Hur AI-svarstjänster avgör vilka varumärken de ska nämna

Inledning

Fråga Gemini vilka verktyg som är ledande inom din kategori, så får du en kort lista. Antingen finns ditt varumärke med på listan, eller så finns det inte där.

Det svaret är nu det första som många köpare ser. Googles AI-översikter visas ovanför de organiska resultaten, och en rankningsspårare som visar att du ligger på andra plats säger ingenting om huruvida rutan ovanför första platsen nämnde dig överhuvudtaget.

De flesta företag har ingen aning om hur det ligger till. Den goda nyheten är att Google har publicerat mer information om hur dessa system fungerar än vad de flesta inser, och mekanismerna är mindre mystiska än vad marknadsföringen antyder.

Viktiga slutsatser

Google uppger att det inte finns några särskilda krav för att visas i AI-översikterna eller i AI-läget. Samma ranknings- och kvalitetssystem gäller.

Det finns ingen AI-specifik markering att lägga till. Google säger att llms.txt, content chunking och speciella scheman inte används av Sök.

Googles två egna AI-gränssnitt kan skilja sig åt, eftersom AI-läget och AI-översikterna kan använda olika modeller och tekniker.

Inget verktyg från tredje part ser Googles interna signaler. Verktygen mäter resultat, vilket är något annat men ändå användbart.

Rankningsspårning och svarsspårning mäter olika resultat, och du behöver nu båda.

Vad som faktiskt avgör om du nämns

Börja med det minst glamorösa faktumet. I Googles dokumentation om AI-funktioner anges att det inte finns några ytterligare krav för att visas i AI-översikter eller AI-läge, och att inga andra särskilda optimeringar krävs.

För att vara kvalificerad som en stödjande länk måste en sida uppfylla samma krav som vilket sökresultat som helst. Den måste kunna genomsökas, returnera ett framgångsrikt svar och innehålla indexerbart innehåll.

Googles riktlinjer för AI-upplevelser bygger på samma grundprinciper som företaget har förespråkat i åratal. Unikt och genuint användbart innehåll, en bra sidupplevelse samt strukturerade data som stämmer överens med vad som faktiskt syns på sidan.

En detalj förvirrar många. Förhandsgranskningskontroller som nosnippet, data-nosnippet, max-snippet och noindex begränsar alla hur ditt innehåll kan visas i AI-format, så en restriktiv inställning som gjordes för flera år sedan kan nu i tysthet utesluta dig.

Vad Google säger att du kan sluta oroa dig för

Den här delen sparar dig mycket onödigt arbete. Googles optimeringsguide för generativ AI är ovanligt rakt på sak när det gäller taktik som inte ger något resultat.

Det finns ingen speciell schema.org-markering för AI-funktioner. Strukturerade data är fortfarande värda att använda för utökade sökresultat, men det är inget krav för generativ AI-sökning.

llms.txt-filer ignoreras av Google Sök. I guiden påpekas att det varken skadar eller förbättrar synligheten i Google att skapa en sådan fil, även om andra system kan använda dem.

Det krävs inte heller att man delar upp innehållet i små fragment, och inte heller att man skriver om sidor till någon påhittad AI-vänlig dialekt. Google säger att deras system hanterar sidor med flera ämnen och förstår synonymer utmärkt.

Mätproblemet som ingen har löst

Här blir det lite besvärligt. Du kan följa varje del av dessa riktlinjer och ändå inte ha en aning om det fungerade.

Search Console innehåller nu en rapport för generativa AI-funktioner, vilket är till hjälp. Men den ger information om trafik och visningar snarare än om ett svar nämnde ditt varumärke, listade en konkurrent istället eller hänvisade till en recensionssajt som du aldrig har bidragit till.

Det är just den luckan som en ny kategori av verktyg finns till för att fylla. Citenzos Gemini-synlighetsmätare kör frågor om köpintentioner genom Gemini enligt ett schema, registrerar om ditt varumärke nämns och poängsätter din andel av rösterna jämfört med de konkurrenter som sökmotorn faktiskt nämner.

Detaljerna i metodiken är viktigare än själva instrumentpanelen. Eftersom dessa svar varierar mellan olika körningar utförs varje sökfråga flera gånger och poängen beräknas som medianvärdet, vilket är skillnaden mellan en trend och en skärmdump.

Verktyget listar också de källor som svaret hämtats från och markerar sidor där en konkurrent förekommer men inte du. Täckningen omfattar sex sökmotorer, och det finns en kostnadsfri kontroll som fungerar utan konto om du vill ha en utgångspunkt innan du bestämmer dig.

Vad dessa verktyg kan och inte kan se

Detta förtjänar att sägas tydligt, eftersom kategorin lockar till överdrivna påståenden. Googles egen guide varnar läsarna för att vara försiktiga med verktyg från tredje part som lovar framgång i rankningen eller hävdar att de använder Googles interna mätvärden, och anger att inget verktyg från tredje part har tillgång till Googles interna ranknings- eller AI-system.

Den varningen är korrekt och värd att hålla fast vid. Den gör dock inte mätningen av resultat värdelös.

Skillnaden ligger mellan indata och utdata. Ingen utanför Google kan se viktningen bakom ett svar, men vem som helst kan observera vad svaret sa, vilka varumärken det nämnde och vilka webbadresser det citerade.

Det liknar mer en opinionsundersökning än en topplista. Man samlar in beteendedata upprepade gånger för att uppskatta en andel, vilket är anledningen till att urvalsstorlek, upprepning och en medianvärde snarare än ett enskilt mätvärde är de faktorer man bör granska i alla verktyg man utvärderar.

Varför ett enda betyg inte räcker

I Googles dokumentation anges att AI-läget och AI-översikterna kan använda olika modeller och tekniker, vilket innebär att de svar och länkar som visas kan variera.

Det är ett slående erkännande. Två av Googles gränssnitt, som svarar på samma fråga, kan nämna olika varumärken samma dag.

Lägg till ChatGPT, Claude, Perplexity och Grok så splittras bilden ytterligare. Ett varumärke kan vara standardrekommendationen hos en assistent och osynligt hos en annan, vilket gör ett enda sammanvägt värde mindre användbart än en uppdelning per motor.

Vad man faktiskt ska lägga in på en översiktssida

Omnämnandefrekvensen är grundmåttet. Hur ofta nämner sökmotorn ditt varumärke i en fast uppsättning köparfrågor, uttryckt som en procentandel av sökningarna snarare än som ett ja eller nej.

Andel av rösterna är det som förändrar beteendet internt. Att veta att du förekommer i tre av tio svar är mindre viktigt än att veta vilken konkurrent som tar de övriga sju.

Citerade källor är det mest handlingsbara området och det som de flesta verktyg hoppar över. Listan över URL:er som ett svar bygger på omvandlar ett betyg till en att-göra-lista.

Sentimentet är värt att följa, men bör inte övervärderas. Hur en sökmotor framställer dig speglar vad sökresultaten visade just den veckan, så betrakta en nedgång som en uppmaning att undersöka saken snarare än som ett slutgiltigt omdöme.

Att omvandla en brist till en åtgärd

Mätning i sig förändrar ingenting. Poängen med att se vilka källor ett svar hänvisar till är att dessa sidor blir en mållista.

Om Gemini fortsätter att basera sitt svar på en jämförelseöversikt, en forumtråd och en recensionskatalog, och din konkurrent finns med i alla tre, är det inte ett innehållsproblem på din egen webbplats. Det är en frånvaro från de platser som modellen läser.

Det är hit de nya verktygen för att täppa till källhål är på väg, och det är värt att granska dem på samma sätt som du skulle granska vilken placeringstjänst som helst.

Den ärliga versionen av arbetet är inte särskilt glamorös. Se till att korrekt och aktuell information om din produkt finns på de tredjepartssidor som redan rankas för frågor i din kategori, och fortsätt sedan att mäta om svaren förändras.

Ett klokt sätt att börja

Gör en baslinjemätning innan du köper något. Ställ samma tio köparfrågor manuellt till två eller tre assistenter och skriv ner vad du ser.

Upprepa sedan detta en vecka senare. Om svaren har förändrats utan att du har gjort något har du lärt dig något viktigt om hur osäker denna mätning är.

Först då bör du överväga att automatisera det. Verktyg i denna kategori kostar från cirka 29 dollar per månad för veckovisa kontroller, med daglig spårning och större bibliotek med frågor på högre nivåer, så kostnaden för en testperiod är låg jämfört med kostnaden för att gissa.

Och håll omfattningen realistisk. Detta är ett synlighetsmått, inte en attributionsmodell, och det kommer inte att berätta vad något av detta var värt i säljprocessen.

Slutsatsen

AI-svarsmotorer kör inte någon hemlig parallell algoritm som belönar en ny uppsättning knep. Google har tydligt sagt att grundläggande faktorer fortfarande avgör om något är kvalificerat.

Det som verkligen har förändrats är det resultat du tävlar om. Rankning är inte längre detsamma som att bli omnämnd, och endast det ena av dessa syns i din befintliga rapportering.

Mät svaret, inte bara positionen. Behandla sedan de citerade källorna som den faktiska arbetslistan.

Vanliga frågor

Behöver jag särskild markering eller en llms.txt-fil för att visas i AI-översikterna?

Nej. Google uppger att det inte krävs någon speciell schema.org-markering för generativa AI-funktioner, och att Google Sök ignorerar llms.txt-filer, så att skapa en sådan kommer varken att hjälpa eller skada din synlighet där. Andra system utanför Google kan använda sådana filer.

Kan något verktyg se hur Googles AI rankar innehåll?

Nej. Googles egna riktlinjer anger att inget verktyg från tredje part har tillgång till deras interna ranknings- eller AI-system. Vad verktyg kan göra är att observera utdata, det vill säga vilka varumärken och källor som visas i svaren, vilket är ett mått på resultaten snarare än på algoritmen.

Varför ger olika AI-assistenter olika svar om samma varumärke?

Eftersom de använder olika modeller, olika sökmetoder och olika källuppsättningar. Google påpekar självt att AI-läget och AI-översikterna kan använda olika modeller och tekniker, så även två olika Google-gränssnitt kan ge olika svar och länkar.

Hur ofta bör synligheten kontrolleras?

Tillräckligt ofta för att kunna skilja signal från brus. Dessa svar varierar mellan olika körningar, så en enstaka kontroll är mer en anekdot än en mätning, och varje verktyg som är värt att använda bör köra varje fråga flera gånger och rapportera ett medelvärde snarare än ett engångsresultat.