एक ही प्रॉम्प्ट पर AI के जवाब अक्सर बदल जाते हैं, और जिन सोर्स को वे साइट करते हैं, वे उन ब्रैंड्स से कहीं ज़्यादा बदलते हैं जिनका वे ज़िक्र करते हैं। AI Rank Lab में 13 फ़रवरी से 14 अक्टूबर 2026 के बीच ट्रैक किए गए 42 प्रॉम्प्ट-इंजन जोड़ों के 968 दोहराए गए रन में से 18 जोड़े (42.9%) कम से कम एक बार ट्रैक किए गए ब्रैंड का ज़िक्र करने और न करने के बीच पलटे। साथ ही, एक ही प्रॉम्प्ट के लगातार दो रन में साइट किए गए डोमेन का मीडियन ओवरलैप सिर्फ़ 0.41 (Jaccard) रहा। सीधी भाषा में कहें तो: एक रन सिर्फ़ एक सैंपल है, पक्का माप नहीं।
यह फ़र्स्ट-पार्टी डेटा पर आधारित स्टडी है। आगे आपको इंजन के हिसाब से आँकड़े, तरीका और उसकी सीमाएँ मिलेंगी, यह भी कि हमारे नतीजे Profound, Otterly, SparkToro और University of St. Gallen के शोधकर्ताओं के प्रकाशित काम से कितने मेल खाते हैं। और आख़िर में उन दो सवालों का व्यावहारिक जवाब, जिनसे हर AI विज़िबिलिटी रिपोर्ट को जूझना पड़ता है: ट्रैकिंग कितनी बार करें, और किसी बदलाव पर भरोसा करने से पहले कितने रन चाहिए?
मुख्य बातें
- ज़िक्र पलटते हैं। 42 में से 18 प्रॉम्प्ट-इंजन जोड़े (42.9%) कम से कम एक बार "ब्रैंड का ज़िक्र हुआ" और "ज़िक्र नहीं हुआ" के बीच पलटे, जबकि हर जोड़े पर औसतन लगभग 23 रन हुए।
- सोर्स बदलते रहते हैं। लगातार दो रन के बीच साइट किए गए डोमेन का मीडियन Jaccard ओवरलैप 0.41 रहा। Perplexity सबसे स्थिर रहा (0.59) और Gemini सबसे कम स्थिर (0.26)।
- बहुत कम सोर्स हमेशा टिके रहते हैं। किसी जोड़े के पूरे इतिहास में साइट किए गए डोमेन में से मीडियन सिर्फ़ 3.5% हर रन में दिखे, और पूरे समय में जोड़े ने एक आम सिंगल रन की तुलना में मीडियन 2.68 गुना ज़्यादा अलग-अलग डोमेन साइट किए।
- ज़िक्र की स्थिरता और सोर्स की स्थिरता अलग चीज़ें हैं। Gemini में ज़िक्र सबसे कम पलटे (23.1% जोड़े), लेकिन सोर्स सबसे ज़्यादा बदले; Perplexity ने सोर्स सबसे अच्छे से बनाए रखे, लेकिन 6 में से 4 जोड़ों में ज़िक्र पलटे।
- स्नैपशॉट नहीं, विंडो रिपोर्ट करें। प्रॉम्प्ट रोज़ चलाएँ, 14 से 28 दिन की विंडो पर दरें रिपोर्ट करें, इंजनों को अलग-अलग रखें, और सिर्फ़ उन्हीं बदलावों पर कदम उठाएँ जो कई विंडो और कई प्रॉम्प्ट में टिके रहें।
हमने क्या मापा, और कैसे?
हमने यह मापा कि एक ही इंजन पर एक ही प्रॉम्प्ट का जवाब एक रन से अगले रन तक कितना बदलता है। डेटा AI Rank Lab के ब्रैंड विज़िबिलिटी ट्रैकर में शेड्यूल्ड और मैनुअल प्रॉम्प्ट रन से आया है। यह ट्रैकर यूज़र के प्रॉम्प्ट AI इंजनों पर चलाता है और रिकॉर्ड करता है कि ट्रैक किए गए ब्रैंड का ज़िक्र हुआ या नहीं, और जवाब ने कौन-से डोमेन साइट किए। डिस्क्लोज़र: AI Rank Lab हमारा प्रोडक्ट है, और यह डेटा उसी ने इकट्ठा किया है।
| स्टडी का पैरामीटर | वैल्यू |
|---|---|
| अवधि | 2026-02-13 से 2026-10-14 के बीच के सफल रन |
| शामिल करने का नियम | सिर्फ़ वे प्रॉम्प्ट + इंजन जोड़े जिनके 5 या ज़्यादा सफल रन हुए |
| सैंपल | 42 प्रॉम्प्ट-इंजन जोड़े, 968 रन (हर जोड़े पर औसतन लगभग 23 रन) |
| योग्य जोड़ों वाले इंजन | Gemini (13 जोड़े), ChatGPT (11), Claude (11), Perplexity (6), Google AI Overview (1)। Google AI Mode का कोई भी जोड़ा 5+ रन तक नहीं पहुँचा। |
| ब्रैंड | 12 ट्रैक किए गए डोमेन से लिए गए, ज़्यादातर मार्केटिंग और सॉफ़्टवेयर ब्रैंड। यहाँ किसी भी ग्राहक का डोमेन नाम से नहीं बताया गया है। |
| हर जोड़े की आम समय-सीमा | ChatGPT, Claude और Gemini के लिए मीडियन 25.3 दिन; Perplexity के लिए 12.8 दिन; अकेले AI Overview जोड़े के लिए 37.6 दिन |
चार मेट्रिक्स, हर एक को पहले हर जोड़े के लिए निकाला गया और फिर सभी जोड़ों का मीडियन (या गिनती) लिया गया:
- मेंशन फ़्लिप: जोड़े के सभी रन इस पर सहमत नहीं थे कि ब्रैंड का ज़िक्र हुआ या नहीं। जो जोड़े कभी नहीं पलटे, वे या तो "हमेशा ज़िक्र हुआ" वाले हैं या "कभी ज़िक्र नहीं हुआ" वाले।
- लगातार रन का Jaccard: हर दो लगातार रन के लिए, दोनों में साझा साइट किए गए डोमेन की संख्या को उन अलग-अलग डोमेन की कुल संख्या से भाग दिया गया जिन्हें दोनों में से किसी ने भी साइट किया। 1.0 का मतलब है सोर्स की सूची बिल्कुल एक जैसी; 0 का मतलब है कोई ओवरलैप नहीं। हम इसका औसत एक जोड़े के भीतर निकालते हैं, फिर सभी जोड़ों का मीडियन लेते हैं।
- हर रन में मौजूद डोमेन: किसी जोड़े द्वारा कभी भी साइट किए गए सभी डोमेन में से उन डोमेन का हिस्सा जो उसके हर एक रन में दिखे।
- सभी रन बनाम एक रन में अलग-अलग डोमेन: जोड़े ने अपने पूरे इतिहास में कितने अलग-अलग डोमेन साइट किए, उसे एक रन में औसतन साइट किए गए डोमेन की संख्या से भाग दिया गया।
रन कंज़्यूमर चैट ऐप के ज़रिए नहीं, बल्कि हर इंजन की API से चलाए जाते हैं, जिसमें वेब सर्च या सर्च ग्राउंडिंग चालू रहती है। स्कोरिंग निर्देश में ट्रैक किए गए ब्रैंड का नाम होता है ताकि जवाब को स्कोर किया जा सके। नतीजों को समझने में ये दोनों बातें मायने रखती हैं, और सीमाओं वाले सेक्शन में हम इन पर लौटेंगे।
एक ही प्रॉम्प्ट पर AI के जवाब कितनी बार बदलते हैं?
इतनी बार कि एक रन से आपको बहुत कम पता चलता है। सभी 42 जोड़ों में से 18 (42.9%) में ब्रैंड का ज़िक्र कम से कम एक बार पलटा, 19 में हर रन में ज़िक्र हुआ और 5 में कभी नहीं हुआ। सोर्स की बात करें तो एक ही प्रॉम्प्ट के लगातार दो रन ने, दोनों में से किसी भी रन में साइट हुए डोमेन में से मीडियन सिर्फ़ 41% साझा किए। यानी किन्हीं भी दो लगातार जवाबों में मोटे तौर पर हर पाँच में से तीन डोमेन सिर्फ़ एक ही जवाब में दिखे। हमारे सैंपल में AI जवाबों की स्थिरता पर यही मुख्य नतीजा है: प्रॉम्प्ट के एक बड़े हिस्से के लिए ब्रैंड का फ़ैसला अस्थिर है, और लगभग सभी के लिए सोर्स की सूची अस्थिर है।
इंजन के हिसाब से मुख्य नतीजे
| इंजन | जोड़े | रन | जिन जोड़ों में ज़िक्र पलटा | हमेशा / कभी नहीं ज़िक्र | लगातार रन का मीडियन Jaccard | हर रन में मौजूद साइट किए गए डोमेन का मीडियन % | सभी रन बनाम एक रन में अलग-अलग डोमेन |
|---|---|---|---|---|---|---|---|
| Perplexity | 6 | 224 | 4 (66.7%) | 2 / 0 | 0.59 | 3.8% | 2.43x |
| ChatGPT | 11 | 239 | 6 (54.5%) | 1 / 4 | 0.54 | 7.7% | 2.29x |
| Claude | 11 | 226 | 5 (45.5%) | 6 / 0 | 0.53 | 10.0% | 2.61x |
| Gemini | 13 | 274 | 3 (23.1%) | 10 / 0 | 0.26 | 2.1% | 3.50x |
| Google AI Overview* | 1 | 5 | 0 (0%) | 0 / 1 | 0.41 | 3.3% | 2.63x |
| सभी इंजन | 42 | 968 | 18 (42.9%) | 19 / 5 | 0.41 | 3.5% | 2.68x |
*पाँच रन वाला एक जोड़ा एक किस्सा भर है, कोई नतीजा नहीं। इसे हमने सिर्फ़ पूरी तस्वीर के लिए दिखाया है। सभी इंजनों का Jaccard (0.41) चार मुख्य इंजनों में से तीन से नीचे है, क्योंकि यह सभी 42 जोड़ों को एक साथ मिलाकर निकाला गया मीडियन है, और Gemini के कम ओवरलैप वाले 13 जोड़े इसे नीचे खींच लेते हैं।
कौन-सा AI इंजन सबसे स्थिर जवाब देता है?
यह इस पर निर्भर करता है कि आप किस तरह की स्थिरता की बात कर रहे हैं, और हमारे डेटा में दोनों तरह की स्थिरता उल्टी दिशाओं में गईं।
- सबसे स्थिर सोर्स: Perplexity. इसके लगातार रन ने साइट किए गए डोमेन का मीडियन 0.59 साझा किया, जो किसी भी इंजन में सबसे ज़्यादा है। एक बात ध्यान रखें: Perplexity के जोड़े ज़्यादा घने तरीके से चलाए गए, हर जोड़े पर लगभग 37 रन मीडियन 12.8 दिनों में, जबकि बाकी इंजनों पर मीडियन 25.3 दिनों में मोटे तौर पर 20 से 22 रन। समय में पास-पास हुए रन के बदलने की गुंजाइश कम होती है, इसलिए हो सकता है इसका आँकड़ा असल से बेहतर दिख रहा हो।
- ब्रैंड पर सबसे स्थिर फ़ैसला: Gemini. इसके 13 में से सिर्फ़ 3 जोड़े (23.1%) कभी पलटे, और 10 में हर रन में ज़िक्र हुआ। हमारा मानना है कि यह ज़्यादातर Gemini पर संयोग से ट्रैक हुए प्रॉम्प्ट के मिक्स को दिखाता है, Gemini की किसी ख़ासियत को नहीं, और हमारा सैंपल इन दोनों को अलग नहीं कर सकता।
- सबसे अस्थिर सोर्स: Gemini. मीडियन Jaccard 0.26, साइट किए गए डोमेन में से सिर्फ़ 2.1% हर रन में मौजूद, और समय के साथ एक आम रन की तुलना में 3.5 गुना ज़्यादा अलग-अलग डोमेन। Gemini ब्रैंड का नाम तो लेता रहा, लेकिन जिन पेजों की ओर इशारा करता था, उन्हें बदलता रहा।
- "स्थायी" सोर्स का सबसे बड़ा हिस्सा: Claude. किसी जोड़े के लिए Claude ने जितने डोमेन साइट किए, उनमें से मीडियन 10% हर रन में दिखे, जो चार मुख्य इंजनों में सबसे ज़्यादा है।
- ChatGPT सोर्स ओवरलैप में बीच में रहा (0.54) और इसमें सबसे ज़्यादा ऐसे जोड़े थे जिनमें ब्रैंड का कभी ज़िक्र नहीं हुआ (11 में से 4)।
क्या ब्रैंड के ज़िक्र साइट किए गए सोर्स से ज़्यादा स्थिर होते हैं?
हाँ। हमारे डेटा में 42 में से 24 जोड़ों (19 हमेशा ज़िक्र वाले और 5 कभी नहीं ज़िक्र वाले) ने हर रन में ब्रैंड पर एक जैसा फ़ैसला दिया, जबकि साइट किए गए डोमेन में से मीडियन सिर्फ़ 3.5% हर रन में टिके। प्रकाशित रिसर्च भी यही कहती है: Otterly की स्टेबिलिटी स्टडी में 30 दिन की विंडो में 12% से 19% ब्रैंड सिर्फ़ एक दिन दिखे, जबकि साइट किए गए सोर्स में यह आँकड़ा 67% तक था। और St. Gallen के पेपर ने रोज़-ब-रोज़ ब्रैंड का Jaccard 0.45 से 0.59 मापा, जबकि सोर्स का 0.34 से 0.42। अगर आप एक ही नंबर रिपोर्ट करते हैं, तो किसी विंडो पर ब्रैंड के ज़िक्र की दर, "कौन-से पेज साइट हुए" वाले किसी भी स्नैपशॉट से ज़्यादा स्थिर है। दोनों के लिए अलग KPI क्यों चाहिए, यह हमारे ब्रैंड मेंशन बनाम साइटेशन वाले लेख में समझाया गया है।
एक ही सवाल पर AI इंजन अलग-अलग जवाब क्यों देते हैं?
क्योंकि AI का जवाब कई कदमों की एक चेन का आख़िरी सिरा होता है, और लगभग हर कदम में कुछ न कुछ रैंडमनेस या कोई बदलता इनपुट होता है। नीचे की टेबल में मुख्य कारण दिए गए हैं, और यह भी कि क्या कोई ट्रैकिंग सेटअप उन्हें कंट्रोल कर सकता है।
| बदलाव का कारण | यह क्या बदलता है | सबूत | क्या ट्रैकर इसे कंट्रोल कर सकता है? |
|---|---|---|---|
| टोकन सैंपलिंग और इन्फ़रेंस की नॉन-डिटर्मिनिज़्म | शब्द, किन ब्रैंड्स का नाम आता है, क्रम | Thinking Machines को temperature 0 पर 1,000 एक जैसे अनुरोधों से 80 अलग-अलग जवाब मिले | नहीं। कंज़्यूमर ऐप इसे उपलब्ध नहीं कराते। |
| रिट्रीवल और क्वेरी फ़ैन-आउट | कौन-से पेज लाए और साइट किए जाते हैं | Google कहता है कि AI Overviews और AI Mode सबटॉपिक्स पर कई संबंधित सर्च चला सकते हैं | नहीं। आप इसे बस बार-बार सैंपल कर सकते हैं। |
| इंडेक्स और वेब में बदलाव | नए पेज आते हैं, पुराने हट जाते हैं | Profound ने एक महीने में 40.5% से 59.3% साइट किए गए डोमेन बदलते मापे | नहीं। यह असली बदलाव है, जिसे आप देखना चाहते हैं। |
| मॉडल अपडेट | ज़िक्र और सोर्स, दोनों में अचानक बड़ा बदलाव | Profound के मुताबिक जनवरी से जुलाई तक ड्रिफ़्ट बढ़कर 70% से 90% तक पहुँचा | कुछ हद तक। मॉडल वर्ज़न लॉग करें और रोलआउट पर नोट लगाएँ। |
| पर्सनलाइज़ेशन, लोकेशन, मेमोरी | किसी एक यूज़र को क्या दिखता है | स्टडीज़ इन्हें स्थिर रखती हैं; असली यूज़र नहीं रखते | कुछ हद तक। ट्रैकिंग में लोकेशन और सेटिंग्स तय रखें। |
| एक ही कंपनी के अलग-अलग प्रोडक्ट | पूरा सोर्स सेट | Ahrefs ने AI Mode और AI Overviews के बीच 13.7% साइटेशन ओवरलैप पाया | हाँ। हर सरफ़ेस को अलग से ट्रैक करें। |
सैंपलिंग। लैंग्वेज मॉडल हर अगला टोकन एक प्रोबेबिलिटी डिस्ट्रीब्यूशन से चुनते हैं, इसलिए एक ही प्रॉम्प्ट से अलग-अलग टेक्स्ट बन सकता है। temperature को शून्य पर सेट करने से भी होस्टेड मॉडल पूरी तरह दोहराने लायक नहीं बनते: Thinking Machines Lab ने Qwen3-235B पर temperature 0 पर एक ही प्रॉम्प्ट 1,000 बार चलाया और 80 अलग-अलग जवाब पाए। इसकी वजह उन्होंने ऐसे इन्फ़रेंस कर्नेल बताए जिनके नतीजे बैच साइज़ पर, और इसलिए सर्वर लोड पर, निर्भर करते हैं।
रिट्रीवल। सर्च वाले जवाब इस पर निर्भर करते हैं कि इंजन क्या लाता है। AI फ़ीचर्स पर Google का अपना डॉक्यूमेंटेशन कहता है कि AI Overviews और AI Mode "क्वेरी फ़ैन-आउट" का इस्तेमाल कर सकते हैं, यानी सबटॉपिक्स पर कई संबंधित सर्च चलाना, और यह कि दोनों फ़ीचर्स "अलग-अलग मॉडल और तकनीकें इस्तेमाल कर सकते हैं, इसलिए उनके दिखाए जवाबों और लिंक का सेट अलग होगा।" कौन-सी सब-क्वेरी चलती हैं और वे क्या लौटाती हैं, इसमें छोटे-छोटे फ़र्क भी साइटेशन की सूची बदल देते हैं। यह पूरा मैकेनिज़्म हमारे क्वेरी फ़ैन-आउट वाले लेख में समझाया गया है।
समय के साथ असली बदलाव। कुछ हलचल असली होती है: नए पेज छपते हैं, रैंकिंग बदलती है, और मॉडल अपडेट होते हैं। Profound की वोलैटिलिटी स्टडी में पाया गया कि जून से जुलाई 2025 के बीच एक जैसे प्रॉम्प्ट के लिए 40% से 60% साइट किए गए डोमेन बदल गए। उसकी बाद की साइटेशन हाफ़-लाइफ़ स्टडी के मुताबिक मीडियन साइट किया गया पेज अपने पीक के 11 दिन के भीतर अपने पीक साइटेशन शेयर का आधा खो देता है। हमारी अवधि आठ महीने की है और मॉडल वर्ज़न फ़िक्स नहीं थे, इसलिए हमारे बदलाव का कुछ हिस्सा ऐसा ही असली ड्रिफ़्ट है, शोर नहीं।
अलग-अलग सरफ़ेस। एक ही कंपनी के भीतर भी प्रोडक्ट अलग होते हैं। Ahrefs ने 540,000 क्वेरी जोड़ों की तुलना की और पाया कि AI Mode और AI Overviews ने सिर्फ़ 13.7% बार एक जैसे URL साइट किए, जबकि 86% बार उनके जवाब अर्थ के हिसाब से मिलते-जुलते थे।
ये नतीजे Profound, Otterly, SparkToro और St. Gallen से कैसे मेल खाते हैं?
मोटे तौर पर सब एक ही बात कहते हैं: सोर्स की सूचियाँ बहुत बदलती हैं, ब्रैंड की मौजूदगी ज़्यादा स्थिर रहती है, और एक स्नैपशॉट गुमराह करता है। टेबल में प्रकाशित आँकड़े साथ-साथ रखे गए हैं। ध्यान दें कि मेट्रिक्स अलग-अलग हैं, इसलिए दशमलव नहीं, दिशा की तुलना करें।
| स्टडी | किसने प्रकाशित की | सैंपल | तुलना लायक नतीजा |
|---|---|---|---|
| AI Rank Lab (यह स्टडी) | वेंडर (हम) | 42 प्रॉम्प्ट-इंजन जोड़े, 968 रन, फ़रवरी से अक्टूबर 2026 | लगातार रन में साइट किए गए डोमेन का Jaccard 0.41; 42.9% जोड़ों में ब्रैंड का ज़िक्र पलटा |
| Don't Measure Once (Schulte, Bleeker, Kaufmann) | University of St. Gallen के शोधकर्ता | 32 स्विस-जर्मन प्रॉम्प्ट, 4 इंजन, जनवरी से मार्च 2026 के बीच 45 से 46 दिन | रोज़-ब-रोज़ सोर्स Jaccard 0.34 से 0.42; 24 घंटे के भीतर दोहराव 0.32 से 0.43; ब्रैंड Jaccard 0.45 से 0.59 |
| Otterly AI की स्टेबिलिटी स्टडी | वेंडर | 520 प्रॉम्प्ट, 7 इंजन, 252,407 जवाब, रोज़ाना रन | ChatGPT और AI Mode ने रोज़-ब-रोज़ लगभग 26% सोर्स दोबारा इस्तेमाल किए, Perplexity ने लगभग 75% |
| Profound: AI search volatility | वेंडर | हर प्लैटफ़ॉर्म पर लगभग 80,000 प्रॉम्प्ट, जून बनाम जुलाई 2025 | एक महीने में 40.5% (Perplexity) से 59.3% (AI Overviews) साइट किए गए डोमेन बदले |
| Yotpo: How long does an AI citation last? | वेंडर | कॉमर्स प्रॉम्प्ट, 14+ हफ़्तों तक हर हफ़्ते | साप्ताहिक साइटेशन स्थिरता 0.30 (ChatGPT) और 0.24 (Gemini) |
| SparkToro और Gumshoe (Search Engine Journal के ज़रिए) | SparkToro, एक ट्रैकिंग वेंडर के साथ | वॉलंटियर्स द्वारा ChatGPT, Claude, Google AI पर 2,961 प्रॉम्प्ट रन | 100 में 1 बार से भी कम ब्रैंड्स की एक जैसी सूची; ब्रैंड की मौजूदगी क्रम से ज़्यादा स्थिर |
इस टेबल में St. Gallen के पेपर को छोड़कर हर स्टडी ऐसी कंपनी की है जो AI विज़िबिलिटी ट्रैकिंग बेचती है, हमारी भी। जब इनमें से कोई भी, हम भी, यह नतीजा निकाले कि आपको और ज़्यादा ट्रैकिंग चाहिए, तो यह बात ध्यान में रखना ठीक रहेगा।
जहाँ हम सहमत हैं। हमारा कुल सोर्स ओवरलैप 0.41, St. Gallen की रेंज (रोज़-ब-रोज़ 0.34 से 0.42) के भीतर आता है। Perplexity का सोर्स के मामले में सबसे स्थिर इंजन होना Otterly (रोज़-ब-रोज़ लगभग 75% दोबारा इस्तेमाल) और Profound (40.5% के साथ सबसे कम मासिक ड्रिफ़्ट) से मेल खाता है। ब्रैंड की मौजूदगी का सोर्स से ज़्यादा स्थिर होना Otterly, St. Gallen और SparkToro से मेल खाता है।
जहाँ हम असहमत हैं। St. Gallen के 24 घंटे के भीतर के दोहराव में Gemini सोर्स के मामले में सबसे स्थिर इंजन था (Jaccard 0.505) और Perplexity सबसे कम स्थिर इंजनों में (0.282), यानी हमारी रैंकिंग का उल्टा। उनके रन जर्मन में, स्विस सर्वर से, कुछ ही दिनों में चले; हमारे ज़्यादातर अंग्रेज़ी के मार्केटिंग और सॉफ़्टवेयर प्रॉम्प्ट हैं, जो कई हफ़्तों में फैले हैं। स्थिरता के लिए इंजनों की रैंकिंग अलग-अलग बाज़ारों और सेटअप में एक जैसी नहीं रहती, और यही वजह है कि किसी और की, हमारी भी, बेसलाइन उधार लेने के बजाय हर इंजन के लिए अपनी बेसलाइन बनाएँ।
Peec AI का क्या? 18 अक्टूबर 2026 तक हमें Peec AI का दोहराए गए रन की स्थिरता पर कोई प्रकाशित आँकड़ा नहीं मिला। उसका प्राइसिंग पेज ट्रैकिंग कवरेज को ट्रैक किए गए प्रॉम्प्ट × एक्टिव मॉडल × ट्रैकिंग फ़्रीक्वेंसी के रूप में बताता है, और उसके विज़िबिलिटी ओवरव्यू को रोज़ ट्रैक होने वाला बताता है, जिससे वही विंडो-आधारित तरीका झलकता है।
क्या AI विज़िबिलिटी का एक स्नैपशॉट भरोसेमंद है?
नहीं। हमारे सैंपल में 43% प्रॉम्प्ट-इंजन जोड़े इस पर निर्भर करते हुए अलग ब्रैंड फ़ैसला देते कि आपने संयोग से कौन-सा रन देखा। और एक आम सिंगल रन ने उन डोमेन के आधे से भी काफ़ी कम दिखाए जिन्हें वह जोड़ा समय के साथ साइट करता है (2.68x के अलग-अलग डोमेन अनुपात का मतलब है कि एक रन ने जोड़े के आख़िरी सोर्स पूल का मोटे तौर पर 37% ही पकड़ा)। SparkToro के वॉलंटियर्स ने पाया कि ChatGPT और Google के AI ने 100 रन में एक बार से भी कम ब्रैंड्स की एक जैसी सूची लौटाई। स्क्रीनशॉट बस यह साबित करता है कि एक जवाब एक बार आया था। वह आपकी विज़िबिलिटी के बारे में कुछ नहीं बताता।
स्नैपशॉट की जगह AI विज़िबिलिटी रिपोर्ट में क्या दिखना चाहिए?
विंडो पर दरें। "क्या हमारा ज़िक्र हुआ?" की जगह पूछें "पिछले N दिनों में कुल कितने रन में से कितने प्रतिशत रन में हमारा ज़िक्र हुआ?" यह रहा वह रिपोर्टिंग सेटअप जिसकी हम सलाह देते हैं, और जिससे यह डेटा आया है:
- प्रॉम्प्ट सेट तय रखें। हर इंजन के लिए प्रॉम्प्ट की एक स्थिर सूची रखें ताकि दर का आधार, यानी कुल गिनती, न बदले। प्रॉम्प्ट बदलने से मेट्रिक ज़्यादातर असली बदलावों से भी ज़्यादा बदल जाता है; Profound के दिन में एक बार वाले टेस्ट में पाया गया कि प्रॉम्प्ट पोर्टफ़ोलियो के चुनाव ने साइटेशन शेयर को रोज़-ब-रोज़ के ड्रिफ़्ट की तुलना में लगभग दस गुना ज़्यादा हिलाया।
- शेड्यूल पर चलाएँ। रोज़ाना चलाना आम डिफ़ॉल्ट है। AI Rank Lab में शेड्यूल्ड प्रॉम्प्ट रन यह काम ChatGPT, Claude, Gemini और Perplexity के लिए अपने-आप करते हैं और हर रन को सेव करते हैं, और इसी तरह इस लेख का डेटा जमा हुआ।
- विंडो पर ज़िक्र की दर रिपोर्ट करें। 14 से 28 दिनों में ज़िक्र वाले रन को कुल रन से भाग दें, और दर के साथ रन की गिनती भी लिखें।
- साइटेशन शेयर अलग से रिपोर्ट करें। ट्रैक करें कि आपके कौन-से URL पूरी विंडो में साइट होते हैं, किसी एक रन में नहीं। मानकर चलें कि सूची बदलती रहेगी; सूची में कौन है, यह नहीं, शेयर देखें। ऐसा करने का एक तरीका हमारा साइटेशन ट्रैकर है।
- इंजनों को अलग रखें। हमारे इंजन इस पर एकमत नहीं थे कि उनमें किस तरह की स्थिरता है। मिला-जुला स्कोर यह बात छिपा देता है।
- मॉडल और प्रोडक्ट में बदलाव नोट करें। जब कोई इंजन नया मॉडल लाए, तो तारीख़ मार्क करें ताकि अचानक आए बदलाव को कंटेंट की जीत या हार न समझ लिया जाए।
- टिकाऊ बदलावों पर ही कदम उठाएँ। किसी बदलाव को तभी असली मानें जब वह लगातार दो विंडो में बना रहे और एक से ज़्यादा प्रॉम्प्ट में दिखे।
अगर आपकी टीम AI विज़िबिलिटी का एक ही नंबर इस्तेमाल करती है, तो AEO स्कोर कैसे मापा जाता है पर हमारी गाइड बताती है कि उसके पीछे क्या होना चाहिए।
किसी बदलाव पर भरोसा करने से पहले कितने रन चाहिए?
ज़्यादातर डैशबोर्ड जितना जताते हैं, उससे ज़्यादा, ख़ासकर एक अकेले प्रॉम्प्ट के स्तर पर। ज़िक्र की दर एक अनुपात है, इसलिए उसकी अनिश्चितता उसके पीछे के रन की संख्या बढ़ने के साथ घटती है। टेबल 50% ज़िक्र दर (सबसे ख़राब स्थिति) के लिए स्टैंडर्ड नॉर्मल अप्रॉक्सिमेशन का इस्तेमाल करती है और मानती है कि रन एक-दूसरे से स्वतंत्र हैं। असली रन आपस में जुड़े होते हैं, इसलिए इन्हें आशावादी न्यूनतम सीमा समझें।
| विंडो में रन | एक दर पर लगभग 95% मार्जिन | शोर से ऊपर निकलने के लिए दो विंडो के बीच ज़रूरी बदलाव | उदाहरण |
|---|---|---|---|
| 5 | +/- 44 अंक | लगभग 62 अंक | एक प्रॉम्प्ट, 5 दिन चलाया गया |
| 10 | +/- 31 अंक | लगभग 44 अंक | एक प्रॉम्प्ट, 10 दिन चलाया गया |
| 20 | +/- 22 अंक | लगभग 31 अंक | एक प्रॉम्प्ट, लगभग 3 हफ़्ते रोज़ चलाया गया (हमारे प्रति जोड़ा 23 के औसत के क़रीब) |
| 30 | +/- 18 अंक | लगभग 25 अंक | एक प्रॉम्प्ट, एक महीने तक रोज़ चलाया गया |
| 60 | +/- 13 अंक | लगभग 18 अंक | एक ही टॉपिक पर दो प्रॉम्प्ट, एक महीने तक रोज़ |
| 100 | +/- 10 अंक | लगभग 14 अंक | प्रॉम्प्ट का एक टॉपिक क्लस्टर, हर एक के कई रन |
इससे दो बातें निकलती हैं। पहली, तीन-तीन हफ़्ते की दो विंडो के बीच किसी एक प्रॉम्प्ट की ज़िक्र दर का 50% से 65% होना पूरी तरह शोर के दायरे में है। दूसरी, ज़्यादा रन पाने का सही तरीका आमतौर पर ज़्यादा प्रॉम्प्ट हैं, एक ही प्रॉम्प्ट को बार-बार दोहराना नहीं। St. Gallen का पेपर अपने डेटा से इसी तरह के नतीजे पर पहुँचता है: प्रति ब्रैंड डिटेक्शन दर की स्टैंडर्ड एरर हर प्रॉम्प्ट पर 7 रन होने पर 0.10 से नीचे आ गई, और रोलिंग विंडो ने प्रति ब्रैंड एरर को 10 दिन में 0.10 से नीचे और 24 दिन में 0.05 से नीचे पहुँचा दिया। इसीलिए लेखक दो से चार हफ़्ते की विंडो की सलाह देते हैं।
रोज़ाना दोहराव पर वेंडर्स के टेस्ट अलग राय रखते हैं, लेकिन वे कुछ और ही मापते हैं। Profound ने 753 प्रॉम्प्ट पर पाया कि दिन में एक बार के रन, विज़िबिलिटी में दिन में दस बार के रन से लगभग 2 अंक के भीतर रहे (78.7% बनाम 80.4%), और Meikai ने 500 प्रॉम्प्ट पर पाया कि दिन में 1 रन ने वही कुल सिग्नल दिया जो 10 रन ने। दोनों पोर्टफ़ोलियो स्तर के नतीजे हैं, जिनके पीछे सैकड़ों प्रॉम्प्ट हैं। दोनों बातों का मेल सीधा है: प्रॉम्प्ट का बड़ा सेट हो, तो दिन में एक बार काफ़ी है; किसी एक प्रॉम्प्ट की जाँच करनी हो, तो उसके कई रन चाहिए।
कितने प्रॉम्प्ट ट्रैक करने चाहिए?
इतने कि किसी एक प्रॉम्प्ट की ख़ासियत पूरे नंबर को न हिला सके, और असल में इसका मतलब है हर इंजन पर दर्जनों प्रॉम्प्ट, गिने-चुने नहीं। Otterly ने पाया कि 10 प्रॉम्प्ट के साथ उसके ब्रैंड कवरेज के 90% नतीजे 39% से 71% के बीच कहीं भी आए; 100 प्रॉम्प्ट पर यह रेंज सिमटकर 51% से 60% रह गई, यानी लगभग 73% कम उतार-चढ़ाव। St. Gallen के लेखकों ने एक ही कैंपेन के भीतर प्रॉम्प्ट-स्तर का Jaccard 0.2 से नीचे से लेकर 0.8 से ऊपर तक देखा। हमारा अपना सैंपल भी यही फैलाव दिखाता है: एक ही इंजन के भीतर कुछ जोड़े कभी नहीं पलटे, जबकि कुछ बार-बार पलटे।
हमारी व्यावहारिक न्यूनतम सीमा: ब्रैंड-स्तर के नंबर के लिए हर इंजन पर कम से कम 50 प्रॉम्प्ट, टॉपिक क्लस्टर में बँटे हुए, और अगर आप इंजनों या सेगमेंट की तुलना करना चाहते हैं तो 100+। यह ऊपर की स्टडीज़ पर आधारित हमारा आकलन है, कुछ ऐसा नहीं जिसे हमारा 42 जोड़ों का सैंपल अपने दम पर साबित कर सके। प्रॉम्प्ट का चुनाव भी उतना ही मायने रखता है जितनी उनकी गिनती।
AI विज़िबिलिटी कितनी बार ट्रैक करनी चाहिए?
प्रॉम्प्ट रोज़ चलाएँ और 14 से 28 दिन की रोलिंग विंडो पर रिपोर्ट करें। रन कितनी बार चलें और रिपोर्ट कितनी बार बने, ये दो अलग फ़ैसले हैं: रन इतनी बार होने चाहिए कि विंडो सैंपल से भर जाए, और रिपोर्ट इतनी धीमी कि एक विंडो में इतने रन हों जिनका कोई मतलब निकले। हमारे डेटा में ChatGPT, Claude और Gemini के जोड़ों ने मीडियन 25 दिनों में लगभग 20 से 22 रन जमा किए, यानी लगभग दिन में एक रन, और इसके बावजूद एक-एक प्रॉम्प्ट की ज़िक्र दरों में एरर का दायरा काफ़ी चौड़ा रहा।
| स्थिति | रन कितनी बार | रिपोर्टिंग विंडो | किस पर नज़र रखें |
|---|---|---|---|
| लगातार ब्रैंड मॉनिटरिंग | रोज़ | रोलिंग 28 दिन, हर हफ़्ते या हर महीने समीक्षा | हर इंजन पर ज़िक्र दर और साइटेशन शेयर |
| लॉन्च, रीब्रैंड या PR से जुड़ा मसला | रोज़, प्रभावित टॉपिक पर ज़्यादा प्रॉम्प्ट | रोलिंग 14 दिन | प्रभावित प्रॉम्प्ट पर ज़िक्र दर और सेंटिमेंट |
| कंटेंट में बदलाव की टेस्टिंग | टारगेट प्रॉम्प्ट पर रोज़ | कम से कम पहले के 14 दिन बनाम बाद के 14 दिन | पूरी विंडो में बदले गए URL का साइटेशन शेयर |
| तंग बजट | विंडो चौड़ी करें तो हफ़्ते में एक बार भी चलेगा | 8 से 12 हफ़्ते | सिर्फ़ ज़िक्र दर की दिशा |
| किसी एक अहम प्रॉम्प्ट की जाँच | दिन में कई रन | 1 से 2 हफ़्ते | कौन-से सोर्स और कॉम्पिटिटर बार-बार आते हैं |
क्या ट्रैक करें और क्यों, इसकी बड़ी तस्वीर के लिए हमारी AI विज़िबिलिटी ट्रैकिंग गाइड देखें।
इस स्टडी की सीमाएँ क्या हैं?
कई हैं, और इनसे तय होता है कि आपको इससे क्या नतीजा निकालना चाहिए।
- छोटा और असमान सैंपल। 42 जोड़े और 968 रन, 12 ट्रैक किए गए डोमेन से, जिनमें मार्केटिंग और सॉफ़्टवेयर का पलड़ा भारी है। Perplexity के 6 जोड़े हैं, Google AI Overview का 1, Google AI Mode का कोई नहीं। 6 से 13 जोड़ों पर निकाले गए इंजन-वार प्रतिशत एक ही जोड़े से ऊपर-नीचे हो सकते हैं।
- प्रॉम्प्ट का रैंडम सैंपल नहीं। प्रॉम्प्ट यूज़र्स ने अपने ब्रैंड ट्रैक करने के लिए चुने थे। Gemini में "हमेशा ज़िक्र" वाले जोड़ों की बड़ी संख्या (13 में से 10) शायद इसी मिक्स का नतीजा है।
- कंज़्यूमर ऐप नहीं, API। रन हर इंजन की API से चले, जिसमें वेब सर्च या ग्राउंडिंग चालू थी और कोई पर्सनलाइज़ेशन नहीं था। लॉग-इन किए हुए यूज़र को इससे ज़्यादा या कम बदलाव दिख सकता है।
- स्कोरिंग निर्देश में ब्रैंड का नाम होता है। इससे ट्रैकर जवाब को स्कोर कर पाता है, लेकिन ख़ाली चैट की तुलना में ज़िक्र की कुल दरें बढ़ सकती हैं। इसलिए हमारा फ़ोकस स्थिरता पर है, इस पर नहीं कि ब्रैंड का ज़िक्र कितनी बार होता है।
- ऑटोमेटेड स्कोरिंग। ज़िक्र और साइट किए गए डोमेन जवाब के टेक्स्ट और उसके साइटेशन से अपने-आप पहचाने जाते हैं; हमने हर रन को हाथ से नहीं जाँचा।
- असमान अंतराल और अनफ़िक्स्ड मॉडल। रन किसी तय घड़ी पर नहीं चले (Perplexity सबसे घने चले), और पूरी अवधि के लिए मॉडल वर्ज़न फ़िक्स नहीं थे, इसलिए हमारे बदलाव में शोर और असली ड्रिफ़्ट, दोनों मिले हुए हैं।
- URL नहीं, डोमेन, और कोई रैंकिंग नहीं। ओवरलैप साइट किए गए डोमेन पर मापा गया है, जो URL-स्तर के ओवरलैप से नरम पैमाना है, और हमने जवाब में पोज़ीशन का विश्लेषण नहीं किया।
- कोई सिग्निफ़िकेंस टेस्ट नहीं। ये सिर्फ़ वर्णनात्मक मीडियन और गिनतियाँ हैं। इन्हें दूसरी इंडस्ट्री, भाषाओं या इंजनों पर लागू न करें।
सैंपल बढ़ने पर हम यह विश्लेषण दोबारा चलाएँगे और उन्हीं परिभाषाओं के साथ अपडेटेड आँकड़े प्रकाशित करेंगे।
निचोड़
AI जवाबों की स्थिरता इतनी कम है कि कोई भी एक रन आपको गुमराह कर सकता है, और सोर्स की सूचियाँ ब्रैंड के ज़िक्र से कहीं ज़्यादा बदलती हैं। इसका इलाज और ज़्यादा स्क्रीनशॉट नहीं है; इलाज है एक तय प्रॉम्प्ट सेट, रोज़ के रन, और हर इंजन के लिए दो से चार हफ़्ते की विंडो पर रिपोर्ट की गई दरें, साथ में रन की गिनती। अगर आप यह सेटअप ख़ुद बनाए बिना चाहते हैं, तो AI Rank Lab की ब्रैंड विज़िबिलिटी ट्रैकिंग आपके प्रॉम्प्ट शेड्यूल पर चलाती है और हर रन सेव रखती है, ताकि आप स्नैपशॉट की जगह ट्रेंड पढ़ सकें।
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.
