Méthodologie de Mesure de Visibilité IA
Chez RANKVERI, nous croyons qu'aucune mesure de visibilité dans les LLM ne doit être présentée comme une vérité absolue ou une boîte noire. Voici exactement comment nos algorithmes calculent vos scores.
1. Échantillonnage Multi-passes (N = 3 à 5)
Absorber le non-déterminisme naturel des modèles d'IA
Contrairement aux moteurs de recherche classiques (Google), les modèles d'IA générative (ChatGPT, Claude, Gemini, Perplexity, Grok) peuvent varier légèrement leurs réponses pour une même question posée à deux instants différents.
Pour obtenir une mesure robuste, RANKVERI interroge chaque requête 3 à 5 fois par moteur. Un taux de citation n'est pas un oui/non arbitraire, mais la proportion exacte de réponses recommandant votre marque.
2. Algorithme de Détection Hybride en 3 Passes
Maximiser le rappel sans fausse attribution
Correspondance stricte du nom, des acronymes et des variantes orthographiques.
Reconnaissance d'entités nommées par traitement du langage naturel (spaCy).
Modèle d'évaluation arbitrant les mentions indirectes et contextuelles.
3. Preuve Immuable par Transcript Brut
Accédez au texte intégral de chaque réponse capturée
Chaque relevé effectué par RANKVERI est conservé dans son état brut d'origine (horodatage, texte exact du moteur, position détectée). Vous pouvez à tout moment cliquer sur un relevé pour lire l'intégralité de la réponse du robot et vérifier la citation surlignée de vos propres yeux.