Dlaczego kanał AI potrzebuje własnego raportu
Płatne, organiczne, social i e-mail: każdy z tych kanałów ma własny raport i własne metryki, bo każdy zachowuje się inaczej. Odkrywanie przez AI jest z nich najnowsze i najsłabiej rozumiane, a wciąż raportuje się je głównie jako przypis wewnątrz kanału, do którego nie należy.
Powodem, dla którego potrzebuje własnego raportu, nie jest nowość. Jest nim to, że mechanizm jest inny. Nie ma pozycji w rankingu, nie ma liczby wyświetleń, nie ma strony wyników. Model regularnie czyta twoje strony, w trakcie rozmowy decyduje, czy sięgnąć po którąś z nich, i od czasu do czasu przysyła ci człowieka z linkiem. To trzy osobne zdarzenia, wywołane trzema osobnymi zachowaniami, a liczba z jednego z nich niewiele mówi o kolejnym.
Użyteczne pytanie nie brzmi więc "jak bardzo jesteśmy widoczni w AI". Brzmi ono: który etap kanału zawodzi, bo naprawa każdego z nich wygląda inaczej.
Cztery etapy, w których mieści się każda metryka
Zanim metryki, najpierw kształt. Wszystko poniżej odpowiada na pytanie o jeden z czterech etapów, a etapy następują po sobie. Strona nie może być kandydatem do cytowania, jeśli nigdy nie została przeczytana, i nie przyśle ci odesłania, jeśli nigdy nie jest cytowana.
Siedem metryk
Każda z nich jest panelem w dashboardzie WISLR AI Channel Analytics, odczytywanym z własnych logów serwera. Są wymienione w kolejności lejka, a wartość diagnostyczna leży w czytaniu ich względem siebie, a nie po jednej naraz.
Pokrycie treningowe
Trening- Co mierzy
- Udział twoich ważnych komercyjnie stron, które roboty treningowe AI faktycznie przeczytały, a nie surowa liczba wizyt robotów.
- Jak raportuje to WISLR
- Wyuczone strony i pokrycie treningowe, z dziennym wolumenem skanowania, najlepszymi dniami treningowymi i podziałem na silniki.
- Jak wygląda dobry wynik
- Pokrycie skoncentrowane na stronach kategorii, produktów i porównań. Szerokie pokrycie bloga przy nieprzeczytanym katalogu komercyjnym to częsty i kosztowny wzorzec.
- Gdzie się psuje
- Blokady w robots.txt, treść, która istnieje dopiero po uruchomieniu JavaScriptu, i wolne odpowiedzi, przez które roboty rezygnują.
Pokrycie kandydatów
Kandydaci- Co mierzy
- Udział stron pobranych podczas rozmów na żywo. To strony, które model uznał za wystarczająco dobre, by po nie sięgnąć w trakcie odpowiadania na realne pytanie, co czyni tę metrykę czymś najbliższym wotum zaufania, jakie ten kanał produkuje.
- Jak raportuje to WISLR
- Kandydaci i pokrycie kandydatów, z poszczególnymi stronami kandydującymi wypisanymi po tytule, żeby było widać, po jakie treści model sięga.
- Jak wygląda dobry wynik
- Twoje strony zarabiające pojawiają się jako kandydaci, a nie tylko strona główna i jeden popularny poradnik.
- Gdzie się psuje
- Strony bez samodzielnej tezy do zacytowania. Model, który pobiera twoją stronę, wciąż musi znaleźć zdanie, za którym może stanąć.
Pokrycie odesłań
Odesłania- Co mierzy
- Udział stron, które zdobyły realne kliknięcie z odpowiedzi AI, oraz miejsca, w których ci ludzie wylądowali.
- Jak raportuje to WISLR
- Odesłania i pokrycie odesłań, z rankingiem stron docelowych i wolumenem odesłań śledzonym względem aktywności treningowej i kandydackiej na tej samej osi czasu.
- Jak wygląda dobry wynik
- Odesłania skoncentrowane na stronach, które konwertują, a nie na treściach informacyjnych, które odpowiadają na pytanie tak wyczerpująco, że nikt nie musi klikać.
- Gdzie się psuje
- Mobilne przeglądarki w aplikacjach usuwają referrer, więc wizyta ląduje w ruchu bezpośrednim lub innym. To największe pojedyncze źródło zaniżania w narzędziach opartych na przeglądarce.
Wskaźnik wzrostu
Wszystkie etapy- Co mierzy
- Kierunek i tempo, a nie poziom. Pojedynczy złożony odczyt tego, czy kanał przyspiesza, utrzymuje się, czy słabnie.
- Jak raportuje to WISLR
- Wskaźnik wzrostu z etykietą momentum, obok widoku dziennej aktywności, żeby było widać, czy zmiana to trend, czy jeden nietypowy dzień.
- Jak wygląda dobry wynik
- Momentum, które utrzymuje się po publikacji serii treści, zamiast skoczyć i wrócić do poziomu bazowego w ciągu dwóch tygodni.
- Gdzie się psuje
- Czytanie go codziennie. Zachowanie robotów jest z natury zrywowe, a pojedynczy dzień to szum.
Miks silników
Wszystkie etapy- Co mierzy
- Jak twoja widoczność rozkłada się między OpenAI, Anthropic, Gemini i Perplexity, osobno na każdym etapie.
- Jak raportuje to WISLR
- Podział na LLM zastosowany do treningu, kandydatów i odesłań, więc miks może różnić się etapami i można to zobaczyć.
- Jak wygląda dobry wynik
- Obecność w kilku silnikach. Koncentracja w jednym to zależność, a silniki zmieniają swoje zachowanie w skanowaniu i cytowaniu bez uprzedzenia.
- Gdzie się psuje
- Zakładanie, że zachowanie jednego silnika się uogólnia. Różnią się tym, co skanują, jak często pobierają i czy w ogóle linkują na zewnątrz.
Przeskanowane, ale nie cytowane
Od treningu do kandydatów- Co mierzy
- Strony, które model przeczytał i nigdy nie pobrał do odpowiedzi. Luka między tym, co ma, a tym, czego używa.
- Jak raportuje to WISLR
- Stała lista stron przeskanowanych, ale nie cytowanych, dzięki czemu luka jest kolejką zadań, a nie domysłem.
- Jak wygląda dobry wynik
- Krótka i kurcząca się lista na stronach komercyjnych. Przy cienkiej lub powielonej treści długa lista to poprawny wynik.
- Gdzie się psuje
- Traktowanie skanowania jako sukcesu. Skanowanie oznacza, że drzwi były otwarte, nic więcej.
Przychód przypisany do AI
Przychód- Co mierzy
- Zamówienia i leady prześledzone wstecz do sesji AI, która je wygenerowała, wyrażone w walucie.
- Jak raportuje to WISLR
- Atrybucja z IP do zamówienia, z przychodem w czasie, szczegółami na poziomie kupującego i czasem do zakupu, w podziale na silniki tam, gdzie dane na to pozwalają.
- Jak wygląda dobry wynik
- Przychód z sesji AI, który wytrzymuje porównanie z twoimi innymi kanałami, oraz krzywa czasu do zakupu, wokół której można zaplanować retargeting.
- Gdzie się psuje
- Ciągłość sesji. Ktoś, kto przychodzi z odpowiedzi AI i wraca po trzech dniach, żeby kupić, jest niewidoczny dla naiwnego modelu last click, i dlatego czas do zakupu należy umieścić obok liczby przychodu.
Czytanie ich względem siebie
Pojedynczo to tylko liczby. Wartość diagnostyczna leży w krokach między nimi, bo każdy spadek ma jedno prawdopodobne wyjaśnienie i inną naprawę.
Wszystkie siedem to panele w WISLR.ai. Przechwytuje skanowanie treningowe, pobrania w trakcie rozmowy i odesłania z AI na brzegu, na twojej własnej domenie, dopasowuje sesje z powrotem do zamówień i raportuje pokrycie na każdym etapie w podziale na silniki. Nie trzeba stawiać żadnego potoku logów, a darmowy plan trzyma 30 ciągłych dni historii, więc poziom bazowy zaczyna się dzisiaj.
Jak to przekłada się na twój raport SEO
Te metryki stoją obok twojego raportu SEO, a nie na nim. Pochodzą z innych źródeł i odpowiadają na inne pytania, a najbliższy odpowiednik często nie jest dokładny.
Od czego zacząć
Zacznij od góry lejka, bo problem na pierwszym etapie sprawia, że każda liczba pod nim jest bez znaczenia. Pokrycie treningowe i przeskanowane, ale nie cytowane wystarczą do podjęcia pierwszej rundy decyzji, a oba pochodzą z tych samych danych z logów.
Jedyna rzecz warta zrobienia natychmiast to uruchomienie zegara. Każda metryka tutaj jest trendem, a trend potrzebuje poziomu bazowego. Marka, która zaczyna rejestrować teraz, ma miesiące historii, gdy konkurent wciąż decyduje, co mierzyć, a historia to ta część, której nie da się uzupełnić wstecz.
Zobacz te siedem liczb na własnych danych.
WISLR AI Channel Analytics raportuje wszystkie siedem z twoich własnych logów serwera: pokrycie treningowe i pokrycie kandydatów według silnika, kolejkę przeskanowanych, ale nie cytowanych, wskaźnik wzrostu oraz przychód dopasowany z powrotem do sesji. Darmowy plan trzyma 30 ciągłych dni historii, co wystarcza do ustalenia poziomu bazowego.