Hầu hết các báo cáo về khả năng hiển thị của AI đều được xây dựng dựa trên một lần chạy cho mỗi yêu cầu. Đó chỉ là kết quả ngẫu nhiên được báo cáo như một phép đo. Khi Thinking Machines Lab gửi 1,000 yêu cầu giống hệt nhau đến Qwen3-235B ở nhiệt độ 0, nó đã nhận được phản hồi... 80 lần hoàn thành khác nhau, sự phân kỳ đầu tiên xuất hiện ở token 103 (Phòng thí nghiệm Máy móc Tư duy, ngày 10 tháng 9 năm 2025Các trợ lý ảo dành cho người tiêu dùng bổ sung thêm tính năng cá nhân hóa, bản địa phương và cập nhật mô hình im lặng. Hướng dẫn này dành cho các chuyên gia về tăng trưởng và SEO, những người đã được hỏi liệu thương hiệu có xuất hiện trong ChatGPT, Gemini hay Chế độ AI của Google hay không và cần một câu trả lời có thể đứng vững trước sự phản biện. Sau khi hoàn thành, bạn sẽ có một bảng nhắc nhở, số lần chạy được chứng minh bằng độ chính xác bạn cần, một bảng chấm điểm và một quy tắc để quyết định khi nào sự thay đổi giữa các đợt là có thật.
Đo lường hai sự kiện nhị phân, không phải thứ hạng.
Câu trả lời của AI không có thứ hạng. Chỉ có một đoạn văn có nêu tên bạn hoặc không, và một danh sách nguồn tham khảo có chứa tên miền của bạn hoặc không. Đơn vị đo lường là một. quan sátMỗi thao tác chỉ thực hiện một lần, trên một trợ lý ảo, bằng một ngôn ngữ và khu vực cụ thể, vào một ngày cụ thể. Mỗi thao tác sẽ cho ra hai kết quả nhị phân.
- Đề cập: Tên thương hiệu xuất hiện trong văn bản trả lời.
- Trích dẫn: URL trên tên miền của bạn sẽ xuất hiện trong nguồn hoặc liên kết nội tuyến.
Mọi thứ khác đều bắt nguồn từ những điều này. Tỷ lệ tiếng nói là số lần bạn được nhắc đến trên tổng số lần thương hiệu được nhắc đến trong cùng một tập hợp câu trả lời. Hiệu quả trích dẫn là số trích dẫn trên số lần được nhắc đến: nó cho bạn biết liệu bạn đang được mô tả dựa trên bộ nhớ mô hình hay thực sự được đọc.
Kết quả nhị phân biến điều này thành ước lượng tỷ lệ, vốn có các phương pháp khoảng được ghi chép đầy đủ (Brown, Cai và DasGupta, Khoa học thống kê, 2001). Điểm số tổng hợp về "khả năng hiển thị AI" không thể so sánh với bất cứ thứ gì, kể cả giá trị của chính nó vào tháng trước: chúng tôi không tìm thấy định nghĩa nào được các nhà cung cấp khác nhau thống nhất, vì vậy hãy coi việc so sánh giữa các công cụ là không thể sử dụng được.
Xây dựng bảng nhắc lệnh, sau đó khóa nó lại.
Bảng điều khiển là một danh sách cố định các lời nhắc mà bạn chạy lại trong mỗi đợt. Nếu danh sách thay đổi giữa các đợt, thì không có gì bạn đo được là sự thay đổi về khả năng hiển thị.
- Nguồn thông tin được lấy từ nhu cầu thực tế. Thu thập các truy vấn dạng câu hỏi từ Search Console, nhật ký tìm kiếm trên trang web và bản ghi bán hàng. Các gợi ý được tạo ra trong buổi hội thảo sẽ giúp đánh giá khả năng sáng tạo của nhóm bạn.
- Phân loại theo mục đích. Bốn tầng: cấp độ danh mục ("X tốt nhất cho Y"), so sánh ("A so với B"), ưu tiên vấn đề ("làm thế nào để khắc phục Z") và cụ thể theo thương hiệu ("Thương hiệu này có tốt không"). Cố định số lượng cho mỗi tầng để sự thay đổi trong hỗn hợp không thể bị ngụy trang thành sự thay đổi về khả năng hiển thị.
- Hãy đặt số lượng câu hỏi ở mức từ 40 đến 80. Dưới 40, khoảng cách giữa các tấm quá rộng để có thể thao tác. Trên 80, chi phí vận hành tăng nhanh hơn độ chính xác.
- Hãy coi mỗi ngôn ngữ như một bảng điều khiển riêng biệt. Một câu hỏi tìm kiếm bằng tiếng Thổ Nhĩ Kỳ và bản dịch tiếng Anh của nó sẽ trả về các thương hiệu khác nhau, các trích dẫn khác nhau, và thường là khung phân loại khác nhau. Google đã thêm tiếng Thổ Nhĩ Kỳ khi Chế độ AI được mở rộng sang 53 ngôn ngữ mới. Ngày 19 tháng 2026 XNUMX (danh sách ngôn ngữ(Chỉ báo cáo số liệu tiếng Anh cho thị trường Thổ Nhĩ Kỳ, trong khi bạn đang mô tả một thị trường mà bạn không phục vụ.)
- Làm lạnh bảng điều khiển trong một phần tư giây. và quản lý phiên bản của nó. Chỉ thêm lời nhắc tại ranh giới một phần tư và thiết lập lại đường cơ sở khi bạn làm vậy.
Hãy quyết định số lần chạy cho mỗi lời nhắc.
Mỗi lần chạy là một lần rút thăm, không phải là một lần tra cứu, vì vậy một lần chạy cho mỗi lời nhắc sẽ cho ra một giá trị không có độ chính xác. Bảng này cung cấp độ rộng một nửa của khoảng tin cậy Wilson 95% cho tỷ lệ đề cập trên mỗi lời nhắc được quan sát ở mức 50%, trường hợp xấu nhất và do đó là giả định lập kế hoạch an toàn.
| Chạy theo yêu cầu | Ký hiệu lỗi | Điều bạn có thể thành thật nói |
|---|---|---|
| 1 | Không xác định | Không có gì. Đây chỉ là một câu chuyện kể. |
| 5 | ±33 điểm | Phân loại bệnh nhân: thường xuyên, đôi khi, không bao giờ |
| 10 | ±26 điểm | Thông báo mạnh mẽ so với thông báo chết |
| 20 | ±20 điểm | Xếp hạng lời nhắc thành ba cấp độ |
| 30 | ±17 điểm | Phát hiện sự thay đổi lớn trên mỗi lời nhắc |
| 100 | ±10 điểm | Báo cáo tỷ lệ mỗi lần nhắc nhở dưới dạng một con số. |
Độ chính xác cho từng lời nhắc rất tốn kém và hiếm khi cần thiết. Con số mà doanh nghiệp quan tâm là... tỷ lệ cấp bảng: tổng số lượt đề cập trên tổng số lượt quan sát. Một nhóm gồm 60 lượt hỏi trong 5 lần chạy cho ra 300 lượt quan sát mỗi trợ lý mỗi đợt, độ rộng bán phần đơn giản gần ±5.7 điểm ở mức 50%.
Điều đó có vẻ lạc quan, bởi vì các lần chạy cùng một câu hỏi gợi ý có tương quan với nhau. Hãy áp dụng hiệu ứng thiết kế cụm: nhân phương sai với 1 + (số lần chạy trên mỗi câu hỏi gợi ý − 1) × ICC, hệ số tương quan nội câu hỏi gợi ý, được ước tính từ đợt khảo sát đầu tiên của riêng bạn chứ không phải là giả định. Nếu nó rơi vào khoảng 0.5 ở 5 lần chạy, thì mẫu hiệu quả sẽ gần hơn với 100 quan sát và độ rộng bán phần trung thực sẽ gần hơn với ±10 điểm. Hãy lên kế hoạch cho điều đó trước khi hứa hẹn về một bảng điều khiển tổng quan.
Mặc định của chúng tôi: 60 câu hỏi, mỗi câu hỏi 5 lần chạy, cho mỗi trợ lý, mỗi ngôn ngữ, theo từng đợt bốn tuần. Báo cáo theo nhóm và cấp độ phân tầng với khoảng thời gian, kết quả cho mỗi câu hỏi chỉ được thể hiện dưới dạng các cấp bậc.
Kiểm soát các điều kiện vận hành
Tính không xác định là mức tối thiểu. Mọi thứ bên dưới đều là sự biến thiên do chính bạn thêm vào.
- Tắt tính năng cá nhân hóa. Trong ChatGPT, hãy sử dụng Trò chuyện tạm thời, tức là không sử dụng hoặc tạo ra ký ứcBộ nhớ sẽ dựa vào các hướng dẫn tùy chỉnh, các cuộc trò chuyện trước đây và các tập tin (Câu hỏi thường gặp về bộ nhớ), vì vậy, một nhà phân tích đã đăng nhập sẽ đo lường lịch sử của chính họ.
- Sửa ngôn ngữ vùng miền và giao diện và ghi lại cả hai.
- Ghi lại phiên bản mô hình và dấu thời gian Mỗi lần quan sát hoặc cập nhật mô hình giữa các đợt sẽ cho thấy chiến dịch của bạn đang hoạt động hiệu quả.
- Mỗi trợ lý chỉ sử dụng một phương pháp thu thập dữ liệu. Suốt cả quý. API và ứng dụng người dùng có cách truy xuất khác nhau; việc trộn lẫn chúng trong cùng một chuỗi sẽ làm cho mọi thứ trở nên vô nghĩa.
- Ngẫu nhiên hóa thứ tự lời nhắc và phân bổ các lần chạy trong suốt cả ngày, do đó tải máy chủ, yếu tố gây ra sự biến đổi về kích thước lô dẫn đến tính không xác định, không bị lẫn lộn với danh sách lời nhắc.
Chấm điểm từng quan sát theo một thang điểm cố định.
Hai nhà phân tích phải đưa ra cùng một điểm số từ cùng một câu trả lời. Sử dụng thang điểm đóng và ghi rõ các tiêu chí phân định thắng thua khi điểm số bằng nhau.
| Điểm số | Điều kiện | Cũng ghi lại |
|---|---|---|
| 0 | Thương hiệu không xuất hiện trong câu trả lời và nguồn thông tin. | Những thương hiệu nào đã xuất hiện? |
| 1 | Tên thương hiệu được đặt, không liên kết đến tên miền của bạn. | Cảm xúc: tích cực, trung lập, sai |
| 2 | Tên thương hiệu và tên miền của bạn được trích dẫn. | URL nào đã được trích dẫn |
| 3 | Thương hiệu được nêu tên đầu tiên hoặc được đề xuất, và được trích dẫn. | URL được trích dẫn và tập hợp đối thủ cạnh tranh |
Hãy chấm điểm 1 cho mỗi câu trả lời sai sự thật và đánh dấu nó. Một mô tả không chính xác nhưng đầy tự tin về giá cả hoặc phạm vi bảo hiểm của bạn vừa là một lợi thế về khả năng hiển thị, vừa là một vấn đề về mặt thương mại, và đó thường là phát hiện mang lại lợi nhuận cho quá trình này. Hãy hiệu chỉnh bằng cách để hai người cùng chấm điểm 30 câu trả lời giống nhau trong giai đoạn đầu tiên; nếu có hơn ba sự bất đồng, điều đó có nghĩa là tiêu chí đánh giá quá lỏng lẻo.
Hãy quyết định xem sự thay đổi đó có thực sự xảy ra hay không.
Hãy chạy quy trình này theo thứ tự và dừng lại khi gặp lỗi đầu tiên.
- Khoảng tin cậy 95% giữa các đợt sóng có chồng chéo lên nhau không? Nếu có, hãy báo cáo không phát hiện thấy sự thay đổi nào, chứ không phải là sự khác biệt về điểm số.
- Phiên bản mẫu có thay đổi không? Nếu vậy, việc so sánh sẽ bị sai lệch: hãy chạy lại đợt khảo sát trước đó so với phiên bản mới trước.
- Liệu sự thay đổi đó có duy trì trong hai đợt sóng liên tiếp không? Một sóng là tín hiệu, hai sóng là kết quả.
- Nó có tập trung ở một tầng địa chất nào đó không? Việc xuất hiện các lời nhắc cụ thể cho từng thương hiệu mà không có sự thay đổi nào ở cấp độ danh mục thường là do nhu cầu của thương hiệu, chứ không phải do hoạt động tăng cường khả năng hiển thị bằng AI.
- Hiệu quả trích dẫn có thay đổi theo tỷ lệ đề cập không? Việc số lượt đề cập tăng lên trong khi số trích dẫn không thay đổi có nghĩa là mô hình đang mô tả bạn dựa trên trí nhớ: giá trị của nó giảm đi và đang dần lỗi thời.
Kết nối bảng điều khiển với một thiết bị thương mại nào đó.
Khả năng hiển thị là một chỉ báo hàng đầu, không phải là kết quả. Phân tích các lượt giới thiệu từ trợ lý ảo thành một kênh riêng và theo dõi số phiên truy cập cũng như tỷ lệ chuyển đổi của chúng so với tìm kiếm tự nhiên. Hãy kỳ vọng vào số lượng truy cập thấp, tỷ lệ chuyển đổi cao hơn và con số tuyệt đối có thể khiến bất kỳ ai nhìn thấy biểu đồ tăng trưởng khả năng hiển thị ban đầu đều thất vọng. Hãy nói rõ điều này trước.
Tỷ trọng nền tảng rất quan trọng. Dữ liệu khảo sát của Similarweb từ tháng 6 năm 2025 đến tháng 5 năm 2026 cho thấy ChatGPT chiếm gần 53% thị phần nền tảng AI tạo sinh, giảm so với khoảng 76% một năm trước đó, trong khi Gemini chiếm từ 27 đến 28% và Claude chiếm gần 9%.Tương tự(Đây là ước tính từ bảng khảo sát, không phải là điều tra toàn diện: hãy sử dụng chúng để lựa chọn những trợ lý nào nên được đưa vào, chứ không phải để trọng số hóa con số tổng quát.)
[CẦN DỮ LIỆU NỘI BỘ: tỷ lệ đề cập trung bình và hiệu quả trích dẫn từ các nhóm khách hàng của Switas trong lĩnh vực thương mại điện tử, du lịch và y tế, cùng với mối tương quan nội bộ giữa các câu hỏi được ghi nhận trong các đợt khảo sát của chúng tôi.]
Phương pháp này có những nhược điểm sau:
- Những câu trả lời bạn không thể thu thập trên quy mô lớn. Chế độ AI của Google không có API đo lường công khai và việc thu thập dữ liệu tự động vi phạm điều khoản dịch vụ. Hãy coi nó như một bảng điều khiển phụ thủ công nhỏ hơn, được đặt tên tương ứng.
- Nó không đo lường mức độ mất điểm SERP theo cách thông thường. Tại Thổ Nhĩ Kỳ, nơi mà tính năng Tổng quan về AI được triển khai từ... Ngày 18 tháng 2026 XNUMX Một nghiên cứu trên 1,035 truy vấn trực tiếp thuộc 17 lĩnh vực cho thấy có 59% truy vấn hiển thị tổng quan bằng AI, và số lượt nhấp vào các truy vấn thông tin giảm khoảng một phần ba vào tháng 6 năm 2026, trong khi vị trí trung bình hầu như không thay đổi.Stradiji). Một bảng điều khiển thông thường sẽ không phát hiện ra điều đó. Search Console mới phát hiện ra.
- Thời gian cơ sở ngắn ở các thị trường triển khai muộn. Hãy báo cáo mức độ và khoảng thời gian, chứ không phải đường xu hướng, cho đến khi bạn có bốn sóng.
- Tính phi định mệnh không thể được khắc phục từ bên ngoài. Các kernel bất biến theo lô chỉ loại bỏ nó đối với người thực hiện suy luận. Là người sử dụng trợ lý ảo được lưu trữ, bạn chỉ có thể tính trung bình dựa trên nó.
- Sự dịch chuyển của tấm panel. Biểu đồ cố định chỉ phù hợp cho việc so sánh, nhưng lại không phản ánh chính xác thị trường sau hai hoặc ba quý.
Các câu hỏi thường gặp
Tôi cần bao nhiêu gợi ý cho khung hình đầu tiên?
Bốn mươi là mức tối thiểu thực tế và sáu mươi là mức mặc định của chúng ta. Dưới 40, khoảng cách giữa các tấm đủ rộng đến mức hầu hết các thay đổi nhỏ không thể phân biệt được với nhiễu. Phân tầng theo mục đích và giữ số lượng cố định cho mỗi tầng.
Việc đặt nhiệt độ về 0 có giúp cho kết quả thu được có thể lặp lại không?
Không. Nhiệt độ bằng 0 loại bỏ tính ngẫu nhiên của việc lấy mẫu nhưng không loại bỏ sự biến đổi do kích thước lô thay đổi theo tải máy chủ, đó là lý do tại sao 1,000 yêu cầu có nhiệt độ bằng 0 giống hệt nhau lại tạo ra 80 kết quả hoàn thành khác nhau trong thí nghiệm Thinking Machines. Hãy lấy trung bình trên nhiều lần chạy thay vì theo đuổi tính xác định.
Tôi có thể chỉ sử dụng điểm số khả năng hiển thị AI của nhà cung cấp được không?
Hãy sử dụng các công cụ của nhà cung cấp để thu thập dữ liệu nếu chúng giúp tiết kiệm thời gian, nhưng hãy xây dựng lại chỉ số từ các quan sát thô. Điểm số tổng hợp không được định nghĩa nhất quán giữa các công cụ, và một số công cụ chỉ báo cáo một lần chạy cho mỗi lời nhắc. Hãy hỏi bất kỳ nhà cung cấp nào xem có bao nhiêu lần chạy đằng sau một điểm dữ liệu.
Tôi nên tạo sóng bao lâu một lần?
Hầu hết các thương hiệu sẽ thực hiện việc đo lường định kỳ bốn tuần một lần. Các đợt đo lường hàng tuần chủ yếu để đánh giá lại mức độ nhiễu và cập nhật mô hình. Sau khi có sự thay đổi lớn về nội dung hoặc dữ liệu có cấu trúc, hãy thêm một đợt đo lường sau bốn tuần, chứ không phải tuần sau đó.
Liệu các câu hỏi bằng tiếng Thổ Nhĩ Kỳ và tiếng Anh có nên được đặt trong cùng một khung không?
Không. Hãy chạy các nhóm khảo sát riêng biệt với các tiêu chuẩn so sánh riêng. Các bộ câu trả lời, các lĩnh vực được trích dẫn và khung cạnh tranh khác nhau tùy theo ngôn ngữ, vì vậy việc trộn lẫn chúng sẽ tạo ra một kết quả trung bình không mô tả được thị trường nào cả.
Nếu trợ lý liên kết đến trang bán hàng trên chợ trực tuyến thay vì trang web của tôi thì sao, việc đó có được coi là trích dẫn hợp lệ không?
Hãy chấm điểm nó như một lượt đề cập không kèm trích dẫn và ghi lại tên miền được trích dẫn riêng. Một mô hình trích dẫn trên thị trường thường chỉ ra sự thiếu hụt về nội dung hoặc dữ liệu có cấu trúc trên các trang của bạn hơn là về nhận diện thương hiệu.
Chúng tôi thiết kế và vận hành các bảng hiển thị thông tin AI như một phần của công việc SEO kỹ thuật và tăng trưởng: thiết kế bảng, thu thập dữ liệu trên nhiều trợ lý ảo và ngôn ngữ, hiệu chỉnh điểm số và phân khúc phân tích liên kết với doanh thu. Hãy trao đổi với chúng tôi về đợt khảo sát cơ bản đầu tiên..
nguồn
- Phòng thí nghiệm Máy tư duy, Vượt qua thuyết phi xác định trong suy luận LLM, ngày 10 tháng 9 năm 2025
- Brown, Cai và DasGupta, Ước lượng khoảng cho tỷ lệ nhị thức, Khoa học Thống kê 16(2), 2001
- Trung tâm trợ giúp OpenAI, Câu hỏi thường gặp tạm thời qua trò chuyện trực tuyến
- Trung tâm trợ giúp OpenAI, Câu hỏi thường gặp về bộ nhớ
- Hội nghị bàn tròn về công cụ tìm kiếm, Google mở rộng chế độ AI sang 53 ngôn ngữ mới, ngày 19 tháng 2 năm 2026
- Trợ giúp tìm kiếm Google, các ngôn ngữ được hỗ trợ trong Chế độ AI
- Zeo, Chế độ AI của Google và Tổng quan về AI được giới thiệu trực tiếp tại Thổ Nhĩ Kỳ.
- Stradiji, Tổng quan về AI đã tác động như thế nào đến tìm kiếm ở Thổ Nhĩ Kỳ?
- Similarweb, số liệu thống kê tìm kiếm bằng AI, từ tháng 6 năm 2025 đến tháng 5 năm 2026.
