Kako provjeriti AI vidljivost svoje stranice

Što je AI vidljivost i kako se mjeri?

AI vidljivost je udio odgovora u kojima jezični model spomene vašu tvrtku kada ga netko pita za ponuđača u vašoj djelatnosti. Mjerite je tako da isti skup pitanja postavite većem broju modela i prebrojite u koliko se odgovora pojavljujete i na kojem ste mjestu popisa. Rezultat je postotak spominjanja, a ne posjeti i ne pozicija na Googleu.

Mjerenje ima tri dijela. Udio spominjanja govori u koliko vas odgovora model uopće navede. Pokrivenost modela govori poznaje li vas samo jedan pomoćnik ili svi. Prosječna pozicija govori jeste li prvo ili osmo ime na popisu. Tvrtka koju spominje samo jedan model i uvijek na zadnjem mjestu ima mjerljivu, ali slabu AI vidljivost.

Ta razlika nije akademska. Model odgovara s nekoliko imena, a ne s deset poveznica. Ako vas među njima nema, korisnik za vas ne sazna, a posjećenost stranice ne padne toliko da biste to primijetili u analitici. Padne broj upita, a to ne pokazuje nijedan brojač posjeta.

Zašto AI vidljivost nije isto što i pozicija na Googleu?

Klasična tražilica vraća popis na kojem postoji drugo i treće mjesto. Odgovor jezičnog modela radi drugačije: navede nekoliko ponuđača i stane. Druge stranice s drugom prilikom nema. Stranica s odličnom pozicijom na Googleu može imati nula spominjanja u AI odgovorima, i obrnuto.

Razlog je u tome odakle model uzima građu. Dio dolazi iz podataka na kojima je učio, dakle iz onoga što o vama pišu drugi: mediji, imenici, članci, forumi. Dio dolazi iz čitanja stranica dok odgovara. Prvi dio zaradite spominjanjima izvan vlastite stranice, drugi stranicom koju strojevi mogu pročitati.

Zato provjera ima dva dijela. Jedan mjeri što modeli o vama kažu. Drugi mjeri mogu li vašu stranicu uopće pročitati. Tvrtka koja blokira AI botove u robots.txt i sadržaj iscrtava tek JavaScriptom gubi drugi dio u cijelosti, koliko god dobro imala posloženu klasičnu optimizaciju.

Kako provjeru napraviti ručno u pola sata?

Postupak je jednostavan, ali traži disciplinu jer ćete inače izmjeriti krivu stvar.

Prvo: napišite osam pitanja onako kako ih postavlja kupac i u njima ne spominjite ime svoje tvrtke. Dobar upit je "tko u Hrvatskoj servisira dizalice topline za stambene zgrade", a neupotrebljiv je "što znaš o tvrtki X". Drugo pitanje mjeri poznaje li model vaše ime, a ne bi li vas nekome preporučio.

Drugo: pitajte na jeziku tržišta koje mjerite. Pitanje na hrvatskom vodi do domaćih ponuđača, isto pitanje na engleskom često do međunarodnih lanaca.

Treće: koristite novi razgovor bez povijesti i, gdje je moguće, bez prijave. Pomoćnik koji pamti vaše ranije razgovore spomenut će vas češće nego nepoznatom korisniku, pa će mjerenje biti blaže od istine.

Četvrto: svaki odgovor zabilježite u dva stupca. Jeste li spomenuti, da ili ne, i na kojem ste mjestu popisa. Peto ime u odgovoru vrijedi manje od prvoga.

Peto: ponovite kod tri pomoćnika, primjerice ChatGPT, Claude i Gemini. Osam pitanja puta tri modela je dvadeset i četiri odgovora. Udio spominjanja je broj spominjanja podijeljen s dvadeset i četiri.

Što provjeriti na vlastitoj stranici u deset minuta?

Drugi dio provjere je tehnički i radite ga bez alata.

Otvorite adresu svoje domene s dodatkom robots.txt i pogledajte je li koji od ovih botova blokiran: GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended i CCBot. Svaki blokirani bot znači jedan model manje koji o vama može reći nešto aktualno. Prva dva oba su od OpenAI-ja i nisu isto: GPTBot uređuje učenje modela, a OAI-SearchBot vaše mjesto u pretraživanju unutar ChatGPT-a. Stranica koja dopušta prvoga i blokira drugoga na prvi pogled izgleda uredno, a u pretraživanju ChatGPT-a je nema. Pazite na tumačenje rezultata: samo odgovor 404 ili 410 znači da datoteke nema. Odgovor 403 ili 503 znači da vam poslužitelj ne dopušta čitanje, a to nije isto.

Provjerite postoji li datoteka llms.txt. To je kratak kazalo stranice napisan za jezične modele i modelu štedi nagađanje koja je stranica važna.

Isključite JavaScript u pregledniku i ponovno otvorite naslovnicu. Ono što ostane otprilike je ono što stroj pročita. Ako ostane prazan okvir, za modele ste nevidljivi bez obzira na kvalitetu sadržaja.

Pogledajte izvorni kod i potražite JSON-LD blok tipa Organization ili LocalBusiness. Taj blok stroju kaže ime, djelatnost i adresu u obliku koji ne mora razabirati iz teksta.

Na kraju otvorite sitemap.xml i provjerite je li čitljiv i sadrži li stranice koje želite pokazati.

Kako nastaje ocjena od 0 do 100?

Ocjena spaja oba dijela mjerenja u jedan broj. Četrdeset bodova pripada tehničkoj pripremljenosti stranice, šezdeset stvarnoj prisutnosti u odgovorima. Raspodjela po komponentama je u tablici ispod.

Jedan detalj razlikuje poštenu ocjenu od kozmetičke. Komponenta koja nije izmjerena izbacuje se iz brojnika i nazivnika. Stranica koja se tijekom provjere nije odazvala ne dobiva bodove za nešto što nitko nije vidio, ali ni kaznu. Komponenta koja jest izmjerena i ispala loše dobiva nulu: nedostajuća datoteka llms.txt je činjenica, a ne kvar mjerenja.

Isto vrijedi za poziciju. Ako je test prošao, a nijedan vas model nije spomenuo, pozicije nema, no to je izmjerena činjenica i vrijedi nula. Izbacila bi se samo da test uopće nije krenuo.

Budući da je nazivnik zbroj težina izmjerenih komponenata, rezultat je uvijek na ljestvici od 0 do 100, čak i kada neka provjera otpadne. Ocjena nosi i vlastiti broj verzije, pa je za pola godine jasno je li se promijenila vaša stranica ili formula.

Zašto se ručna provjera ne može ponoviti?

Ručna provjera daje red veličine i za prvi pogled je dovoljna. Problem nastaje drugi put.

Modeli na isto pitanje ne odgovaraju svaki put jednako. Jedno spominjanje je anegdota dok ga ne ponovite. Želite li znati je li se nakon tri mjeseca stanje popravilo, morate postaviti potpuno ista pitanja, istim modelima, na istom jeziku i rezultat zabilježiti na isti način. Već drugačija formulacija pitanja čini usporedbu neupotrebljivom.

Drugi razlog je vrijeme. Dvadeset i četiri odgovora ručno znači otprilike dva sata rada sa zapisivanjem, i to svaki put iznova.

Treći razlog je nepristranost. Kada vlastite rezultate ocjenjujete sami, napast da za lošu rundu nađete objašnjenje mnogo je veća nego kod broja koji izračuna postupak s fiksnim težinama.

Što tražiti od alata?

Ako ne želite voditi tablicu, alat se isplati samo ako radi četiri stvari. Postavlja ista pitanja u svakom pokretanju. Bilježi koji su modeli odgovorili i na kojem jeziku. Prikazuje ocjenu razloženu po komponentama umjesto jednog neprozirnog broja. I vodi verziju formule, pa promjena ocjene znači promjenu na vašoj stranici.

Entexia upravo takvu provjeru nudi besplatno. Upišete domenu i djelatnost, analiza postavi osam pitanja trima modelima, istodobno pročita robots.txt, llms.txt, sitemap.xml, JSON-LD i sadržaj dostupan bez JavaScripta, te vrati ocjenu s razradom iza nje. Obrazac i izvještaj rade na pet jezika: slovenskom, engleskom, hrvatskom, njemačkom i poljskom.

Ono što dobijete natrag je popis stavki s težinama, pa je vidljivo koja dva popravka vrijede najviše.

Što učiniti ako je ocjena niska?

Popravke radite redom po težini, a ne po osjećaju.

Najprije odblokirajte AI botove u robots.txt ako su blokirani. To je jedan redak i otvara put svemu ostalome. Zatim se pobrinite da glavni sadržaj bude u HTML-u bez izvršavanja skripti. Ako stranica stoji na okviru koji tekst iscrtava tek u pregledniku, uključite iscrtavanje na poslužitelju.

Slijede JSON-LD i llms.txt. Oba su mali zahvati s jasnim učinkom: prvi kaže tko ste, drugi kaže koje stranice pročitati prve.

Tek onda se primite sadržaja. Napišite stranicu koja izravno odgovara na pitanje koje vaš kupac postavlja modelu i odgovor stavite u prve rečenice, a ne u zaključak. Dodajte brojke koje se mogu provjeriti. Model radije citira stranicu koja u prvom odlomku kaže nešto opipljivo nego onu koja se do tvrdnje probija kroz uvod.

Zadnji korak je najsporiji i najvrjedniji: spominjanja izvan vlastite stranice. Model koji nađe jednu samohvalnu stranicu navodi je oprezno. Model koji istu tvrdnju nađe kod tri neovisna izvora iznosi je kao činjenicu.