AI शेयर ऑफ़ वॉइस: इसे कैसे नापें और बेंचमार्क करें

मापदंड, ठीक-ठीक कहा गया

ज़्यादातर टीमें एक ही नाम के नीचे दो अलग चीज़ों को मिला देती हैं। उन्हें अलग कर दीजिए और निदान कहीं आसान हो जाता है।

ज़िक्र-दर एक दो-टूक सवाल का जवाब देती है: आप दिखते भी हैं या नहीं? उत्तर-हिस्सेदारी प्रतिस्पर्धा का सवाल हल करती है: सहायक ने जितने ब्रांड गिनाए, उनमें से कितना समय आपका था? कोई B2B टूल 90% ज़िक्र-दर के साथ भी हार सकता है, क्योंकि दस की सूची में वह नौवें पर है और ख़रीदार का ध्यान पहले तीन पर जाता है।

दोनों हर सहायक और हर प्रॉम्प्ट समूह के लिए अलग निकाले जाते हैं। समूह यानी ख़रीद-मंशा वाले उन सवालों का झुंड जो एक ही फ़ैसले से जुड़े हों — क़ीमत की तुलना, किसी नामित प्रतिस्पर्धी के विकल्प, X के लिए सबसे अच्छा टूल, इंटीग्रेशन के सवाल। समूहों को मिलाकर औसत निकालने से ऐसा आँकड़ा बनता है जो उन वजहों से हिलता है जिन्हें आप ट्रेस नहीं कर सकते।

• ज़िक्र-दर (%) = जिन रन में आपका ब्रांड आया ÷ कुल प्रॉम्प्ट रन, एक सहायक और एक समूह के लिए, × 100।
• AI उत्तर-हिस्सेदारी (%) = आपके ब्रांड के ज़िक्र ÷ उन्हीं उत्तरों में सभी ब्रांडों के ज़िक्र, × 100। यही असली हिस्सेदारी वाला मापदंड है, क्योंकि यह तय किए गए प्रतिस्पर्धी समूह के मुक़ाबले शून्य-योग है।
• भारित हिस्सेदारी (वैकल्पिक) = वही अनुपात, पर हर ज़िक्र को उसकी जगह के हिसाब से भार देकर, ताकि सूची में पहला होना पाद-टिप्पणी होने से ज़्यादा गिने। सरल भार (पहला = 1.0, बीच = 0.6, आख़िरी = 0.3) इस्तेमाल कीजिए और उसे लिख रखिए।
• सिफ़ारिश-दर = वे रन जिनमें आपका नाम सिफ़ारिश के तौर पर आया, न कि सिर्फ़ उदाहरण के तौर पर। ऊँची मंशा वाले प्रॉम्प्ट के लिए इसे अलग निकालना फ़ायदेमंद है।

तीन इनपुट जो तय करते हैं कि आपके आँकड़े का कोई अर्थ है या नहीं

AI विज़िबिलिटी का कोई भी मापदंड उतना ही स्थिर होता है जितना उसका माप-तंत्र। तीन फ़ैसले, अगर ढीले ढंग से लिए जाएँ, तो सबसे ज़्यादा नुक़सान करते हैं।

पहला, प्रॉम्प्ट सेट। उसे लिखित में तय कीजिए — ठीक-ठीक शब्द, बाज़ार, भाषा, किस भूमिका से पूछा जा रहा है — और उसका संस्करण रखिए। जब भी आप प्रॉम्प्ट जोड़ते हैं, प्रवृत्ति-रेखा टूट जाती है, इसलिए पुराने समूह को संपादित करने के बजाय नया समूह जोड़िए। इतने प्रॉम्प्ट रखिए कि फ़ैसला ढँक जाए, इतने नहीं कि काम पूरा दिखे: हर बाज़ार के लिए बीस से चालीस सोच-समझकर चुने ख़रीद-सवाल, सैकड़ों सामान्य सवालों पर भारी पड़ते हैं।

दूसरा, रन की संख्या। सहायकों के जवाब निश्चित नहीं होते; एक ही प्रॉम्प्ट दो बार पूछने पर अलग ब्रांड आ सकते हैं, ख़ासकर जहाँ लाइव रिट्रीवल शामिल हो। इसका मतलब है कि एक रन महज़ क़िस्सा है। हर प्रॉम्प्ट को हर सहायक पर हर अवधि में कई बार चलाइए — पाँच व्यावहारिक न्यूनतम है, और जिस श्रेणी में प्रतिस्पर्धियों की लंबी क़तार हो वहाँ इससे ज़्यादा — और छोटे नमूनों पर छोटे अंतर को हलचल नहीं, शोर मानिए।

तीसरा, ज़िक्र का नियम। पहले से तय कीजिए कि नंगा URL गिना जाएगा या नहीं, स्रोत-सूची का हवाला ज़िक्र माना जाएगा या नहीं, वर्तनी की ग़लतियाँ और मूल कंपनी के नाम कैसे सँभाले जाएँगे, और नकारात्मक ज़िक्र गिना जाएगा या नहीं। नियम लिख रखिए; विज़िबिलिटी सुधरी या नहीं — इस पर होने वाले ज़्यादातर विवाद यहीं की अनियमितता से जन्मते हैं।

हर सहायक के बेंचमार्क अलग क्यों होते हैं — और यह सही क्यों है

एक ही प्रॉम्प्ट पर कोई ब्रांड Perplexity में 55% उत्तर-हिस्सेदारी और ChatGPT में 12% पर हो, तो यह माप की ग़लती नहीं है। दोनों व्यवस्थाएँ उसी परत पर अलग हैं जो तय करती है कि कौन-से ब्रांड नाम लिए जाने के पात्र हैं।

सबसे बड़ा बँटवारा रिट्रीवल बनाम पैरामीट्रिक ज्ञान का है। जो सहायक लाइव वेब सर्च पर टिके हैं, वे वही दिखाते हैं जो मौजूदा इंडेक्स और उनकी रैंकिंग परत को पसंद है; जो जवाब ज़्यादातर मॉडल के वेट से आते हैं, वे बताते हैं कि ट्रेनिंग डेटा में वह ब्रांड कितनी प्रमुखता से आया था। OpenAI ChatGPT सर्च को मॉडल के साथ वेब और तीसरे पक्ष के प्रदाताओं की जानकारी के मेल के रूप में बताता है (OpenAI), Anthropic वेब सर्च को ऐसे टूल के रूप में देता है जिसे कब बुलाना है यह Claude तय करता है (Anthropic), Perplexity डिफ़ॉल्ट रूप से रिट्रीवल और हवाले के इर्द-गिर्द बना है (Perplexity), और Google अपने AI फ़ीचर्स को सर्च के ऊपर बनी परत के रूप में दर्ज करता है, जिसके लिंक करने का अपना ढंग है (Google Search Central)। पात्रता अलग, तो ब्रांडों की सूची भी अलग।

दूसरा कारण स्रोतों की पसंद है। कोई सहायक संपादकीय सूची-लेखों और समीक्षा प्लेटफ़ॉर्मों पर टिक सकता है, कोई दस्तावेज़ों, फ़ोरमों और मूल साइटों पर। अगर आपकी श्रेणी की तीसरे पक्ष की कवरेज गिनी-चुनी सूचियों में सिमटी है, तो जो सहायक उन पन्नों पर भरोसा करते हैं वे उन्हीं को ज़्यादा दिखाएँगे जो वहाँ ऊपर हैं।

तीसरा कारण ताज़गी और आधार के नियम हैं। नया लॉन्च हुआ प्रतिस्पर्धी रिट्रीवल-प्रधान सहायकों में तुरंत आ सकता है और वेट-प्रधान सहायकों में महीनों तक अदृश्य रह सकता है। क्षेत्र, भाषा, और यह कि टूल को सर्च करने की ज़रूरत महसूस होती भी है या नहीं — ये सब और वाजिब भिन्नता जोड़ते हैं।

व्यावहारिक नतीजा यह है: सहायकों के आर-पार का मिला-जुला औसत कभी मुख्य आँकड़े के रूप में मत बताइए। एक तालिका बताइए। सहायकों के बीच का फ़ासला ही अपने आप में अंतर्दृष्टि है, क्योंकि वह बताता है कि आपकी समस्या स्रोतों की कवरेज है, दूसरों के पन्नों पर रैंकिंग है, या कोश में सीधा-सीधा न होना। यही प्रति-सहायक ब्योरा वह केंद्र है जिसे हम Growli में बनाते हैं, और यही वजह है कि एक अकेला वैश्विक स्कोर रिपोर्ट का सबसे कम काम का आँकड़ा होता है।

एक बेंचमार्क तालिका जिसे आप कॉपी कर सकते हैं

हर सहायक × हर प्रॉम्प्ट समूह × हर अवधि के लिए एक पंक्ति बनाइए। स्तंभ, इसी क्रम में:

इसे दो तरह से पढ़िए। पंक्ति के आर-पार देखिए तो पता चलता है कि कोई समूह एक सहायक पर स्वस्थ है और दूसरे पर टूटा हुआ। स्तंभ में नीचे देखिए तो पता चलता है कि कोई प्रतिस्पर्धी हर जगह जीत रहा है (कोश और अधिकार की समस्या) या सिर्फ़ एक सतह पर (स्रोत की समस्या, जिसे आप निशाना बना सकते हैं)।

एक दूसरी शीट रखिए जिसमें प्रतिस्पर्धी समूह हो — पाँच से आठ नामित प्रतिद्वंद्वी, उस अवधि के लिए तय — साथ में ठीक-ठीक प्रॉम्प्ट सूची और ज़िक्र का नियम। इनके बिना अगली तिमाही का आँकड़ा इस तिमाही से तुलनीय नहीं होगा।

• अवधि — हफ़्ता या महीना, और चलाने की तारीख़ें।
• सहायक — ChatGPT, Gemini, Claude, Perplexity, Copilot, Grok। हर एक की अलग पंक्ति; कोई मिलावट नहीं।
• प्रॉम्प्ट समूह — जैसे X के लिए सबसे अच्छा टूल, प्रतिस्पर्धी के विकल्प, क़ीमत।
• रन — उस पंक्ति के पीछे कुल प्रॉम्प्ट रन। प्रति प्रॉम्प्ट पाँच से कम हो तो उसे कम भरोसे का चिन्हित कीजिए।
• आपके ज़िक्र — दर्ज नियम के अनुसार जिन रन में आपका ब्रांड आया।
• ज़िक्र-दर % — आपके ज़िक्र ÷ रन।
• कुल ब्रांड ज़िक्र — उन्हीं उत्तरों में आपके और ट्रैक किए गए प्रतिस्पर्धी समूह के सभी ज़िक्र।
• उत्तर-हिस्सेदारी % — आपके ज़िक्र ÷ कुल ब्रांड ज़िक्र।
• औसत स्थान — सूची में नाम आने पर औसत क्रम।
• शीर्ष प्रतिस्पर्धी + उसकी हिस्सेदारी % — जगह असल में कौन ले रहा है।
• सबसे ज़्यादा उद्धृत डोमेन — वे तीन स्रोत जिन पर सहायक सबसे ज़्यादा टिका; यही आपकी काम-सूची है।
• पिछली अवधि से अंतर — प्रतिशत बदलाव नहीं, प्रतिशत-बिंदुओं में, ताकि छोटे आधार हलचल को बढ़ा-चढ़ाकर न दिखाएँ।

हिस्सेदारी की कमियों को कार्रवाई में बदलना

जो शेयर ऑफ़ वॉइस रिपोर्ट एक प्रतिशत पर ख़त्म हो जाए, वह महज़ डैशबोर्ड है। असली मूल्य कमी के प्रकार से हस्तक्षेप तक की मैपिंग में है, और नाम देने लायक कमियाँ गिनी-चुनी ही हैं।

किसी समूह के लिए हर सहायक पर नदारद होने का मतलब है कि जिस सामग्री से उत्तर बनते हैं, उसमें आप हैं ही नहीं। काम कवरेज का है: उस समूह के लिए जिन पन्नों को सहायक पहले से उद्धृत करते हैं — समीक्षा प्लेटफ़ॉर्म, श्रेणी सूची-लेख, कम्युनिटी थ्रेड, उद्योग प्रकाशन — वहाँ नाम पाना, वर्णित होना और तुलना में आना; और यह पक्का करना कि आपके अपने पन्ने साफ़-साफ़ बताएँ कि आप क्या करते हैं, किसके लिए, और किस क़ीमत पर।

रिट्रीवल-प्रधान सहायकों में आना पर वेट-प्रधान में न आना ताज़गी की ओर इशारा है। आप जीवित वेब पर हैं, पर गहरे कोश में नहीं। एक अंतराल की उम्मीद रखिए, और तब तक उन्हीं सतहों पर ध्यान दीजिए जहाँ पात्रता रिट्रीवल तय करता है।

नाम आना पर सबसे नीचे रहना तुलनात्मक सबूत की समस्या है। सहायक सूचियाँ उसी ढाँचे से क्रमित करते हैं जो उन्हें स्रोतों में मिलता है। अगर प्रतिस्पर्धियों के पास स्पष्ट तुलना पन्ने, क़ीमत तालिकाएँ और उपयोग-स्थिति के कथन हैं और आपके पास नहीं, तो आप बाक़ी में गिने जाते हैं। ब्योरे प्रकाशित कीजिए — आप किनके लिए नहीं हैं, यह उतना ही काम का है जितना यह कि आप किनके लिए हैं।

नाम आना पर ख़ूबियाँ ग़लत बताई जाना सबसे नुक़सानदेह है और अगर आप सिर्फ़ ज़िक्र गिनते हैं तो सबसे आसानी से छूट जाता है। सिर्फ़ यह दर्ज मत कीजिए कि ज़िक्र हुआ, बल्कि यह भी कि आपके बारे में क्या दावा किया गया: ग़लत क़ीमत मॉडल, ग़ायब इंटीग्रेशन, पुरानी पोज़िशनिंग। जिस स्रोत का हवाला दिया जा रहा है, वहीं जाकर इसे सुधारिए।

किसी एक सहायक पर एक ही प्रतिस्पर्धी का दबदबा आम तौर पर एक ही पन्ने तक जाता है। उद्धृत डोमेन वाले स्तंभ में उसे ढूँढ़िए, फिर तय कीजिए कि चाल क्या है — उसी पन्ने में शामिल होना, तुलनीय डोमेन पर मज़बूत विकल्प खड़ा करना, या तथ्य-सुधार का अनुरोध।

प्राथमिकता कमी के आकार से नहीं, व्यावसायिक वज़न से तय कीजिए। ऊँची मंशा वाले “के विकल्प” प्रॉम्प्ट पर दस अंक की कमी, परिभाषा वाले सवालों पर चालीस अंक की कमी से ज़्यादा क़ीमती है। ज़िक्र-दर, भाव और हवालों के स्रोत आपस में कैसे जुड़ते हैं — इसका व्यापक ढाँचा हमारे AI विज़िबिलिटी वाले परिचय में है।

लय, भरोसा, और असली हलचल किसे मानें

ज़्यादातर श्रेणियों के लिए मासिक मापन ठीक बैठता है; लॉन्च, रीब्रांड या किसी सक्रिय सुधार अभियान के दौरान साप्ताहिक जायज़ है। जो भी चुनें, पूरा प्रॉम्प्ट सेट एक छोटी खिड़की में चलाइए, ताकि मॉडल के अपडेट आपके नमूने के बीचोंबीच न पड़ें।

रिपोर्ट करने से पहले हलचल की सीमा तय कीजिए। प्रति प्रॉम्प्ट पाँच रन के साथ, किसी एक समूह पर कुछ प्रतिशत-बिंदुओं का बदलाव नमूने की भिन्नता के भीतर ही है — हलचल तभी कहिए जब वह लगातार दो अवधियों तक टिके या उसी सहायक पर कई समूहों में दिखे। हर रिपोर्ट में उन घटनाओं की टिप्पणी लगाइए जो किसी उछाल की व्याख्या कर सकती हों: मॉडल अपडेट, किसी नए प्रतिस्पर्धी का लॉन्च, तीसरे पक्ष का कोई बड़ा लेख आना, या आपकी अपनी साइट में बदलाव।

आख़िरी अनुशासन: सिर्फ़ गिनतियाँ नहीं, कच्चे उत्तर भी सहेजिए। छह महीने बाद गिनतियाँ बताएँगी कि हिस्सेदारी गिरी, और सहेजे हुए उत्तर बताएँगे कि क्यों — और यही फ़र्क़ है ऐसे AI विज़िबिलिटी मापदंड में, जिसका आप बचाव कर सकें, और उस आँकड़े में जिससे बहस शुरू हो जाए।

FAQ