AI visibility rate harus menyebut apa yang dihitung dan respons mana yang masuk penyebut. Untuk owned citation rate, hitung respons valid yang menautkan domain milikmu, lalu bagi dengan respons valid yang status citation-nya dapat diketahui. Error akses dan field sumber yang hilang perlu dilaporkan terpisah.
Rumusnya sederhana. Kesalahan biasanya terjadi ketika unit, status data, atau komposisi panel berubah tanpa dijelaskan. Artikel ini menggunakan angka simulasi untuk menunjukkan cara memeriksanya; angka tersebut bukan benchmark visibilitas yang harus kamu capai.
Mulai dari tabel status pengamatan
Misalnya, kamu menjalankan 15 percobaan. Tiga gagal karena timeout. Dari 12 respons valid, dua tidak menyertakan data sumber akibat masalah ekspor. Pada sepuluh respons yang sumbernya dapat diperiksa, empat menautkan domainmu.
| Komponen | Jumlah | Perlakuan |
|---|---|---|
| Seluruh percobaan | 15 | Dilaporkan sebagai attempt |
| Gagal menghasilkan respons yang dapat dinilai | 3 | Invalid, tidak masuk penyebut hasil |
| Respons valid | 12 | Dasar cakupan respons |
| Citation belum diketahui | 2 | Dilaporkan sebagai unknown |
| Citation diketahui | 10 | Penyebut owned citation rate |
| Owned citation terlihat | 4 | Pembilang |
Owned citation rate = 4/10 × 100% = 40%. Cakupan respons valid = 12/15 atau 80%. Cakupan label citation di antara respons valid = 10/12, sekitar 83,3%.
Jangan melaporkan hanya “citation 40%” tanpa jumlah dan cakupan. Pembaca perlu tahu bahwa dua label masih belum diketahui. Jika keduanya kemudian dapat diperiksa, nilai akhirnya bisa berubah.
Bedakan nol dari belum diketahui
Respons yang lengkap tanpa tautan ke domainmu adalah nilai “tidak”. Respons yang tidak dapat diakses adalah invalid. Respons yang dapat dibaca tetapi daftar sumbernya hilang dari ekspor adalah unknown untuk label citation, meskipun mention mungkin masih dapat dinilai.
Akibatnya, mention rate dan citation rate pada dataset yang sama dapat mempunyai penyebut berbeda. Ini bukan kesalahan selama alasannya dijelaskan.
Jika tidak ada satu pun label yang diketahui, rate belum dapat dihitung. Menulis 0% akan menyiratkan bahwa semua respons sudah diperiksa dan tidak ada kemunculan. Klaim itu berbeda dari keadaan data yang sebenarnya.
Hindari perubahan komposisi yang menyerupai pertumbuhan
Contoh simulasi berikut menggunakan dua cohort:
| Periode | Prompt bermerek | Mention bermerek | Prompt discovery | Mention discovery |
|---|---|---|---|---|
| A | 5 | 5 | 15 | 3 |
| B | 15 | 15 | 5 | 1 |
Pada kedua periode, mention bermerek 100% dan discovery 20%. Namun, agregat periode A adalah 8/20 atau 40%, sedangkan B adalah 16/20 atau 80%.
Tidak ada perbaikan dalam masing-masing cohort. Angka agregat naik karena lebih banyak prompt yang menyebut brand. Karena itu, tampilkan per cohort dahulu dan pertahankan komposisi saat membandingkan periode.
Jika kamu memang membutuhkan bobot, tetapkan alasan dan bobotnya sebelum membaca hasil. Jangan memilih bobot setelah pengamatan untuk menghasilkan grafik yang lebih menarik.
Jangan menyebut presence sebagai pangsa pasar
Satu respons dapat menyebut beberapa brand. Jika brand A muncul pada enam dari sepuluh respons dan B pada tujuh, totalnya 130% karena kemunculannya bisa tumpang tindih. Itu bukan kesalahan aritmetis, tetapi metriknya bukan pangsa pasar.
Kamu dapat menghitung pangsa pasangan respons-brand dalam daftar yang ditetapkan, tetapi beri nama dan batasnya dengan jelas. Misalnya, A mempunyai enam pasangan dari total 13 pasangan A dan B. Hasil 46,2% hanya berlaku untuk dua brand dan panel tersebut, bukan seluruh kategori.
Demikian pula, satu sumber yang muncul tiga kali pada respons yang sama dapat dihitung sebagai tiga slot citation atau satu pasangan respons-domain. Pilih unit sesuai pertanyaan dan jangan menukar keduanya antarperiode.
Gunakan format laporan yang dapat diaudit
Panel dan versi:
Periode, surface, mode, bahasa:
Attempt / valid / invalid:
Metrik dan definisi label:
Pembilang / penyebut:
Unknown:
Hasil per cohort:
Perubahan konfigurasi atau cakupan:
Kesimpulan yang didukung:
Kesimpulan yang belum didukung:
Untuk sampel kecil, angka mentah sering lebih membantu daripada banyak angka desimal. Perubahan dari dua ke tiga kemunculan pada sepuluh respons adalah kenaikan sepuluh poin persentase, tetapi masih mudah dipengaruhi variasi respons. Jangan menyebutnya tren stabil dari satu pengamatan.
Mulailah dengan memeriksa status data pada satu laporan yang sudah ada. Jika denominator, unknown, atau cohort tidak jelas, perbaiki tiga hal itu sebelum menafsirkan grafik. Angka yang dapat ditelusuri membuat keputusan lebih berguna meskipun hasilnya lebih kecil daripada perkiraan awal.
