Wir legen offen, wie unser Score funktioniert — auch dort, wo er schwach ist.

Ob ein namentlich genanntes Unternehmen in der Antwort auf eine bestimmte Frage vorkommt, die einem bestimmten KI-System zu einem bestimmten Zeitpunkt gestellt wurde — und falls es vorkommt, ob es empfohlen, nur erwähnt oder unzutreffend beschrieben wird. Wir fassen das nicht über eine verborgene Formel zu einem einzigen gewichteten Score zusammen. Wo wir einen zusammengesetzten Wert zeigen, stehen seine Bestandteile daneben.

Das Prompt-Panel, das wir für dieses Unternehmen eingerichtet haben, und nichts darüber hinaus. Er beschreibt ein Testpanel und ist keine Schätzung dessen, was jeder Käufer in einem Markt zu sehen bekommt. Wir stellen ihn nicht als allgemeine KI-Sichtbarkeit dar, denn das ist er nicht.

Das ist nicht belegt, und wir sagen das auch. Die Formulierungen stammen aus dem Gewerbe und dem Spezialgebiet des Unternehmens selbst, geschrieben als die Fragen, die ein Käufer plausibel stellen würde, und ein Mensch prüft sie. Was wir NICHT haben, sind eigene Beobachtungsdaten darüber, was echte Nutzer zu diesem Gewerbe tatsächlich in ChatGPT eintippen — die hat außerhalb der Modellanbieter niemand. Profound kommt dem am nächsten — sie lizenzieren echte Gespräche aus Verbraucherpanels, und das ist besseres Rohmaterial, als wir es haben. Diese Frage will aber wissen, wie BELEGT wurde, dass ein Prompt-Set die Grundgesamtheit abbildet, und auch dazu haben wir nichts Veröffentlichtes gefunden: Die Panels werden nicht benannt, die Hochrechnung auf die Grundgesamtheit wird nur als statistische Modellierung beschrieben, und keine Zahl, die wir gefunden haben, trägt eine Fehlermarge. In dieser Frage haben sie die besseren Daten, und uns beiden fehlt dieselbe Begründung.

Weniger als die reine Anzahl der Prompts, und wir weisen derzeit keine effektive Stichprobengröße aus, die berücksichtigt, dass Umformulierungen ein und derselben Absicht miteinander korrelieren. Das ist eine echte Lücke. Solange sie offen ist, behandeln Sie die Zahl der Prompts als Zahl der Tests und nicht als Menge unabhängiger Belege.

Sie werden nicht gewichtet. Jede Formulierung zählt einmal. Das ist eine grobe Entscheidung und sie hat ihren Preis — eine seltene Formulierung zählt genauso viel wie eine kommerziell zentrale —, aber die Alternative wäre ein Gewichtungsmodell, das wir nicht belegen könnten, und das würde die Willkür nur an eine weniger sichtbare Stelle verschieben.

Die Formulierungen werden beim ersten Lauf zur Website festgehalten und bei jeder Wiederholung FESTGESCHRIEBEN, damit der zweite Score an denselben Fragen gemessen wird wie der erste. Ein Kunde kann zwischen zwei Läufen nicht still günstige Formulierungen ergänzen oder unbequeme streichen. Wird das Formulierungsset bewusst geändert, beginnt der Lauf eine neue Reihe, statt die alte Linie fortzuführen, und der Bericht sagt das.

Nur die Präzision. Mehr Varianten eines nicht repräsentativen Panels ergeben eine stabilere Schätzung eines nicht repräsentativen Panels. Wir verkaufen die Menge der Prompts nicht als Ersatz für Sorgfalt.

Wir wissen es nicht. Wir führen jede Formulierung derzeit einmal pro Check aus, und wir haben die Streuung von Durchlauf zu Durchlauf nicht gemessen, die uns sagen würde, ob einmal genügt. Das ist das größte Loch in unserer eigenen Methode, und es steht als Erstes auf der Liste.

Es wird keine berechnet, weil Frage 8 unbeantwortet ist — ohne gemessene Streuung von Durchlauf zu Durchlauf gibt es kein ehrliches Intervall, das man veröffentlichen könnte. Solange es keines gibt, sollte keine Bewegung unseres Scores für sich genommen als bedeutsam gelesen werden.

Die gesamte. Es gibt kein statistisches Modell. Wir zeigen lieber eine rohe Zählung mit benannten Grenzen als ein Konfidenzintervall, das Prompt-Auswahl, Zusammensetzung des Panels und Modelldrift stillschweigend ausklammert — ein schmales Intervall um ein verzerrtes Panel ist nur eine selbstbewusster aussehende falsche Antwort.

Nein, und wir behandeln sie auch nicht so. Formulierungen mit gemeinsamem Ursprung, und jede Formulierung, die am selben Tag gegen dasselbe Modell läuft, bewegen sich gemeinsam, sobald sich das Modell ändert. Wir rechnen sie nicht zu einer Menge unabhängiger Belege hoch.

Er ist es nicht, deshalb messen wir nicht täglich. Der Check ist eine Momentaufnahme, und im Betreuungsvertrag wird monatlich berichtet. Eine tägliche Linie würde überwiegend die Schwankung der Antworten abbilden, und ein Diagramm, das sich jeden Tag bewegt, ist kommerziell nützlich und methodisch leer.

Sie ist nicht gegen einen externen Referenzmaßstab validiert worden. Wir haben keine Untersuchung, die unseren Score mit Verweis-Traffic, Abschlüssen oder gestützter Erinnerung aus Befragungen vergleicht. Wir sind ein junges Unternehmen ohne einen solchen Datenbestand, und das sagen wir lieber, als die Validierung eines fremden, anderen Systems zu zitieren.

Es gibt keine Validierung, also nein. Wenn es sie gibt, wird sie Daten verwenden, die wir weder erzeugt noch ausgewählt, gewichtet oder bewertet haben — und wir veröffentlichen auch das negative Ergebnis, wenn es negativ ausfällt.

Die einzige Annahme, die wir treffen, ist, dass eine abgemeldete Einzelabfrage eine vertretbare standardisierte Sonde ist — vergleichbar über Läufe und über Unternehmen hinweg und NICHT dasselbe, was ein angemeldeter Nutzer mit Verlauf sieht. Siehe Frage 16.

Gar nicht, und wir könnten es auch nicht. Jede Sonde läuft abgemeldet und in einem einzigen Zug. Damit ist unsere Messung eine kontrollierte Messung und keine Simulation einer echten Sitzung, und Personalisierung ist eine ausgeschlossene Fehlerquelle und keine modellierte. Diese Einschränkung gilt für jeden Anbieter in diesem Markt, auch für die, die sie nicht erwähnen.

Nichts, worauf wir uns stützen würden — deshalb verwenden wir keine synthetischen Personas. Wer „Ich bin CFO in London“ in einen Prompt tippt, reproduziert damit weder Kontoverlauf noch Standort noch Gedächtnis; er erzeugt einen anders formulierten Prompt. Das als Persona-Segment zu verkaufen, hieße, eine Variable zu erfinden.

Die Eingaben sind es: Das Formulierungsset ist festgeschrieben und dokumentiert, ein Kunde kann also genau das, was wir ausgeführt haben, gegen dieselben Modelle außerhalb unserer Plattform wiederholen. Was wir nicht veröffentlicht haben, ist eine gemessene Test-Retest-Übereinstimmungsquote — siehe Frage 8.

Wir haben dasselbe Panel nicht durch die Plattform eines Wettbewerbers laufen lassen und verglichen. Es wäre ein wirklich nützliches Experiment, und wir würden das Ergebnis so oder so veröffentlichen.

Je Modell, nebeneinander. Wir mitteln ChatGPT, Gemini, Perplexity und Google AI Overviews nicht zu einer Zahl, weil wir für die dafür nötigen Gewichte keine vertretbare Grundlage haben. Ein Unternehmen, das in einem System unsichtbar und in einem anderen stark ist, hat ein ganz bestimmtes Problem, und die Mittelung verdeckt genau das, woran zu arbeiten sich lohnt.

Eine Empfehlung auf dem ersten Platz und eine beiläufige Erwähnung werden unterschiedlich erfasst und getrennt ausgewiesen. Eine negative Erwähnung zählt nicht als Sichtbarkeit. Aliasnamen, Handelsnamen und Muttergesellschaften werden bei der Einrichtung von Hand zugeordnet, und ein Kunde kann das korrigieren. Was wir noch nicht tun: die Historie neu berechnen, wenn sich eine Zuordnungsregel ändert — stattdessen wird der Bericht mit einer Anmerkung versehen.

Eine Antwort, eine Beobachtung. Ein Unternehmen, das in einer einzigen Antwort fünfmal genannt wird, zählt einmal. Der Nenner für den Share of Voice umfasst jede in der Antwort genannte Marke und nicht nur die Wettbewerber, die ein Kunde ausgewählt hat — sonst bestimmt der Kunde seinen Nenner selbst.

Ein Zitat ist eine Quelle, die das System selbst angezeigt hat — ein verlinkter Beleg oder ein Eintrag in einer Quellenliste —, zugeordnet zur Domain. Wir leiten Zitate nicht her, wir zählen eine im Fließtext stehende URL nicht als eines, und wir geben Text aus AI Overviews nicht wörtlich als Beleg wieder — wegen einer Auflage des Anbieters, um die wir lieber herumgebaut haben, als mit ihr zu streiten.

Eine Verweigerung, ein Timeout oder eine fehlerhafte Antwort wird als FEHLSCHLAG erfasst und nicht als Abwesenheit der Marke, und sie wird aus dem Nenner herausgenommen. Die Zahl der Fehlschläge steht im Bericht. Ein Timeout als „Sie wurden nicht empfohlen“ zu zählen, würde aus einer Störung einen Rückgang herstellen.

Kunden erhalten das genaue Formulierungsset, das Modell und das Datum des Laufs — genug, um es selbst zu wiederholen. Vollständige, unbearbeitete Ausgaben und Zeitstempel gibt es auf Anfrage, aber noch nicht als Standardexport. Das sollte eine Schaltfläche sein und keine Anfrage, und das wird es auch.

Eine Änderung am Formulierungsset oder an der Bewertung beginnt eine neue Reihe, statt die alte Linie fortzuführen. Wir schreiben die Historie nicht stillschweigend um, und wir stellen Messwerte, die mit zwei verschiedenen Instrumenten erhoben wurden, nicht als einen durchgehenden Verlauf dar.

Keine. Wir behaupten nicht, eine Änderung am Inhalt habe eine Bewegung verursacht. Wir haben keine Kontrollgruppe und kein Gegenszenario, also bleibt uns nur die zeitliche Abfolge, und zeitliche Abfolge ist keine Kausalität. Wir berichten, was wir getan haben und wie der Messwert danach aussah, und bezeichnen es genau so.

Wir betreiben keine autonomen Agenten, die aufgrund eines Scores Inhalte bearbeiten oder Seiten anlegen. Jede Änderung schreibt ein Mensch, oder ein Mensch prüft sie, bevor sie live geht. Sollten wir jemals eine Handlung aus einer Messung heraus automatisieren, gehen die Wiederholungsschwelle, die Mindesteffektgröße und die Pflicht zur menschlichen Prüfung zur selben Zeit live und sind für den Kunden sichtbar — nicht nachträglich ergänzt.

Wir wissen es nicht, und wir behaupten nichts anderes. Wir haben nicht gezeigt, dass ein höherer Messwert Verweis-Traffic, Pipeline oder Umsatz vorhersagt, wenn man die Markengröße konstant hält. Den Score zu verbessern sagt derzeit zuverlässig eines voraus: eine spätere Verbesserung des Scores.

Sollte sie nicht, und wir beschreiben sie auch nicht so. Sie ist ein richtungsweisendes Beobachtungsinstrument für ein eingerichtetes Panel. Diese Einschränkung steht in derselben Schriftgröße wie die Zahl — im Bericht und auf dieser Seite.

Jedes davon, und wir würden es öffentlich sagen: eine gemessene Streuung von Durchlauf zu Durchlauf, die so groß ist, dass gewöhnliche Bewegungen nicht von Rauschen zu unterscheiden sind; eine Test-Retest-Übereinstimmungsquote unterhalb dessen, was wir von einem Lieferanten akzeptieren würden; ein Anbietervergleich, der zeigt, dass unsere Messwerte deutlich von zwei anderen abweichen, ohne dass wir zeigen können, dass unsere näher an dem liegen, was ein Nutzer sieht; oder eine erste Wirkungsstudie, die keinen Zusammenhang mit irgendetwas findet, das einem Kunden wichtig ist. Wenn nichts davon uns umstimmen würde, ist die Methode nicht geprüft worden.