Rixe führt einen definierten Satz Kategorie-Prompts einmal täglich über die echte Oberfläche jeder Engine aus und wertet die zurückkommende Antwort aus. Für jeden Lauf wird festgehalten, ob die Marke genannt wurde, ihr Rang unter den genannten Marken, der Ton des Satzes rund um den Namen und jede in der Antwort zitierte Quelle. Aus einem einzelnen Lauf wird kein Wert veröffentlicht: Unter fünf Läufen gilt ein Prompt als unzureichende Stichprobe, und jeder Wert wird mit einem Wilson-Konfidenzintervall ausgeliefert.
Ein einzelner Lauf beweist sehr wenig — genau der Teil, den die meisten Messansätze überspringen. Generative Modelle sind probabilistisch: Stellen Sie dieselbe Frage zweimal, und die Menge der Marken kann sich ändern, die Reihenfolge fast sicher. Aus einer einzigen Antwort einen Wert zu veröffentlichen, erzeugt eine Zahl, die sich aus Gründen bewegt, die mit Ihrer Marke nichts zu tun haben.
Rixe behandelt jeden Prompt als Stichprobe, nicht als Ablesung. Unter fünf Läufen gilt ein Prompt als unzureichende Stichprobe und zeigt gar keinen Wert; und jeder veröffentlichte Wert trägt ein Wilson-Konfidenzintervall, sodass 41 % aus zwölf Beobachtungen sichtbar unsicherer sind als 41 % aus neunzig. Ist eine Engine nicht erreichbar, werden die Daten als fehlend markiert statt still als Null gezählt — ein defekter Adapter darf nie wie ein Sichtbarkeitsverlust aussehen.
Die Rohantwort wird wortgetreu neben den ausgewerteten Kennzahlen gespeichert. Das macht ein Ergebnis prüfbar: Bewegt sich eine Zahl, öffnen Sie die Antworten dahinter und lesen die Sätze, die sich geändert haben, statt einem Diagramm zu vertrauen.
Das Prompt-Set ist das Instrument
Alles Weitere hängt an den Fragen, also werden sie vor jeder Messung festgelegt und dann in Ruhe gelassen. Sie sind so formuliert, wie ein Käufer sie tippen würde — ein Satz mit Budget, Teamgröße oder einer Einschränkung —, nicht als Keywords, denn genau das bekommt die Engine im echten Gebrauch.
Ein Set mit vielen Awareness-Fragen und wenigen Vergleichsfragen schmeichelt Ihnen, denn breite Fragen erzeugen lange Listen. Das Set nach der Käuferphase zu staffeln — lernen, vergleichen, entscheiden — verhindert, dass ein gesund aussehender Wert neben einer Pipeline steht, die ihm widerspricht.
Wiederholung — und warum ein Lauf nichts beweist
Generative Modelle sind probabilistisch. Stellen Sie dieselbe Frage zweimal innerhalb einer Stunde, und Marken, Reihenfolge und manchmal die Fakten können abweichen — das macht einen einzelnen Screenshot zum unzuverlässigsten Beleg in diesem Feld. Die Antwort ist langweilig und sie ist die ganze Methode: denselben Prompt wiederholt nach Plan laufen lassen und die Rate berichten.
Wiederholung macht auch ein Konfidenzintervall möglich, und das Intervall hindert ein Team daran, auf Rauschen zu reagieren. Unterhalb einer Mindestzahl von Läufen je Engine wird gar kein Wert veröffentlicht; der Screen sagt, die Stichprobe sei zu klein, statt eine Linie zu zeichnen, die als Trend gelesen würde.
Was aus jeder Antwort erfasst wird
Jede Antwort wird vollständig aufbewahrt und dann auf fünf Dinge gelesen: ob Ihre Marke genannt wurde, an welcher Stelle, was über sie gesagt wurde, welche Seiten die Engine zitierte und welche Wettbewerber im selben Satz standen. Die Rohantwort aufzubewahren ist der Teil, der den Rest Monate später prüfbar macht.
Der Ton wird automatisch klassifiziert, also ist er manchmal falsch, und eine Messplattform sollte das sichtbar sagen, nicht in einer Fußnote. Was falsch gelesen wirkt, lässt sich markieren, und die Markierung trägt den Beleg mit — so betrifft die Korrektur eine bestimmte Antwort an einem bestimmten Datum.
