Comment mesurer la visibilité d'une marque dans ChatGPT

Pour mesurer la visibilité d'une marque dans ChatGPT, définissez un panel fixe de questions d'acheteurs, exécutez-le dans des conditions enregistrées, conservez chaque réponse valide et calculez des taux distincts pour les mentions, les recommandations, les citations et la présence concurrentielle. Excluez les tâches ayant échoué des dénominateurs de visibilité, affichez les volumes réels derrière chaque pourcentage et conservez l'intégralité des réponses afin que les analystes puissent expliquer pourquoi une métrique a évolué.

Le résultat mesure un échantillon déclaré. Il n'estime pas le volume total des conversations sur ChatGPT, le volume de requêtes des consommateurs ou un classement universel de la marque.

Rédiger d'abord le contrat de mesure

Avant de collecter des réponses, documentez ce que l'analyse a vocation à éclairer. Un contrat utile précise :

• le marché et la langue ;
• l'audience d'acheteurs et l'étape du parcours d'achat ;
• le panel de prompts et sa version ;
• le routage, l'étiquette du modèle ou la condition d'interface échantillonnée ;
• la période d'observation et la cadence ;
• l'identité de marque et les variantes de nom approuvées ;
• l'ensemble des concurrents ;
• les définitions de mention, recommandation, citation, position, absence et échec ;
• la décision que le rapport doit orienter.

Ce contrat évite une erreur courante de reporting : modifier l'échantillon et interpréter la variance qui en résulte comme une évolution de la marque. Lorsque le marché, le routage, la formulation des prompts ou la liste des concurrents changent, annotez la modification et commencez une nouvelle série comparable si nécessaire.

Construire un panel de prompts équilibré

Le panel de prompts détermine ce que la mesure peut établir. Un prompt de marque tel que « Qu'est-ce qu'Acme ? » teste la reconnaissance et l'exactitude, mais il ne peut pas montrer si Acme apparaît lorsqu'un acheteur demande une recommandation de catégorie sans nommer la marque.

Utilisez plusieurs classes d'intention :

Gardez des prompts neutres et concentrés sur une seule décision. Évitez d'imposer le nom de la marque dans chaque question ou de combiner les tarifs, la sécurité, les intégrations, les fonctionnalités et le leadership sur le marché au sein d'un même prompt. Les prompts complexes sont plus difficiles à classifier et favorisent une interprétation sélective.

Attribuez un identifiant stable à chaque prompt. Conservez la formulation exacte et laissez les prompts expérimentaux hors du panel de suivi principal jusqu'à ce qu'ils remplissent un rôle explicite et documenté.

Définir l'observation valide

Une tentative d'exécution ne produit pas toujours une réponse exploitable. Enregistrez chaque tentative comme valide, échouée, bloquée, incomplète ou nécessitant une vérification.

Une observation valide comprend :

• le prompt exact et sa version ;
• le marché, la langue et l'horodatage ;
• le routage ou la condition visible du modèle ;
• la réponse complète ;
• les classifications de la marque et des concurrents ;
• les citations visibles ou les sources de référence lorsqu'elles sont disponibles ;
• un réviseur ou une version des règles.

Si une tâche expire, renvoie un contenu malformé ou ne peut pas être classifiée, conservez ce statut. Ne transformez pas les échecs opérationnels en absences de marque. Les erreurs d'exécution réduisent la santé de l'échantillon ; elles n'indiquent pas ce que ChatGPT a dit au sujet de la marque.

Calculer séparément les taux de mention et de recommandation

La métrique utile la plus simple est le taux de mention :

mention rate = valid answers that mention the brand / all valid answers

Par exemple, si un panel produit 24 réponses valides et que la marque apparaît dans 9 d'entre elles, le taux de mention échantillonné est de 37.5%. Présentez-le sous la forme « 9 réponses valides sur 24 », et pas seulement sous forme de pourcentage.

Le taux de recommandation applique une norme plus stricte :

recommendation rate = valid recommendation decisions favoring the brand / valid answers containing a recommendation decision

Une réponse peut mentionner la marque tout en la déconseillant explicitement. Traiter ce cas comme une recommandation gonfle artificiellement la performance. Gardez distincts dans les données sous-jacentes les mentions neutres, les recommandations avec réserves, les recommandations explicites et les avis d'inadéquation négatifs.

Le guide des métriques du rapport de visibilité IA propose un ensemble de définitions détaillées pour les mentions, les recommandations, les positions, les concurrents et les citations.

Ne mesurer les citations que lorsque les données sources sont disponibles

Le suivi des citations exige des règles d'éligibilité dédiées. Certaines réponses échantillonnées affichent des URL sources ou des références, d'autres non. L'absence de champs de source ne doit pas être automatiquement enregistrée comme un zéro pour les citations de vos propres domaines.

Les mesures utiles incluent :

owned citation rate = citation-eligible answers with an owned source / citation-eligible answers

any citation rate = citation-eligible answers with at least one exposed source / citation-eligible answers

Pour chaque citation, enregistrez la référence brute, l'URL normalisée ou le domaine, le statut d'accessibilité, la catégorie de propriété et le passage spécifique qu'elle semble étayer. Une page citée peut appartenir à votre marque (owned), être acquise (earned), contrôlée par un concurrent, neutre, non résolue ou inaccessible.

Une citation ne prouve pas qu'une page a généré l'intégralité de la réponse ou suscité un achat. Elle confirme simplement qu'une source est apparue dans cette réponse échantillonnée. Une recommandation sans citation visible reste une observation de recommandation valide, tandis qu'une citation d'un domaine propre sans mention de marque peut indiquer qu'un domaine fournit des informations de fond sur la catégorie sans donner de visibilité à la marque.

Intégrer la part concurrentielle sans l'appeler part de marché

La présence concurrentielle révèle si la marque apparaît aussi fréquemment que les alternatives évaluées par les acheteurs. Définissez un ensemble fixe de concurrents et suivez les occurrences au sein du même échantillon de prompts.

Un calcul direct est le suivant :

competitive mention share = brand mentions / mentions of the brand plus validated competitors

Cela reflète les mentions observées au sein du panel spécifié, et non la part de chiffre d'affaires, la part de marché globale, la demande des consommateurs ou l'activité générale de ChatGPT. Présentez les décomptes bruts aux côtés du pourcentage, car une part élevée issue d'un petit échantillon n'a qu'une valeur de preuve limitée.

Évaluez les concurrents au niveau de chaque prompt. Une plateforme généraliste peut dominer les requêtes de découverte, tandis qu'un spécialiste n'apparaît que pour des cas d'usage précis. Les chiffres de part globale masquent fréquemment ces différences opérationnelles.

Segmenter avant d'agréger

Évitez de regrouper des observations disparates sous le seul prétexte qu'elles proviennent de ChatGPT. Segmentez les résultats selon :

• l'intention du prompt ;
• le marché et la langue ;
• la catégorie de produit ou le cas d'usage ;
• l'étape du parcours acheteur ;
• le routage ou la condition du modèle ;
• les prompts avec ou sans marque ;
• les tâches valides et échouées ;
• les réponses éligibles et non éligibles aux citations.

La segmentation transforme les variations globales de visibilité en enseignements diagnostiques. Si les mentions en phase de découverte restent stables alors que les recommandations en phase de comparaison diminuent, la priorité immédiate réside dans le positionnement et les preuves d'adéquation. Si les citations de vos propres domaines chutent exclusivement dans une langue, évaluez la couverture des sources localisées avant de remanier le contenu global.

Inclure des indicateurs de santé de l'échantillon

Chaque rapport doit afficher des métriques d'intégrité de la mesure aux côtés des performances de marque, notamment :

• les tâches tentées ;
• les réponses valides ;
• le taux d'échec ;
• les prompts représentés dans l'échantillon final ;
• les réponses éligibles aux citations ;
• les observations nécessitant une correction manuelle ;
• les modifications de routage ou de prompts au cours de la période.

Établissez un seuil minimal de couverture avant d'évaluer la performance. Si le taux d'échec des tâches est élevé ou qu'une classe entière de prompts est absente, qualifiez la période de partielle plutôt que d'imputer des données manquantes.

Le guide du tracker de marque ChatGPT détaille le modèle de données qui préserve l'auditabilité de ces calculs.

Comparer des fenêtres équivalentes dans le temps

Les réponses de ChatGPT peuvent fluctuer même lorsque le texte du prompt reste inchangé. Une analyse de tendance fiable nécessite des observations répétées dans des conditions matériellement équivalentes.

Maintenez un panel de prompts de référence stable tout au long de la période de comparaison. Consignez toutes les modifications apportées aux routages, marchés, langues, classificateurs, ensembles de concurrents et définitions de produits. Isolez les lancements de produits ou les analyses d'incidents dans des échantillons d'événements distincts plutôt que de les absorber dans la référence standard.

Évitez de tirer des conclusions de réponses isolées. Recherchez des tendances récurrentes à travers les prompts et les périodes de suivi, puis examinez les réponses intégrales. Le guide des fluctuations de visibilité IA détaille pourquoi la variance habituelle des réponses doit être distinguée des évolutions durables observées dans des conditions de test équivalentes.

Lors de la modification d'un panel, présentez à la fois l'ancienne série comparable et le jeu de données élargi lorsque c'est possible. Un échantillon plus large peut améliorer la planification future, mais il rompt la continuité historique directe.

Interpréter les changements comme des signaux d'investigation

Considérez chaque évolution observée comme un point de départ pour une investigation plutôt que comme une conclusion définitive :

Appliquez une seule modification documentée à la fois. Enregistrez la page modifiée, le message, le maillage interne, les éléments de preuve ou la mise à jour technique, puis continuez à suivre le même panel. Les gains ultérieurs peuvent alors étayer une hypothèse opérationnelle sans pour autant affirmer un lien de causalité déterministe.

Construire un rapport orienté vers les preuves

Un rapport pragmatique de visibilité ChatGPT s'articule autour de trois niveaux :

1. Synthèse : métriques de mentions, recommandations, citations, concurrents et santé de l'échantillon.
2. Segments : performances ventilées par intention, marché, langue, prompt et routage.
3. Preuves : texte intégral des réponses, classifications, sources visibles, erreurs d'exécution et notes de révision.

La direction peut consulter des synthèses de haut niveau tandis que les équipes opérationnelles peuvent faire remonter chaque évolution jusqu'aux observations sous-jacentes. Évitez les scores de visibilité non pondérés ou opaques. Si vous utilisez un indice composite, publiez sa formule et affichez chacune des métriques qui le composent.

Le rôle de Dottly AI

Dottly AI relie les réponses échantillonnées issues de prompts représentatifs d'acheteurs à des métriques agrégées et des preuves enregistrées. Les rapports permettent d'inspecter les mentions, recommandations, concurrents, positions, citations et états d'échec plutôt que de les réduire à un classement arbitraire.

Consultez la documentation des rapports pour analyser les dénominateurs et les journaux de réponses brutes. Réalisez un audit de visibilité de marque IA pour établir une base de référence avant de lancer un contrat de mesure récurrent.

Foire aux questions

Qu'est-ce qu'un bon taux de visibilité de marque dans ChatGPT ?

Il n'existe pas de référence universelle valable pour l'ensemble des catégories, des prompts, des marchés, des langues et des routages. Établissez une base de référence pour votre panel spécifique, comparez des périodes de suivi équivalentes et examinez le contexte des réponses en parallèle de la présence concurrentielle.

La part de voix dans ChatGPT équivaut-elle à la part de marché ?

Non. Elle représente la part des mentions observées de la marque ou d'une autre unité de visibilité définie au sein d'un échantillon contrôlé. Elle ne mesure ni le chiffre d'affaires, ni le volume de clients, ni la demande globale des consommateurs.

Faut-il combiner les citations et les mentions ?

Conservez-les séparément. Une marque peut être mentionnée sans source visible, citée sans recommandation ou recommandée via un domaine tiers. Le suivi combiné offre un contexte diagnostique, mais fusionner ces métriques masque des facteurs clés de performance.