Ce este vizibilitatea în AI și cum se măsoară corect

Vizibilitatea în AI este proporția interacțiunilor eligibile în care un brand, produs sau o altă entitate apare într-un răspuns generat de un motor AI. Procentul nu poate fi interpretat corect fără setul de întrebări, motorul și interfața testate, limba, geografia, perioada, numărul de repetări, regulile de detectare și numitorul folosit.

Cu alte cuvinte, „brandul are 30% vizibilitate în AI” nu este o concluzie completă. Este începutul unei întrebări: 30% din ce?

În acest ghid separ vizibilitatea de mențiune, citare și recomandare, explic formula pe care o folosesc în această serie și arăt de ce un singur prompt nu poate susține un raport credibil.

Ce înseamnă vizibilitatea în AI

În căutarea clasică, vizibilitatea este asociată de obicei cu poziții, impresii și apariția într-o listă de rezultate. Un răspuns AI nu este însă o listă stabilă de zece linkuri. Poate sintetiza mai multe surse, poate compara opțiuni, poate menționa un brand fără să-l recomande sau poate oferi o recomandare fără să citeze site-ul acelui brand.

De aceea, tratez vizibilitatea ca pe un eveniment observat într-o cohortă de interacțiuni:

Brandul apare sau nu apare într-un răspuns eligibil, conform unor reguli declarate înaintea analizei.

„Apare” trebuie definit. Poate însemna numele oficial, un nume de produs, o abreviere sau o variantă cunoscută. Un sistem serios păstrează un registru de aliasuri și evită potrivirile ambigue. „Orange”, de exemplu, poate fi o companie, o culoare sau un fruct. Detectarea simplă a unui șir de caractere nu este întotdeauna suficientă.

Vizibilitatea nu este ranking

Un motor conversațional poate produce răspunsuri diferite pentru aceeași întrebare. Rezultatul poate varia în funcție de moment, model, interfață, limbă, locație, istoricul conversației, sursele disponibile și formularea cererii.

Nu există o poziție unică și permanentă pe care să o verificăm o dată pe lună. Putem măsura frecvența și forma apariției într-un protocol repetabil, dar nu ar trebui să transformăm rezultatul într-un „locul 3 în ChatGPT” fără să explicăm exact cum a fost obținut.

Google precizează că AI Overviews și AI Mode pot folosi modele și tehnici diferite, iar răspunsurile și linkurile afișate pot varia. Compania mai spune că respectarea cerințelor tehnice și a bunelor practici nu garantează indexarea sau afișarea unei pagini. În mod similar, OpenAI explică faptul că un site public poate apărea în ChatGPT Search și recomandă accesul pentru OAI-SearchBot, dar accesul tehnic nu reprezintă o promisiune de apariție.

Mențiune, recomandare și citare: trei evenimente diferite

O eroare frecventă este să numim orice apariție „recomandare”. Să luăm trei răspunsuri ipotetice:

1. „Pe piață există AYSA, Compania B și Compania C.” — mențiune.
2. „Pentru situația descrisă, aș lua în calcul AYSA deoarece…” — recomandare.
3. „Conform metodologiei publicate de AYSA…” urmat de un link — citare.

Același răspuns poate conține toate trei evenimentele, doar unul sau niciunul. Vizibilitatea răspunde la întrebarea „apare brandul?”, nu la întrebările „este ales?”, „este folosit drept sursă?” sau „este descris favorabil?”.

Pentru o decizie de business, aceste dimensiuni trebuie raportate separat:

• vizibilitate — cât de des apare entitatea;
• recomandare — cât de des este propusă ca alegere;
• citare — cât de des este folosită sau afișată ca sursă;
• percepție — ce afirmații și atribute îi sunt asociate;
• acuratețe — câte dintre afirmații sunt corecte și actuale;
• impact — ce trafic, leaduri sau rezultate observabile urmează.

Formula de bază

Pentru această serie editorială folosesc următoarea convenție:

Rata de vizibilitate AI = interacțiuni eligibile în care brandul apare ÷ totalul interacțiunilor eligibile × 100.

Este o convenție de măsurare declarată, nu un standard universal implementat identic de toate instrumentele. Diferențele apar mai ales la cuvântul „eligibile”.

Ce este o interacțiune eligibilă

O interacțiune ar trebui să intre în numitor numai dacă face parte din cohorta stabilită și poate răspunde în mod rezonabil întrebării măsurate. Protocolul trebuie să decidă dinainte:

• ce teme, personas și scenarii sunt incluse;
• ce motor și ce interfață sunt testate;
• ce limbă și ce geografie sunt folosite;
• câte repetări sunt executate;
• cum sunt tratate refuzurile, timeouturile și răspunsurile incomplete;
• dacă o conversație este analizată integral sau pe fiecare tură;
• ce teste sunt informative și ce teste sunt comerciale ori de recomandare.

Dacă includem întrebări despre domenii în care brandul nu activează, scorul scade artificial. Dacă alegem doar situațiile în care știm că apare, scorul crește artificial. Setul de scenarii este parte din măsurătoare, nu un detaliu ascuns în platformă.

De ce testele branded nu trebuie să umfle vizibilitatea organică

Întrebarea „Ce știi despre AYSA?” este utilă pentru percepție și verificarea faptelor. Nu este însă o măsurare organică a descoperirii brandului: numele este introdus chiar de evaluator.

Pentru vizibilitate organică sunt mai potrivite întrebări în care brandul nu este menționat, de exemplu „Ce soluții pot analiza și aplica modificări SEO într-un site WordPress cu aprobare umană?”. Dacă AYSA apare, avem un semnal de descoperire sau asociere cu nevoia. Dacă întrebarea conține deja numele AYSA, putem analiza descrierea, acuratețea sau percepția, dar nu ar trebui să numărăm apariția drept descoperire organică.

Metodologiile comerciale diferă. De aceea, înainte să comparăm două scoruri trebuie să verificăm dacă ambele exclud testele branded și folosesc același tip de conversații.

Un exemplu calculat transparent

Presupunem că pregătim 100 de interacțiuni eligibile pentru un brand:

• 92 produc răspunsuri analizabile;
• 8 eșuează sau sunt excluse și sunt raportate separat;
• brandul apare în 28 dintre cele 92 de răspunsuri;
• este recomandat în 9 dintre cele 28 de răspunsuri în care apare.

Metrică	Calcul	Rezultat	Întrebarea la care răspunde
Vizibilitate	28 ÷ 92	30,4%	În câte răspunsuri eligibile apare brandul?
Rata de recomandare între apariții	9 ÷ 28	32,1%	Când apare, cât de des este recomandat?
Acoperirea recomandării	9 ÷ 92	9,8%	În câte răspunsuri eligibile ajunge efectiv la recomandare?

Toate cele trei procente sunt corecte, dar răspund la întrebări diferite. Dacă un dashboard afișează „32,1% recommendation rate” fără numitor, cititorul poate presupune greșit că brandul a fost recomandat în aproape o treime dintre toate interacțiunile.

Un procent fără incertitudine pare mai precis decât este

În exemplul nostru, estimarea vizibilității este 30,4%. Pentru 28 de apariții din 92 de observații, un interval Wilson de 95% este aproximativ 22,0%–40,5%. Intervalul este larg pentru că eșantionul este relativ mic și rezultatele sunt variabile.

Pentru recomandarea în 9 din 28 de apariții, estimarea este 32,1%, dar intervalul aproximativ este 17,9%–50,7%. Asta nu face măsurarea inutilă. Ne spune doar că nu avem voie să prezentăm 32,1% ca pe o constantă exactă.

Un raport credibil arată cel puțin:

• estimarea;
• numărul observațiilor;
• intervalul de încredere;
• acoperirea răspunsurilor;
• schimbările de metodologie sau model.

De ce un singur prompt nu este o măsurătoare

O captură poate demonstra că un anumit răspuns a existat. Nu demonstrează frecvența cu care apare brandul, stabilitatea rezultatului sau comportamentul general al motorului.

Pentru o măsurare utilă avem nevoie de variație controlată:

• mai multe scenarii relevante;
• formulări și personas documentate;
• repetări în condiții comparabile;
• aceeași regulă de detectare;
• separarea motoarelor și interfețelor;
• o perioadă de observație declarată.

Conversațiile multi-turn adaugă un alt strat. Un brand poate apărea în răspunsul inițial, dar poate dispărea după ce utilizatorul precizează bugetul, țara, integrarea necesară sau un criteriu de conformitate. Vizibilitatea pe prima tură și supraviețuirea până la recomandarea finală nu sunt aceeași metrică.

În plus, unele sisteme pot reformula întrebarea și căuta subteme înainte de a compune răspunsul. Am explicat separat acest mecanism în ghidul despre query fan-out și interogările ascunse din AI Search.

Motorul, interfața, limba și geografia fac parte din rezultat

„Am testat GPT” este insuficient. Trebuie să știm dacă a fost ChatGPT în browser, o integrare prin API, un mod cu căutare web sau altă suprafață. Interfețele pot avea instrumente, surse și comportamente diferite.

Limba schimbă sursele disponibile și formularea entităților. Geografia poate schimba recomandările locale, magazinele, prețurile, disponibilitatea sau normele aplicabile. Un brand românesc poate fi vizibil într-o conversație în română și absent în aceeași temă formulată în germană.

De aceea, nu aș agrega toate motoarele și țările într-un singur procent înainte să văd rezultatele separate. Media poate ascunde faptul că brandul performează bine într-o piață și aproape deloc în alta.

Coverage, erori și „date insuficiente”

Dacă 40% dintre teste au eșuat, un scor calculat doar din restul răspunsurilor poate fi tehnic corect, dar operațional slab. Raportul trebuie să arate coverage: proporția interacțiunilor planificate care au produs rezultate analizabile.

Trebuie definite și praguri pentru insufficient data. Nu orice celulă dintr-un dashboard merită un procent. Pentru un motor, o limbă sau un scenariu cu prea puține observații, cea mai onestă valoare poate fi „date insuficiente”.

Ce poate demonstra accesibilitatea tehnică

O pagină blocată de robots.txt, inaccesibilă crawlerului sau indisponibilă în HTML are o problemă reală. Dar eliminarea blocajului nu garantează citarea sau recomandarea.

Google Search Central spune explicit că pentru AI Overviews și AI Mode nu este necesar un fișier AI special sau un schema special. Contează bazele: indexare, eligibilitate pentru snippet, internal linking, conținut textual accesibil, experiență bună și structured data care corespunde paginii vizibile.

OpenAI recomandă ca site-urile care vor să fie descoperite și citate în ChatGPT Search să nu blocheze OAI-SearchBot. Și aici vorbim despre eligibilitate și acces, nu despre o garanție.

Pentru partea tehnică, am publicat separat ghidul Site-ul tău arată bine. Dar îl pot citi Google, ChatGPT și agenții AI?.

Cum citești un dashboard de AI visibility

Înainte să iei o decizie pe baza scorului, cere răspuns la aceste întrebări:

1. Care este formula exactă?
2. Care este numitorul?
3. Câte observații există?
4. Ce motoare și interfețe au fost testate?
5. Ce limbi și geografii sunt incluse?
6. Scenariile sunt branded sau unbranded?
7. Câte rulări au eșuat?
8. Cum sunt detectate aliasurile brandului?
9. Care este intervalul de încredere?
10. S-a schimbat modelul sau metodologia în perioada comparată?

Dacă aceste informații lipsesc, scorul poate fi util ca semnal orientativ, dar nu este încă suficient pentru a susține o decizie importantă.

Unde intră AYSA în această metodologie

Teza de produs pe care construiesc AYSA este mai amplă decât un dashboard: măsoară → explică → aprobă → execută → remăsoară.

În această etapă, formula și cerințele de raportare descrise în articol reprezintă metodologia editorială propusă. Ele nu trebuie interpretate ca o declarație că fiecare motor, integrare sau flux este deja disponibil în produs. Paginile comerciale vor separa explicit funcțiile disponibile, beta, planificate și cele care există doar la nivel de metodologie.

Această separare contează. Un produs de măsurare nu devine mai credibil dacă își prezintă roadmap-ul ca funcționalitate lansată.

Verdict

Vizibilitatea în AI nu este o poziție fixă și nici o proprietate permanentă a unui brand. Este o estimare obținută dintr-un set declarat de interacțiuni, într-un anumit context și într-o anumită perioadă.

Un scor bun nu începe cu un procent. Începe cu o metodologie pe care o putem inspecta: întrebări, cohortă, motor, interfață, limbă, geografie, repetări, numitor, acoperire și incertitudine.

Abia după aceea putem întreba ceva cu adevărat util: unde apare brandul, unde lipsește, când este recomandat, ce surse îl susțin și ce intervenție merită testată.

Surse și metodologie

• Google Search Central — AI features and your website
• Google Search Central — Optimizing for generative AI features
• OpenAI — Publishers and Developers FAQ
• OpenAI — ChatGPT Search
• GEO: Generative Engine Optimization — lucrarea inițială
• Critical Survey of Generative Engine Optimization, 2023–2026 — preprint

Ultima verificare a surselor: 31 iulie 2026. Formulele și intervalele din exemplu folosesc 92 de răspunsuri eligibile și intervalul Wilson de 95%.