Porque é que um painel de controlo não pode definir a estratégia de visibilidade de IA da sua marca ?

Porque é que um painel de controlo não pode definir a estratégia de visibilidade de IA da sua marca ?
3 min de leitura

Perante a proliferação de ferramentas para medir a visibilidade nos motores de busca generativos, o autor de uma análise publicada no Search Engine Journal apela às empresas para não confiarem a sua estratégia a um software. Segundo ele, um mercado ainda imaturo expõe as equipas a ferramentas instáveis, pouco comparáveis entre si e por vezes difíceis de abandonar.

Para sustentar o seu argumento, o autor indica ter identificado 194 ferramentas lançadas nos últimos dois a três anos, através do Product Hunt, G2 e LinkedIn. Segundo ele, pouco mais de 60% destas são experiências artesanais, projetos paralelos ou criações de fundadores individuais. Estima a taxa de mortalidade desta categoria entre 55% e 60%, sem contar com as ferramentas que não conseguiu identificar. Todos os meses, segundo ele, serviços cortam as suas APIs, deixam expirar os seus nomes de domínio ou reorientam-se para aplicações sem relação.

O custo é, segundo o autor, o principal fator de fragilidade. Consultar um motor de busca clássico e analisar o seu código HTML custa uma fração do preço de uma série de consultas complexas, em várias interações, em modelos de IA com navegação web ativa. Cita também os esforços da Google para combater este tipo de recolha, que obrigam os editores destas ferramentas a reinvestir constantemente. Para uma ferramenta self-service faturada a 100 dólares por mês, as margens seriam, segundo ele, inexistentes. Uma alteração nos preços de inferência, nos limites de consultas ou na interface de um fornecedor de modelos basta para fazer desmoronar estes projetos.

Medições que não se assemelham

Mudar de ferramenta não equivale, segundo o autor, a substituir um instrumento por outro equivalente. Os contratos plurianuais complicam as saídas, e a exportação de dados nem sempre basta, porque não existe um padrão comum. Cita a este propósito um documento da IAB que nota a ausência de uma norma universalmente aceite para medir as respostas das IAs conversacionais.

As diferenças incidem sobre vários pontos. Uma plataforma pode consultar diretamente o modelo, enquanto outra passa por uma navegação web comparável à de um internauta ligado. Algumas ferramentas limitam-se a verificar se a marca é citada, outras avaliam o seu lugar e tom. Uma simples menção breve pode contar como um sucesso numa e penalizar a pontuação noutra. Por fim, uma plataforma pode apresentar uma classificação fixa, enquanto outra mede a frequência das variações em vários testes. Segundo o autor, uma pode anunciar uma presença no topo em 80% das respostas, enquanto outra nunca menciona a marca, sendo que as respostas das IAs variam de forma aleatória.

Constituir os seus próprios dados

Para o autor, a empresa deve possuir internamente a sua lista de consultas, os conjuntos de prompts e as respostas recolhidas. Recomenda armazenar estes elementos fora de qualquer subscrição externa, e privilegiar as plataformas que permitem exportar os textos de resposta, as marcas temporais, os URLs de origem e as consultas, por webhook, BigQuery ou CSV padronizado. Assim, se um fornecedor alterar o seu método de cálculo, o histórico bruto mantém-se utilizável.

O autor recorda finalmente que a visibilidade é, segundo ele, um resultado e não uma alavanca. Os modelos de linguagem, que geram as respostas, citariam, de acordo com ele, marcas dotadas de definições de entidade sólidas, de arquiteturas e esquemas não ambíguos, e de uma presença digital ativa, em vez de marcas que tenham comprado um software. Prevê que a consolidação do setor se acelerará e que a maioria das ferramentas desaparecerá.

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