Filtrować dane według modelu AI, kraju, tagu i daty

Każda liczba w AmICited podlega jednemu elementowi sterującemu: globalnemu paskowi filtrów u góry aplikacji. Model AI, kraj, tag i zakres dat zmieniają zakres całego produktu naraz — więc opanowanie tych filtrów to klucz do prawidłowego odczytywania każdego innego widoku.

Czym jest segmentacja widoczności w wyszukiwarkach AI?

Widoczność w wyszukiwarkach AI to miara tego, jak często i jak eksponowanie marka jest cytowana przez asystentów AI — ChatGPT, Perplexity, Gemini i Google AI Overviews — gdy użytkownicy zadają pytania związane z kategorią danej marki. W przeciwieństwie do tradycyjnego narzędzia do śledzenia pozycji SEO, które raportuje jedną pozycję na słowo kluczowe w jednej wyszukiwarce, silnik odpowiedzi AI może zacytować zero, jedno lub kilka źródeł w pojedynczej odpowiedzi, w dowolnej kolejności, a sama odpowiedź może się różnić z chwili na chwilę. Ta zmienność to właśnie powód, dla którego pojedyncza zagregowana liczba widoczności rzadko wystarcza, by podjąć działanie — mówi ona, że coś się zmieniło, ale nie dlaczego.

Segmentacja polega na dzieleniu tej zagregowanej liczby wzdłuż wymiarów, które faktycznie wyjaśniają wariancję: który silnik AI wygenerował odpowiedź, w jakim kraju lub języku zadano zapytanie, do jakiego tematu lub kampanii należy prompt oraz jakie okno czasowe obejmują dane. Każdy wymiar izoluje inny rodzaj odchylenia. Marka może być stale cytowana w ChatGPT, a nigdy w Gemini, ponieważ oba modele są trenowane inaczej i inaczej ważą źródła — to efekt modelu. Marka może dominować na rynku macierzystym, a być niewidoczna za granicą, ponieważ AI Overviews i Perplexity korzystają ze źródeł i sygnałów językowych specyficznych dla regionu — to efekt kraju. Udział w rozmowie danej marki może wyglądać dobrze w ujęciu ogólnym, ukrywając fakt, że marka wygrywa w promptach informacyjnych, a przegrywa w komercyjnych — to efekt tagu, czyli tematu. A każdy z tych czynników może się zmienić po aktualizacji modelu, publikacji nowych treści lub wejściu konkurenta na rynek — co ujawni tylko porównanie w ramach zakresu dat.

Ma to znaczenie dla pracy nad generatywną optymalizacją wyszukiwarek , ponieważ rozwiązanie problemu „nie jesteśmy cytowani" jest zupełnie inne w zależności od tego, który wymiar odpowiada za tę lukę. Jeśli luka dotyczy konkretnego modelu, rozwiązaniem może być kwestia techniczna — upewnienie się, że treść jest łatwa do zindeksowania i dobrze ustrukturyzowana pod kątem procesu pozyskiwania danych przez ten silnik. Jeśli dotyczy konkretnego kraju, rozwiązaniem może być zlokalizowana treść lub PR i cytowania specyficzne dla regionu. Jeśli dotyczy konkretnego tagu, rozwiązaniem jest zwykle pokrycie treścią — po prostu nie opublikowano jeszcze niczego, co dobrze odpowiada na te prompty. Filtrowanie nie jest kosmetyczną funkcją interfejsu — to krok diagnostyczny, który zamienia niejasne „nasza widoczność w AI spadła" w konkretną, praktyczną hipotezę.

Cztery filtry w AmICited odpowiadają bezpośrednio tym ramom, a ponieważ można je łączyć — jednocześnie można połączyć kraj i tag albo model AI i zakres dat — pozwalają zadawać naprawdę precyzyjne pytania, takie jak „jak radzą sobie nasze prompty dotyczące cen w USA na Perplexity w ciągu ostatnich 30 dni?", zamiast patrzeć zawsze tylko na całe konto naraz.

Gdzie go znaleźć

Pasek filtrów znajduje się w górnym pasku, obecnym na każdej stronie aplikacji: Wszystkie modele AI, Wszystkie kraje, Wszystkie tagi oraz kontrolka zakresu dat (np. Ostatnie 30 dni), umieszczona obok przycisku odświeżania i akcji + Nowy prompt. Ponieważ jest przypięty w nagłówku, a nie schowany w panelu ustawień, pozostaje widoczny i dostępny do zmiany bez względu na to, w którym widoku się znajdujesz — na pulpicie nawigacyjnym, w promptach, źródłach czy konkurentach — dzięki czemu nigdy nie musisz nawigować od nowa, aby zmienić zakres.

Co robi każdy filtr

• Model AI — zawęża każdy wykres i tabelę do jednego silnika (ChatGPT, Perplexity, Gemini lub Google AI Overview) albo pokazuje wszystkie łącznie. To filtr, który najczęściej wyjaśnia mylącą liczbę w nagłówku: silniki czerpią z różnych indeksów, inaczej ważą cytowania AI i aktualizują się w różnych cyklach, więc zagregowany wynik może maskować realny problem dotyczący konkretnego silnika.
• Kraj — zawęża wyniki do konkretnego rynku. Jeśli śledzisz widoczność w AI w wielu regionach, jest to niezbędne — silniki odpowiedzi AI lokalizują wyniki, a marka dobrze cytowana w jednej krajowej wersji Perplexity może być praktycznie nieobecna w innej.
• Tag — zawęża do grupy promptów, które oznaczyłeś etykietą — według kampanii, etapu lejka, linii produktowej lub tematu. Tagi pozwalają traktować bibliotekę promptów nie jako płaską listę, lecz jako zestaw nazwanych kohort, o których można raportować niezależnie.
• Zakres dat — ustawia okno czasowe, dla którego obliczana jest każda linia trendu, średnia i delta. To właśnie ten filtr zamienia migawkowy wskaźnik w trend i to po niego sięgasz najczęściej, badając konkretną zmianę.

Jak z niego korzystać

1. Zmieniaj jeden filtr na raz. Podczas porównywania liczb dostosuj pojedynczy element sterujący, aby dokładnie wiedzieć, co spowodowało zmianę danej wartości. Jednoczesna zmiana modelu AI i zakresu dat uniemożliwia stwierdzenie, która zmiana wywołała obserwowaną różnicę.
2. Diagnozuj według silnika. Przełączaj Model AI kolejno na każdy silnik, aby znaleźć obszary, w których jesteś silny, i te, w których jesteś niewidoczny. Często zdarza się, że zdrowy ogólny wynik widoczności w AI jest w rzeczywistości napędzany przez jeden silnik, podczas gdy inny pokazuje niemal zero — wzorzec, którego nigdy nie dostrzeżesz, patrząc wyłącznie na widok „Wszystkie modele AI".
3. Segmentuj według rynku i tematu. Połącz Kraj i Tag, aby odpowiadać na precyzyjne pytania, takie jak „jak radzą sobie nasze prompty dotyczące cen w USA na Perplexity?". To właśnie w takim złożonym filtrowaniu tkwi prawdziwa wartość diagnostyczna — pojedynczy filtr mówi, że coś jest nie tak, dwa filtry razem zaczynają mówić, gdzie.
4. Ustaw właściwe okno czasowe. Poszerz zakres dat, aby odczytywać długoterminowe trendy — czy udział w rozmowie rośnie, czy spada w ciągu kwartału — albo zawęź go, by przyjrzeć się niedawnej zmianie, na przykład dniom bezpośrednio po publikacji treści, wejściu konkurenta na rynek lub znanej aktualizacji modelu.
5. Zanim zaufasz jakiejkolwiek liczbie, sprawdź ponownie pasek filtrów. Ponieważ filtry utrzymują się podczas przechodzenia między stronami, łatwo przenieść zawężony zakres (np. jeden kraj, ostatnie 7 dni) do widoku, w którym chciałeś zobaczyć pełny obraz. Wyrób sobie nawyk zerkania na pasek filtrów za każdym razem, gdy jakiś wskaźnik wygląda nieoczekiwanie wysoko, nisko lub płasko.

Jak poprawnie odczytywać przefiltrowane dane

Kilka praktycznych nawyków sprawia, że przefiltrowane widoki wyjaśniają, zamiast wprowadzać w błąd. Po pierwsze, obserwuj wielkość próby: jednoczesne zawężenie według kraju, tagu i modelu AI może zmniejszyć liczbę leżących u podstaw promptów i odpowiedzi AI do tego stopnia, że wahania tydzień do tygodnia to już tylko szum, a nie sygnał — jeśli przefiltrowany wykres wygląda nieregularnie, poszerz jeden wymiar z powrotem, zanim wyciągniesz jakiekolwiek wnioski o zmianie. Po drugie, traktuj domyślne ustawienie „Wszystkie modele AI" jako punkt wyjścia, a nie odpowiedź — jest przydatne do szybkiej kontroli stanu, ale każde realne dochodzenie w sprawie tego, dlaczego liczba się zmieniła, powinno od razu rozgałęzić się na widoki per silnik, ponieważ silniki zachowują się na tyle jak osobne kanały, że uśrednianie między nimi może ukryć rzeczywistą historię. Po trzecie, gdy tworzysz cykliczny raport — na przykład comiesięczną aktualizację dla klienta, jeśli prowadzisz śledzenie widoczności AI dla portfela klientów agencji — zapisz kombinację filtrów, na której się zatrzymujesz, jako swój standardowy widok, tak aby porównania miesiąc do miesiąca zawsze mierzyły ten sam wycinek danych, zamiast przypadkowo porównywać jabłka do gruszek, ponieważ zakres dat domyślnie ustawił się inaczej.

Tagi zasługują na szczególną wzmiankę, ponieważ w przeciwieństwie do modelu AI i kraju, to Ty sam je definiujesz. Dobrze zorganizowana konfiguracja śledzenia promptów zwykle taguje prompty co najmniej wzdłuż dwóch osi — tematu (np. „ceny", „porównanie", „poradnik") oraz etapu lejka (np. „świadomość", „rozważanie", „decyzja") — dzięki czemu filtrowanie według tagu może odpowiedzieć zarówno na pytanie „czy jesteśmy widoczni w pytaniach o intencji komercyjnej?", jak i „czy jesteśmy widoczni na wczesnym etapie ścieżki zakupowej, gdy rozważanie marki dopiero się kształtuje?". Jeśli Twoja biblioteka promptów została zaimportowana lub rozrosła się organicznie bez tagów, warto poświęcić czas na retroaktywne ich dodanie — pasek filtrów staje się dużo bardziej użyteczny, gdy każdy prompt ma co najmniej jedną znaczącą etykietę. Dla zespołów, które wciąż zastanawiają się, jak w ogóle ustrukturyzować taki zestaw promptów, dobrym kolejnym krokiem przed tagowaniem jest zapoznanie się z tym, jak znaleźć, które prompty skłaniają AI do wspominania Twojej marki .

Jak to się wpisuje w proces GEO

Pasek filtrów nie jest wygodą raportową doczepioną do pulpitu nawigacyjnego — to mechanizm, który sprawia, że każdy inny widok w AmICited jest wiarygodny. Trend cytowań, porównanie z konkurencją czy zestawienie źródeł są tak przydatne, jak duża jest Twoja pewność, że wiesz dokładnie, który model, rynek, temat i okno czasowe je wygenerowały. Gdy już swobodnie poruszasz się między tymi czterema filtrami, naturalnym kolejnym krokiem jest przyjrzenie się temu, co przefiltrowane widoki faktycznie podpowiadają Ci zrobić — czy to zamknięcie luki w konkretnym silniku, priorytetyzację treści dla słabo radzącego sobie kraju, czy przekierowanie uwagi na tagi promptów, w których Twój tracker pozycji AI pokazuje największą szansę. Opanuj pasek filtrów, a każda inna funkcja w tym Academy stanie się wyraźniejsza — ponieważ zawsze będziesz dokładnie wiedzieć, który wycinek danych aktualnie przeglądasz, zanim podejmiesz na jego podstawie działanie.