Métriques des rapports de visibilité IA expliquées

Un rapport de visibilité IA n’a de valeur que s’il permet de retracer ses métriques jusqu’à des prompts et des réponses réels. Commencez par les preuves concrètes, et non par le chiffre global.

Taux de mention

Le taux de mention correspond à la proportion des réponses valides surveillées qui incluent la marque. Il répond à la question « Le modèle nous cite-t-il ? », mais pas « Le modèle nous privilégie-t-il ? ».

Une mention peut être neutre, négative ou incidente. Ouvrez la réponse pour en analyser le contexte.

Taux de recommandation

Une recommandation implique un langage plus marqué : l’assistant présente la marque comme une option adaptée aux besoins de l’utilisateur. Une marque peut afficher un taux de mention élevé, mais un taux de recommandation faible si sa catégorie est comprise, mais ses avantages ne convainquent pas.

Position et rang dans les listes

Une position plus élevée peut avoir de l’importance dans les réponses sous forme de listes, mais les réponses en prose n’ont pas toujours un rang significatif. Utilisez la position comme contexte complémentaire, et non comme un classement absolu dans les moteurs de recherche.

Présence des concurrents

Le décompte des concurrents révèle quelles alternatives occupent les mêmes réponses. Analysez les raisons de leurs recommandations : preuves plus solides, cas d’usage plus clairs, reconnaissance plus large, ou citations issues de sources fiables. Une marque découverte n’est pas automatiquement un concurrent direct : vérifiez avant de l’ajouter à votre projet.

Citations

Lorsque le modèle renvoie des sources, Dottly AI enregistre les URLs et domaines disponibles. Les citations indiquent quelles pages contribuent à façonner la réponse. L’absence de citation enregistrée peut aussi signifier que le fournisseur ou le modèle n’a pas exposé les données sources ; cela ne doit pas systématiquement être interprété comme « le modèle n’a utilisé aucune source ».

Tendances

Comparez des exécutions équivalentes dans le temps. Un échantillon restreint peut varier fortement après un seul changement de réponse : tenez compte du dénominateur et lisez les réponses modifiées. Les modifications de prompts, les mises à jour de modèles ou les comportements temporaires des fournisseurs peuvent tous influencer une tendance.

La méthode la plus efficace reste simple : identifiez un écart récurrent, examinez les réponses et sources associées, apportez une amélioration vérifiable, puis observez les exécutions futures dans les mêmes conditions.

Approfondir l’analyse

La documentation des rapports Dottly AI explique comment examiner les preuves au niveau des prompts. Apprenez à distinguer le signal des fluctuations de visibilité IA, transformez les déplacements répétés de marque en une analyse concurrentielle GEO, et explorez les écarts de citations dans la recherche IA.

Les équipes qui comparent des plateformes de suivi peuvent utiliser le guide d'évaluation des outils de visibilité en recherche IA pour les SaaS afin de vérifier que les métriques agrégées restent traçables jusqu'aux preuves associées à chaque prompt.

Pour couvrir davantage de canaux, utilisez le cadre de sélection des logiciels de suivi de marque et attribuez chaque métrique au système qui observe réellement ce signal.

Lorsque ces mesures doivent être présentées à des clients ou à la direction, le cadre de rapport SEO au format PDF montre comment réunir dénominateurs, preuves, incertitudes et prochaines actions dans un document vérifiable.