Perché un dashboard non può definire la strategia di visibilità AI del tuo brand ?

Perché un dashboard non può definire la strategia di visibilità AI del tuo brand ?
3 min di lettura

Di fronte alla proliferazione di strumenti per misurare la visibilità nei motori di ricerca generativi, l’autore di un’analisi pubblicata su Search Engine Journal invita le aziende a non affidare la propria strategia a un software. Secondo lui, un mercato ancora immaturo espone i team a strumenti instabili, poco comparabili tra loro e a volte difficili da abbandonare.

Per sostenere la sua tesi, l’autore indica di aver censito 194 strumenti lanciati negli ultimi due o tre anni, partendo da Product Hunt, G2 e LinkedIn. Secondo lui, poco più del 60% di questi sono sperimentazioni artigianali, progetti collaterali o creazioni di fondatori solitari. Stima il tasso di mortalità di questa categoria tra il 55% e il 60%, senza contare gli strumenti che non è riuscito a identificare. Ogni mese, a suo dire, servizi chiudono le loro API, lasciano scadere i nomi di dominio o si reindirizzano verso applicazioni non correlate.

Il costo è, secondo l’autore, il principale fattore di fragilità. Interrogare un motore di ricerca classico e analizzarne il codice HTML costa una frazione del prezzo di una serie di query complesse, in più scambi, su modelli di IA con navigazione web attiva. Cita anche gli sforzi di Google per combattere questo tipo di raccolta, che costringono gli editori di questi strumenti a reinvestire continuamente. Per uno strumento self-service fatturato 100 dollari al mese, i margini sarebbero, a suo dire, inesistenti. Una modifica delle tariffe di inferenza, dei limiti di query o dell’interfaccia di un fornitore di modelli basta a far crollare questi progetti.

Misure che non si assomigliano

Cambiare strumento non equivale, secondo l’autore, a sostituire uno strumento con un altro equivalente. I contratti pluriennali complicano le uscite, e l’esportazione dei dati non sempre basta, perché non esiste uno standard comune. Cita a tal proposito un documento dell’IAB che nota l’assenza di una norma universalmente accettata per misurare le risposte delle IA conversazionali.

Le differenze riguardano diversi punti. Una piattaforma può interrogare direttamente il modello, mentre un’altra passa attraverso una navigazione web paragonabile a quella di un utente connesso. Alcuni strumenti si limitano a verificare se il brand è citato, altri ne valutano la posizione e il tono. Una semplice menzione breve può contare come un successo su uno e penalizzare il punteggio sull’altro. Infine, una piattaforma può presentare una classifica fissa, mentre un’altra misura la frequenza delle variazioni su più test. Secondo l’autore, uno può annunciare una presenza in testa nell’80% delle risposte, mentre un altro non menziona mai il brand, poiché le risposte delle IA variano in modo casuale.

Costituire i propri dati

Per l’autore, l’azienda deve possedere internamente la propria lista di query, gli insiemi di prompt e le risposte raccolte. Raccomanda di memorizzare questi elementi al di fuori di qualsiasi abbonamento esterno, e di privilegiare le piattaforme che permettono di esportare i testi di risposta, i timestamp, gli URL sorgente e le query, via webhook, BigQuery o CSV standardizzato. Così, se un fornitore modifica il suo metodo di calcolo, la cronologia grezza rimane utilizzabile.

L’autore ricorda infine che la visibilità è, secondo lui, un risultato e non una leva. I modelli linguistici, che generano le risposte, citerebbero a suo dire brand dotati di definizioni di entità solide, architetture e schemi non ambigui, e di una presenza digitale attiva, piuttosto che brand che hanno acquistato un software. Prevede che la consolidazione del settore accelererà e che la maggior parte degli strumenti scomparirà.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x