Wie wir SEO- und KI-Sichtbarkeitsergebnisse messen

Ein Ergebnis ist eine gemessene Veränderung gegenüber einem datierten Ausgangspunkt, berechnet mit einer Definition, die vor Beginn der Arbeit gewählt wurde, und interpretiert im Kontext aller anderen Veränderungen. Es ist keine günstige Zahl, die nach der Auslieferung entdeckt wurde. Diese Methodik ist der Vertrag hinter jedem von uns veröffentlichten Ergebnis: Ein Leser sollte in der Lage sein, dieselben Quelldaten zu nehmen, die angegebene Formel anzuwenden und zur gleichen Zahl zu gelangen.

Dieser Standard ist wichtig, weil die Suchleistung ein beobachtendes System ist. Seiten ändern sich, Wettbewerber reagieren, die Nachfrage verschiebt sich, Suchmaschinen aktualisieren sich und Marketingkampagnen überschneiden sich. Wir können beweisen, was wir ausgeliefert haben und wann. Wir können messen, was als Nächstes passiert ist. Wir können nur dann behaupten, dass unsere Arbeit die gesamte Bewegung verursacht hat, wenn das Forschungsdesign diese Behauptung stützt.

Der Messdatensatz, den jedes Ergebnis enthalten muss

Jedes veröffentlichte Ergebnis muss genügend Informationen für eine Prüfung bereitstellen. Mindestens enthält sein Datensatz:

• das Geschäftsziel und die vor der Implementierung ausgewählte Metrik;
• die Metrikformel, Quelle, Zeitzone, ggf. Währung und das Attributionsmodell;
• die Website, das Verzeichnis, die Vorlage, die Seitenkohorte, der Markt, das Gerät, die Engine und der Prompt-Umfang;
• Basis- und Vergleichsdaten, einschließlich der Anzahl vollständiger Tage in jedem Zeitfenster;
• der absolute Startwert, der absolute Endwert und die berechnete Veränderung;
• Implementierungsdaten und die genaue in der Behauptung enthaltene Arbeit;
• wesentliche Annotationen und bekannte konkurrierende Erklärungen;
• fehlende Daten, Tracking-Änderungen, Ausschlüsse und die Stichproben- oder Nennergröße;
• die Stärke der Attributionssprache, die wir verwenden dürfen; und
• der Prüfer, der die kundenbezogenen Zahlen genehmigt hat.

Wenn eines dieser Felder nicht verfügbar ist, legen wir entweder die Einschränkung neben dem Ergebnis offen oder veröffentlichen es nicht. Eine private Tabelle mit dem Vorbehalt repariert keine uneingeschränkte öffentliche Behauptung.

1. Was als Ergebnis zählt

Der Zweck der Messung ist zu zeigen, ob die Arbeit etwas Wertvolles verändert hat. Wir organisieren Metriken als Kette, weil jede Stufe eine andere Frage beantwortet:

1. Auslieferung: Wurde die beabsichtigte Änderung korrekt veröffentlicht? Beispiele sind veröffentlichte Seiten, aktualisierte Vorlagen, aufgelöste Weiterleitungen und wiederhergestellter Crawler-Zugriff.
2. Entdeckung und Sichtbarkeit: Haben Such- oder KI-Systeme die Arbeit gefunden und ausgespielt? Beispiele sind gültige indizierte Seiten, Impressionen, Ranking-Verteilung, KI-Sichtbarkeits-Score, Erwähnungen und Zitate.
3. Auswahl und Engagement: Haben Menschen oder Antwortmaschinen sie ausgewählt? Beispiele sind organische Klicks, qualifizierte Sitzungen, zitierte URLs, engagierte Besuche und Besuche auf einer Folgeseite.
4. Geschäftsergebnis: Hat dieses Verhalten Wert geschaffen? Beispiele sind qualifizierte Leads, Testversionen, Käufe, Abonnementumsätze, gebuchte Termine oder ein anderes mit dem Kunden vor Arbeitsbeginn vereinbartes Ergebnis.

Auslieferung ist ein Nachweis, dass die Arbeit stattfand. Sichtbarkeit ist ein Frühindikator: eine Kennzahl, von der erwartet wird, dass sie sich vor einem Geschäftsergebnis bewegt. Engagement zeigt Reaktion. Das Geschäftsergebnis ist das Ergebnis, das die meisten Organisationen letztlich finanzieren.

Alleiniger Traffic ist daher für die meisten Geschäftsmodelle kein Ergebnis. Ein SaaS-Unternehmen profitiert nicht allein davon, dass 20.000 zusätzliche Besucher einen irrelevanten Artikel lesen; es profitiert, wenn geeignete Interessenten Testversionen, Demos und Abonnements starten oder beeinflussen. Ein E-Commerce-Unternehmen benötigt profitable Bestellungen, keine Sitzungen ohne Bezug zu Umsatz und Marge. Ein Verlag kann qualifizierte Seitenaufrufe legitimerweise als Geschäftsergebnis behandeln, wenn diese Aufrufe Werbe- oder Abonnementwerte erzeugen, aber selbst dann können Bot-Traffic, versehentliche Besuche und die Zielgruppengeografie den Wert derselben Besuchszahl verändern.

Wir berichten Traffic, wenn er der richtige Platz in der Metrikkette ist, und kombinieren ihn mit Qualitäts- oder Nachweisinformationen, wenn es das Geschäftsmodell zulässt. Wir lehnen es ab, Impressionen, ein einzelnes Ranking, die Seitenanzahl, rohen Traffic, die Engagement-Rate oder einen proprietären Score als endgültige geschäftliche Auswirkung darzustellen, wenn kein validierter Zusammenhang nachgewiesen wurde.

Das Ergebnis wird im Voraus ausgewählt. Wenn das vereinbarte primäre Ergebnis qualifizierte Demo-Anfragen sind, ersetzen wir es nach der Auslieferung nicht durch Impressionen, nur weil die Impressionen gestiegen sind und die Demo-Anfragen nicht.

2. Basiswerte: Fixieren Sie den Ausgangspunkt

Ein Basiswert ist eine datierte, unveränderliche Messung des relevanten Umfangs, bevor die erste im Umfang enthaltene Änderung ausgeliefert wird. Die P5-Baseline-Messphase erklärt, wie man ihn erfasst. Der Basiswert muss dieselbe Formel, Quellen, Filter, Segmente, Zeitzone, Währung, dasselbe Attributionsmodell, denselben Prompt-Satz, dieselben Wettbewerber und Ausschlüsse verwenden, die der spätere Kontrollpunkt verwenden wird.

Bei Ratenmetriken speichern wir den Zähler und den Nenner, nicht nur die Rate. Bei websiteweiten Summen speichern wir auch die betroffene Kohorte. Wenn 40 Produktseiten optimiert werden, bleibt ihr Basiswert getrennt von den anderen 8.000 URLs; andernfalls kann ein unabhängiges Seitenwachstum verschleiern, was mit der Arbeit passiert ist.

Ein rückwirkend rekonstruierter Basiswert ist kein Basiswert. Sobald das Team das Ergebnis kennt, sind Entscheidungen über Daten, Filter, Segmente und Ausschlüsse anfällig für Rückschaufehler. Live-Tools können zudem ihre Verarbeitung, Aufbewahrung, Attribution oder Wettbewerberdaten verändert haben. Eine Rekonstruktion als Basiswert zu bezeichnen, würde ein Maß an Kontrolle suggerieren, das nicht existierte.

Wenn ein Kunde keine saubere Historie hat, verwenden wir eine von drei ehrlichen Alternativen:

• Prospektiver Basiswert: Messung einrichten und validieren, während eines definierten Beobachtungszeitraums keine Änderungen im Umfang vornehmen, dann diesen Zeitraum vor der Implementierung einfrieren.
• Rekonstruierte Referenz: Die beste verfügbare Historie exportieren, Quelle und Tracking-Änderungen dokumentieren, als „rekonstruiert" kennzeichnen und die Behauptung auf das einschränken, was die verbleibenden Daten stützen.
• Keine Vorher-Nachher-Behauptung: Die Messung jetzt beginnen und die absolute Kontrollpunktleistung berichten, bis ein gültiger prospektiver Vergleich existiert.

Fehlende Daten sind unbekannt, nicht null. Wir interpolieren sie nicht nur, um ein sauberes Diagramm zu erstellen. Wenn das fehlende Intervall eine wesentliche Änderung überlappt oder den Vergleich ungleichwertig macht, ist das Ergebnis als Vorher-Nachher-Behauptung nicht veröffentlichbar.

3. Vergleichszeiträume und die Berichtsuhr

Die beiden Zeiträume müssen dieselbe Anzahl vollständiger Tage enthalten, dieselbe Wochentagsmischung verwenden und den unvollständigen aktuellen Tag ausschließen. Wir geben beide Bereiche im Ergebnis an, anstatt Bezeichnungen wie „letzter Monat" zu verwenden, die ihre Bedeutung im Laufe der Zeit ändern.

Jahresvergleich vergleicht einen Zeitraum mit dem entsprechenden Kalenderzeitraum ein Jahr zuvor. Dies ist unser Standard, wenn die Nachfrage saisonale Muster aufweist und die früheren Daten sauber sind. Feste und bewegliche Feiertage werden annotiert; wenn ein Feiertag zwischen den Zeiträumen wandert und die Nachfrage wesentlich beeinflusst, gleichen wir die Handelswochen an oder legen die Diskrepanz offen.

Periodenvergleich vergleicht benachbarte gleich lange Zeiträume, z. B. 28 vollständige Tage nach der Implementierung mit den vorangegangenen 28 vollständigen Tagen. Wir verwenden ihn, wenn der Website ein sauberes Vorjahr fehlt, das Geschäft nicht wesentlich saisonal ist oder wenn wir ein aktuelles operatives Signal benötigen. Er ist anfälliger für Kampagnen, Markteinführungen, Feiertage und Marktveränderungen, daher präsentieren wir ihn niemals als saisonal kontrolliert.

Wo ausreichend Historie existiert, zeigen wir beide. Der Jahresvergleich beantwortet „Sind wir der vergleichbaren Saison voraus?" Der Periodenvergleich beantwortet „Hat sich die jüngste Richtung geändert?" Wenn sie uneinig sind, ist die Uneinigkeit eine zu erklärende Information, kein Grund, eine zu verbergen.

Keine Leistungsbewegung ist als Ergebnis berichtbar, bevor 28 vollständige Tage nach der betreffenden Änderung vergangen sind. Frühere Beobachtungen können bestätigen, dass eine Seite live, crawlvbar, indiziert oder zitiert ist, aber sie sind Implementierungsprüfungen und keine Ergebnisse. Achtundzwanzig Tage sind eine Untergrenze, keine automatische Freigabe. Wir verlängern den Zeitraum, wenn:

• der normale Kauf- oder Lead-Zyklus länger als 28 Tage ist;
• die Änderung Zeit brauchte, um alle Seiten zu erreichen oder von Such- und KI-Systemen verarbeitet zu werden;
• das wöchentliche Volumen zu gering ist, als dass einige Ereignisse die Rate dominieren könnten;
• das Geschäft starke monatliche, vierteljährliche oder jährliche Saisonalität aufweist; oder
• ein Ausfall, eine Kampagne, eine Migration, eine Tracking-Änderung oder ein großes externes Ereignis einen Großteil des Zeitraums verunreinigt.

Wir registrieren im Voraus den ersten Kontrollpunkt und den beabsichtigten Berichtszeitraum. Wir verschieben die Start- oder Enddaten nicht so lange, bis die Kurve günstig aussieht.

4. Attributionsehrlichkeit

Attribution ist die Zuordnung eines beobachteten Effekts zu einer Ursache. Der Zeitpunkt allein begründet sie nicht: „nach" bedeutet nicht unbedingt „wegen". Wir verwenden vier Ebenen der Behauptung.

Bestätigte Auslieferung bedeutet, dass wir die implementierte Änderung selbst der Arbeit zuordnen können: Beispielsweise erhielten 120 bestimmte Seiten am protokollierten Veröffentlichungsdatum gültige kanonische Tags. Dies begründet keine Leistungswirkung.

Experimentell gestützter Effekt erfordert ein Design, das in der Lage ist, einen inkrementellen Effekt zu schätzen, wie z. B. eine randomisierte oder glaubwürdig gematchte Haltegruppe mit einer vorab festgelegten Hypothese, Metrik, Stichprobe und einem Enddatum. Wir beschreiben das Design und die Unsicherheit; wir verwandeln ein unvollkommenes Inhaltsexperiment nicht in labormäßige Sicherheit.

Beitragende Evidenz gilt, wenn sich die betroffene Kohorte nach der protokollierten Änderung bewegt, die Richtung mit der vorab festgelegten Hypothese übereinstimmt und eine unveränderte Referenzkohorte oder Wettbewerbsbenchmark nicht die gleiche Bewegung zeigt. Wir können sagen, dass das Ergebnis „vereinbar mit", „assoziiert mit" oder „den Beitrag von" der Arbeit unterstützt.

Nur Korrelation gilt, wenn sich die Metrik nach der Änderung bewegt hat, aber kein valides Gegenfaktum existiert. Wir berichten die Abfolge und die konkurrierenden Erklärungen. Wir sagen nicht „generiert", „verursacht" oder „ausgeliefert" für das Ergebnis.

In der gewöhnlichen Kundenarbeit können wir häufig die Wirkung nicht trennen von:

• Algorithmus-Updates von Suchmaschinen oder KI-Anbietern;
• Saisonalität, Feiertagen, Wetter und Veränderungen der zugrunde liegenden Nachfrage;
• bezahlter Suche, bezahlten sozialen Medien, Retargeting und Affiliate-Aktivitäten;
• PR-Berichterstattung, Creator-Aktivitäten, Markenkampagnen und Offline-Werbung;
• Produkteinführungen, Preisgestaltung, Verfügbarkeit, Merchandising und Änderungen der Konversionsrate;
• Migrationen, Neugestaltungen, Tracking-Änderungen, Einwilligungsänderungen und Ausfällen;
• Markteinführungen der Wettbewerber, Verlusten, Werbeaktionen und Änderungen der Mediaausgaben; oder
• wirtschaftlichen, regulatorischen, kulturellen und kategoriebezogenen Marktverschiebungen.

Wir nennen die Faktoren, die aufgetreten sind, sagen, ob jeder wahrscheinlich die gemessene Kohorte betrifft, und senken entsprechend die Stärke der Behauptung. Wenn bezahlte und organische Inhalte während einer Markteinführung auf derselben Seite landen, ordnen wir nicht alle Konversionen den organischen Inhalten zu. Wenn ein Algorithmus-Update mit dem Kontrollpunkt zusammenfällt, können wir relative Bewegungen gegenüber nicht betroffenen Segmenten oder Wettbewerbern berichten, aber dieser Vergleich ist Evidenz, keine perfekte Isolierung.

5. Annotationen ermöglichen Interpretation

Eine Annotation ist eine datierte Aufzeichnung einer Änderung oder eines externen Ereignisses, die auf demselben Zeitstrahl wie die Metrik platziert wird. Ohne Annotationen wird die Attribution Monate später zur Gedächtnisübung.

Wir protokollieren das Ereignis, wenn es eintritt, nicht wenn die Berichterstattung beginnt. Jede Annotation enthält das Datum und die Zeitzone, den Verantwortlichen, die betroffenen URLs oder Segmente, die Kategorie, die Beschreibung, den Bereitstellungs- oder Kampagnenverweis, die erwartete Metrik und Richtung, die erwartete Verzögerung, das Kontrollpunktdatum und bekannte überlappende Aktivitäten. Mehrtägige Veröffentlichungen haben Start- und Enddaten. Rücknahmen und Rollbacks erhalten eigene Einträge, anstatt den ursprünglichen zu überschreiben.

Wir annotieren Inhaltsveröffentlichungen, technische Bereitstellungen, Migrationen, Weiterleitungen, Vorlagenänderungen, Analyse- und Einwilligungsänderungen, Ausfälle, bezahlte Kampagnen, PR, Produkt- und Preisänderungen, wichtige Wettbewerbsereignisse und bestätigte Plattform-Updates. Annotationsergebnisse hält diese Änderungen, Erwartungen, Kontrollpunkte und beobachteten Ergebnisse zusammen, während Assoziation ausdrücklich als Evidenz und nicht als Beweis für Kausalität behandelt wird.

6. Wie wir KI-Sichtbarkeit messen

KI-Sichtbarkeitsmetriken werden separat berechnet, da sie unterschiedliche Fragen beantworten. Wir vermischen niemals Sichtbarkeit, Stimme, Zitate, Sentiment und Ranking zu einer geschätzten „KI-Auswirkungs"-Zahl.

Bevor wir Zeiträume vergleichen, frieren wir den Prompt-Text, das Thema, das Gebietsschema, die Engine, die Ausführungsfrequenz, den überwachten Markensatz und den überwachten Domain-Satz ein. Eine Prompt-Beobachtung ist eine gespeicherte Antwort von einem definierten Prompt, einer Engine, einem Gebietsschema und einer geplanten Ausführung. Die Antwort und ihre zitierten URLs werden aufbewahrt, sodass die Gesamtheit geprüft werden kann.

KI-Sichtbarkeits-Score

Der Sichtbarkeits-Score beantwortet: „Für wie viel des verfolgten Prompt-Satzes hat diese Domain mindestens ein Zitat erhalten?"

KI-Sichtbarkeits-Score = Prompt-Beobachtungen, die die Domain mindestens einmal zitieren ÷ alle gültigen Prompt-Beobachtungen in der eingefrorenen Kohorte × 100

Mehrere Zitate in einer Antwort machen diese Beobachtung nicht sichtbarer; sie zählt einmal im Zähler. Ein Sammlungsfehler ist keine Null-Zitat-Antwort. Es sind fehlende Daten, die durch Coverage gemeldet und erneut ausgeführt oder konsistent aus beiden Zeiträumen ausgeschlossen werden. Die Ansicht KI-Sichtbarkeit zeigt die zugrunde liegenden Antworten, die zur Überprüfung des Scores benötigt werden.

Share of Voice

Share of Voice beantwortet: „Welcher Anteil der in diesen Antworten erwähnten überwachten Marken entfiel auf diese Marke?"

Share of Voice = Erwähnungen der Marke ÷ Erwähnungen aller überwachten Marken im festgelegten Wettbewerberset × 100

Wir geben an, ob die Zähleinheit eine Erwähnung pro Antwort oder jedes Vorkommen einer Erwähnung ist, und behalten diese Regel unverändert bei. Wir normalisieren die Historie nicht neu, wenn ein Wettbewerber hinzugefügt wird; eine Änderung des Wettbewerbersets startet eine neue vergleichbare Reihe oder führt dazu, dass der frühere Zeitraum aus gespeicherten Antworten neu berechnet wird.

Zitieranteil

Der Zitieranteil beantwortet: „Welcher Anteil der dem überwachten Domain-Satz zugeordneten Zitate zeigte auf diese Domain?"

Zitieranteil = Zitate zur Domain ÷ Zitate zu jeder überwachten Domain im festgelegten Satz × 100

Der Zähler zählt Zitate, nicht Markenerwähnungen. Eine Antwort kann mehrere URLs derselben Domain zitieren, und jedes Zitat zählt gemäß der festgelegten Regel. Die Berichterstattung auf Domain-Ebene darf nicht als Leistung auf Seitenebene dargestellt werden. Quellen- und Zitierintelligenz behält die Domain, URL, den Prompt und die Engine-Details hinter der Gesamtsumme.

Diese Metriken haben bekannte Einschränkungen. KI-Antworten können zwischen Ausführungen variieren; Anbieter ändern Modelle, Abrufsysteme, Schnittstellen und Zitierverhalten; Standort, Sprache, Personalisierung und Aktualität können eine Antwort verändern; und die gewählten Prompt- und Wettbewerbersets definieren das gemessene Universum. Ein verfolgtes Set ist eine wiederholbare Stichprobe der von uns gewählten Fragen, keine Volkszählung aller Fragen, die potenzielle Kunden stellen. Das Vorhandensein eines Zitats beweist auch nicht, dass eine Person die Quelle gesehen, ihr vertraut oder sie besucht hat. Daher berichten wir Engine, Gebietsschema, Kohorte, Ausführungshäufigkeit, Coverage und absolute Zählungen bei jeder wesentlichen KI-Sichtbarkeitsbehauptung.

7. Rundung, Bereiche und absolute Werte

Prozentsätze werden niemals allein veröffentlicht. Jeder Prozentsatz erscheint mit den absoluten Werten, die zu seiner Berechnung verwendet wurden.

Bei einer Zähländerung berichten wir den Basiswert, den Endwert, die absolute Differenz und die relative Veränderung: „Qualifizierte organische Leads stiegen von 40 auf 52, ein Plus von 12 Leads oder 30 %." Bei einer Rate berichten wir beide Raten in Prozentpunkten und geben deren Zähler und Nenner an: „Die Konversionsrate stieg von 2,0 % (40/2.000) auf 2,4 % (52/2.167), ein Plus von 0,4 Prozentpunkten." Dies als 0,4%igen Anstieg zu bezeichnen, wäre falsch; der relative Anstieg beträgt 20 %.

Zählungen sind ganze Zahlen. Prozentsätze werden normalerweise auf eine Dezimalstelle gerundet, außer wenn dies einen von Null verschiedenen Wert in 0,0 % verwandeln würde; in diesem Fall fügen wir eine zweite Dezimalstelle hinzu. Wir berechnen Änderungen aus ungerundeten Eingaben und runden nur das angezeigte Ergebnis. Werte unter 1.000 werden nicht abgekürzt. Größere Abkürzungen können in Überschriften erscheinen, aber die genaue Zahl bleibt im Fließtext oder in einer zugänglichen Tabelle.

Wir verwenden Bereiche nur, wenn die Quelle oder Methode tatsächlich Unsicherheit erzeugt. Der Bereich muss seine Methode nennen, z. B. ein Konfidenzintervall, einen Attributionsmodellbereich oder eine Datenabdeckungsgrenze. Wir erfinden keinen Bereich, um eine Punktschätzung wissenschaftlich aussehen zu lassen, und wir ersetzen keine kleinen genauen Zählungen durch Prozentsätze, die Bewegungen übertreiben.

8. Kundenanonymisierung ohne Bedeutungsverlust

Ein anonymes Ergebnis muss überprüfbar bleiben. Wir können den Kundennamen, die Domain, Produktnamen und kommerziell sensible Zahlen ersetzen, aber der veröffentlichte Bericht muss bewahren:

• Geschäftsmodell, breite Kategorie, Markt und wesentliche Einschränkungen;
• Seiten- oder Seitenkohorten-Umfang und die Art der geänderten Seiten;
• genaue Basis- und Vergleichsdaten sowie Zeitfensterlängen;
• Metrikdefinition, Quelle, Attributionsmodell und Nenner;
• absolute Basis- und Endwerte oder eine explizit indizierte Reihe, wenn vertragliche Vertraulichkeit Absolutwerte verbietet;
• die Intervention, Veröffentlichungsdaten und die verstrichene Zeit vor der Messung;
• bekannte gleichzeitige Aktivitäten und die daraus resultierende Attributionseinschränkung; und
• ausreichende Methodendetails, damit ein anderes Team die Berechnung anwenden kann.

Wenn genaue kommerzielle Werte nicht gezeigt werden können, kann ein Index den Basiswert auf 100 setzen und denselben Maßstab auf jeden späteren Punkt anwenden. Wir kennzeichnen ihn als indexiert und zeigen dennoch die zugrunde liegenden Ereignis- oder Stichprobenzahlen, soweit es die Offenlegung erlaubt. Wir kombinieren nie mehrere Kunden zu einem fiktiven „typischen Kunden", ändern Daten, um die Kurve zu verbessern, oder verschleiern, dass das Ergebnis aus einem Verzeichnis und nicht von der gesamten Website stammt.

Wenn die Bewahrung dieses Kontexts den Kunden identifizieren würde, veröffentlichen wir das Ergebnis nicht. Vertraulichkeit ist ein Grund, einen Fall zurückzuhalten, keine Erlaubnis, einen beeindruckenden, aber nicht überprüfbaren Prozentsatz zu veröffentlichen.

9. Was wir nicht veröffentlichen werden

Veröffentlichung ist eine Auswahlentscheidung, daher müssen ihre Regeln ebenso streng sein wie ihre Berechnungen. Wir werden nicht veröffentlichen:

• ein herausgepicktes Startdatum, Enddatum, Suchmaschine, Land, Gerät, Prompt, Keyword oder Segment;
• einen Einzelseitenerfolg, der als websiteweites Wachstum beschrieben wird;
• eine Metrik, die erst nachträglich ausgewählt wurde, weil sie sich günstig entwickelt hat;
• einen Prozentsatz ohne seinen Basiswert, endgültigen Absolutwert und ggf. Nenner;
• einen Vergleich, der verschiedene Formeln, Umfänge, Quellen, Attributionsmodelle, Währungen oder Prompt-Kohorten mischt;
• einen Teilmonat verglichen mit einem vollen Monat oder ungleiche Zeiträume, die als gleichwertig dargestellt werden;
• fehlende Beobachtungen, die als Null behandelt werden, oder Tracking-Unterbrechungen, die in einem durchgehenden Diagramm versteckt sind;
• ein Ergebnis, das vor dem Mindestzeitraum oder vor Abschluss des normalen Konversionszyklus berichtet wird;
• einen KI-Score, der ohne seine Prompt-, Engine-, Gebietsschema-, Wettbewerber- und Coverage-Definitionen präsentiert wird;
• ein korrelationales Ergebnis, das als Beweis dafür formuliert ist, dass allein unsere Arbeit das Ergebnis verursacht hat;
• nur die beste Seite, Abfrage, Engine oder den besten Kontrollpunkt, wenn die gesamte deklarierte Kohorte verfügbar ist; oder
• ein Kundenergebnis, das der autorisierte Prüfer nicht auf Genauigkeit, Kontext und Offenlegung genehmigt hat.

Wir löschen auch keine ungünstigen Kontrollpunkte aus einer Reihe. Eine Hypothese, die danebenlag, kann dem Team dennoch lehren, was zu ändern ist. Sie zu verstecken, würde den späteren Erfolg weniger glaubwürdig machen, nicht mehr.

Veröffentlichungsfreigabe

Vor der Veröffentlichung muss die für kundenbezogene Zahlen verantwortliche Person die Berechnung aus den eingefrorenen Exporten nachvollziehen, den Vergleichsumfang und die Daten bestätigen, das Annotationsverzeichnis prüfen, jeden Absolutwert und Prozentsatz verifizieren, die Attributionsformulierung genehmigen und bestätigen, dass die Anonymisierung mit der Kundenvereinbarung konform ist. Eine zweite redaktionelle Prüfung muss sicherstellen, dass die Überschrift nicht mehr aussagt als die Beweislage.

Die letzte Frage ist einfach: Könnte ein skeptischer Leser identifizieren, was sich geändert hat, was nicht, was die Bewegung sonst erklären könnte und wie jede Zahl berechnet wurde? Wenn nicht, ist das Ergebnis nicht bereit zur Veröffentlichung.