A szakmai szervezet szabványosított keretrendszerrel igyekszik közös mérési alapot lefektetni a márkaláthatóság mérésére az AI-alapú platformok esetében.

Harminchét oldalas kiadvánnyal jelentkezett az International Advertising Bureau (IAB), amely az iparág első szabványosított iránymutatás-gyűjteménye a márkák és kiadók láthatóságának nyomon követésére az AI-alapú platformokon. A keretrendszer definiálja azt a közös szókincset, minőségi kritériumokat és közzétételi követelményeket, amelyek lehetővé teszik a piac működését – anélkül, hogy konkrét eszközöket írna elő, vagy egyes szolgáltatókat rangsorolna.

Az új közös alapra azért van szükség, mert ahogy a fogyasztók mindinkább az AI platformokon keresnek márkákat, termékeket és tartalmakat, egy új módszertani probléma merült fel a márkaláthatóság mérésében. Ma már több mint 20 vállalat kínál AI-láthatóságot mérő eszközöket, de mindegyik eltérő metodikát használ, ami ugyanarra a márkára vagy kiadóra vonatkozóan teljesen eltérő eredményeket hozhat. Közös értékelési rendszer nélkül pedig az iparág nem tudja megkülönböztetni a megbízható mutatókat a mérésmódszertani zajtól.

A kiadvány (Measuring Visibility in the AI Era) ok-okozati hierarchiába rendezi a mutatókat – ezt pedig az AI-láthatóság 4 P-jének nevezték el, amely azt tükrözi, miként alakul át a láthatóság üzleti értékké a márkák és a kiadók számára:

• Presence (Jelenlét) – Megjelenik-e a márka vagy a kiadó az AI válaszában? Mutatói közé tartozik a Megemlítési arány (Mention Rate), a Hivatkozási arány (Citation Rate), a Hangarány (Share of Voice) és a Láthatósági dinamika (Visibility Momentum).

• Prominence (Kiemelkedés) – Hol és mennyire kiemelten jelenik meg a márka vagy a kiadó? A mutatók a pozíciót, a rangsorbeli helyezést mérik, valamint azt, hogy a kiadó tartalmát mennyire érdemben használják fel a felületes hivatkozásokkal szemben.

• Portrayal (Ábrázolás) – Milyen kontextusban és mennyire pontosan jelenik meg? A mutatók magukban foglalják a Hangulatot (Sentiment), a Keretezést (Framing), a Hallucinációs arányt és a Ténybeli pontatlanság arányát, felszínre hozva egy kifejezetten az AI-mérésre jellemző márkabiztonsági (Brand Safety) dimenziót.

• Persuasion (Meggyőzés) – Vált-e ki cselekvést az AI-láthatóság? A mutatók közé tartozik az Ajánlás erőssége (Recommendation Strength) és a Hivatkozás utáni átkattintási arány (Post-Citation Click-Through Rate), hidat képezve az IAB készülő attribúciós keretrendszere felé.

Egyúttal bevezetnek egy kétszintű minőségi osztályozást, hogy segítsen a márkáknak és ügynökségeknek eldönteni: a kapott statisztika elég megbízható-e a tervezett felhasználási célhoz:

• Tájékozódó jellegű mérés (Directional measurement): Azonosítja a mintázatokat és jelzi a trendeket, támogatva a korai jelzőrendszereket és a versenytársi elemzést, de nem elegendő a költségvetés tervezéséhez vagy a felsővezetői stratégiai döntésekhez.

• Döntési szintű mérés (Decision-grade measurement): Szigorúbb követelményeknek felel meg a lekérdezési volumen, a mintanagyság, a prompt-típusok lefedettsége, a tesztelési rendszeresség, a reprodukálhatóság és a platformlefedettség tekintetében; ez a kötelező elvárás bármilyen költségvetési vagy stratégiai döntés meghozatala előtt.

Mint írják, a Measuring Visibility in the AI Era kiadvánnyal a márkák kézikönyvet kapnak a láthatóság mérésére és annak értékelésére, hogy egy szolgáltató megbízható adatokat vagy csak irányadó zajt szállít-e. Az ügynökségek közös viszonyítási alapot nyernek az ügyfélelvárások kezeléséhez és az eredmények egyértelmű jelentéséhez. A kiadók szabványosított láthatósági és közzétételi mutatókat kapnak annak számszerűsítésére, hogyan dolgozzák fel és jelenítik meg tartalmaikat az AI-platformok, így ezeket az adatokat beépíthetik a licencelési tárgyalásokba. A méréstechnológiai szolgáltatók pedig lehetőséget kapnak arra, hogy ne marketingállításokkal, hanem módszertani szigorúsággal különböztessék meg magukat a piacon.

A kiadvány az IAB honlapján érhető el.