Firma se objeví v odpovědi umělé inteligence. Je to dobrá zpráva, ale pro vyhodnocení marketingu potřebujeme vědět mnohem víc. Na jakou otázku se zobrazila? Byla doporučena, nebo pouze zmíněna? Dostala se do odpovědi opakovaně? Byly informace správné? A přivedla tato viditelnost relevantního zákazníka?
AI Visibility měříme kombinací opakovaných testů odpovědí, sledování citací a dostupných dat o návštěvnosti a obchodních výsledcích. Samotný screenshot ani počet návštěv z AI služeb neposkytuje úplný obraz.
Jako majitel marketingové agentury ROI index považuji za důležité oddělit tři věci: co jsme skutečně naměřili, co z výsledků můžeme odvodit a co zatím nevíme. Právě toto rozlišení rozhoduje o tom, zda AI Visibility pomáhá řídit marketing, nebo jen vytváří atraktivní grafy.
Co vlastně znamená AI Visibility
AI Visibility vyjadřuje, zda a jak se značka, její nabídka nebo obsah objevují v odpovědích AI systémů. Může jít o doporučení dodavatele, porovnání produktů, vysvětlení odborného problému nebo uvedení webu mezi zdroji.
Jedna firma může být dobře viditelná u odborných dotazů, ale chybět při výběru dodavatele. Jiná se objevuje v doporučeních, přestože její web není citován. A další získává zmínky, ale s chybným popisem služeb.
Proto nestačí jediné procento bez vysvětlení. Měření musí zachytit nejen přítomnost značky, ale také kontext, správnost a obchodní význam odpovědi.
Základní přehled souvisejících ukazatelů najdete také v článku jak měřit AI viditelnost značky. V tomto textu se zaměřím na sestavení praktického systému měření.
1. Začněte rozhodnutím, které chcete díky měření udělat
Dříve než vyberete nástroj, odpovězte si na otázku: K čemu budeme výsledky používat?
Pokud řešíte expanzi do nového regionu, potřebujete místní dotazy. Pokud prodáváte specializovaný software, budou důležité otázky na konkrétní použití a porovnání alternativ. U účetní kanceláře může být zásadní, zda se objevuje při hledání účetnictví pro e-shopy, nikoli u obecného vysvětlení účetních pojmů.
Cíl lze formulovat například takto:
Chceme zjistit, zda se naše firma objevuje mezi doporučenými dodavateli pro malé e-shopy v Česku a zda ji AI správně spojuje s naší specializací.
Takové zadání umožňuje vybrat relevantní otázky i metriky. Obecný cíl „chceme být více v AI“ je pro návrh měření příliš neurčitý.
2. Sestavte otázky podle skutečných potřeb zákazníků
Kvalita měření stojí na kvalitě testovaných dotazů. Pokud zvolíte otázky, které přirozeně zvýhodňují vaši značku, dostanete příznivější výsledek. Nemusí však odpovídat běžnému rozhodování zákazníka.
Při tvorbě sady doporučuji vycházet z obchodních rozhovorů, zákaznických dotazů, poptávkových formulářů a témat, která lidé řeší před nákupem.
Pro modelovou účetní kancelář může sada obsahovat několik odlišných záměrů:
| Záměr zákazníka | Příklad otázky | Co sledujeme |
|---|---|---|
| Pochopení problému | Jak vybrat účetní kancelář pro malý e-shop? | Zdroje a případné zmínky firem |
| Výběr dodavatele | Doporuč účetní kanceláře pro e-shopy v Brně. | Zařazení mezi relevantní možnosti |
| Konkrétní požadavek | Kdo zajistí účetnictví e-shopu s prodejem do zahraničí? | Spojení značky se specializací |
| Prověření firmy | Co nabízí účetní kancelář X? | Správnost informací o značce |
| Porovnání | Jak porovnat nabídku kanceláře X a kanceláře Y? | Argumenty, rozdíly a věcná přesnost |
Otázky s názvem firmy vyhodnocujte zvlášť. Když uživatel značku zadá přímo, testujete hlavně její interpretaci. U otázky bez názvu sledujete, zda se firma dostane do výběru sama.
Pro první praktické měření doporučuji například 15 až 30 promyšlených dotazů. Jde o pracovní návrh, nikoli univerzální normu. Důležitější než samotný počet je pokrytí klíčových služeb, regionů a nákupních situací.
3. Oddělte služby, režimy a prostředí
Výsledky různých AI služeb se nemají automaticky slévat do jednoho čísla. Samostatně evidujte také odlišné režimy v rámci stejného produktu.
Základní záznam měření by měl obsahovat přesný dotaz, datum a čas, službu, dostupné označení modelu, jazyk, lokalitu, režim vyhledávání a způsob přístupu. Uveďte také, zda šlo o novou konverzaci a jak jste pracovali s personalizací.
Při automatizovaném měření přes API popište konkrétní API prostředí. Výsledky nelze bez ověření vydávat za přesný obraz toho, co vidí všichni uživatelé běžné aplikace.
U služby, která označení použitého modelu nezobrazuje, tuto skutečnost zaznamenejte. Je lepší přiznat omezenou dostupnost informace než do reportu doplnit neověřenou verzi.
4. Měřte několik jasně definovaných ukazatelů
Pro pravidelný monitoring doporučuji pracovat s menší sadou srozumitelných metrik. Každá musí mít předem stanovené pravidlo, aby dva lidé stejnou odpověď vyhodnotili pokud možno shodně.
Podíl odpovědí se zmínkou značky
Základní výpočet je jednoduchý:
Podíl zmínek = počet platných odpovědí se značkou / počet všech platných odpovědí × 100
Pokud se firma objeví ve 24 ze 120 odpovědí, naměřený podíl je 20 %. Číslo popisuje danou testovací sadu. Neznamená automaticky, že značku vidí 20 % všech uživatelů AI.
Opakuje-li se název firmy v jedné odpovědi několikrát, pro tuto metriku počítejte odpověď pouze jednou.
Podíl odpovědí s doporučením
Zmínka nemusí být doporučení. Firma může být uvedena jako nevhodná alternativa nebo jako příklad z minulosti.
Doporučení proto označujte jen tehdy, když je firma představena jako relevantní možnost pro zadanou potřebu. Předem si určete, jak budete hodnotit podmíněné formulace typu „může být vhodná, pokud hledáte…“.
Podíl odpovědí s citací vlastního webu
Samostatně sledujte odkazy na doménu firmy a konkrétní citované stránky. Rozlišujte přímou citaci vlastního webu a odkaz na cizí článek, který firmu zmiňuje.
Obojí může být užitečné, ale každá situace ukazuje jiný způsob přítomnosti značky v odpovědi.
Správnost informací
Kontrolujte specializaci, působnost, kontakty, dostupné služby a další údaje, které mohou ovlivnit rozhodnutí zákazníka.
Jestliže AI doporučí firmu pro službu, kterou neposkytuje, vysoká viditelnost může přivádět nerelevantní poptávky. V reportu proto oddělte správné, chybné a neověřitelné informace.
Umístění v odpovědi
Pozici má smysl sledovat tehdy, když odpověď obsahuje srovnatelný seznam. První položka ale nemusí být vítězem, pokud AI výslovně neuvádí pořadí podle kvality.
U volného textu je často vhodnější rozlišit hlavní doporučení, vedlejší zmínku a pouhou citaci než vytvářet zdánlivě přesné pořadí.
5. Opakujte měření a zachovejte srovnatelnost
Jednorázový test ukáže konkrétní odpověď. Opakovaný test pomáhá zjistit, zda se výsledek vrací.
Pro orientační průzkum lze začít menší sérií, například deseti opakováními prioritní kombinace dotazu a služby. Pro důležitá rozhodnutí je potřeba počet odvodit od požadované přesnosti. Žádná hranice typu „třicet testů vždy stačí“ neplatí obecně.
Při opakování používejte srovnatelné podmínky a nové konverzace. Otázku „Doporuč marketingovou agenturu pro e-shop“ neměňte v dalším období na „Doporuč zkušenou agenturu pro malý e-shop v Praze“. Přidali jste jiné požadavky, takže porovnáváte jiné situace.
U reportu vždy uvádějte počet pozorování. Změna ze dvou zmínek na čtyři v deseti odpovědích může vypadat jako velký růst, ale stále vychází z malého vzorku.
Když rozšíříte sadu otázek, zachovejte pro porovnání také výsledky původní sady. Jinak může změnu celkového skóre způsobit nové složení testu.
6. Konkurenci porovnávejte ve stejných odpovědích
Pro konkurenční srovnání doporučuji sledovat, které firmy se objevují při stejných zákaznických otázkách a za stejných podmínek.
Nevybírejte konkurenty pouze podle interního seznamu. V odpovědích se mohou objevovat firmy, které jste dříve za přímou konkurenci nepovažovali, nebo katalogy a oborové portály.
U každé značky počítejte podíl odpovědí, ve kterých se objevila. Součet může přesáhnout 100 %, protože jedna odpověď může obsahovat více firem.
Pokud vytváříte „share of voice“, přesně popište jeho jmenovatel. Podíl značky ze všech započítaných výskytů konkurentů je jiná metrika než podíl odpovědí, v nichž se značka objevila.
Ani jeden ukazatel nepředstavuje tržní podíl firmy. Jde o podíl v konkrétně vymezeném testu.
7. Sledujte návštěvnost z AI také bez UTM parametrů
Pro samotné měření zmínek a citací UTM parametry nepotřebujete. Výsledky sledujete přímo v odpovědích.
Také část návštěvnosti lze rozpoznat bez označování odkazů. Pokud se při příchodu na web předá informace o odkazujícím webu, analytika ji může využít k určení zdroje. Google Analytics tento princip popisuje u referral návštěvnosti.
V GA4 proto pracujte s dimenzemi zdroje návštěvy a zdroje/média návštěvy. Hledejte zdroje odpovídající AI službám a ověřujte je na skutečných datech svého webu. Nespoléhejte pouze na jeden název kanálu nebo neměnný seznam domén.
U takto identifikovaných návštěv sledujte především vstupní stránky, zapojení, odeslané formuláře, rezervace, nákupy a kvalitu získaných kontaktů.
Rozpoznaná návštěvnost z AI není totéž co veškerá návštěvnost ovlivněná AI. Uživatel může doporučení přečíst, později vyhledat značku jinde nebo zadat adresu ručně. Někdy se informace o původním zdroji nepředá.
Proto nelze všechny přímé návštěvy připsat AI ani tvrdit, že nulová rozpoznaná návštěvnost znamená nulový vliv AI.
Interní odkazy v článcích ponechte jako čisté adresy. Pro hodnocení pohybu návštěvníka uvnitř webu využijte analytické události a přehledy stránek.
8. Využijte dostupná data Google Search Console
U AI funkcí Googlu oddělte vlastní testy odpovědí od dat, která poskytuje Google.
Podle aktuální dokumentace Google Search Console nabízí přehled výkonu generativní AI ve vyhledávání. Zahrnuje imprese odkazů v AI Overviews a AI Mode a umožňuje jejich vyhodnocení podle stránek, zemí, data a zařízení. Pokud se přehled nezobrazuje, zkontrolujte podmínky dostupnosti a dostatek zaznamenaných impresí.
Tento údaj má jiný význam než zmínka značky bez odkazu. Není ani souhrnem viditelnosti v ostatních AI službách.
Při interpretaci respektujte metriky, které daný přehled skutečně obsahuje. Z impresí samotných nelze dopočítat počet poptávek a návštěvy z Googlu nelze automaticky označit za návštěvy z AI odpovědí.
9. Propojte měření s CRM a kvalitou poptávek
Viditelnost má pro firmu jinou hodnotu podle toho, u jakých otázek vzniká a jaké zákazníky přivádí.
U B2B služeb může být důležitější několik relevantních kontaktů než vysoký počet návštěv obecných článků. U e-shopu bude podstatné, zda návštěvníci nakupují a s jakou hodnotou objednávky.
V CRM evidujte zdroj poptávky, její relevanci, následný obchodní výsledek a případně vyjádření zákazníka. Do formuláře nebo obchodního rozhovoru můžete přidat jednoduchou otázku: „Kde jste se o nás poprvé dozvěděli?“
Odpověď zákazníka berte jako doplňkový údaj. Lidé si nemusí přesně pamatovat celou cestu a mohou uvést jen poslední kontakt se značkou.
Analytická data a odpovědi zákazníků nesčítejte bez kontroly duplicit. Jedna poptávka se může objevit v obou zdrojích.
10. Vytvořte report, který vede ke konkrétní práci
Dobrý report nemá skončit větou „viditelnost vzrostla“. Má ukázat, kde firma získává relevantní přítomnost, kde chybí a co má smysl ověřit nebo změnit.
Doporučuji oddělit tři části:
- Výsledky testování: zmínky, doporučení, citace, správnost a stabilita.
- Chování návštěvníků: rozpoznané příchody, vstupní stránky a důležité akce.
- Obchodní výsledky: relevantní poptávky, zákazníci a doložitelná hodnota.
Každý závěr doplňte kontextem. Pokud firma chybí u určité služby, prověřte, zda je tato služba na webu dostatečně vysvětlena. Pokud AI uvádí chybnou lokalitu, zkontrolujte konzistenci firemních údajů. Pokud je citován starý článek, posuďte jeho aktuálnost.
Praktický postup obsahových a technických úprav popisuji v návodu jak připravit web pro AI vyhledávání. Samotná souvislost mezi chybějícím obsahem a slabou viditelností však ještě nedokazuje příčinu. Návrh změny berte jako hypotézu, kterou následně ověříte.
Modelový příklad: co znamenají čísla v reportu
Představme si čistě ilustrativní test s deseti dotazy, třemi AI službami a deseti opakováními každé kombinace. Celkem vznikne 300 platných odpovědí.
Firma se objeví v 90 odpovědích, ve 48 je doporučena a ve 36 je citován její web. Výsledkem je 30% podíl zmínek, 16% podíl doporučení a 12% podíl citací.
Tyto hodnoty se nesčítají. Jedna odpověď může současně obsahovat zmínku, doporučení i citaci.
Zároveň může většina zmínek pocházet z otázek, které přímo obsahovaly jméno firmy. Proto je nutné ukázat výsledky i po skupinách dotazů. Souhrnných 30 % může zakrývat slabou přítomnost při skutečném hledání dodavatele.
Pokud analytika za stejné období rozpozná návštěvy z AI služeb, nejde o přímé pokračování těchto 300 testů. Testování a provozní data mají jiné soubory uživatelů i jiný účel. Vlastní testovací návštěvy navíc nesmějí zkreslovat obchodní vyhodnocení.
Nejčastější chyby při měření AI Visibility
Za nejrizikovější považuji výběr pouze příznivých odpovědí, změny otázek mezi obdobími a vytváření jednoho skóre bez zveřejnění jeho výpočtu.
Další chybou je zaměňování aktivity robotů za zákaznickou návštěvnost. Návštěva crawleru v serverovém logu dokládá požadavek na web, nikoli automaticky citaci, doporučení nebo zájem člověka.
Stejně problematické je připisovat všechny změny vlastní optimalizaci. Výsledky mohou ovlivnit i změny služeb, konkurence a zdrojů. U každé úpravy proto evidujte datum a následně porovnávejte srovnatelná období.
A konečně: růst viditelnosti nemusí znamenat růst relevance. Firma může získat více zmínek u témat, která nepřinášejí vhodné zákazníky. Report musí zůstat navázaný na obchodní cíl.
Měření má ukázat, co udělat dál
Dobře nastavená AI Visibility odpovídá na konkrétní otázky: U jakých potřeb zákazníků nás AI doporučuje? Které stránky používá jako zdroj? Jak přesně popisuje naši nabídku? Kde se prosazuje konkurence? A jaká část dostupných obchodních výsledků má doložitelnou vazbu na AI?
Z těchto odpovědí lze sestavit priority pro obsah, technické úpravy i budování odborné důvěryhodnosti. Na měření tak přirozeně navazuje GEO optimalizace pro AI vyhledávače.
Jako majitel ROI index doporučuji začít jasným cílem, relevantní sadou otázek a poctivým výchozím měřením. Teprve poté má smysl porovnávat změny a rozhodovat o dalších investicích.
Chcete zjistit, jak se vaše firma objevuje v AI odpovědích a které výsledky mají obchodní význam? Kontaktujte ROI index a probereme měření podle vašeho oboru, zákazníků a priorit.
