सीधे कंटेंट पर जाएँ

AI Share of Voice: फ़ॉर्मूले, सैंपल साइज़ और अच्छा स्कोर कितना हो

AI शेयर ऑफ़ वॉइस यानी AI जवाबों के सभी ब्रांड मेंशन में आपका हिस्सा। मेंशन, साइटेशन और पोज़िशन-वेटेड फ़ॉर्मूले, एक उदाहरण, स्प्रेडशीट फ़ॉर्मूले, 968 ट्रैक किए गए रन से सैंपल साइज़ का हिसाब, वेंडर्स की परिभाषाओं की तुलना और रिपोर्टिंग टेम्पलेट।

Featured image for AI Share of Voice: फ़ॉर्मूले, सैंपल साइज़ और अच्छा स्कोर कितना हो

AI शेयर ऑफ़ वॉइस का मतलब है: तय प्रॉम्प्ट्स पर AI के जवाबों में जितने भी ब्रांड मेंशन आते हैं, उनमें आपके ब्रांड का हिस्सा कितना है। यानी आपके मेंशन को उन जवाबों में आए सभी ब्रांड्स के कुल मेंशन से भाग दीजिए और 100 से गुणा कर दीजिए। यह एक प्रतिस्पर्धी अनुपात है, हिट रेट नहीं। इसलिए इसका मतलब तभी बनता है जब साथ में यह भी पता हो कि कौन-सा प्रॉम्प्ट सेट, कौन-से इंजन, कौन-सी कॉम्पिटिटर लिस्ट और कौन-सी समय अवधि इस्तेमाल हुई। इसके दो और रूप भी उतने ही ज़रूरी हैं: साइटेशन शेयर ऑफ़ वॉइस (जवाब किसकी वेबसाइट को लिंक करते हैं) और पोज़िशन-वेटेड शेयर ऑफ़ वॉइस (सबसे पहले किसका नाम आता है)।

इस गाइड में आपको तीनों फ़ॉर्मूले मिलेंगे; एक ऐसा उदाहरण डेटासेट जो एक ही ब्रांड के लिए चार अलग-अलग "शेयर ऑफ़ वॉइस" नंबर देता है; स्प्रेडशीट के फ़ॉर्मूले जिन्हें आप सीधे पेस्ट कर सकते हैं; Profound, Peec AI, Semrush और Ahrefs इस मेट्रिक को कैसे परिभाषित करते हैं, इसकी आमने-सामने तुलना; हमारे अपने बार-बार चलाए गए रन के डेटा पर आधारित सैंपल साइज़ का हिसाब; और लीडरशिप के लिए एक रिपोर्टिंग टेम्पलेट। टूल्स की परिभाषाएँ 18 अक्टूबर 2026 को जाँची गई थीं।

मुख्य बातें

  • तीन फ़ॉर्मूले, तीन जवाब। मेंशन शेयर जवाब में आए नाम गिनता है, साइटेशन शेयर आपकी साइट के लिंक गिनता है, और पोज़िशन-वेटेड शेयर सबसे पहले नाम आने का इनाम देता है। हमारे उदाहरण में एक ही ब्रांड का स्कोर 17.5%, 44.0% और 14.3% आता है।
  • शेयर ऑफ़ वॉइस और प्रेज़ेंस रेट एक चीज़ नहीं हैं। "35% जवाबों में मेंशन हुआ" एक विज़िबिलिटी रेट है। शेयर ऑफ़ वॉइस सभी ब्रांड मेंशन से भाग देता है, इसलिए जब जवाब में कॉम्पिटिटर्स की भीड़ बढ़ती है तो यह गिर जाता है।
  • नंबर हर (denominator) तय करता है। AI ने जितने ब्रांड्स के नाम लिए, उन सबकी जगह सिर्फ़ अपने चुने हुए चार ब्रांड गिनने से हमारे उदाहरण का नंबर 17.5% से 22.6% हो गया।
  • एक रन सिर्फ़ एक सैंपल है। AI Rank Lab में 42 प्रॉम्प्ट-इंजन जोड़ियों के 968 रिपीट रन में, 42.9% जोड़ियाँ कम से कम एक बार ब्रांड का नाम लेने और न लेने के बीच पलटीं। स्नैपशॉट नहीं, समय अवधि रिपोर्ट कीजिए, और मार्जिन ऑफ़ एरर दिखाइए।
  • कोई प्रमाणित यूनिवर्सल बेंचमार्क नहीं है। "अच्छे" स्कोर की जो रेंज छपी हैं, वे आपस में मेल नहीं खातीं और अक्सर अलग-अलग मेट्रिक मापती हैं। इसकी बजाय अपने तय कॉम्पिटिटर्स और अपने मार्केट शेयर से तुलना कीजिए।

AI शेयर ऑफ़ वॉइस क्या है?

AI शेयर ऑफ़ वॉइस यह मापता है कि AI के जवाबों के भीतर ब्रांड्स को लेकर जो बातचीत होती है, उसमें से कितना हिस्सा आपका है। आप उन प्रॉम्प्ट्स का एक सेट तय करते हैं जो आपके खरीदार पूछते हैं, उन्हें ChatGPT, Claude, Gemini, Perplexity और Google के AI फ़ीचर्स जैसे इंजनों पर चलाते हैं, हर जवाब में आए हर ब्रांड को दर्ज करते हैं, और कुल में से अपना हिस्सा निकालते हैं।

यह आइडिया विज्ञापन की दुनिया से लिया गया है। पारंपरिक मीडिया प्लानिंग में शेयर ऑफ़ वॉइस का मतलब था अपनी कैटेगरी के कुल विज्ञापन एक्सपोज़र में किसी ब्रांड का हिस्सा। John Philip Jones ने 1990 में Harvard Business Review में तर्क दिया था कि बजट तय करने का बेहतर तरीका है शेयर ऑफ़ वॉइस की तुलना शेयर ऑफ़ मार्केट से करना। AI शेयर ऑफ़ वॉइस वही अनुपात रखता है, बस पैसे देकर खरीदे गए एक्सपोज़र की जगह वह चीज़ आ जाती है जिसे आप सीधे खरीद नहीं सकते: किसी जवाब में अपना नाम आना।

जो वेंडर इसे ट्रैक करते हैं, वे मूल अनुपात पर एकमत हैं। Profound की ग्लॉसरी शेयर ऑफ़ वॉइस को "how often your brand is mentioned compared with all brands" (सभी ब्रांड्स की तुलना में आपका ब्रांड कितनी बार मेंशन होता है) के रूप में परिभाषित करती है, और Peec AI के डॉक्यूमेंटेशन में फ़ॉर्मूला है आपके मेंशन भाग कुल ब्रांड मेंशन, गुणा 100।

AI शेयर ऑफ़ वॉइस, मेंशन रेट या विज़िबिलिटी से कैसे अलग है?

मेंशन रेट (जिसे विज़िबिलिटी या प्रेज़ेंस रेट भी कहते हैं) पूछता है, "कितने प्रतिशत जवाबों में हम दिखे?" शेयर ऑफ़ वॉइस पूछता है, "सभी ब्रांड मेंशन में से कितने प्रतिशत हमारे थे?" फ़र्क हर (denominator) का है: जवाब बनाम मेंशन।

जो ब्रांड हर जवाब में आता है, उसका मेंशन रेट 100% है, लेकिन अगर चार और ब्रांड भी हर जवाब में आते हैं, तो उसका शेयर ऑफ़ वॉइस 20% है। Peec का अपना उदाहरण यह अंतर दिखाता है: 10 चैट में आपके 4 मेंशन और कॉम्पिटिटर के 12 का मतलब है 40% विज़िबिलिटी, पर 25% शेयर ऑफ़ वॉइस। कुछ लोकप्रिय गाइड प्रेज़ेंस रेट वाला फ़ॉर्मूला शेयर ऑफ़ वॉइस के नाम से छाप देती हैं, और यह भी एक वजह है कि छपे हुए नंबर शायद ही कभी मेल खाते हैं। दोनों रिपोर्ट कीजिए, दोनों पर साफ़ लेबल लगाइए, और रिपोर्टिंग पीरियड बदलने पर एक की जगह दूसरा कभी मत लगाइए।

मेंशन वाले मेट्रिक ट्रैफ़िक के बारे में भी कुछ नहीं बताते। मेंशन आपका नाम यूज़र के सामने रखता है; साइटेशन उसे एक लिंक देता है। यह फ़र्क रिपोर्ट पढ़ने का तरीका कैसे बदल देता है, यह हमने AI सर्च में ब्रांड मेंशन बनाम साइटेशन में समझाया है।

AI शेयर ऑफ़ वॉइस कैसे निकालें? तीन फ़ॉर्मूले

आपको जिस सवाल का जवाब चाहिए, उसके लिए एक फ़ॉर्मूला इस्तेमाल कीजिए, और इन्हें मिलाकर एक स्कोर बनाने की बजाय साथ-साथ रिपोर्ट कीजिए।

मेट्रिकफ़ॉर्मूलाक्या गिना जाता हैयह किस सवाल का जवाब देता है
मेंशन शेयर ऑफ़ वॉइसआपके ब्रांड मेंशन / सभी ब्रांड मेंशन x 100जवाब के टेक्स्ट में ब्रांड का नाम, हर जवाब में ज़्यादा से ज़्यादा एक बारसिफ़ारिशों वाली बातचीत में कितना हिस्सा हमारा है?
साइटेशन शेयर ऑफ़ वॉइसआपके डोमेन के साइटेशन / सभी ट्रैक किए गए ब्रांड्स के डोमेन के साइटेशन x 100किसी ब्रांड के अपने डोमेन पर लिंक किया गया सोर्स URLजब जवाब किसी ब्रांड की अपनी साइट की ओर इशारा करते हैं, तो कितनी बार वह हमारी होती है?
पोज़िशन-वेटेड शेयर ऑफ़ वॉइसआपके वेट का जोड़ / सभी ब्रांड्स के वेट का जोड़ x 100, जहाँ वेट = 1 / पोज़िशनहर मेंशन, जवाब में उसके क्रम के हिसाब से वेट किया हुआहम पहला नाम हैं या बाद में याद आने वाला?
मेंशन रेट (संदर्भ के लिए)आपके ब्रांड का नाम लेने वाले जवाब / सभी जवाब x 100जवाबहम कुल मिलाकर कितनी बार दिखते हैं?

मेंशन शेयर ऑफ़ वॉइस

यही डिफ़ॉल्ट है, और Profound और Peec इसी को डॉक्यूमेंट करते हैं। हर ब्रांड को एक जवाब में ज़्यादा से ज़्यादा एक बार गिनिए, भले ही जवाब में उसका नाम तीन बार आया हो, वरना लंबे जवाब पूरे टोटल पर हावी हो जाएँगे। हर (denominator) में वे सभी ब्रांड शामिल कीजिए जिनका नाम जवाब में आया, सिर्फ़ वे कॉम्पिटिटर नहीं जिन्हें आपने ट्रैक करने के लिए चुना; इसकी वजह कॉम्पिटिटर सेट वाले सेक्शन में बताई गई है।

साइटेशन शेयर ऑफ़ वॉइस

साइटेशन शेयर ऑफ़ वॉइस जवाब के अंदर आए नामों को नहीं, बल्कि जवाब के नीचे दिए लिंक्स को ट्रैक करता है। AI जवाबों के ज़्यादातर साइटेशन थर्ड-पार्टी साइट्स को जाते हैं: Trakkr के पैनल में 529,165 डोमेन पर 48.4 मिलियन साइटेशन (अक्टूबर 2025 से अगस्त 2026) में सबसे ज़्यादा साइट होने वाले डोमेन youtube.com के पास कुल का 3.47% था, उसके बाद Wikipedia 1.83% और Reddit 1.74% पर थे। इसी वजह से फ़ॉर्मूले का प्रतिस्पर्धी रूप ट्रैक किए गए ब्रांड्स के अपने डोमेन के साइटेशन से भाग देता है। अगर आप सभी साइटेशन में अपना हिस्सा देखना चाहते हैं (Profound इसे "Citation Share" कहता है), तो उसे अलग से रिपोर्ट कीजिए और सिंगल-डिजिट नंबर की उम्मीद रखिए।

साइटेशन शेयर URL के स्तर पर भी कुछ ही जगह सिमटा रहता है। Peec AI ने 1 मिलियन से ज़्यादा साइटेशन का विश्लेषण किया और पाया कि ChatGPT पर जिन 31% URLs को हर जवाब में औसतन दो या उससे ज़्यादा बार साइट किया जाता है, उनके हिस्से कुल साइटेशन का 59% आता है, और Perplexity जो URLs निकालता है, उनमें से 64% कभी साइट ही नहीं होते। आम तौर पर गिने-चुने पेज ही आपका पूरा साइटेशन शेयर उठाते हैं।

पोज़िशन-वेटेड शेयर ऑफ़ वॉइस

पोज़िशन वेटिंग पहले मेंशन को पाँचवें मेंशन से ज़्यादा क्रेडिट देती है। आम तरीका है 1/पोज़िशन: पहला = 1.0, दूसरा = 0.5, तीसरा = 0.33, और इसी तरह आगे। Semrush कहता है कि उसका Enterprise AIO शेयर ऑफ़ वॉइस फ़्रीक्वेंसी और पोज़िशन दोनों को ध्यान में रखता है, हालाँकि वह वेट पब्लिश नहीं करता।

इसे सेकेंडरी मेट्रिक मानिए। SparkToro और Gumshoe.ai ने ChatGPT, Claude और Google के AI पर 12 प्रॉम्प्ट 2,961 बार चलाए और पाया कि एक ही ब्रांड लिस्ट दो बार मिलने की संभावना 100 में 1 से भी कम है, और वही क्रम लगभग 1,000 रन में एक बार मिलता है। उनका निष्कर्ष था कि कई प्रॉम्प्ट्स और रन में विज़िबिलिटी प्रतिशत एक ठीक-ठाक मेट्रिक है, जबकि एक अकेली "रैंकिंग पोज़िशन" नहीं। सैकड़ों जवाबों का औसत लें तो पोज़िशन फिर भी "आम तौर पर पहले" और "आम तौर पर आख़िर में" का फ़र्क दिखा देती है; किसी एक जवाब में देखें तो यह सिर्फ़ शोर है।

उदाहरण से समझिए: एक डेटासेट, चार अलग नंबर

नीचे दिए नंबर एक उदाहरण डेटासेट के हैं, जिसे हमने यह दिखाने के लिए बनाया कि फ़ॉर्मूले कैसे अलग-अलग नतीजे देते हैं; यह किसी ग्राहक का डेटा नहीं है। सेटअप: 20 प्रॉम्प्ट, 4 इंजन, हर एक के 3 रन, यानी कुल 240 जवाब। इनमें से 228 जवाबों में कम से कम एक ब्रांड का नाम था, कुल 480 ब्रांड मेंशन, और जवाबों में 1,440 साइटेशन थे। "अन्य" वे ब्रांड हैं जिनका नाम इंजनों ने लिया, पर टीम ने उन्हें अपनी ट्रैकिंग लिस्ट में नहीं डाला था।

ब्रांडनाम लेने वाले जवाब (मेंशन रेट)पोज़िशन के हिसाब से मेंशन (पहला / दूसरा / तीसरा / चौथा+)मेंशन SOVपोज़िशन-वेटेड SOVअपने डोमेन के साइटेशनसाइटेशन SOV (ट्रैक किया गया सेट)
आपका ब्रांड84 (35.0%)24 / 30 / 18 / 1217.5%14.3%6644.0%
कॉम्पिटिटर A132 (55.0%)90 / 30 / 9 / 327.5%32.5%4832.0%
कॉम्पिटिटर B96 (40.0%)54 / 30 / 9 / 320.0%21.7%3020.0%
कॉम्पिटिटर C60 (25.0%)18 / 24 / 12 / 612.5%10.6%64.0%
अन्य (ट्रैक नहीं किए गए)-42 / 36 / 24 / 622.5%20.8%--
कुल240 जवाब228 / 150 / 72 / 30480 मेंशन334.5 वेट150100%

आपके ब्रांड के लिए ये नंबर ऐसे बनते हैं:

  1. मेंशन रेट: 84 जवाब / 240 जवाब = 35.0%।
  2. मेंशन शेयर ऑफ़ वॉइस: 84 / 480 मेंशन = 17.5%।
  3. पोज़िशन-वेटेड शेयर ऑफ़ वॉइस: (24 x 1) + (30 x 0.5) + (18 x 0.333) + (12 x 0.25) = 48.0 वेट; 48.0 / 334.5 = 14.3%। यहाँ चौथी या उससे नीचे की पोज़िशन को 4 माना गया है।
  4. साइटेशन शेयर ऑफ़ वॉइस: 66 / ट्रैक किए गए ब्रांड्स के डोमेन के 150 साइटेशन = 44.0%। सभी 1,440 साइटेशन के हिस्से के तौर पर यह 4.6% है।
  5. क्लोज़्ड-पूल शेयर ऑफ़ वॉइस: हर (denominator) से "अन्य" हटा दीजिए, तो मेंशन शेयर 84 / 372 = 22.6% हो जाता है।

इस एक टेबल में चार सबक छिपे हैं। पहला, एक ही ब्रांड मेंशन में तीसरे नंबर पर है, पोज़िशन में और पीछे खिसक जाता है, और साइटेशन में सबसे आगे है। यह उन ब्रांड्स में आम पैटर्न है जिनका कंटेंट दमदार है, पर ब्रांड कैटेगरी लीडर जितना जाना-पहचाना नहीं। दूसरा, क्लोज़्ड-पूल वाला आँकड़ा हर किसी का नंबर लगभग पाँचवें हिस्से जितना बढ़ाकर दिखाता है। तीसरा, बातचीत का 22.5% हिस्सा उन ब्रांड्स को गया जिन्हें कोई ट्रैक ही नहीं कर रहा था, और यही वह शुरुआती चेतावनी है जिसे क्लोज़्ड लिस्ट छिपा लेती है। चौथा, सभी सोर्स में साइटेशन शेयर (4.6%) और ट्रैक किए गए सेट में साइटेशन शेयर (44.0%) बिल्कुल अलग मेट्रिक हैं जिनका आकार भी बहुत अलग है, इसलिए रिपोर्ट में साफ़ लिखा होना चाहिए कि कौन-सा दिखाया जा रहा है।

एक ही AI जवाबों के सेट को तीन तरह से बाँटता डायग्राम: मेंशन शेयर पाई, साइटेशन शेयर पाई और पोज़िशन-वेटेड पाई, हर एक में उसी ब्रांड का हिस्सा अलग आकार का

स्प्रेडशीट में AI शेयर ऑफ़ वॉइस कैसे निकालें?

हर जवाब के लिए एक रो, हर ब्रांड मेंशन के लिए एक रो और हर साइटेशन के लिए एक रो दर्ज कीजिए, फिर गिनती का काम फ़ॉर्मूलों पर छोड़ दीजिए। यह लेआउट Google Sheets और Excel दोनों में चलता है।

  1. Answers टैब: answer_id, prompt, engine, run_date। हर जवाब के लिए एक रो, उन जवाबों समेत जिनमें किसी ब्रांड का नाम नहीं है, क्योंकि वे मेंशन रेट के हर (denominator) का हिस्सा हैं।
  2. Mentions टैब: answer_id (कॉलम A), brand (कॉलम B), position (कॉलम C)। हर जवाब में हर ब्रांड के लिए एक रो, और हर ब्रांड एक जवाब में ज़्यादा से ज़्यादा एक बार। पहले नामों को एक जैसा कर लीजिए: "HubSpot CRM" और "HubSpot" को एक ही ब्रांड मानिए, और शुरू में ही तय कर लीजिए कि कोई प्रोडक्ट और उसकी पैरेंट कंपनी एक गिने जाएँगे या नहीं।
  3. Citations टैब: answer_id (A), cited_url (B), domain (C), owner_brand (D)। अगर डोमेन Reddit, YouTube या किसी रिव्यू साइट जैसे थर्ड पार्टी का है, तो owner_brand ख़ाली छोड़ दीजिए।
  4. Summary टैब: हर ब्रांड का नाम कॉलम H में डालिए, फिर उसी रो में नीचे दिए फ़ॉर्मूले इस्तेमाल कीजिए।
मेट्रिकफ़ॉर्मूला (ब्रांड का नाम H2 में)
मेंशन रेट=COUNTIF(Mentions!B2:B5000,H2)/COUNTA(Answers!A2:A5000)
मेंशन शेयर ऑफ़ वॉइस=COUNTIF(Mentions!B2:B5000,H2)/COUNTA(Mentions!B2:B5000)
पोज़िशन-वेटेड शेयर ऑफ़ वॉइस=SUMPRODUCT(IFERROR((Mentions!B2:B5000=H2)/Mentions!C2:C5000,0))/SUMPRODUCT(IFERROR(1/Mentions!C2:C5000,0))
साइटेशन शेयर ऑफ़ वॉइस (ट्रैक किया गया सेट)=COUNTIF(Citations!D2:D5000,H2)/COUNTA(Citations!D2:D5000)
सभी सोर्स में साइटेशन शेयर=COUNTIF(Citations!D2:D5000,H2)/COUNTA(Citations!B2:B5000)
मार्जिन ऑफ़ एरर, 95% (शेयर I2 में, n J2 में)=1.96*SQRT(I2*(1-I2)/J2)

नतीजों को प्रतिशत के फ़ॉर्मैट में रखिए। पोज़िशन-वेटेड फ़ॉर्मूले में SUMPRODUCT के अंदर IFERROR चलाने के लिए Excel 365 या Google Sheets चाहिए; Excel के पुराने वर्ज़न में इसे ऐरे फ़ॉर्मूले की तरह डालिए। इंजन वाले कॉलम पर फ़िल्टर (या पिवट टेबल) लगाइए ताकि हर इंजन के लिए यही मेट्रिक अलग से निकलें; पूल किए गए नंबर से पहले इन्हें हमेशा देखिए।

Profound, Peec AI, Semrush और Ahrefs शेयर ऑफ़ वॉइस को कैसे परिभाषित करते हैं?

सब इसे एक तरह से परिभाषित नहीं करते, इसलिए एक टूल का 30% और दूसरे टूल का 30% एक जैसी उपलब्धि नहीं है। 18 अक्टूबर 2026 को जाँचा गया, हर वेंडर का अपना डॉक्यूमेंटेशन यह कहता है:

टूलउसका शेयर ऑफ़ वॉइस क्या गिनता हैवेटिंगप्रॉम्प्ट कहाँ से आते हैंसोर्स
AI Rank Labआपके मेंशन / (आपके मेंशन + आपके बताए कॉम्पिटिटर्स के मेंशन), शेड्यूल्ड रन मेंशेयर में कोई वेटिंग नहीं; औसत पोज़िशन, मेंशन रेट और साइटेशन रेट अलग से रिपोर्ट होते हैंआपका प्रॉम्प्ट सेटहमारा प्रोडक्ट (नीचे डिस्क्लोज़र देखें)
Profoundट्रैक किए गए जवाबों में ब्रांड मेंशन / सभी ब्रांड मेंशन; Citation Share और Visibility Score अलग मेट्रिक हैंकुछ नहीं बताया गया; Average Position अलग हैआपके ट्रैक किए गए प्रॉम्प्टProfound ग्लॉसरी
Peec AIआपके मेंशन / कुल ब्रांड मेंशन x 100कोई नहीं; Position और Sentiment अलग हैंआपके ट्रैक किए गए प्रॉम्प्टPeec डॉक्स
Semrush AI Visibility Toolkit"Percentage of mentions your brand receives in AI-generated answers compared to competitors in your market" (आपके मार्केट के कॉम्पिटिटर्स की तुलना में AI जवाबों में आपके ब्रांड को मिले मेंशन का प्रतिशत); Brand Performance डेटा हर हफ़्ते अपडेट होता हैSemrush कहता है कि उसका Enterprise AIO वर्ज़न फ़्रीक्वेंसी और पोज़िशन दोनों को ध्यान में रखता है; सटीक वेट पब्लिश नहीं किए गएSemrush का प्रॉम्प्ट डेटाबेस और साथ में ट्रैक किए गए प्रॉम्प्टSemrush KB
Ahrefs Brand Radar"The % of brand impressions you own when compared to competitors" (कॉम्पिटिटर्स की तुलना में ब्रांड इम्प्रेशन में आपका प्रतिशत)प्रॉम्प्ट के Google सर्च वॉल्यूम से वेट किए गए मेंशन, जिसे Ahrefs "a modeling choice, not a measured relationship" (मॉडलिंग का एक चुनाव, मापा गया संबंध नहीं) कहता हैGoogle People Also Ask का कॉर्पस और Ahrefs का कीवर्ड डेटाबेस, आपके अपने प्रॉम्प्ट नहींAhrefs मेथडोलॉजी

इसके दो व्यावहारिक नतीजे हैं। Ahrefs बिना आपके प्रॉम्प्ट सेट बनाए यह बताता है कि "डिमांड के हिसाब से वेट किए गए मार्केट में कितना हिस्सा हमारा है?", जबकि Profound, Peec और AI Rank Lab बताते हैं कि "हमने जो प्रॉम्प्ट चुने, उन पर हमारा प्रदर्शन कैसा है?" दोनों जायज़ हैं, और दोनों के नंबर मेल नहीं खाएँगे। दूसरा, इनमें से कोई भी टूल इंजनों के अंदर नहीं देख सकता, इसलिए सभी जवाबों का सैंपल ही ले रहे हैं। ख़ुद Google कहता है कि Search Console की नई जनरेटिव AI परफ़ॉर्मेंस रिपोर्ट (जून 2026) AI Overviews और AI Mode में आपके अपने इम्प्रेशन, पेज, देश और डिवाइस दिखाती है, कॉम्पिटिटर का कोई डेटा नहीं। इसलिए Google की AI सतहों पर शेयर ऑफ़ वॉइस किसी ट्रैकर से ही आएगा, और उसे Search Console के नंबरों की जगह नहीं, उनके साथ पढ़ना चाहिए। Semrush का डेटा कैसे जुटाया जाता है, इस पर हमारा Semrush AI Visibility Toolkit रिव्यू विस्तार से बात करता है।

प्रॉम्प्ट सेट और कॉम्पिटिटर सेट कैसे चुनें?

फ़ॉर्मूला लगाने में एक मिनट लगता है; पर नंबर का कोई मतलब है या नहीं, यह प्रॉम्प्ट सेट और कॉम्पिटिटर लिस्ट तय करते हैं। पहले माप से पहले दोनों को फ़्रीज़ कर दीजिए, और इन्हें तभी बदलिए जब आप नया बेसलाइन बना रहे हों।

प्रॉम्प्ट सेट बनाना

  1. शुरुआत खरीदार के सवालों से कीजिए, अपनी पोज़िशनिंग से नहीं। सेल्स कॉल, सपोर्ट टिकट, साइट पर होने वाली सर्च, Reddit थ्रेड और People Also Ask से शब्द उठाइए। अपनी टैगलाइन के इर्द-गिर्द लिखे प्रॉम्प्ट आपका शेयर बढ़ा-चढ़ाकर दिखाते हैं।
  2. फ़नल को तय अनुपात में कवर कीजिए। जैसे, 50% कैटेगरी और "Y के लिए सबसे अच्छा X" वाले प्रॉम्प्ट, 30% तुलना और विकल्प वाले प्रॉम्प्ट, 20% समस्या या how-to वाले प्रॉम्प्ट। अनुपात स्थिर रखिए ताकि मिक्स में बदलाव शेयर में बदलाव जैसा न दिखे।
  3. ब्रांडेड प्रॉम्प्ट्स को हेडलाइन नंबर से बाहर रखिए। "क्या [आपका ब्रांड] अच्छा है?" में आपका नाम हर बार आएगा। इन्हें सटीकता और सेंटिमेंट के लिए एक अलग ग्रुप में ट्रैक कीजिए।
  4. हर प्रॉम्प्ट को टैग कीजिए: टॉपिक, फ़नल स्टेज, पर्सोना और मार्केट के हिसाब से, ताकि आप सिर्फ़ एक मिला-जुला आँकड़ा नहीं, हर सेगमेंट का शेयर ऑफ़ वॉइस रिपोर्ट कर सकें।
  5. साइज़ फ़ैसले के हिसाब से रखिए। कई छपी हुई गाइड 20 से 50 कमर्शियल रूप से प्रासंगिक प्रॉम्प्ट से शुरू करने को कहती हैं; कुछ बड़ी कैटेगरी के लिए 100 से 200 की सलाह देती हैं। नीचे सैंपल साइज़ वाला सेक्शन बताता है कि ज़्यादा रन की बजाय ज़्यादा प्रॉम्प्ट आम तौर पर बेहतर क्यों रहते हैं।

चूँकि इंजन सोर्स निकालने से पहले हर प्रॉम्प्ट को कई सब-क्वेरी में फैला देते हैं, इसलिए मिलते-जुलते शब्दों वाले प्रॉम्प्ट भी अलग ब्रांड लौटा सकते हैं। यही वजह है कि अपने सबसे अहम सवालों को एक नहीं, दो-तीन तरह से लिखकर शामिल करना चाहिए।

कॉम्पिटिटर चुनना: ओपन पूल या क्लोज़्ड पूल?

हर (denominator) के लिए ओपन पूल और रिपोर्टिंग के लिए नामों वाली लिस्ट इस्तेमाल कीजिए। ओपन पूल उन सभी ब्रांड्स को गिनता है जिनका नाम जवाबों में आता है; क्लोज़्ड पूल सिर्फ़ उन कॉम्पिटिटर्स को जिन्हें आपने दर्ज किया। क्लोज़्ड पूल आसान होते हैं और समय के साथ तुलना करने लायक भी, पर वे हर किसी का शेयर बढ़ाकर दिखाते हैं और नए खिलाड़ियों को छोड़ देते हैं, जैसा उदाहरण में "अन्य" के 22.5% से साफ़ है।

  • नामों वाली लिस्ट: 5 से 8 सीधे कॉम्पिटिटर जिनसे आप डील हारते हैं, साथ में एक-दो ऐसे कैटेगरी लीडर जिन तक आप पहुँचना चाहते हैं।
  • डिस्कवरी पास: महीने में एक बार उन सभी ब्रांड्स की लिस्ट बनाइए जिनका नाम इंजनों ने लिया पर जो आपकी लिस्ट में नहीं हैं। जो भी ब्रांड कुछ प्रतिशत से ज़्यादा जवाबों में दिखे, उसे अगले बेसलाइन के लिए लिस्ट में डाल दीजिए।
  • एंटिटी के नियम: लिखकर रखिए कि आप दूसरे नामों, सब-ब्रांड, रीसेलर और मार्केटप्लेस को कैसे गिनेंगे ("Amazon" कॉम्पिटिटर है या चैनल?), और हर पीरियड में वही नियम लागू कीजिए।

अगर आपका टूल सिर्फ़ क्लोज़्ड लिस्ट सपोर्ट करता है, तो हर रिपोर्ट पर यह बात लिखिए और लिस्ट को फ़िक्स रखिए, ताकि लेवल भले ही ऊँचा दिखे, ट्रेंड ईमानदार रहे।

भरोसेमंद नंबर के लिए कितने प्रॉम्प्ट और कितने रन चाहिए?

इतने कि जिस बदलाव की आपको परवाह है, वह शोर से बड़ा हो। AI के जवाब दोहराए नहीं जा सकते, इसलिए हर जवाब एक सैंपल है, और कुछ दर्जन जवाबों से निकला शेयर ऑफ़ वॉइस बिना कुछ बदले भी दहाई अंकों तक ऊपर-नीचे हो सकता है।

हमारा अपना डेटा दिखाता है कि यह कितना होता है। 13 फ़रवरी से 14 अक्टूबर 2026 के बीच AI Rank Lab में ट्रैक की गई 42 प्रॉम्प्ट-इंजन जोड़ियों के 968 सफल रन में (सिर्फ़ वे जोड़ियाँ जिनके 5 या ज़्यादा रन हुए), 18 जोड़ियाँ (42.9%) कम से कम एक बार ट्रैक किए गए ब्रांड का नाम लेने और न लेने के बीच पलटीं, और एक ही प्रॉम्प्ट के लगातार दो रन में साइट किए गए डोमेन का मीडियन मेल सिर्फ़ 41% था। सोर्स सबसे ज़्यादा Gemini पर बदले (मीडियन ओवरलैप 0.26) और सबसे कम Perplexity पर (0.59)। पूरा तरीका और सीमाएँ हमारी AI जवाबों की स्थिरता वाली स्टडी में हैं। "डिटर्मिनिस्टिक" सेटिंग्स से भी यह ठीक नहीं होता: डिटर्मिनिज़्म के लिए कॉन्फ़िगर किए गए पाँच LLMs की एक स्टडी में पाया गया कि अलग-अलग रन में सटीकता 15% तक बदली।

यही डेटा बताता है कि सैंपल का बजट कहाँ लगाना चाहिए। 42 में से 24 जोड़ियों (57%) ने हर रन में मेंशन पर एक जैसा नतीजा दिया, यानी उन प्रॉम्प्ट्स पर अतिरिक्त रन से लगभग कोई नई जानकारी नहीं मिली। एक प्रॉम्प्ट के रिपीट रन आपस में जुड़े होते हैं, इसका मतलब है कि 20 प्रॉम्प्ट को 10-10 बार चलाना 200 स्वतंत्र जवाबों से बहुत कम काम का है। रन बढ़ाने से पहले प्रॉम्प्ट बढ़ाइए, पलटने वाले नतीजों को संतुलित करने के लिए हर विंडो में हर इंजन पर हर प्रॉम्प्ट के 2 से 3 रन रखिए, और रन को 2 से 4 हफ़्ते की विंडो में पूल कीजिए।

एरर का आकार निकालने के लिए शेयर ऑफ़ वॉइस को एक अनुपात (proportion) की तरह मानिए और NIST Engineering Statistics Handbook का स्टैंडर्ड नॉर्मल-एप्रॉक्सिमेशन इंटरवल इस्तेमाल कीजिए: p +/- 1.96 x sqrt(p(1-p)/n)। सावधानी वाले n के लिए जवाबों की संख्या नहीं, अलग-अलग प्रॉम्प्ट-इंजन जोड़ियों की संख्या लीजिए।

n (प्रॉम्प्ट-इंजन जोड़ियाँ)आपका शेयर लगभग 20% हो तो 95% मार्जिनआपका शेयर लगभग 50% हो तो 95% मार्जिनयह क्या पकड़ सकता है
50+/- 11.1 पॉइंट+/- 13.9 पॉइंटसिर्फ़ ब्रांड्स के बीच बड़े अंतर
100+/- 7.8 पॉइंट+/- 9.8 पॉइंटएक तिमाही से दूसरी तिमाही में 10+ पॉइंट के बदलाव
200+/- 5.5 पॉइंट+/- 6.9 पॉइंट6 से 7 पॉइंट के बदलाव
400+/- 3.9 पॉइंट+/- 4.9 पॉइंट4 से 5 पॉइंट के बदलाव
1,000+/- 2.5 पॉइंट+/- 3.1 पॉइंटछोटी, लगातार बढ़त

इसे उदाहरण पर लागू करें: 4 इंजन पर 20 प्रॉम्प्ट यानी 80 प्रॉम्प्ट-इंजन जोड़ियाँ, तो 17.5% के मेंशन शेयर ऑफ़ वॉइस पर लगभग +/- 8.3 पॉइंट का मार्जिन है। अगले महीने 17.5% से 22% पर पहुँचना शोर के दायरे में ही होगा। NIST पेज यह भी बताता है कि बहुत छोटे सैंपल या 0% के क़रीब वाले शेयर में यह इंटरवल भरोसेमंद नहीं रहता, वहाँ Wilson इंटरवल बेहतर विकल्प है; अगर आपका टूल सपोर्ट करे, तो प्रॉम्प्ट के हिसाब से रीसैंपलिंग (बूटस्ट्रैप) उससे भी बेहतर है।

क्या सभी इंजनों को मिलाकर एक शेयर ऑफ़ वॉइस बनाना चाहिए?

पहले हर इंजन को अलग रिपोर्ट कीजिए, फिर एक पूल किया हुआ नंबर दीजिए और उसकी वेटिंग लिखकर बताइए। इंजन आपस में सहमत नहीं होते: 825,343 प्रॉम्प्ट वाले Trakkr के इंजन बेंचमार्क में मॉडलों के बीच औसत सहमति 43.3% मिली, और कोई ब्रांड एक इंजन पर सबसे आगे हो सकता है जबकि दूसरे पर ग़ायब। अगर हर इंजन को बराबर संख्या में जवाब मिलें, तो इंजनों के रॉ काउंट को पूल करना ठीक है। अगर आप इंजनों को अहमियत के हिसाब से वेट करना चाहते हैं, तो उसी हिसाब से कीजिए जहाँ आपकी ऑडियंस असल में है। एक संदर्भ के तौर पर: 28 साइट्स पर AI Rank Lab टैग ने AI से आए जो 3,677 पेज व्यू रिकॉर्ड किए (जुलाई 2025 से अक्टूबर 2026), उनमें से 56.8% ChatGPT से आए, उसके बाद Gemini (17.1%), Perplexity (12.4%), Claude (12.0%) और Copilot (1.7%)। रेफ़रल शेयर, यूसेज शेयर नहीं है, और आपका नंबर अलग होगा, इसलिए इसे वेट की तरह इस्तेमाल करने से पहले अपना ख़ुद का नंबर मापिए।

अच्छा AI शेयर ऑफ़ वॉइस कितना होता है?

कोई प्रमाणित, यूनिवर्सल बेंचमार्क नहीं है, और जो भी बिना तरीका बताए कोई नंबर दे, उससे सावधान रहिए। "अच्छा" इस पर निर्भर करता है कि आपके जवाबों में कितने ब्रांड मुकाबले में हैं, आपकी कैटेगरी क्या है और कौन-सा फ़ॉर्मूला इस्तेमाल हुआ।

छपी हुई रेंज आपस में इसलिए भी नहीं मिलतीं क्योंकि वे अलग-अलग चीज़ें मापती हैं:

सोर्सरेंज किस मेट्रिक पर लागू होती है"लीडर" रेंजसोर्स दिया गया?
Alex Birkettआपका नाम लेने वाले जवाब / सभी जवाब (एक प्रेज़ेंस रेट)50% से 90%लेखक का अनुभव, बॉटम-ऑफ़-फ़नल प्रॉम्प्ट
LLM Pulseसभी ब्रांड मेंशन में मेंशन शेयर40% से 70%कोई सोर्स नहीं दिया गया
geotoolboxसभी ब्रांड मेंशन में मेंशन शेयर50% और उससे ऊपरदूसरी गाइड्स का सार, जिसे सिर्फ़ दिशा देने वाला बताया गया है

60% प्रेज़ेंस रेट और 60% मेंशन शेयर बहुत अलग स्थितियाँ हैं, इसलिए जब तक फ़ॉर्मूला मेल न खाए, इन रेंज की तुलना न आपस में हो सकती है, न आपके टूल के नंबर से। ये संदर्भ बिंदु प्रमाणित हैं:

  • फ़ेयर-शेयर लाइन। अगर N ब्रांड नियमित रूप से नाम में आते हैं, तो बराबर बँटवारा 100 / N है। पाँच ब्रांड हों तो 20% बराबरी है; उससे ऊपर आप ओवर-इंडेक्स कर रहे हैं। Trakkr इसे लक्ष्य नहीं, दिशा देने वाली लाइन के तौर पर सुझाता है।
  • कैटेगरी के हिसाब से फ़र्क बहुत बड़ा है। SparkToro की स्टडी में एक हॉस्पिटल ब्रांड अपनी क्वेरी के लिए ChatGPT के 97% जवाबों में दिखा, हेडफ़ोन ब्रांड 55% से 77% में, और ब्रांड डिज़ाइन एजेंसियाँ सिर्फ़ 30 से 40 प्रतिशत के बीच तक पहुँचीं। तुलना अपनी कैटेगरी के अंदर कीजिए, दूसरी कैटेगरी से कभी नहीं।
  • सभी सोर्स में साइटेशन शेयर छोटा ही रहता है। अगर 48 मिलियन साइटेशन वाले पैनल में सबसे ज़्यादा साइट होने वाले डोमेन के पास 3.47% है, तो सभी सोर्स में सिंगल-डिजिट साइटेशन शेयर भी अग्रणी स्थिति हो सकती है।
  • शेयर ऑफ़ वॉइस बनाम शेयर ऑफ़ मार्केट। Jones के तर्क को अपनाएँ तो सबसे काम का बेंचमार्क है आपके AI शेयर ऑफ़ वॉइस की तुलना आपके असली मार्केट शेयर से। अगर आपका शेयर ऑफ़ वॉइस आपके मार्केट शेयर से कम है, तो AI जवाबों में आपकी मौजूदगी कम दिख रही है, और यह एक ठोस समस्या है जिसे ठीक करना है।

सबसे अहम बेंचमार्क है उन्हीं तय कॉम्पिटिटर्स के मुकाबले, उसी प्रॉम्प्ट सेट पर, मार्जिन ऑफ़ एरर से आगे जाता आपका अपना ट्रेंड। अगर आप कोई कंपोज़िट स्कोर भी ट्रैक करते हैं, तो AEO स्कोर कैसे मापा जाता है वाला हमारा लेख दिखाता है कि ऐसे स्कोर इन इनपुट्स को कैसे मिलाते हैं।

लीडरशिप को AI शेयर ऑफ़ वॉइस कैसे रिपोर्ट करें?

एक टेबल, एक ट्रेंड लाइन और एक फ़ैसला दीजिए। लीडर्स को यह जानना है कि बदलाव असली है या नहीं, किसने बढ़त या गिरावट देखी, और आप क्या करेंगे; उन्हें रॉ प्रॉम्प्ट लॉग नहीं चाहिए। रिपोर्टिंग की एक टेबल कुछ ऐसी दिखती है (उदाहरण डेटासेट के मान, साथ में एक काल्पनिक पिछली विंडो):

मेट्रिकइस विंडो मेंपिछली विंडो मेंबदलावमार्जिन (+/-)मतलब
मेंशन रेट35.0%22.5%+12.5 पॉइंट10.5 पॉइंटसिग्नल - अगली विंडो में पुष्टि करें
मेंशन शेयर ऑफ़ वॉइस17.5%15.0%+2.5 पॉइंट8.3 पॉइंटशोर के दायरे में - रुकिए
साइटेशन शेयर ऑफ़ वॉइस (ट्रैक किया गया सेट)44.0%36.0%+8.0 पॉइंट10.9 पॉइंटशोर के दायरे में - नज़र रखिए
टॉप कॉम्पिटिटर का मेंशन शेयर27.5% (A)29.0% (A)-1.5 पॉइंट9.8 पॉइंटकोई बदलाव नहीं
ट्रैक न किए गए ब्रांड्स का शेयर22.5%18.0%+4.5 पॉइंट-डिस्कवरी पास चलाइए

उस टेबल के इर्द-गिर्द पूरी रिपोर्ट एक पेज में रखिए:

  1. स्कोप लाइन: प्रॉम्प्ट, इंजन, मार्केट, रन, विंडो और फ़ॉर्मूला, जैसे "80 प्रॉम्प्ट-इंजन जोड़ियाँ, 4 इंजन, US English, 240 जवाब, 15 सितंबर से 12 अक्टूबर, ओपन-पूल मेंशन शेयर"।
  2. हेडलाइन: एक वाक्य उस बदलाव पर जो मार्जिन ऑफ़ एरर से आगे निकला, या "कोई अहम बदलाव नहीं"।
  3. हर इंजन का ब्रेकअप: एक छोटी टेबल, क्योंकि पूल किया गया नंबर किसी एक इंजन पर हुए नुकसान को छिपा सकता है।
  4. सेगमेंट व्यू: फ़नल स्टेज या टॉपिक के हिसाब से शेयर ऑफ़ वॉइस, क्योंकि करने लायक काम यहीं से निकलते हैं।
  5. ड्राइवर: सबसे बड़े बदलावों के पीछे के साइट किए गए पेज और थर्ड-पार्टी सोर्स, आपके साइटेशन डेटा से।
  6. एक्शन और ज़िम्मेदार लोग: दो-तीन सुधार, हर एक किसी प्रॉम्प्ट सेगमेंट से जुड़ा हुआ।

क्या नहीं करना है: एक अकेले रन को ट्रेंड की तरह मत दिखाइए, बिना नया बेसलाइन बनाए प्रॉम्प्ट सेट मत बदलिए, और पोज़िशन-वेटेड शेयर को "ChatGPT में हमारी रैंकिंग" बताकर पेश मत कीजिए।

AI शेयर ऑफ़ वॉइस की ट्रैकिंग ऑटोमेट करने वाले टूल्स

डिस्क्लोज़र: AI Rank Lab हमारा प्रोडक्ट है। यह हमारी साइट है, इसलिए हमने इसे सबसे पहले रखा है, और नीचे हर टूल के लिए एक जैसे पैमाने इस्तेमाल किए हैं। पैमाने ये हैं: टूल कौन-सा फ़ॉर्मूला डॉक्यूमेंट करता है, प्रॉम्प्ट सेट पर आपका कंट्रोल है या नहीं, और नतीजे के साथ आप क्या कर सकते हैं।

  • AI Rank Lab. ब्रांड विज़िबिलिटी ट्रैकिंग आपके प्रॉम्प्ट्स को ChatGPT, Claude, Gemini और Perplexity पर शेड्यूल के हिसाब से चलाती है और हर रन के लिए मेंशन, पोज़िशन, सेंटिमेंट, मेंशन हुए कॉम्पिटिटर और साइट किए गए URLs दर्ज करती है; Google के लिए अलग AI Overview और AI Mode ट्रैकर हैं। कॉम्पिटिटर एनालिसिस और साइटेशन ट्रैकर आपके बताए कॉम्पिटिटर्स के मुकाबले मेंशन शेयर और कॉम्पिटिटर साइटेशन शेयर रिपोर्ट करते हैं, और Action Plan व कंटेंट टूल्स कमियों को सुधारों में बदलते हैं। प्लान $69 प्रति महीने से शुरू होते हैं (कीमत 18 अक्टूबर 2026 को जाँची गई)। सीमा: इसका शेयर ऑफ़ वॉइस आपके दर्ज किए कॉम्पिटिटर्स, यानी क्लोज़्ड पूल, पर चलता है, इसलिए लिस्ट से बाहर के ब्रांड्स के लिए समय-समय पर डिस्कवरी पास चलाइए।
  • Profound. एक साफ़ पब्लिक ग्लॉसरी, जिसमें Share of Voice, Visibility Score, Citation Share और Average Position अलग-अलग परिभाषित हैं, और इंजनों, टॉपिक्स और कॉम्पिटिटर्स के पार एक मैट्रिक्स व्यू। उन एंटरप्राइज़ टीमों के लिए मज़बूत विकल्प जिन्हें गवर्नेंस और बड़े स्तर पर काम चाहिए।
  • Peec AI. एक सीधा-सादा मेंशन-शेयर फ़ॉर्मूला उदाहरण के साथ डॉक्यूमेंट करता है और विज़िबिलिटी, पोज़िशन और सेंटिमेंट को अलग मेट्रिक रखता है, जिससे इसके नंबर स्प्रेडशीट में दोबारा निकालना आसान है। उन टीमों के लिए सही जिन्हें सरल और पारदर्शी सेटअप चाहिए।
  • Semrush AI Visibility Toolkit. शेयर ऑफ़ वॉइस Brand Performance रिपोर्ट्स के अंदर है, जो हर हफ़्ते अपडेट होती हैं, और आपके ट्रैक किए प्रॉम्प्ट्स के साथ एक बड़ा प्रॉम्प्ट डेटाबेस भी है। अगर आपकी SEO टीम पहले से Semrush में ही काम करती है तो यह बेहतर विकल्प है, हालाँकि पोज़िशन वेटिंग पब्लिश नहीं की गई है।
  • Ahrefs Brand Radar. मेंशन को सर्च डिमांड से वेट करता है और प्रॉम्प्ट People Also Ask से बनाता है, इसलिए बिना प्रॉम्प्ट सेट लिखे आपको मार्केट-लेवल का शेयर ऑफ़ वॉइस मिल जाता है। सबसे अच्छा तब, जब आपको अपने सवालों पर प्रदर्शन की बजाय पूरी कैटेगरी का डिमांड-वेटेड नज़रिया चाहिए।
  • एक स्प्रेडशीट। ऊपर दिए फ़ॉर्मूले 20 से 50 प्रॉम्प्ट की मैन्युअल लॉगिंग के साथ काम करते हैं। शुरुआत का यह सबसे सस्ता तरीका है और यह समझने का सबसे अच्छा तरीका भी कि ये मेट्रिक असल में क्या बताते हैं; पर जैसे ही आपको कई इंजनों पर रोज़ाना रन चाहिए, यह स्केल नहीं हो पाती।

AI शेयर ऑफ़ वॉइस की सीमाएँ

  • यह आपके प्रॉम्प्ट्स का सैंपल है, असली यूज़र बातचीत का नहीं। कोई भी टूल यह नहीं देख सकता कि असली यूज़र्स ने क्या पूछा या उन्हें क्या दिखाया गया, और पर्सनलाइज़ेशन, मेमोरी और लोकेशन जवाब बदल देते हैं।
  • API और ऐप के जवाब अलग हो सकते हैं। कई ट्रैकर सर्च चालू करके API के ज़रिए इंजनों से सवाल पूछते हैं; कंज़्यूमर ऐप अलग तरह से बर्ताव कर सकते हैं।
  • ब्रांड पहचान ऑटोमेटेड होती है। दूसरे नाम, ग़लत स्पेलिंग और आम शब्दों जैसे नाम वाले ब्रांड गिनती बिगाड़ देते हैं। हर पीरियड में जवाबों के एक सैंपल की हाथ से जाँच कीजिए।
  • मेंशन का मतलब सिफ़ारिश नहीं है। जिस ब्रांड को "एंटरप्राइज़ के लिए इससे बचें" कहकर नाम लिया गया, वह भी गिना जाता है। शेयर ऑफ़ वॉइस को सेंटिमेंट या "सुझाया गया जवाब" वाले फ़्लैग के साथ जोड़िए।
  • शेयर ऑफ़ वॉइस रेवेन्यू नहीं है। बिज़नेस पर असर का दावा करने से पहले इसे AI रेफ़रल ट्रैफ़िक और पाइपलाइन से जोड़िए।

निचोड़

AI शेयर ऑफ़ वॉइस निकालना आसान है और ग़लत निकालना भी उतना ही आसान। वह फ़ॉर्मूला चुनिए जो आपके सवाल का जवाब दे, गिनती के नियम लिखकर रखिए, ओपन हर (denominator) इस्तेमाल कीजिए, सैंपल इतना रखिए कि बदलाव मार्जिन ऑफ़ एरर को पार करें, और मेंशन शेयर, साइटेशन शेयर और मेंशन रेट तीनों साथ रिपोर्ट कीजिए। अगर आप स्प्रेडशीट नहीं संभालना चाहते, तो AI Rank Lab का कॉम्पिटिटर एनालिसिस शेड्यूल के हिसाब से मेंशन, साइटेशन और कॉम्पिटिटर शेयर ट्रैक करता है, ताकि आप स्नैपशॉट नहीं, 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.

This form is protected by reCAPTCHA. Your data is handled securely and we will never spam you.

अक्सर पूछे जाने वाले प्रश्न

कुछ और पूछना है? टीम से पूछें

AI शेयर ऑफ़ वॉइस क्या है?

AI शेयर ऑफ़ वॉइस, तय प्रॉम्प्ट्स पर AI के जवाबों में आए सभी ब्रांड मेंशन में आपके ब्रांड का हिस्सा है: आपके मेंशन भाग हर ब्रांड के मेंशन, गुणा 100। यह आपकी तुलना कॉम्पिटिटर्स से करता है, इसलिए इसका मतलब तभी बनता है जब साथ में इस्तेमाल हुआ प्रॉम्प्ट सेट, इंजन, कॉम्पिटिटर लिस्ट और समय अवधि भी बताई जाए।

AI शेयर ऑफ़ वॉइस का फ़ॉर्मूला क्या है?

मेंशन शेयर ऑफ़ वॉइस = आपके ब्रांड मेंशन / सभी ब्रांड मेंशन x 100, जहाँ हर ब्रांड एक जवाब में ज़्यादा से ज़्यादा एक बार गिना जाता है। साइटेशन शेयर ऑफ़ वॉइस = आपके डोमेन के साइटेशन / सभी ट्रैक किए गए ब्रांड्स के डोमेन के साइटेशन x 100। पोज़िशन-वेटेड शेयर ऑफ़ वॉइस में भाग देने से पहले हर मेंशन को 1 / पोज़िशन से वेट किया जाता है।

क्या शेयर ऑफ़ वॉइस और विज़िबिलिटी या मेंशन रेट एक ही चीज़ हैं?

नहीं। मेंशन रेट (विज़िबिलिटी) है आपका नाम लेने वाले जवाब भाग सभी जवाब। शेयर ऑफ़ वॉइस है आपके मेंशन भाग सभी ब्रांड मेंशन। जो ब्रांड हर जवाब में है उसका मेंशन रेट 100% है, पर अगर चार और ब्रांड भी हर जवाब में हैं तो उसका शेयर ऑफ़ वॉइस सिर्फ़ 20% है।

AI शेयर ऑफ़ वॉइस मापने के लिए कितने प्रॉम्प्ट चाहिए?

25 से 50 कमर्शियल रूप से प्रासंगिक प्रॉम्प्ट से शुरू कीजिए और बड़ी कैटेगरी के लिए 100 या उससे ज़्यादा तक बढ़ाइए। 100 प्रॉम्प्ट-इंजन जोड़ियों पर 20% शेयर का 95% मार्जिन ऑफ़ एरर लगभग +/- 7.8 पॉइंट है, इसलिए सिर्फ़ उससे बड़े बदलाव ही साफ़ सिग्नल हैं।

हर प्रॉम्प्ट को कितनी बार चलाना चाहिए?

हर रिपोर्टिंग विंडो में हर इंजन पर हर प्रॉम्प्ट को 2 से 3 बार चलाइए और नतीजों को 2 से 4 हफ़्ते में पूल कीजिए। AI Rank Lab के डेटा में 968 रन के दौरान 42 प्रॉम्प्ट-इंजन जोड़ियों में से 42.9% कम से कम एक बार ब्रांड मेंशन पर पलटीं, इसलिए एक रन गुमराह करता है; पर उन्हीं प्रॉम्प्ट्स को दोबारा चलाने की बजाय नए प्रॉम्प्ट जोड़ने से सटीकता ज़्यादा बढ़ती है।

अच्छा AI शेयर ऑफ़ वॉइस कितना होता है?

कोई प्रमाणित यूनिवर्सल बेंचमार्क नहीं है। एक काम का संदर्भ है फ़ेयर शेयर, यानी 100 भाग नियमित रूप से नाम में आने वाले ब्रांड्स की संख्या, और सबसे अच्छा बेंचमार्क है आपके शेयर ऑफ़ वॉइस की तुलना आपके मार्केट शेयर से और उन्हीं कॉम्पिटिटर्स के मुकाबले आपका ट्रेंड। छपी हुई रेंज आपस में मेल नहीं खातीं और अक्सर अलग फ़ॉर्मूले मापती हैं।

क्या सिर्फ़ अपने तय कॉम्पिटिटर्स को ही ट्रैक करना चाहिए?

हर (denominator) में वे सभी ब्रांड लीजिए जिनका नाम जवाबों में आता है (ओपन पूल), और रिपोर्टिंग 5 से 8 तय कॉम्पिटिटर्स की लिस्ट पर कीजिए। क्लोज़्ड पूल हर ब्रांड का शेयर बढ़ाकर दिखाता है और नए खिलाड़ियों को छिपा लेता है; हमारे उदाहरण में इसने ब्रांड को 17.5% से 22.6% पर पहुँचा दिया।

क्या Search Console से Google AI Overviews में शेयर ऑफ़ वॉइस मापा जा सकता है?

सीधे तौर पर नहीं। जून 2026 में लॉन्च हुई Search Console की जनरेटिव AI परफ़ॉर्मेंस रिपोर्ट AI Overviews और AI Mode में आपके अपने इम्प्रेशन, पेज, देश और डिवाइस दिखाती है, पर कॉम्पिटिटर का कोई डेटा नहीं। प्रतिस्पर्धी शेयर के लिए ऐसा ट्रैकर चाहिए जो जवाबों का सैंपल ले, और उसे Search Console के नंबरों के साथ पढ़ा जाए।

अलग-अलग टूल्स शेयर ऑफ़ वॉइस के अलग नंबर क्यों देते हैं?

क्योंकि वे अलग चीज़ें गिनते हैं। Profound और Peec AI सीधा मेंशन शेयर डॉक्यूमेंट करते हैं, Semrush कहता है कि उसका वर्ज़न पोज़िशन को भी गिनता है, और Ahrefs मेंशन को सर्च वॉल्यूम से वेट करता है और अपने प्रॉम्प्ट इस्तेमाल करता है। अलग प्रॉम्प्ट सेट और कॉम्पिटिटर लिस्ट हर (denominator) भी बदल देते हैं, इसलिए अलग टूल्स के लेवल नहीं, एक ही टूल के अंदर ट्रेंड की तुलना कीजिए।

क्या आपको यह लेख पसंद आया?

हमारे न्यूज़लेटर की सदस्यता लें और AI सर्च ऑप्टिमाइजेशन से जुड़ी नवीनतम जानकारी सीधे अपने इनबॉक्स में पाएं।

No spam. Unsubscribe at any time.

See how AI engines read your site

Paste your site. The free audit scores it for SEO, answer engines and generative engines, and lists the fixes.