Dacă folosești un tool care îți spune că brandul tău e „pe locul 3 în ChatGPT" pe baza unei rulări de ieri, o cercetare nouă are o veste proastă: acel număr e, cel mai probabil, zgomot statistic. Un preprint semnat de Ron Sielinski, cofondator IQRush, relatat de Search Engine Journal pe 11 iulie 2026, arată că rankingurile de vizibilitate AI au nevoie de 33 până la 94 de răspunsuri cu citări ca să se stabilizeze, iar în 3 din 30 de teste nu s-au stabilizat deloc, nici după 125 de întrebări. Concluzia pentru marketeri: snapshot-urile individuale de vizibilitate AI nu sunt date, sunt aruncări de zar. Măsurarea corectă există, dar cere medii pe multe rulări, intervale în loc de cifre unice și mult mai multă onestitate metodologică decât oferă majoritatea dashboard-urilor de azi.

Scriem asta ca platformă care oferă ea însăși verificări de vizibilitate AI, deci ni se aplică și nouă: mai jos găsești și cum ar trebui să arate o măsurare în care poți avea încredere.

Ce a testat cercetarea și ce a găsit

Sielinski a rulat 30 de teste de tip platformă-subiect pe trei motoare AI: SearchGPT, Google Gemini și Perplexity. Pentru fiecare combinație a măsurat cât de variabile sunt citările și cât de stabile sunt clasamentele rezultate atunci când pui, în esență, aceeași categorie de întrebări de mai multe ori.

Definiția stabilității din studiu e sănătoasă și merită reținută: un clasament e stabil doar când două condiții sunt îndeplinite simultan. Prima: rankingul încetează să se mai schimbe pe măsură ce adaugi răspunsuri. A doua: site-urile din top sunt separate statistic între ele dincolo de marja de eroare a măsurătorii. Nu e suficient ca ordinea să arate la fel două zile la rând; diferențele dintre poziții trebuie să fie mai mari decât zgomotul.

Rezultatele: în scenariile testate, a fost nevoie de între 33 și 94 de răspunsuri cu citări pentru ca un clasament să se stabilizeze. Trei din cele 30 de teste nu au atins stabilitatea nici după 125 de întrebări. Iar măsurătorile individuale variază semnificativ; într-unul dintre exemplele citate, o diferență de 3,5 puncte între scoruri era în interiorul marjei de eroare, adică nu însemna nimic.

Un detaliu suplimentar despre fragilitatea datelor: în unele teste, SearchGPT a returnat răspunsuri fără nicio citare în aproximativ 17% din cazuri. Nu doar că pozițiile fluctuează; uneori materia primă a măsurătorii (citările) lipsește cu totul.

Nuanțele: ce nu spune studiul

Ca să fim corecți cu cercetarea, limitele ei sunt reale și autorul nu le ascunde. E un preprint, încă nerevizuit de comunitatea științifică. Întrebările au fost generate de ChatGPT, nu extrase din căutări reale ale utilizatorilor. Colectarea s-a făcut într-o singură perioadă. Validarea e internă: stabilitatea e judecată față de clasamentul final al propriului test, nu față de un adevăr extern. Iar pragurile numerice (33-94 de răspunsuri) nu se transferă direct la alte subiecte sau industrii; la tine pragul poate fi altul.

Există însă un motiv serios să luăm concluzia în serios: un studiu independent de la Universitatea St. Gallen (Julius Schulte, Malte Bleeker și Philipp Kaufmann, publicat în aprilie 2026) a ajuns la concluzii convergente despre instabilitatea răspunsurilor AI. Două echipe, metodologii diferite, aceeași direcție: variabilitatea e o proprietate a modelelor generative, nu un defect al unui tool anume.

De ce se întâmplă asta e aproape banal: modelele generative sunt probabilistice. Aceeași întrebare, pusă de două ori, poate produce răspunsuri cu surse diferite. GEO nu optimizează pentru un index stabil, ca SEO-ul clasic, ci pentru o distribuție de probabilitate. Iar o distribuție nu o măsori cu un singur eșantion.

Ce înseamnă asta pentru tool-urile și rapoartele de vizibilitate AI

Implicația comercială e directă: orice dashboard care îți arată „poziția în AI" pe baza unei rulări unice, orice raport lunar construit pe un snapshot și orice grafic care sare de la locul 2 la locul 7 de la o săptămână la alta fără interval de încredere vinde precizie pe care nu o are. Asta nu înseamnă că tool-urile de vizibilitate AI sunt inutile; înseamnă că trebuie să întrebi furnizorul cum măsoară.

Recomandările din cercetare sunt un checklist bun de due diligence: măsurători pe rulări multiple, nu snapshot-uri; raportare pe intervale, nu pe cifre unice; furnizori care „își arată calculele", adică publică metodologia și numărul de rulări; și încredere mai mare în pozițiile de top, unde separarea statistică e mai clară, decât în mijlocul și coada clasamentului, unde marjele de eroare sunt late și ordinea e efectiv aleatorie.

Pentru piața din România mai e un factor: volumele de întrebări în română sunt mai mici, iar comportamentul modelelor pe limba română e mai puțin testat, deci varianța e plauzibil mai mare, nu mai mică. Scepticismul metodologic e cu atât mai justificat la noi.

Cum măsori totuși corect vizibilitatea AI

Vestea bună: instabilitatea nu face măsurarea imposibilă, doar o face statistică. Câteva principii care rezultă direct din cercetare:

Măsoară în medii, nu în momente. Rulează același set de întrebări de mai multe ori, pe zile diferite, și raportează frecvența citării (în câte din 20 de rulări apari) în loc de poziție. „Apărem în 14 din 20 de rulări, față de 8 din 20 luna trecută" e o afirmație solidă; „suntem pe locul 3" nu e.

Urmărește trenduri, nu snapshot-uri. O singură măsurătoare nu spune nimic; o serie de 8-12 măsurători săptămânale, agregate, arată o direcție reală. Iar pentru testele înainte și după (ai schimbat conținutul, vrei să vezi efectul), fă măsurători multiple în ambele ferestre, altfel compari două zaruri.

Acceptă granularitatea reală: prezent sau absent în răspuns e un semnal mult mai robust decât poziția exactă. Combinat cu întrebările reale ale clienților tăi, e suficient pentru decizii. Un instrument ca verificatorul AI folosit recurent, pe același set de întrebări, valorează mai mult decât orice clasament spectaculos rulat o singură dată. Iar dacă abia intri în subiect, ghidul nostru despre AI marketing pune contextul mai larg.

Ce faci concret

  1. Definește un set fix de 15-20 de întrebări reale ale clienților tăi (în română, așa cum le-ar pune ei) și nu îl schimba de la o măsurătoare la alta.
  2. Rulează setul pe mai multe motoare (ChatGPT, Gemini, Perplexity) de mai multe ori pe lună, în zile diferite, și notează pentru fiecare întrebare: apari sau nu, cine e citat, ce surse revin constant.
  3. Raportează frecvențe și intervale („citați în 60-70% din rulări pe întrebarea X"), niciodată poziții unice dintr-o rulare.
  4. Decide pe trenduri de minimum 6-8 săptămâni; ignoră orice variație de la o săptămână la alta, e aproape sigur zgomot.
  5. Când evaluezi un tool de vizibilitate AI, cere metodologia: câte rulări per datapoint, ce marjă de eroare, cum agregă. Dacă nu poate răspunde, cifrele lui sunt decorative.
  6. Concentrează efortul de optimizare pe ce controlezi (conținut citabil, date proprii, autoritate pe nișă) și tratează clasamentele ca termometru aproximativ, nu ca KPI de bonus.

Sursa: Search Engine Journal