmaradjon.

Források és további olvasnivaló

A cikk tájékoztató jellegű szakmai útmutató. Az említett példák szemléltető helyzetek; a saját vállalkozásodnál a konkrét adatok és a működési feltételek alapján érdemes dönteni.

Van egy hasonló feladatod?

Beszéljük át, hogyan ültethető át a gyakorlatba.

Projektet indítok

Kapcsolódó szolgáltatás: GEO és AI-láthatóság ↗