Opýtajte sa AI vyhľadávača dnes, „ktorá značka vyrába najlepšiu bežeckú obuv?“, a dostanete odpoveď. Opýtajte sa presne tú istú otázku zajtra, alebo hoci o päť minút, a približne dve tretiny citovaných zdrojov budú iné. Nie je to chyba. Presne takto funguje AI vyhľadávanie.
Čo z tohto sprievodcu získate:
- Prečo sa viditeľnosť v AI vyhľadávaní správa ako pravdepodobnosť, nie ako pevný rebríček tak, ako to robí Google
- Zrozumiteľné vysvetlenie toho, ako výskumníci merajú, či sa AI odpoveď skutočne zmenila (Jaccard a RBO)
- Šesť zistení podložených dátami, každé s vlastným grafom: obmena zdrojov, stabilita značky, koncentrácia citácií, náhodnosť modelu, rozdiely medzi enginmi a citlivosť na prompt
- Konkrétne čísla, na ktorých záleží: koľko opakovaných behov na prompt a aké dlhé pozorovacie okno potrebujete pre dôveryhodné dáta
- Kontrolný zoznam na priame použitie pri nastavovaní GEO merania, na ktoré sa naozaj môžete spoľahnúť
- Časté otázky pokrývajúce behy, okná, enginy a metriky
Nová akademická štúdia to robí nepríjemne konkrétnym. V štúdii „Don’t Measure Once: Measuring Visibility in AI Search (GEO)“ (arXiv, apríl 2026) výskumníci Julius Schulte, Malte Bleeker a Philipp Kaufmann z University of St. Gallen (v spolupráci s Aurora Intelligence) sledovali štyri AI vyhľadávače naprieč štyrmi odvetviami každý deň počas viac ako šiestich týždňov. Ich zistenie: viditeľnosť v AI vyhľadávaní je pravdepodobnostná, nie deterministická. Jeden dopyt je nespoľahlivá momentka, a ak s ním budete zaobchádzať ako s poradím v Google rebríčku, dôjdete k nesprávnym záverom. Je to súčasť rýchlo rastúceho súboru akademického výskumu o GEO , ktorý pretvára spôsob, akým marketéri uvažujú o AI viditeľnosti.
Pre marketérov je toto dôležitejšie, než by sa mohlo zdať. Ak overíte, či sa vaša značka zobrazuje v ChatGPT alebo Perplexity raz a nazvete to „meraním“, môžete svoju skutočnú prítomnosť výrazne nadhodnotiť alebo podhodnotiť. Riešením nie je lepší jednorazový dopyt, ale iný myšlienkový model. Viditeľnosť musíte merať ako rozdelenie pravdepodobnosti: veľa behov, veľa promptov, počas dlhšieho obdobia.
Nižšie si prejdeme presne to, čo štúdia zistila, prečo sa AI vyhľadávanie správa práve takto, a koľko meraní skutočne potrebujete, aby vaše čísla niečo znamenali.
TL;DR (čo štúdia zistila):
- Citované zdroje sa výrazne obmieňajú. Iba približne 34-42 % zdrojov, ktoré AI engine cituje, prechádza z jedného dňa na druhý, čo znamená, že približne 65 % zdrojov sa denne mení.
- Zmienky o značke sú stabilnejšie, ale stále nestále. Denné prekrytie značiek sa pohybuje na úrovni 45-59 %, čo je spoľahlivejšie ako jednotlivé URL adresy, no ešte stále ďaleko od stability.
- Citácie sú vysoko koncentrované. Hŕstka domén zachytáva väčšinu viditeľnosti. Priemerný Giniho koeficient je 0,715, a na škále 0 až 1, kde 1 znamená, že jedna doména hromadí všetky citácie, ide o veľmi nevyváženú krajinu.
- Je to vlastná náhodnosť modelu, nie spravodajský cyklus. Zadanie identického promptu viackrát v ten istý deň produkuje rovnakú mieru obmeny, takže väčšina nestability pochádza zo samotného modelu, nie zo zmien v reálnom svete.
- Jeden beh vám povie takmer nič. Na dôveryhodný odhad viditeľnosti značky potrebujete aspoň 7 behov na prompt denne, a 8, ak sledujete aj jednotlivé zdrojové URL adresy.
- Krátke okná klamú. Pretože zdroje sa obmieňajú tak rýchlo, potrebujete priebežné okno 2 až 4 týždne, aby ste získali stabilný obraz o skutočnej viditeľnosti značky.
Prečo sa viditeľnosť v AI vyhľadávaní nespráva ako Google rebríčky
Ak pochádzate zo SEO, vaše inštinkty sú kalibrované na svet, ktorý už neplatí. V klasickom vyhľadávaní sú výsledky zoradené a väčšinou stabilné: vaša stránka je dnes na pozícii 4 a zajtra pravdepodobne na pozícii 4 alebo 5. Jedna kontrola vám dá spravodlivú momentku, a keď sa veci pohnú, pohybujú sa postupne pozdĺž predvídateľného spektra. Môžete sledovať posun svojej pozície a reagovať.
Generative Engine Optimization (GEO) takto nefunguje. GEO funguje na princípe všetko alebo nič, čo štúdia nazýva binárnou dynamikou zahrnutia a vylúčenia. V danej odpovedi je vaša značka alebo zdroj buď výrazne zakomponovaný, alebo úplne vynechaný. Neexistuje žiadna útecha v podobe „pozície 8“. Buď ste v odpovedi, alebo ste neviditeľní, a to, ktorý z týchto stavov nastane, sa môže obrátiť z jedného behu na druhý, poháňané pravdepodobnostným spôsobom, akým veľké jazykové modely generujú text a vyberajú dôkazy.
Túto nestabilitu ešte zosilňuje druhý problém: AI vyhľadávač je čierna skrinka. Nevidíte, prečo bola vaša značka zahrnutá v jednej odpovedi a v ďalšej vynechaná. Model komprimuje informácie z mnohých zdrojov do krátkej, obmedzenej odpovede, a proces výberu nie je transparentný ani reprodukovateľný. Na rozdiel od SEO rebríčka, ktorý osciluje v rámci viditeľnej sady poradí, môže AI viditeľnosť zmiznúť bez varovania či vysvetlenia.
K obom problémom sa pridáva chýbajúci nástroj. V SEO majú marketéri Google Search Console, prvostranný nástroj, ktorý im hovorí, pri akých dopytoch sa zobrazujú a ako často. Poskytovatelia LLM neponúkajú žiadny ekvivalent. Základné fakty, ako napríklad to, ako často ľudia skutočne kladú danú otázku, jednoducho nie je v GEO ekosystéme možné vidieť. Práve toto slepé miesto je dôvodom, prečo si marketéri musia meranie budovať zvonka, prostredníctvom opakovaného vzorkovania tretej strany, a prečo je jedno statické číslo „viditeľnosti“ tak ľahké nesprávne interpretovať. Zvyšok tohto článku sa venuje tomu, ako toto meranie robiť správne.
Vo vnútri štúdie: čo výskumníci skutočne urobili
Štúdia je osviežujúco konkrétna, takže sa oplatí porozumieť nastaveniu skôr, než začnete dôverovať číslam. Výskumníci z University of St. Gallen (v spolupráci s Aurora Intelligence) postavili monitorovací systém, ktorý každý jednotlivý deň dopytoval štyri AI vyhľadávače a zaznamenával presne to, ktoré zdroje a značky každý z nich vrátil.
Testovali štyri enginy: ChatGPT, Google Gemini, Google AI Mode a Perplexity. Každému enginu bola položená rovnaká sada otázok naprieč štyrmi reálnymi odvetviami (štúdia ich nazýva „kampane“), vybranými preto, že v švajčiarskom trhu generujú vysokú vyhľadávaciu návštevnosť: spotrebná elektronika, predaj nehnuteľností, športové potreby a telekomunikácie.
Pre každé odvetvie tím napísal 8 promptov, a tu je šikovný detail: prompty neboli vymyslené. Vytiahli vysokoobjemové SEO kľúčové slová, zadali ich do Google a prevzali skutočné otázky z Google boxu „Ľudia sa tiež pýtajú“. To znamená, že otázky vyzerajú tak, ako sa pýtajú skutoční ľudia: konverzačné dopyty na začiatku lievika, ako napríklad „Ktorá značka vyrába dobrú bežeckú obuv?“, namiesto holých kľúčových slov.
Enginy boli dopytované denne počas okna 45 až 46 dní (24. januára až 20. marca 2026) zo serverov so sídlom vo Švajčiarsku, čo je dôležité pre spôsob, akým AI personalizuje výsledky. Celkovo analýza pokryla 4 044 párov po sebe idúcich dní, teda každé porovnanie „dnes verzus zajtra“ naprieč všetkými enginmi, promptmi a odvetviami.
Tu je dizajn štúdie na prehľad:
| Prvok dizajnu | Čo použili |
|---|---|
| AI enginy | 4 (ChatGPT, Gemini, Google AI Mode, Perplexity) |
| Odvetvia / kampane | 4 (spotrebná elektronika, nehnuteľnosti, športové potreby, telekomunikácie) |
| Prompty na odvetvie | 8 |
| Pozorovacie okno | 45 až 46 dní (24. jan. až 20. mar. 2026) |
| Zdroj promptov | Google „Ľudia sa tiež pýtajú“ |
Toto je veľké množstvo opakovaného merania, čo je presne to, o čo sa štúdia snaží.
Dva jednoduché spôsoby merania, „zmenila sa odpoveď?“
Aby si výskumníci mohli položiť otázku „nakoľko sa dnešná odpoveď líšila od včerajšej?“, potrebovali spôsob, ako oskórovať dva zoznamy voči sebe. Použili dve metriky, a na ich pochopenie nepotrebujete žiadne štatistické vzdelanie.
Jaccardova podobnosť sa jednoducho pýta: zo všetkých zdrojov, ktoré sa objavili počas oboch dní, koľko sa objavilo v oboch dňoch? Spočítate zdroje, ktoré zdieľajú, a vydelíte to celkovým počtom unikátnych zdrojov naprieč oboma dňami.
Tu je malý príklad. Povedzme, že dnešná odpoveď cituje 5 zdrojov a zajtrajšia tiež 5, ale iba 2 z nich sú rovnaké. Dve odpovede zdieľajú 2 zdroje, a spolu spomínajú 8 rôznych zdrojov (5 + 5 mínus 2 počítané dvakrát). Takže Jaccardovo skóre je 2 ÷ 8 = 0,25, čo znamená, že iba približne štvrtina zdrojov zostala stabilná a približne tri štvrtiny sa cez noc obmenili. Jaccardova hodnota 1,0 by znamenala identické zoznamy; 0,0 by znamenala žiadne prekrytie.
Rank-Biased Overlap (RBO) kladie rovnakú otázku, ale pridáva jednu vec, ktorú Jaccardova metrika ignoruje: poradie. Byť citovaný ako prvý má väčšiu hodnotu ako byť citovaný ako piaty, takže RBO prikladá väčšiu váhu vrchu zoznamu. Keďže vyžaduje, aby sa zdieľané položky objavovali na podobných pozíciách (nielen aby boli niekde prítomné), RBO je vždy prísnejšia z týchto dvoch metrík. Preto v tejto štúdii RBO vychádza nižšie ako Jaccardova hodnota vo všetkých prípadoch.
Ako čítať tieto čísla:
- Vyššie = stabilnejšie. Skóre blízko 1,0 znamená, že sa odpoveď sotva zmenila; blízko 0 znamená, že bola takmer úplne premiešaná.
- Jaccardova hodnota odpovedá na otázku „sú prítomné rovnaké položky?“
- RBO odpovedá na otázku „sú prítomné rovnaké položky a v rovnakom poradí?“
- Rozdiel medzi nimi vám hovorí, nakoľko sa mení poradie, aj keď sa stále objavujú tie isté položky.
Ak chcete vidieť, ako tieto metriky zapadajú vedľa ďalších ukazovateľov, náš sprievodca 10 dôležitými metrikami AI viditeľnosti uvádza skóre prekrytia do kontextu so zvyškom vášho monitorovacieho dashboardu.
Zistenie č. 1: Dve tretiny citovaných zdrojov sa menia každý jeden deň
Ak by AI vyhľadávanie fungovalo ako Google, položenie rovnakej otázky dva dni po sebe by prinieslo približne rovnaké stránky. Nie je tomu tak. Keď výskumníci zo St. Gallen sledovali, ktoré zdroje štyri AI enginy citovali každý deň počas mesiaca a pol, zistili, že zoznam citovaných zdrojov sa z jedného dňa na druhý premiešava takmer úplne.
Hlavným číslom je Jaccardova hodnota, teda podiel citovaných zdrojov prítomných v oboch dňoch. Naprieč štyrmi odvetviami sa pohybovala od 0,336 pri spotrebnej elektronike po 0,423 pri telekomunikáciách, so športovými potrebami na úrovni 0,355 a predajom nehnuteľností na úrovni 0,378. Jednoducho povedané, Jaccardova hodnota 0,35 znamená, že iba približne 35 % citovaných zdrojov je nasledujúci deň rovnakých, takže približne 65 % zdrojov sa každý jeden deň obmieňa a nahrádza. Telekomunikácie boli najstabilnejšie zo skupiny a spotrebná elektronika najviac volatilná, no žiadna z nich sa ani nepriblížila k stabilite.
Ešte horšie je to, ak zohľadníte poradie. RBO, ktorá prikladá najväčšiu váhu vrchu zoznamu, sa pohybovala medzi 0,21 a 0,26, výrazne nižšie ako Jaccardova hodnota. Tento rozdiel je výpovedný. Znamená to, že sa nemení iba to, ktoré zdroje sa objavujú zo dňa na deň, ale premiešava sa aj poradie, v akom sa objavujú. Aj tá hŕstka zdrojov, ktorá prežije do ďalšieho dňa, sa často presúva, takže citácia, ktorá bola včera „na vrchu“, môže byť dnes zahrabaná niekde nižšie.
Toto je presne tá istá obmena, o ktorej sme písali už predtým v probléme so 7 % prekrytím : jeden dopyt je momentka pohybujúceho sa cieľa. Skontrolujte svoje AI citácie raz a zapíšte si výsledok, a zachytili ste jeden snímok rozdelenia pravdepodobnosti, ktoré sa do zajtrajšieho rána premieša.
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
Zistenie č. 2: Zmienky o značke sú stabilnejšie, no stále ďaleko od stability
Jednotlivé URL adresy sa obmieňajú divoko, no marketérov obvykle zaujíma niečo hrubozrnnejšie: dostáva sa moja značka vôbec do zmienky? Agregácia z konkrétnych zdrojov na úroveň názvov značiek vyrovnáva veľkú časť šumu, no aj na úrovni značky je denný obraz ďaleko od stabilného rebríčka, aký by ste očakávali od tradičného vyhľadávania.
Jaccardova hodnota na úrovni značky sa pohybovala medzi 0,45 a 0,59, výrazne vyššie ako 0,34-0,42, ktoré sme videli pri zdrojoch. Telekomunikácie boli najstabilnejšie na úrovni 0,589, spotrebná elektronika tesne za nimi na 0,557, a športové potreby najnižšie na 0,453. Takže približne polovica značiek spomenutých dnes sa objaví aj zajtra, oproti len tretine zdrojov. Prítomnosť značky je trvácnejším signálom, a preto je lepším základným KPI ako sledovanie jednotlivých URL adries.
Stoja za povšimnutie dva detaily. Po prvé, predaj nehnuteľností bol z analýzy značiek úplne vylúčený. Enginy uviedli konkrétnu značku iba v 53,6 % odpovedí týkajúcich sa nehnuteľností (pod hranicou 70 %, ktorú si výskumníci stanovili, aby dané odvetvie malo dostatok zmienok o značke na spoľahlivú analýzu), pretože mnohé z jeho promptov boli všeobecné daňové a investičné otázky, na ktoré LLM odpovedajú bez citovania akejkoľvek firmy. Zahrnutie by čísla skreslilo, preto bolo vylúčené.
Po druhé, športové potreby boli najnižšie z konkrétneho dôvodu: existuje veľký, zameniteľný súbor značiek bežeckej obuvi, takže model má k dispozícii desiatky takmer rovnocenných možností a cez dni ich strieda.
A aj tu je poradie nestabilné. RBO pre značky sa pohybovala iba na úrovni 0,19 až 0,30, takže poradie, v akom sa značky objavujú, sa stále výrazne mení. Stabilnejšie ako pri zdrojoch, ale nie niečo, čo môžete zmerať raz a dôverovať tomu. Toto je prípad pre priebežné upozornenia na monitorovanie AI značky namiesto jednorazových kontrol.
Zistenie č. 3: Niekoľko domén zachytáva takmer všetky citácie
Nie každá citovaná doména dostáva rovnaký kus koláča. V AI vyhľadávaní malá skupina domén pohlcuje prevažnú väčšinu AI citácií pre danú tému, zatiaľ čo všetci ostatní bojujú o zvyšky.
Štúdia toto meria pomocou Giniho koeficientu, štandardného skóre nerovnosti. Pohybuje sa od 0 do 1: Gini hodnota 0 by znamenala, že každá doména je citovaná rovnako, a Gini hodnota 1 by znamenala, že jedna jediná doména získava všetky citácie. Je to rovnaká matematika, akú ekonómovia používajú na opis príjmovej nerovnosti, tu aplikovaná na počty citácií.
Naprieč všetkými enginmi a kampaňami bol priemerný Gini 0,715. To je vysoké číslo. Znamená to, že krajina citácií je výrazne nevyvážená, s hŕstkou domén vlastniacou väčšinu viditeľnosti pre danú tému.
Koncentrácia sa líši podľa enginu. Perplexity rozdeľoval svoje citácie najrovnomernejšie (Gini 0,671), za ním nasledoval ChatGPT (0,684) a Gemini (0,723). Google AI Mode bol zo všetkých najkoncentrovanejší na úrovni 0,782, čo znamená, že sa najviac spolieha na úzku skupinu dôveryhodných zdrojov.
Líši sa to aj podľa témy. Športové potreby boli najmenej koncentrované (0,680), potom spotrebná elektronika (0,713) a nehnuteľnosti (0,718), pričom telekomunikácie boli najkoncentrovanejšie na úrovni 0,750.
Strategický záver: pri každej téme vlastní AI viditeľnosť niekoľko domén a všetci ostatní sú takmer neviditeľní. Dostať sa do tejto najvyššej vrstvy je miesto, kde sa nachádza skutočný prínos, takže vaša stratégia AI podielu hlasu by sa mala zamerať na prienik do koncentrovaného jadra namiesto naháňania dlhého chvosta, ktorý AI zriedka zobrazuje.
Zistenie č. 4: Je to model, nie spravodajský cyklus
Ak sa zdroje menia zo dňa na deň, možno je to jednoducho svet, ktorý sa mení, však? Vychádzajú nové články, mení sa autorita domén, obnovujú sa indexy. Aby to overili, výskumníci vykonali šikovný experiment.
Zadali rovnaký prompt až 10-krát v ten istý kalendárny deň, všetkým štyrom enginom. Rovnaký dopyt, rovnaké podmienky, s odstupom minút. Ak by denná obmena pochádzala z externých správ a aktualizácií indexu, tak opätovné spustenie promptu v ten istý deň by malo vrátiť takmer identické zdroje. Podľa starých predpokladov vyhľadávania by ste očakávali takmer dokonalé prekrytie.
Toto sa nestalo. Prekrytie zdrojov v ten istý deň (Jaccardova hodnota) sa naprieč kampaňami pohybovalo medzi 0,32 a 0,43, čo znamená, že iba približne tretina citovaných zdrojov sa zhodovala medzi dvoma behmi spustenými v ten istý deň. Spotrebná elektronika dosiahla 0,327, športové potreby 0,321, nehnuteľnosti 0,391 a telekomunikácie 0,434.
Tu prichádza pointa: toto rozpätie je v podstate identické s denným rozpätím 0,34-0,42. Odstránenie spravodajského cyklu ako faktora nezmenilo takmer nič.
Záver je nevyhnutný. Obmena nepochádza z externých aktualizácií, zmien algoritmu ani z meniaceho sa spravodajského cyklu. Pochádza z vlastnej náhodnosti modelu: z pravdepodobnostného spôsobu, akým AI generuje a vyberá zdroje pre každú odpoveď. Zadajte ten istý dopyt dvakrát po sebe a dostanete výrazne odlišné zdroje, nie preto, že sa svet pohol, ale preto, že model znovu hodil kockou. Presne preto jedno meranie nestačí, a preto musí monitorovanie priemerovať naprieč opakovanými behmi, aby vôbec niečo znamenalo.
Zistenie č. 5: Štyri enginy nie sú zameniteľné
Je lákavé zaobchádzať s „AI vyhľadávaním“ ako s jednou monolitickou vecou. Dáta hovoria niečo iné. Štyri enginy sa správajú tak odlišne, že ak predpokladáte, že jeden odráža druhý, výrazne sa pomýlite.
Rozdelenie výsledkov opakovaného spustenia v ten istý deň podľa enginu odhaľuje veľký rozdiel v konzistentnosti. Pri zdrojoch bol Gemini zďaleka najkonzistentnejší, s Jaccardovou hodnotou v ten istý deň 0,505, čo znamená, že približne polovica jeho citovaných zdrojov zostala stabilná naprieč opakovanými behmi. ChatGPT bol najmenej konzistentný na úrovni iba 0,233, sotva štvrtinové prekrytie. Perplexity (0,282) a Google AI Mode (0,318) sa nachádzali niekde medzi nimi.
Obraz pri značkách úplne premiešava poradie. Pri zmienkach o značke viedol Perplexity (Jaccardova hodnota 0,492), tesne za ním ChatGPT (0,437), potom Gemini (0,409) a Google AI Mode (0,375). Takže engine, ktorý je najstabilnejší pri zdrojoch, nie je najstabilnejší pri značkách. Neexistuje jediný „najstabilnejší“ engine.
ChatGPT vyniká ešte z iného dôvodu. V 57,8 % svojich behov nevracia žiadne citácie. Viac ako polovicu času preskočí vyhľadávanie na webe pri definičných otázkach a odpovedá namiesto toho z pamäte. Opýtajte sa ho „aký je rozdiel medzi notebookom a laptopom?“ a často nikoho nebude citovať vôbec. To je úplne odlišné správanie ako u Gemini alebo Perplexity, ktoré siahajú po webe oveľa ochotnejšie.
Ponaučenie je jednoduché, no kritické: nemôžete predpokladať, že správanie jedného enginu odráža druhý. Každý má vlastnú náhodnosť, vlastné zvyklosti pri citovaní a vlastné zvláštnosti. Akýkoľvek serióznny monitorovací program, alebo AI Visibility Index , musí nastaviť východiskové hodnoty špecifické pre jednotlivé enginy namiesto miešania všetkého do jedného čísla a dúfania, že sa zovšeobecní.
Zistenie č. 6: Vybraný prompt výrazne ovplyvňuje výsledok
Tu je detail, ktorý väčšinu ľudí prekvapí: prompt, ktorý si vyberiete, záleží rovnako ako počet, koľkokrát ho spustíte. Štúdia merala konzistentnosť na úrovni jednotlivého promptu naprieč každou kampaňou, a rozptyl je obrovský. Niektoré prompty vracajú takmer rovnaké zdroje a značky beh za behom, s Jaccardovou hodnotou nad 0,8, čo znamená, že sa opakuje viac ako 80 % položiek. Iné sú takmer čistý šum, s hodnotami pod 0,2, kde menej ako jedna z piatich položiek zostáva stabilná.
Vzorec za týmto rozptylom je intuitívny, keď ho raz vidíte. Konkrétne produktové dopyty dostávajú konzistentnejšie odpovede ako široké, všeobecné dopyty. Cielená otázka ako „ktorá bežecká obuv je najlepšia“ prináša tesnejšiu, opakovateľnejšiu sadu značiek a zdrojov. Vágna otázka na začiatku lievika, taká, ktorú by bolo možné zodpovedať tuctom obhájiteľných spôsobov, posiela model naprieč oveľa širším súborom pri každom behu.
Praktický dôsledok: jeden alebo dva prompty nemôžu reprezentovať kampaň. Ak sa vám náhodou podarí vybrať dva konzistentné prompty, nadhodnotíte svoju stabilitu. Ak vyberiete dva nestále, presvedčíte sami seba, že celá kategória je chaotická. V oboch prípadoch meriate zvláštnosti výberu vášho promptu, nie svoju skutočnú viditeľnosť.
Riešením je veľké, rôznorodé portfólio promptov, ktoré odráža to, ako sa skutoční používatelia pýtajú: konkrétne aj široké, transakčné aj informačné. Spriemerovanie naprieč mnohými promptmi je jediný spôsob, ako vyrušiť tento šum na úrovni dopytu a vidieť kampaň takú, aká skutočne je.
Koľkokrát by ste mali spustiť každý prompt?
Predstavte si jeden dopyt ako jeden hod mincou. Nikdy by ste sa nerozhodli, či je minca spravodlivá, na základe jedného hodu, no jednorazový dopyt v AI vyhľadávaní od vás žiada presne toto. Keďže AI vyhľadávače sú pravdepodobnostné, každý beh je nový hod kockou, a jediný spôsob, ako zistiť, ako často sa vaša značka naozaj zobrazuje, je spustiť prompt mnohokrát a spriemerovať výsledky. Čím viac behov nazbierate, tým menšia je vaša štandardná chyba (SE), teda miera neistoty okolo vášho odhadu.
Štúdia presne kvantifikuje, ako rýchlo sa táto miera zmenšuje.
Konvergencia je zo začiatku strmá a potom sa vyrovnáva. Jeden beh nesie SE 0,370, čo je v podstate nepoužiteľné. Ak to preložíme jednoducho: značka, ktorej skutočná miera detekcie je 50 %, by mohla v jednorazovej momentke vykazovať čokoľvek od približne 0 % do 100 %. Nedozvedeli by ste sa nič.
Pridajte behy a hmla sa rýchlo rozplýva:
| Behy na prompt | Štandardná chyba | 95 % rozpätie (±) |
|---|---|---|
| 1 | 0,370 | 0,724 |
| 3 | 0,188 | 0,369 |
| 5 | 0,123 | 0,241 |
| 6 | 0,101 | 0,197 |
| 7 | 0,081 | 0,158 |
| 8 | 0,062 | 0,121 |
SE klesne pod hranicu spoľahlivosti 0,10 pri 7 behoch pri sledovaní značky (pri šiestich behoch je stále 0,101). Pokrytie na úrovni zdrojov je šumovejšie a potrebuje na dosiahnutie tejto hranice 8 behov.
Odporúčanie je teda konkrétne: spúšťajte aspoň 7-krát na prompt denne, keď monitorujete viditeľnosť značky, a aspoň 8-krát, keď záleží na pokrytí na úrovni zdrojov. Menej než to, a stále iba hádžete jednou mincou a nazývate to meraním. Toto je rozdiel medzi skutočným AI Visibility Index a šťastným odhadom.
Ako dlho by ste mali pozorovať? Prípad pre okno 2 až 4 týždne
Dostatočný počet spustení každého promptu vyrieši šum v rámci jedného dňa. Existuje však druhý zdroj odchýlky: AI odpovede sa menia aj zo dňa na deň, a keďže sa denne mení približne 65 % citovaných zdrojov, jeden deň (alebo dokonca jeden týždeň) je zďaleka príliš krátky na to, aby oddelil signál od šumu. Potrebujete okno dostatočne široké na to, aby sa denná obmena mohla spriemerovať.
Štúdia merala, ako sa presnosť odhadu zlepšuje s predlžovaním pozorovacieho okna.
Platí rovnaká logika konvergencie, len naprieč kalendárnym časom namiesto opakovaných behov:
| Okno (dni) | Štandardná chyba | 95 % rozpätie (±) |
|---|---|---|
| 1 | 0,322 | 0,631 |
| 7 | 0,135 | 0,264 |
| 10 | 0,107 | 0,210 |
| 14 | 0,080 | 0,157 |
| 21 | 0,053 | 0,105 |
| 28 | 0,033 | 0,065 |
Odhad prekračuje hranicu pod 0,10 pri 10 dňoch a klesá pod 0,05 približne okolo hranice 24 dní (je 0,053 pri 21 dňoch a 0,033 pri 28 dňoch). V praktickom vyjadrení: týždeň dát je stále nestabilný na sledovanie jednotlivej značky, ale rozpätie 0,05 znamená, že značka skutočne citovaná v 40 % prípadov by vykazovala hodnoty v rozmedzí zhruba 30 % až 50 %, čo je dostatočne tesné na to, aby ste dôverovali trendu. Dva až štyri týždne je bod, kedy sa čísla za jednotlivé značky stávajú skutočne stabilnými.
Odporúčaním je priebežné okno 2 až 4 týždne. Priebežné okno plní dvojitú úlohu: zhromažďuje dostatok dní na zmenšenie štatistického rozpätia, a zároveň potichu vyrovnáva menšie aktualizácie modelov a obnovenia indexu, ktoré AI enginy pravidelne zavádzajú, takže jednorazová úprava v utorok sa netvári ako skutočný trend. Toto je dĺžka okna, ktorú chcete mať zabudovanú v akomkoľvek monitorovacom dashboarde alebo v metodike A/B testovania AI viditeľnosti predtým, než vyvodíte závery o tom, či sa vaša viditeľnosť skutočne pohla.
Čo to znamená pre vašu GEO stratégiu
Štúdia sa priamo prekladá do niekoľkých konkrétnych pravidiel pre každého, kto vedie GEO program. Berte ich ako prevádzkové požiadavky na nastavenie merania, ktorému môžete skutočne dôverovať.
Spúšťajte každý prompt aspoň 7-krát denne (8-krát, keď záleží na zdrojoch). Jeden dopyt má štandardnú chybu 0,370 pri miere detekcie danej značky, v podstate hod mincou vydávaný za dáta. Chyba klesne pod 0,10 pri 7 behoch pre prítomnosť značky a potrebuje 8 behov pre pokrytie na úrovni zdrojov. Pod touto hranicou reagujete na šum, nemeriate viditeľnosť.
Pokryte každú tému širokým, rôznorodým portfóliom promptov. Prekrytie na úrovni promptu sa v rámci jednej kampane pohybuje od pod 0,2 po nad 0,8, takže jeden alebo dva prompty zachytávajú zvláštnosti presne týchto konkrétnych formulácií, nie vaše skutočné postavenie. Vytvorte aspoň osem rôznorodých dopytov na tému, mix konkrétnych produktových otázok a širších formulácií typu „ktoré je najlepšie“, aby vaše čísla odrážali kampaň, nie náhodu formulácie.
Agregujte naprieč priebežným oknom 2 až 4 týždne, nie jeden deň alebo jeden týždeň. S približne 65 % citovaných zdrojov, ktoré sa denne obmieňajú, krátke okná nedokážu oddeliť signál od šumu. Odhady pre jednotlivú značku sa ustália pod 0,10 SE až pri 10 dňoch a pod 0,05 pri 24 dňoch. Priebežné okno dva až štyri týždne vyrovnáva dennú obmenu a menšie aktualizácie modelov do trvácneho obrazu.
Nastavte samostatné východiskové hodnoty pre každý engine. Koncentrácia citácií sa pohybuje od 0,671 na Perplexity až po 0,782 na Google AI Mode, a konzistentnosť zdrojov v ten istý deň sa pohybuje od 0,233 na ChatGPT po 0,505 na Gemini. Jednotná hranica naprieč všetkými štyrmi enginmi vás pri minimálne jednom z nich zavedie na scestie. Benchmarkujte každý engine na jeho vlastných podmienkach.
Sledujte prítomnosť značky a zdrojové URL adresy ako dve odlišné KPI. Stabilita na úrovni značky (Jaccardova hodnota 0,45-0,59) prekonáva stabilitu na úrovni zdrojov (0,34-0,42), takže agregovaná prítomnosť značky je vaša spoľahlivejšia hlavná metrika. No pokračujte v sledovaní zdrojov aj na úrovni URL adries, pretože to vám hovorí, ktoré stránky skutočne poháňajú vaše zaradenie.
Poctivé obmedzenia, o ktorých sa oplatí vedieť
Autori sú osviežujúco úprimní ohľadom toho, čo tento dataset dokáže a nedokáže povedať, a každá výhrada je dôvodom na to, aby ste si spustili vlastné priebežné meranie namiesto spoliehania sa na jednu štúdiu.
Je švajčiarska. Všetky dáta pochádzali zo serverov vo Švajčiarsku, so švajčiarskymi IP adresami a lokalizáciou, naprieč nemecky formulovanými promptmi. Geograficky personalizovaný výber indexu a vzorce citovania môžu vo vašom regióne alebo jazyku vyzerať odlišne, takže konkrétne čísla berte ako smerové, nie univerzálne.
Je to jedno časové okno. Všetko beží z jedného obdobia 45 až 46 dní (jan. až mar. 2026). AI enginy sa neustále aktualizujú, takže momentka z akéhokoľvek fixného okna, vrátane tohto, môže postupne zastarávať.
ChatGPT často nevrátil nič. ChatGPT preskočil vyhľadávanie na webe v 57,8 % behov, čím vyprodukoval nulové citácie; tieto behy boli z analýzy zdrojov vylúčené. Vaše vlastné pokrytie ChatGPT bude nerovnomernejšie, ako naznačujú hlavné čísla.
Detekcia značky bola založená na substringu. Zmienky boli porovnávané voči pevnému lexikónu, takže synonymá, skratky a parafrázy boli prehliadnuté. Skutočná prítomnosť značky je pravdepodobne o niečo vyššia, ako bolo namerané.
Google AI Overviews boli vylúčené ako odlišný produkt. Ak na AIO záleží aj vám, ide o celý povrch, ktorého sa táto štúdia vôbec nedotkla.
Nič z toho neoslabuje hlavné zistenie; naopak, posilňuje ho. Jediný spôsob, ako zistiť, ako sa viditeľnosť správa na vašom trhu, vo vašom jazyku a v tomto mesiaci, je merať ju sami, priebežne.
Ako uviesť opakované meranie do praxe
Tu je praktický kontrolný zoznam, ktorý vyplýva zo štúdie, minimálne funkčné nastavenie GEO merania, na ktorom môžete začať konať:
- Spúšťajte každý prompt 7 až 10-krát denne. Sedem behov dostane detekciu značky pod hranicu spoľahlivosti; osem pokrýva zdroje; desať vám dáva priestor navyše.
- Udržiavajte rôznorodé portfólio 8 a viac promptov na tému. Kombinujte konkrétne produktové dopyty so širšími formuláciami typu „ktoré je najlepšie“.
- Sledujte východiskové hodnoty pre jednotlivé enginy. ChatGPT, Gemini, Google AI Mode a Perplexity sa správajú odlišne tak v konzistentnosti, ako aj v koncentrácii citácií, takže benchmarkujte každý samostatne.
- Používajte priebežné okno 2 až 4 týždne. Agregujte miery detekcie počas 14 až 28 dní tak, aby sa denná obmena zdrojov a menšie aktualizácie modelov vyrovnali.
- Sledujte prítomnosť značky a zdrojové URL adresy samostatne. Prítomnosť na úrovni značky je vaše stabilné hlavné KPI; sledovanie zdrojov vám hovorí, ktoré stránky si vaše zaradenie zaslúžia.
- Sledujte koncentráciu citácií. Rastúci Gini znamená zmenšujúcu sa skupinu domén, ktoré vlastnia odpovede, takže vedzte, či ste v tejto skupine, alebo mimo nej.
Robiť toto všetko ručne naprieč štyrmi enginmi, desiatkami promptov a dennými opakovanými behmi predstavuje veľa pohyblivých súčastí. Platforma na monitorovanie AI viditeľnosti ako amicited automatizuje presne tento vzorec (viacnásobný beh, viacnásobný prompt, sledovanie s priebežným oknom naprieč ChatGPT, Gemini, Google AI Mode a Perplexity), takže rozdelenie pravdepodobnosti je vypočítané za vás namiesto odhadovania z jedného dopytu. Pre širší prehľad možností si pozrite sprievodcu nástrojmi na sledovanie AI citácií , a aby ste zachytili zmeny hneď, ako nastanú, nastavte si upozornenia na monitorovanie AI značky .
Záver: Viditeľnosť je rozdelenie pravdepodobnosti, nie číslo
Najdôležitejším poznatkom z tejto štúdie je posun myšlienkového modelu. Viditeľnosť v AI vyhľadávaní nie je fixný rebríček, ktorý si dokážete prečítať jedným dopytom. Je to pravdepodobnosť byť spomenutý, ktorá sa odhaľuje iba naprieč mnohými behmi. Pamätáte si na otázku o bežeckej obuvi, ktorou sme začali? Opýtajte sa raz a možno uvidíte svoju značku; opýtajte sa znova o minútu neskôr, za identických podmienok, a možno bude preč. Súbory zdrojov sa zo dňa na deň prekrývajú iba na 34-42 %; dokonca aj značky, stabilnejší signál, sa prekrývajú iba na 45-59 %.
To znamená, že každé číslo, ktoré vytiahnete z jednej kontroly, je v skutočnosti náhodný výber zo základného rozdelenia pravdepodobnosti, a jeden výber vám hovorí takmer nič o tvare tohto rozdelenia. Značka citovaná v jednom behu a chýbajúca v ďalšom „nevypadla“; jednoducho ste jednorazovo odobrali vzorku z náhodného procesu založeného na hode kockou a túto jednu vzorku ste zamenili za pravdu.
Prestaňte sa teda pýtať „som citovaný?“ a začnite sa pýtať „ako často som citovaný, a ako sa to vyvíja?“. Opakované behy, rôznorodé prompty, východiskové hodnoty pre jednotlivé enginy a priebežné okná menia šumovú momentku na stabilný odhad, na ktorom môžete stavať rozhodnutia. Merajte rozdelenie pravdepodobnosti, nie okamih. To je celá hra v AI vyhľadávaní.
Sledujte svoje prompty naprieč každým AI enginom
Prestaňte dôverovať jedinému dopytu. AmICited opakovane spúšťa vaše prompty naprieč ChatGPT, Perplexity, Gemini a Google AI Overviews, a následne mení šum na stabilný, denný pohľad na to, ako AI opisuje vašu značku a kde ďalej rásť.
Bezplatná kontrola · 14-dňová skúšobná verzia · žiadna kreditná karta