Identifiez les opportunités de croissance à privilégier en fonction de la demande du marché, du paysage concurrentiel, des propositions de valeur de la marque et des sources de citation.
La visibilité IA au niveau de la marque est pondérée par le volume de réponses : un produit faible peut donc se cacher dans un chiffre en hausse. Découvrez quand regarder par marque, par produit ou par scénario.
Explorez plus 12,000 marchés de niche.
Mis à jour par
Mis à jour le Nov 05, 2026
Si la visibilité IA de la marque dans son ensemble augmente, cela ne veut pas dire que tous les produits augmentent. La visibilité IA au niveau de la marque se calcule en regroupant les réponses aux questions de tous les produits. Le produit qui a le plus de questions pèse le plus. Un produit qui a peu de questions peut perdre en visibilité, ou être à peine cité par l'IA, sans que le chiffre global le montre. Et quand le nombre de questions par produit, ou le nombre d'échantillonnages par question, change, le chiffre global bouge tout seul. Pour savoir si la progression d'un produit masque l'absence d'un autre, utilisez les mêmes questions et la même période, et décomposez la variation globale en deux parts : la variation de la visibilité propre de chaque produit et la variation de sa part dans les réponses.
La raison directe : la visibilité IA au niveau de la marque est une moyenne pondérée. Elle regroupe les réponses à toutes les questions que vous suivez et calcule « réponses qui citent la marque ÷ toutes les réponses ». Le poids de chaque produit dépend du nombre de questions qu'il a dans l'ensemble de questions et du nombre de réponses que ces questions recueillent. Quand un produit qui pèse lourd progresse un peu, le chiffre global progresse avec lui. Quand un produit qui pèse peu recule, ou n'est jamais cité, le chiffre global bouge à peine.
Prenons Apple dans un échantillon historique que Dageno a collecté sur trois marchés d'exemple : smartphones, ordinateurs portables et montres connectées. Apple et Samsung apparaissent ici comme des exemples publics, pas comme des clients de Dageno. Du 3 au 19 août 2026, Apple a été citée dans 53,4 % des réponses sur les smartphones (12 807 réponses), 43,5 % des réponses sur les ordinateurs portables (9 578) et 61,6 % des réponses sur les montres connectées (3 301). Regroupé, cela donne 50,8 %. Les réponses sur les montres connectées ne représentaient que 13 % du total. Ainsi, même si la visibilité d'Apple sur les montres connectées baissait de 10 points de pourcentage, le chiffre global ne baisserait que d'environ 1,3 point, ce qu'on peut facilement écarter comme une fluctuation normale dans un rapport.
La deuxième raison est plus difficile à repérer : quand la part des réponses venant de chaque produit change, le chiffre global change aussi, même si aucun produit ne s'est réellement amélioré. Le nombre de réponses dépend de deux choses : combien de questions sont posées et combien de réponses chaque question recueille. Voici Samsung dans le même échantillon. Nous avons regroupé les réponses des trois marchés, ce qui revient à utiliser un seul ensemble de questions mélangeant des questions sur trois produits, et calculé la visibilité de Samsung au niveau de la marque. La période 1 va du 3 au 10 août ; la période 2, du 11 au 19 août. Commençons par les chiffres bruts :
| Produit | Réponses période 1 | Réponses citant Samsung période 1 | Réponses période 2 | Réponses citant Samsung période 2 |
|---|---|---|---|---|
| Smartphones | 7 215 | 5 788 | 5 592 | 4 130 |
| Ordinateurs portables | 6 066 | 198 | 3 512 | 162 |
| Montres connectées | 1 360 | 634 | 1 941 | 907 |
| Total | 14 641 | 6 620 | 11 045 | 5 199 |
Les ratios découlent directement de ces chiffres :
| Indicateur | Période 1 | Période 2 | Variation (points de pourcentage) |
|---|---|---|---|
| Niveau marque (les trois regroupés) | 45,2 % (6 620 ÷ 14 641) | 47,1 % (5 199 ÷ 11 045) | +1,9 |
| Visibilité dans les réponses sur les smartphones | 80,2 % (5 788 ÷ 7 215) | 73,9 % (4 130 ÷ 5 592) | −6,4 |
| Visibilité dans les réponses sur les ordinateurs portables | 3,3 % (198 ÷ 6 066) | 4,6 % (162 ÷ 3 512) | +1,3 |
| Visibilité dans les réponses sur les montres connectées | 46,6 % (634 ÷ 1 360) | 46,7 % (907 ÷ 1 941) | +0,1 |
| Part des smartphones dans toutes les réponses | 49,3 % | 50,6 % | +1,3 |
| Part des ordinateurs portables dans toutes les réponses | 41,4 % | 31,8 % | −9,6 |
| Part des montres connectées dans toutes les réponses | 9,3 % | 17,6 % | +8,3 |
Remarque : les variations sont calculées à partir des valeurs non arrondies.
Les smartphones ont reculé de 6,4 points, et pourtant le chiffre au niveau de la marque a progressé de 1,9 point. Les trois dernières lignes expliquent pourquoi. En période 2, les réponses sur les ordinateurs portables, où Samsung est à peine citée, sont passées de 6 066 à 3 512, et leur part est tombée de 41,4 % à 31,8 %. Les réponses sur les montres connectées, où Samsung s'en sort correctement, sont passées de 1 360 à 1 941, et leur part a grimpé de 9,3 % à 17,6 %. La progression globale vient d'un changement dans ce qui a été demandé et à quelle fréquence, pas d'un produit davantage cité par l'IA. La ligne des ordinateurs portables en dit encore plus : Samsung vend des ordinateurs portables, mais seulement 3 % à 5 % des réponses sur les ordinateurs portables l'ont citée sur l'une ou l'autre période, tandis que le chiffre au niveau de la marque est resté au-dessus de 45 % tout du long.
Le nombre de questions sur les ordinateurs portables a-t-il donc baissé ? Non. En dédoublonnant par ID de prompt, on voit combien de questions distinctes chaque produit avait sur chaque période et combien de réponses chaque question a produites en moyenne. Les réponses à une même question provenant de plateformes, régions ou dates différentes comptent toutes.
| Produit | Questions période 1 | Questions période 2 | Réponses par question période 1 | Réponses par question période 2 |
|---|---|---|---|---|
| Smartphones | 3 249 | 3 748 | 1,65 | 1,22 |
| Ordinateurs portables | 1 885 | 2 049 | 2,25 | 1,41 |
| Montres connectées | 649 | 1 155 | 1,59 | 1,19 |
Remarque : seules les réponses pouvant être rattachées à un ID de prompt sont comptées, soit 70 % à 82 % des réponses selon le produit et la période. Utilisez ce tableau uniquement pour la tendance ; ne le multipliez pas par les nombres de réponses ci-dessus.
Les ordinateurs portables ont en fait eu un peu plus de questions (de 1 885 à 2 049), mais moins de réponses, parce que chaque question sur les ordinateurs portables a produit en moyenne 1,41 réponse au lieu de 2,25. Les questions sur les montres connectées ont presque doublé (de 649 à 1 155). Autrement dit, la part de réponses d'un produit peut changer à cause du nombre de questions qu'il a, ou du nombre de fois où chaque question a été exécutée. C'est pourquoi la section 7 vous demande de fixer à la fois l'ensemble de questions et le nombre d'échantillonnages.
Les statisticiens parlent de paradoxe de Simpson quand une tendance observée sur toute une population apparaît, disparaît ou s'inverse une fois la population divisée en sous-groupes (la définition de la Stanford Encyclopedia of Philosophy). La visibilité au niveau de la marque se heurte au même type de problème : quand les proportions des sous-groupes changent, le chiffre regroupé peut évoluer dans un sens différent des chiffres détaillés.
Le fait qu'une question contienne ou non le nom de la marque modifie aussi le chiffre global. Dans Better Metrics for AI Search Visibility, Ann Smarty, de Practical Ecommerce, souligne que le score de visibilité d'un outil dépend entièrement des questions posées. Les questions contenant le nom de la marque obtiendront probablement un score proche de 100 %, elles doivent donc être placées dans un groupe à part. Si un produit gagne davantage de questions contenant le nom de la marque, le chiffre au niveau de la marque est lui aussi gonflé.
Encore un point avant de continuer : la baisse de 6,4 points des smartphones dans le tableau doit être décomposée à nouveau. Comme le montre la section 7, l'essentiel vient aussi d'un ensemble de questions différent.
Réponse courte : pour la même période et le même ensemble de questions, répartissez les réponses par produit et calculez deux chiffres pour chacun : sa visibilité propre et sa part de toutes les réponses. Comparez ensuite avec la période précédente et décomposez la variation globale en deux parts : « variation au sein de chaque produit » et « variation de la composition des questions ». Si vous observez l'un des signes suivants, un produit est masqué :
La méthode tient en trois étapes :
En additionnant les deux parts sur tous les produits, vous obtenez exactement la variation globale.
Voici la décomposition pour Samsung à partir de la section 1 :
| Produit | Variation de la visibilité propre | Effet sur le chiffre global | Variation de la part de réponses | Effet de la composition des questions |
|---|---|---|---|---|
| Smartphones | −6,4 | −3,2 | +1,3 | +1,0 |
| Ordinateurs portables | +1,3 | +0,5 | −9,6 | −0,4 |
| Montres connectées | +0,1 | 0,0 | +8,3 | +3,9 |
| Total | — | −2,7 | — | +4,5 |
Remarque : toutes les valeurs sont en points de pourcentage ; les deux totaux font +1,9 (calculé à partir des valeurs non arrondies).
Ensemble, les variations au sein des trois produits ont fait baisser le chiffre global de 2,7 points, tandis que la variation de la composition des questions l'a fait monter de 4,5 points. En ne regardant que le niveau marque, vous penseriez que Samsung a fait mieux dans les réponses de l'IA sur cette période. En décomposant, vous voyez que les smartphones reculaient, que les ordinateurs portables étaient presque absents et que le chiffre global était soutenu par davantage de réponses sur les montres connectées et moins de réponses sur les ordinateurs portables.
Si vous utilisez Dageno, vous pouvez commencer la première étape, regarder chaque produit séparément, sur la page AI Market Segments. Elle indique le rang et la visibilité de la même marque sur chaque marché, ainsi que les marques en tête de chaque marché (voir la figure 1). La décomposition de la troisième étape doit pour l'instant se faire dans un tableur après export des données ; nous n'avons pas trouvé de fonction dans le produit qui produise directement cette décomposition.
Figure 1 : l'espace de travail Apple sur la page AI Market Segments de Dageno. La même marque est 2e sur Smart Phones (50,5 %), 3e sur Laptops (36,7 %), 1re sur Smart Watches (52,2 %) et seulement 10e sur Cloud File Storage Software (6,2 %), et chaque marché a des marques en tête différentes. Apple est un exemple de marque publique, pas un client de Dageno. L'image n'indique pas la période de référence ; la visibilité n'est ni des ventes ni une part de marché, et un rang faible ne prouve pas qu'il y ait une opportunité qui vaille la peine d'entrer.
Réponse courte : vérifiez trois choses avant de conclure.
C'est seulement quand les trois sont réunies qu'il s'agit d'une vraie absence. Une question posée une ou deux fois, ou une poignée de réponses, ne suffit pas.
Non. Au mieux, c'est instable. Les réponses de l'IA peuvent différer à chaque fois. SparkToro et Gumshoe.ai ont fait exécuter par 600 volontaires 12 prompts de recommandation de marques dans ChatGPT, Claude et les réponses IA de Google, 2 961 fois au total, entre novembre et décembre 2025. La probabilité qu'un même prompt renvoie deux fois la même liste de marques était inférieure à 1 % (article original de SparkToro). Schulte, Bleeker et Kaufmann, de l'université de Saint-Gall, soutiennent eux aussi que la visibilité doit être lue comme une distribution sur des mesures répétées, et non comme le résultat d'une seule observation (Don't Measure Once). D'après l'article, exécuter un prompt une seule fois donne une erreur type de 0,370 pour le taux de détection d'une marque ; après 7 exécutions, elle passe sous 0,10. Un praticien a aussi indiqué dans une discussion sur Reddit que la visibilité sur les mêmes prompts variait de 15 % à 20 % d'une semaine à l'autre sans aucun changement de leur côté. C'est une observation personnelle, pas un résultat statistique.
Regardez donc les résultats après des échantillonnages répétés. Dans l'échantillon des trois marchés, 26 groupes de questions sur les ordinateurs portables ont été posés au moins trois fois sur la même plateforme dans la même région.
L'échantillon est petit, mais il suffit à montrer que l'absence de Samsung n'était pas due à un ou deux échantillonnages malchanceux. Sa visibilité était aussi faible sur tous les types de questions sur les ordinateurs portables :
Cela signifie que c'est le produit entier qui manque, pas seulement un scénario. Des marques comme Dell (63,0 %), Lenovo (49,2 %) et Apple (43,5 %) ont pris ces places.
Cela dépend des règles de détection de l'outil ; le mieux est de lire les réponses d'origine et de faire des contrôles par sondage. L'échantillon contient 8 713 réponses sur les ordinateurs portables dont le texte complet est lisible. Le contrôle a montré :
L'attribution manquante peut venir d'une règle de détection qui ne compte que les marques présentées comme recommandations, ou de détections manquées ; vérifiez-le avec les règles de l'outil. Pour Samsung, même en comptant tout cela, les réponses qui citent le Galaxy Book ne représentent qu'environ 3 % des réponses sur les ordinateurs portables, donc la conclusion selon laquelle le produit est absent reste valable.
Ce n'est pas un manque. Notez-le comme « non visé ». Samsung a bien une gamme d'ordinateurs portables Galaxy Book, mais l'échantillon couvre de nombreux pays et régions. Nous n'avons pas vérifié quels modèles sont vendus où, ni à quel prix ; seule l'équipe produit de la marque peut le confirmer. De même, si une marque n'a pas de produit sur une gamme de prix ou pour un usage donné, il est normal que l'IA ne la cite pas, et il ne faut pas le traiter comme un manque de contenu.
Dans Dageno, les chiffres des pages de segments de marché et d'intentions de recherche sont cliquables jusqu'aux réponses IA d'origine, avec la plateforme, la région et le texte complet de la réponse (d'après les fiches de la base de connaissances produit de Dageno des 8 et 9 septembre 2026). Vous pouvez y faire les deux premières vérifications ; la troisième nécessite vos propres données produit.
Réponse courte : le chiffre au niveau de la marque suffit quand ces trois conditions sont toutes réunies :
Si l'une d'elles n'est pas remplie, le chiffre au niveau de la marque n'est qu'un repère de tendance ; il ne vous dit pas si un produit donné se porte bien.
La première condition est généralement remplie pour les marques mono-catégorie. Pensez à une marque qui ne fabrique que des montres connectées : ses différents modèles font face au même type de questions et aux mêmes rivaux. Découper par modèle laisse trop peu de réponses dans chaque morceau et rend la lecture plus difficile, pas plus facile. Découper a aussi un coût. À l'aide d'un test statistique standard, ThriveStack estime qu'il faut environ 686 exécutions par condition pour distinguer un vrai taux de mention de 10 % d'un vrai taux de 15 % avec 95 % de confiance (synthèse de ThriveStack). Découpez en cinq produits, et chacun a besoin de suffisamment de réponses propres : le volume d'échantillonnage se multiplie.
La deuxième condition concerne le reporting à la direction. La direction a généralement seulement besoin de la tendance globale et de savoir si un produit a un problème, pas du détail de chaque scénario.
La troisième condition est la plus facile à négliger. Samsung, en section 1, montre que lorsque la part de réponses de chaque produit change, le chiffre global bouge tout seul. La solution est de calculer le chiffre au niveau de la marque avec des pondérations fixes : calculez d'abord la visibilité de chaque produit, puis combinez-les avec des pondérations définies à l'avance et identiques à chaque période. Vous pouvez figer les pondérations sur les proportions actuelles de questions ou les fixer selon l'importance commerciale de chaque produit. Ainsi, aucun changement du nombre de questions ou de la fréquence d'échantillonnage ne peut faire bouger le chiffre global.
Même si la direction ne voit qu'un chiffre, ajoutez en dessous une ligne avec la visibilité et la variation de chaque produit, pour vérifier qu'aucun produit ne décroche. Gardez les questions contenant le nom de la marque sur leur propre ligne, hors du chiffre global. Les questions avec et sans nom de marque mesurent deux choses différentes ; voir la différence entre mentions avec et sans nom de marque.
Réponse courte : si l'un des points suivants s'applique, donnez à chaque produit sa propre référence de départ, c'est-à-dire ses propres questions, sa propre liste de concurrents et son propre chiffre de départ :
Des concurrents différents, cela se voit clairement dans l'échantillon des trois marchés. Les cinq marques les plus visibles sont totalement différentes sur chaque marché :
La même Apple est en concurrence avec Samsung et Google dans les réponses sur les smartphones, mais avec Dell et Lenovo dans les réponses sur les ordinateurs portables. Regroupez cela en un seul classement de marque et vous ne vous comparez plus aux mêmes rivaux.
Un écart important ressemble à ceci : la visibilité de Samsung est de 77,4 % sur les smartphones, de 46,7 % sur les montres connectées et de seulement 3,8 % sur les ordinateurs portables. Apple, dans la figure 1, raconte la même histoire : 1re sur les montres connectées, 3e sur les ordinateurs portables et seulement 10e sur le stockage cloud.
Des responsables différents, cela signifie qu'évaluer les gens sur le chiffre au niveau de la marque attribue des mérites ou des reproches qu'ils n'ont pas mérités. La personne en charge des ordinateurs portables peut voir le chiffre monter simplement parce qu'il y a eu plus de questions sur les montres connectées, alors que son produit n'a pas changé du tout.
Une part faible signifie que, selon le calcul de la section 1, le produit peut perdre 10 points pendant que le chiffre global ne bouge que d'un peu plus de 1.
Les recherches externes et les praticiens vont dans le même sens. Le fournisseur Odyssiant a analysé 5 356 réponses IA de février à avril 2026 et a conclu que la visibilité de la marque indique si l'IA reconnaît l'entreprise, tandis que la visibilité du produit indique si la bonne offre est comprise dans le bon contexte d'achat. La différence compte surtout pour les entreprises qui ont de nombreuses lignes de produits ou de services (Product Visibility vs Brand Visibility). L'étude a ajusté sa méthode de notation pendant cette période, et les auteurs précisent que les tendances par étape d'achat doivent être lues comme une référence en cours de formation, pas comme une tendance nette. Un praticien sur Reddit a aussi décrit des marques « scindées en deux profils » dans l'IA, l'un pour les requêtes produit et l'autre pour les informations sur l'entreprise (la discussion d'origine). C'est une observation personnelle, mais elle dit la même chose : être reconnu comme marque n'est pas la même chose que voir son produit recommandé.
Suivre chaque produit séparément n'a rien de compliqué :
La page de solution Product Portfolio Planning de Dageno décrit exactement ce type de comparaison : comparez d'abord la visibilité et le rang IA entre lignes de produits, puis choisissez une ligne et creusez les questions d'acheteurs et les arguments de vente. La page indique aussi ses limites : la position et la couverture dans les réponses de l'IA ne mesurent ni la demande du marché, ni la part de marché, ni le chiffre d'affaires, et les résultats de marchés différents doivent rester séparés.
Réponse courte : quand la visibilité ou le rang d'un même produit varie fortement selon le type de question d'acheteur, et que vous avez besoin de cet écart pour décider quelle page modifier ou quel contenu ajouter, découpez d'un niveau de plus, par scénario. Si l'écart vient d'une gamme de prix ou d'un usage que vous ne couvrez pas, notez-le simplement ; ce n'est pas un manque.
Dans l'échantillon des trois marchés, la visibilité globale d'Apple dans les réponses sur les smartphones est de 53,4 %, mais découpée par type de question d'acheteur, l'image change beaucoup :
| Type de question d'acheteur | Visibilité | Réponses |
|---|---|---|
| Le meilleur dans l'ensemble | 73,8 % | 839 |
| Le meilleur pour un budget | 22,9 % | 376 |
| Pourquoi le choisir | 18,5 % | 287 |
Les types de question correspondent à la classification de Dageno. Pour le découpage par scénario, nous n'avons utilisé que les réponses pouvant être rattachées aux métadonnées des questions, soit environ 78 % des réponses sur les smartphones.
En ne regardant que les 53,4 % au niveau du produit, vous penseriez que le produit s'en sort bien dans les réponses de l'IA en général. En découpant par scénario, vous voyez que les questions « le meilleur dans l'ensemble » soutiennent la moyenne, alors que le produit apparaît rarement dès que le budget entre dans la question.
La page AI Search Intents de Dageno est organisée autour de cette idée (voir la figure 2). Dans l'exemple Smart Watches, Apple couvre les 25 sous-intentions, soit un taux de couverture de 100 %. Mais dans Recommendations :
Une couverture de 100 % signifie seulement que la marque apparaît dans tous les types de questions, pas qu'elle est en tête dans tous les types.
Figure 2 : la vue des intentions de recherche du marché Smart Watches dans l'espace de travail Apple : 7 intentions principales et 25 sous-intentions, avec un taux de couverture des sous-intentions de 100 %. Dans Recommendations, Apple est 1re pour « Find alternatives » (71,4 %) et 4e pour « Choose by budget or tier » (32,9 %). La part de la demande décrit la répartition des questions analysées, pas le volume total de recherche ni une demande d'achat prouvée ; l'image n'indique pas la période de référence.
Dans Prompt-Level Visibility, Swetha Venkiteswaran, de Pixis, donne un exemple : deux marques avec le même score global de visibilité. L'une apparaît de façon constante sur tous les types de questions ; l'autre est forte sur les questions générales mais disparaît quand les acheteurs demandent des alternatives ou des usages précis. Leurs moyennes sont identiques, mais leurs positions commerciales sont totalement différentes. Le score global vous dit où regarder ; les questions individuelles vous disent pourquoi.
Il faut aussi dire quand ne pas découper par scénario. Si un scénario n'a que quelques dizaines de réponses, ses hausses et baisses relèvent surtout du hasard ; suivez-le avec le reste jusqu'à ce qu'il y ait assez de données pour le découper. Et si la marque n'a pas de produit pour cette gamme de prix ou cet usage, inutile de définir une référence de départ distincte pour ce scénario.
Le tableau ci-dessous résume quand chaque vue convient :
| Vue | Quand l'utiliser | Ce qu'elle ne peut pas vous dire |
|---|---|---|
| Niveau marque | Les produits font face aux mêmes questions et concurrents ; la décision porte sur la marque ; la part ou la pondération de chaque produit est fixe | Si un produit donné se porte bien ; si une modification de page a fonctionné |
| Par produit | Concurrents différents, gros écarts de visibilité, responsables et pages web différents, ou un produit à faible part | Quel type de question d'acheteur pose problème au sein d'un produit |
| Par scénario | Un produit varie fortement selon les questions d'acheteurs, et vous avez besoin de l'écart pour décider quelle page modifier | Hausses et baisses dans des scénarios avec trop peu de réponses ; gammes de prix ou usages que la marque ne couvre pas |
Réponse courte : n'utilisez que les questions posées sur les deux périodes, sur les mêmes plateformes et régions avec le même nombre d'échantillonnages, et vérifiez si la visibilité propre du produit a augmenté. Décomposez ensuite la variation au niveau de la marque en variation au sein de chaque produit et variation de la composition des questions. Vous ne pouvez dire que le produit s'est amélioré que s'il a progressé sur les mêmes questions. Savoir si la modification de page en est la cause est une autre question, que vous ne pouvez pas encore trancher.
Revenons à Samsung en section 1 : en comptant toutes les réponses, sa visibilité sur les smartphones a baissé de 6,4 points. Comparez uniquement les questions posées sur les deux périodes (appariées par ID de prompt, 1 431 questions), et le résultat est complètement différent :
| Visibilité dans les réponses sur les smartphones | Toutes les réponses | Mêmes questions posées sur les deux périodes |
|---|---|---|
| Samsung | 81,1 % → 77,6 % | 84,3 % → 84,9 % |
| Apple | 56,3 % → 48,6 % | 58,2 % → 55,1 % |
Seules les réponses pouvant être rattachées à un ID de prompt sont utilisées ici, soit environ 78 % des réponses sur les smartphones, d'où le léger écart entre la colonne « Toutes les réponses » et les chiffres de la section 1.
La « baisse » de Samsung sur les smartphones venait presque entièrement d'un ensemble de questions différent ; sur les mêmes questions, sa visibilité a à peine changé. Apple a reculé de 7,7 points au total, mais seulement d'environ 3 points sur les mêmes questions. La répartition par plateforme des réponses sur les smartphones a aussi changé sur la même période : la part de Gemini dans les réponses est passée de 46 % à 27 %, tandis que celle de ChatGPT est passée de 30 % à 48 %. Si vous utilisez les chiffres de toutes les réponses pour juger un changement fait entre les deux périodes, vous arriverez à une mauvaise conclusion.
Une nouvelle vérification nécessite donc quatre choses :
Dans Dageno, les prompts, plateformes, régions et concurrents que vous voulez revérifier dans le temps peuvent être fixés dans les paramètres de suivi. L'import d'un CSV exige quatre colonnes : prompt, platforms, regions et language. Aucune n'est une étiquette produit, votre équipe doit donc noter à quel produit appartient chaque question dans son propre tableur. D'après les fiches de la base de connaissances de Dageno, seuls l'écran de paramètres et ses règles de saisie ont été vérifiés ; l'envoi d'un import, son enregistrement et l'échantillonnage réel n'ont pas été testés. Pour un suivi continu, voir Suivre la visibilité de la marque dans les réponses de l'IA.
Deux types de conclusions peuvent figurer dans le rapport mensuel :
Gardez une colonne séparée « pas encore prouvé » avec au moins trois points :
Voici un exemple de fiche. La marque, les dates et les chiffres sont inventés et montrent seulement comment la remplir :
| Élément | Exemple hypothétique (chiffres inventés) |
|---|---|
| Changement | 10 septembre : mise à jour de la page produit de l'ordinateur portable avec des cas d'usage, les conditions du test de batterie et une comparaison avec des modèles de prix similaire |
| Périmètre de comparaison | Les 120 questions sur l'ordinateur portable posées sur les deux périodes ; ChatGPT et Google AI Mode ; États-Unis et Allemagne ; 5 exécutions par question et par période ; 14 jours par période |
| Variation au sein du produit | Visibilité de l'ordinateur portable sur ces 120 questions : 8,0 % → 12,5 % |
| Variation du chiffre au niveau de la marque | +1,6 point : +0,9 venant de l'ordinateur portable lui-même, +0,7 de questions plus nombreuses sur les montres connectées |
| Va dans le rapport mensuel | Sur les mêmes questions, la part des réponses citant l'ordinateur portable a progressé de 4,5 points |
| Pas encore prouvé | Que la modification de page ait causé la hausse ; si elle se maintient sur la période suivante ; si elle apporte des demandes ou des ventes |
Pour définir la fenêtre de nouveau test et le nombre d'échantillonnages, voir comment fixer la taille d'échantillon et la fréquence des nouveaux tests. Pour savoir si un changement après une mise à jour de page dépasse le hasard, voir comment vérifier que les recommandations de l'IA se sont vraiment améliorées.
Commencez à comprendre les performances de votre marque dans la recherche IA
Obtenir votre rapport gratuit Essayer DagenoNon. Plus vous découpez finement, moins chaque morceau a de réponses, et plus les chiffres bougent au hasard. Comme indiqué plus haut, distinguer un vrai taux de mention de 10 % d'un vrai taux de 15 % demande environ 686 exécutions par condition. Commencez par découper par produit selon les concurrents et les responsables, et ne descendez au niveau des modèles ou des scénarios qu'une fois que vous avez assez de données.
Placez-la dans un groupe séparé « questions multi-produits », pour des questions comme « comment associer un téléphone et une montre connectée ? ». Elle ne compte pour aucun produit en particulier ; suivez sa tendance à part. Sinon, la même réponse est comptée deux fois, ou attribuée arbitrairement à un produit.
Comptez-les à part. Les questions qui contiennent le nom de la marque citent presque toujours la marque, donc les mélanger gonfle le chiffre global, et chaque variation de leur nombre le fait bouger. Pour savoir comment combiner noms de marque, noms de produit et termes de catégorie dans un ensemble de questions, voir comment construire un ensemble de prompts de visibilité IA.
Utilisez des pondérations fixes. Regrouper directement les réponses fait dépendre le résultat des variations de la part de réponses de chaque produit, comme le montre l'exemple de Samsung. Vous pouvez figer les pondérations sur les proportions actuelles de questions ou les fixer selon l'importance commerciale de chaque produit. Une fois fixées, gardez-les identiques à chaque période, pour que les variations du chiffre global ne reflètent que les variations au sein des produits.
C'est possible. Dans l'échantillon, environ 14 % des réponses sur les ordinateurs portables qui citaient « MacBook » n'étaient pas enregistrées comme citant Apple. Contrôlez les réponses d'origine par sondage avec la méthode de la section 3, puis vérifiez les règles de détection de l'outil pour décider si ces réponses doivent compter.
Vous ne pouvez pas l'affirmer. La visibilité est la part des réponses de l'IA qui citent le produit ; elle ne mesure ni les ventes, ni la part de marché, ni le volume de recherche réel. Pour juger de l'impact commercial, comparez séparément avec les données de demandes, de trafic et de ventes.
Commencez par la visibilité au niveau de la marque de cette période et de la précédente, avec la méthode de la section 2 :
Si un seul signal apparaît, ajoutez sous le chiffre au niveau de la marque une ligne avec les chiffres de chaque produit, et signalez le produit masqué. Décidez ensuite deux choses : s'il lui faut sa propre référence de départ (section 5), et s'il faut le découper davantage par scénario (section 6).
Le chiffre au niveau de la marque peut toujours montrer la tendance globale à la direction. Il ne doit simplement pas être la seule base pour juger si un produit se porte bien.
Mis à jour par
Dageno
Dageno is the research and insights team at Dageno AI, publishing industry reports and expert analysis on AI Search Visibility, Generative Engine Optimization (GEO), and AI-powered search discovery.
Alexa for Shopping