Een recente studie van Frank Vitetta, een AI-consultant gevestigd in Londen, heeft een opmerkelijke bevinding gedaan over hoe de lengte van een zoekopdracht invloed heeft op de neiging van ChatGPT om merknamen te noemen in zijn antwoorden. Deze studie, die 8.555 antwoorden van ChatGPT op winkel- en aankoopvragen analyseerde, onthult dat kortere vragen veel vaker resulteren in merkvermeldingen dan langere vragen.
De analyse toont aan dat korte vragen, zoals de alledaagse “beste X voor Y”-formaten, in 46,7% van de gevallen merknamen opleveren. Aan de andere kant bevatten lange vragen van 120 tekens of meer slechts in 6,5% van de gevallen een merknaam. Deze bevinding suggereert dat lange vragen ongeveer zeven keer minder waarschijnlijk zijn om een merk te noemen in vergelijking met korte vragen.
Het onderzoek legt een duidelijk patroon bloot in de manier waarop verschillende soorten vragen invloed hebben op de antwoorden van ChatGPT. Korte vragen hebben de neiging om lijsten met merknamen te genereren, terwijl langere vragen, die vaak scenario’s schetsen en om advies vragen, leiden tot meer algemene adviezen zonder specifieke merkverwijzingen.
Deze bevindingen hebben belangrijke implicaties voor merken die hun zichtbaarheidsscores in AI-gemedieerde antwoorden meten. Vitetta legt uit dat deze scores kunnen variëren op basis van de mix van vraaglengtes die in tests worden gebruikt, zonder dat er een verandering is in het onderliggende gedrag van de AI-assistent. Dit betekent dat aanpassingen in de samenstelling van testsets de resultaten kunnen beïnvloeden zonder dat de AI zelf verandert.
De studie benadrukt het belang voor merken om hun AI-zichtbaarheidsscores te laten opsplitsen in korte en lange vragen, zodat ze een beter inzicht krijgen in hoe vaak ze worden genoemd in AI-gegenereerde antwoorden. Het testen van langere en meer gedetailleerde vragen, die echte klanten waarschijnlijk in AI-assistenten zullen typen, is essentieel om consistente en vergelijkbare resultaten over verschillende rapportageperiodes te waarborgen.
Deze inzichten zijn bijzonder relevant in het licht van de opkomst van nieuwe optimalisatiedisciplines zoals generatieve engine optimalisatie (GEO), AI optimalisatie (AIO) en antwoordengine optimalisatie (AEO). Deze disciplines zijn gericht op het helpen van merken om zichtbaar te blijven in AI-gegenereerde antwoorden, aangezien consumenten steeds vaker ChatGPT en soortgelijke tools gebruiken voor aankoopbeslissingen in plaats van traditionele zoekmachines.
Frank Vitetta benadrukt dat merken moeten streven naar een evenwichtige aanpak bij het evalueren van hun zichtbaarheid in AI-gegenereerde inhoud. Door inzicht te krijgen in hoe verschillende vraaglengtes de merkzichtbaarheid beïnvloeden, kunnen bedrijven betere strategieën ontwikkelen om hun aanwezigheid in de digitale wereld te versterken.
De gedetailleerde bevindingen van het onderzoek, inclusief methodologie en datavisualisaties, zijn beschikbaar op de website van Frank Vitetta. Deze studie biedt waardevolle inzichten voor bedrijven die willen begrijpen hoe ze hun merk beter kunnen positioneren in een steeds meer door AI gedomineerde wereld.