Μεθοδολογία

Τελευταία ενημέρωση: 8 Αυγούστου 2026

Κάθε score της πλατφόρμας συνοδεύεται από εξήγηση μέσα στην εφαρμογή. Εδώ είναι ολόκληρος ο τρόπος υπολογισμού, ώστε να μπορείς να ελέγξεις τα νούμερα αντί να τα εμπιστευτείς.

Τι μετράμε και πώς

Η μονάδα μέτρησης είναι το run: μία εκτέλεση ενός ερωτήματος σε έναν πάροχο AI, σε μια δεδομένη στιγμή. Κάθε run παράγει μία απάντηση, την οποία αποθηκεύουμε ολόκληρη και αναλύουμε. Όλα τα ποσοστά που ακολουθούν υπολογίζονται στα runs των τελευταίων 30 ημερών για το συγκεκριμένο brand και workspace.

Η ανάλυση κάθε απάντησης εντοπίζει: το brand και τα δηλωμένα aliases του, τη σειρά εμφάνισής του, το επίπεδο σύστασης, το sentiment, τα χαρακτηριστικά που του αποδίδονται, τις άλλες οντότητες (ανταγωνιστές) που αναφέρονται, και τις πηγές που παρέθεσε το μοντέλο.

Οι δείκτες

Ποσοστό αναφορών (mention rate)

Το πιο βασικό: σε πόσες από τις απαντήσεις υπάρχεις καθόλου. Μια αναφορά μετράει ανεξάρτητα από το αν το μοντέλο σε προτείνει ή απλώς σε αναφέρει σε λίστα.

Ποσοστό συστάσεων (recommendation rate)

Υποσύνολο των αναφορών: μετράει μόνο όπου το μοντέλο προτείνει ενεργά το brand ως λύση, όχι όπου το αναφέρει παρεμπιπτόντως.

Ποσοστό κορυφαίων συστάσεων (top recommendation rate)

Το εμπορικά σημαντικότερο νούμερο: η πρώτη σύσταση σε μια απάντηση AI λειτουργεί σαν προεπιλογή.

Μερίδιο φωνής (share of voice)

Προσοχή στον παρονομαστή: δεν είναι τα runs αλλά το σύνολο των αναφορών κάθε brand σε όλες τις απαντήσεις. Αν 20 ερωτήσεις παράγουν 100 αναφορές brands και οι 12 είναι δικές σου, το μερίδιο είναι 12%. Είναι ο μόνος δείκτης που είναι εγγενώς σχετικός: μπορείς να ανεβαίνεις σε αναφορές και να χάνεις μερίδιο αν οι ανταγωνιστές ανεβαίνουν ταχύτερα.

Μέση θέση (average position)

Υπολογίζεται μόνο εκεί όπου υπάρχεις — αλλιώς η απουσία θα «βελτίωνε» τεχνητά τη μέση θέση. Το εμφανιζόμενο score είναι κανονικοποιημένο στο 0–100 ώστε να συγκρίνεται με τα υπόλοιπα (χαμηλότερη θέση = υψηλότερο score).

Ποσοστό παράθεσης (citation rate)

Δείχνει πόσο συχνά η απάντηση στηρίζεται σε πηγή που ελέγχεις ή που σε αφορά. Είναι ο πιο άμεσα διορθώσιμος δείκτης, γιατί οι πηγές είναι ο μηχανισμός με τον οποίο αλλάζει η απάντηση.

Κύρος πηγών (citation authority)

Δεν μετράνε όλες οι πηγές το ίδιο. Μια αναφορά από καθιερωμένο κλαδικό μέσο βαραίνει περισσότερο από μια αναφορά σε γενικό κατάλογο.

Sentiment

Σταθμισμένο sentiment των αναφορών του brand στις απαντήσεις: θετικό, ουδέτερο ή αρνητικό πλαίσιο. Μια αναφορά με αρνητικό πλαίσιο («…αλλά είναι ακριβό») δεν αξίζει όσο μια θετική.

Συνολικός δείκτης ορατότητας (overall visibility)

Σταθμισμένος συνδυασμός των παραπάνω:

Τα βάρη είναι σταθερά και δημοσιευμένα επίτηδες: ένας δείκτης που δεν μπορείς να αναπαραγάγεις δεν είναι μέτρηση, είναι άποψη.

Πλαίσιο μέτρησης: ουδέτερο και περσόνα

Κάθε μέτρηση δηλώνει υπό ποιο πλαίσιο έγινε, και τα δύο πλαίσια δεν αναμειγνύονται ποτέ σε ένα νούμερο.

• Ουδέτερη μέτρηση — το βασικό benchmark. Καθαρό πλαίσιο, καμία περσόνα, σταθερό system prompt και temperature 0. Οι ίδιες ρυθμίσεις για κάθε brand και κάθε εκτέλεση: η συγκρισιμότητα εξαρτάται από το ότι τίποτα εδώ δεν αλλάζει μεταξύ μετρήσεων.
• Μέτρηση με περσόνα — πριν από την ερώτηση μπαίνει το πλαίσιο του αγοραστή, γραμμένο σε πρώτο πρόσωπο, ώστε ο βοηθός να απαντήσει όπως θα απαντούσε σε αυτόν τον τύπο πελάτη. Μετριέται χωριστά, ανά περσόνα.

Η ουδέτερη μέτρηση είναι η απουσία περσόνας, όχι μια περσόνα με το όνομα «ουδέτερη». Η διάκριση δεν είναι σχολαστικισμός: αν το benchmark ήταν εγγραφή που μπορεί να επεξεργαστεί κάποιος, μια αλλαγή διατύπωσης θα έσπαγε σιωπηλά τη συγκρισιμότητα με κάθε προηγούμενη μέτρηση.

Το πλαίσιο κάθε περσόνας ελέγχεται πριν αποθηκευτεί: δεν επιτρέπεται να αναφέρει το brand που αξιολογείται ούτε κάποιον ανταγωνιστή, γιατί μια ερώτηση που ονομάζει το brand απαντά μόνη της και φουσκώνει ψευδώς κάθε ποσοστό που προκύπτει από αυτήν. Το ίδιο πλαίσιο ισχύει για όλους τους ανταγωνιστές στην ίδια εκτέλεση.

Διάστημα εμπιστοσύνης

Κάθε ποσοστό αναφέρεται μαζί με το εύρος του και το πλήθος των μετρήσεων πίσω του. Το διάστημα υπολογίζεται με τη μέθοδο Wilson σε επίπεδο 95%.

Η επιλογή δεν είναι ακαδημαϊκή. Η σχολική κανονική προσέγγιση καταρρέει ακριβώς στα μεγέθη δείγματος που παράγει η πραγματική χρήση: με 6 μετρήσεις και 5 αναφορές δίνει άνω όριο πάνω από 100%, δηλαδή αδύνατο. Η Wilson παραμένει εντός [0,100] και παραμένει έντιμη όταν το ποσοστό πλησιάζει το 0 ή το 100 — εκεί δηλαδή που βρίσκονται τα περισσότερα brands.

Το πλάτος του διαστήματος είναι η ειλικρινής ανάγνωση του πόσο σταθερό είναι ένα νούμερο:

Χαμηλή σταθερότητα δεν είναι σφάλμα μέτρησης: σημαίνει ότι το brand βρίσκεται κοντά στο όριο απόφασης του μοντέλου και εμφανίζεται άλλοτε ναι, άλλοτε όχι. Είναι από μόνο του σήμα GEO — μια μικρή βελτίωση πηγών μπορεί να το σταθεροποιήσει.

Πρακτικός κανόνας: με 3 μετρήσεις, το 67% και το 33% είναι στατιστικά αδιάκριτα μεταξύ τους. Ένα ποσοστό χρειάζεται περίπου 8–10 μετρήσεις ανά πλαίσιο πριν στηρίξει απόφαση, και η πλατφόρμα δείχνει παντού πόσο μακριά είσαι από εκεί.

Η μέση θέση υπολογίζεται μόνο πάνω στις μετρήσεις όπου το brand εμφανίστηκε. Η απουσία δεν είναι «τελευταία θέση», και το να μπει ως μηδέν στον μέσο όρο θα αντάμειβε σιωπηλά την αορατότητα.

Βαρύτητα ιστορικών snapshots

Ανεξάρτητα από τα παραπάνω, κάθε ημερήσιο snapshot στο ιστορικό κουβαλά έναν δικό του συντελεστή βαρύτητας που εξαρτάται αποκλειστικά από το μέγεθος του δείγματος της ημέρας. Χρησιμεύει στα γραφήματα τάσης, ώστε μια ήσυχη μέρα με δύο μετρήσεις να μη βαραίνει όσο μια με πενήντα:

Προτείνουμε 15–40 ερωτήματα ανά αγορά. Λίγα ερωτήματα δίνουν πλατιά διαστήματα· πολλά ερωτήματα με ελάχιστες μετρήσεις το καθένα δίνουν πλατιά διαστήματα παντού.

Καταλληλότητα πρότασης

Η θέση και η καταλληλότητα είναι διαφορετικά ερωτήματα, και τα κρατάμε χωριστά.

Ένας βοηθός που προτείνει σύστημα ERP πολλών χιλιάδων ευρώ σε πωλητή λαϊκής αγοράς μπορεί να βάλει το brand στην πρώτη θέση και να μην έχει βοηθήσει κανέναν. Ένας πίνακας που μετράει μόνο σειρά εμφάνισης καταγράφει αυτό ως επιτυχία.

Γι' αυτό κάθε μέτρηση με περσόνα βαθμολογείται και ως προς το αν η ίδια η πρόταση ταιριάζει στον αγοραστή που ρώτησε, σε οκτώ άξονες: προϋπολογισμός, μέγεθος επιχείρησης, φορητότητα, λειτουργίες, τεχνολογική απαίτηση, περιβάλλον εργασίας, πολυπλοκότητα και λειτουργικό μοντέλο. Το αποτέλεσμα εμφανίζεται δίπλα στο ποσοστό αναφορών, ποτέ ενσωματωμένο σε αυτό: η ενδιαφέρουσα περίπτωση είναι υψηλή ορατότητα με χαμηλή καταλληλότητα, και ένα ενιαίο σκορ θα την έκρυβε ακριβώς.

Προφίλ κοινού και ταίριασμα προϊόντος

Οι περσόνες δεν παράγονται από τον κλάδο και μόνο — αυτό θα έδινε στις ίδιες πέντε περσόνες σε κάθε εταιρεία του κλάδου. Παράγονται από τον συνδυασμό των χαρακτηριστικών ενός δηλωμένου κοινού: μέγεθος, τζίρος, λειτουργικό μοντέλο, περιβάλλον εργασίας, τεχνολογική εξοικείωση, ιεραρχημένες ανάγκες, προβλήματα, κριτήρια αγοράς και προϋπολογισμός.

Το προφίλ δηλώνει επίσης ρητά για ποιους δεν είναι το προϊόν. Χωρίς αυτό, η παραγωγή εφευρίσκει κοινά που δεν θα αγόραζαν ποτέ, και οι μετρήσεις τους δεν σημαίνουν τίποτα.

Το ταίριασμα προϊόντος–κοινού υπολογίζεται, δεν δηλώνεται: το κοινό εκφράζει τι απαιτεί και το προϊόν τι προσφέρει, στους ίδιους οκτώ άξονες, και το σκορ είναι σταθμισμένο με τα κριτήρια αγοράς που όρισε ο χρήστης (κανονικοποιημένα ώστε να αθροίζουν 100). Άξονας στον οποίο το κοινό δεν εξέφρασε απαίτηση δεν μετράει προς καμία κατεύθυνση. Υπέρβαση της απαίτησης θεωρείται πλήρες ταίριασμα — το να προσφέρεις παραπάνω δεν είναι ελάττωμα.

Κάθε στοιχείο του προφίλ προϊόντος κρατά την πηγή του και το αν έχει επιβεβαιωθεί. Ένα σκορ ταιριάσματος χτισμένο σε ανεπιβεβαίωτο διαφημιστικό κείμενο είναι σκορ του διαφημιστικού κειμένου, και ο χρήστης πρέπει να βλέπει ποιο από τα δύο κοιτάζει.

Σταθμισμένη ορατότητα ανά κοινό

Ένα brand μπορεί να απευθύνεται σε περισσότερα από ένα κοινά, με άνισο βάρος. Κάθε κοινό μετριέται χωριστά και συνδυάζεται με τη βαρύτητα που του έδωσε ο χρήστης, ώστε το συνολικό νούμερο να περιγράφει την πραγματική αγορά και όχι έναν μέσο όρο άσχετων τμημάτων. Όπου δεν έχουν οριστεί βαρύτητες, ισχύει η προεπιλογή ανά κατηγορία: κύριο ×3, δευτερεύον ×2, πειραματικό ×1.

Το σταθμισμένο νούμερο κανονικοποιείται μόνο πάνω στα κοινά που έχουν πράγματι μετρήσεις. Ένα κοινό που δεν έχει μετρηθεί ακόμη λείπει από τον υπολογισμό — δεν μετράει ως μηδέν, γιατί κάτι που δεν μετρήθηκε δεν είναι κακή επίδοση.

Εκδόσεις περσόνας και αναπαραγωγιμότητα

Οι περσόνες εξελίσσονται καθώς ο χρήστης μαθαίνει την αγορά του, και μια αναδιατυπωμένη περσόνα ρωτάει διαφορετική ερώτηση. Κάθε αλλαγή στη διατύπωση δημιουργεί νέα έκδοση, και κάθε μέτρηση μένει καρφωμένη στην έκδοση με την οποία έγινε.

Χωρίς αυτό, μια διόρθωση διατύπωσης θα ξανάγραφε αναδρομικά κάθε προηγούμενη μέτρηση: τα νούμερα θα συνέχιζαν να βγάζουν άθροισμα και θα είχαν πάψει να σημαίνουν κάτι. Έτσι μια πτώση ορατότητας ξεχωρίζει από μια αλλαγή στην ερώτηση.

Μετρήσεις που καταγράφηκαν πριν εισαχθούν τα πλαίσια μέτρησης κρατούνται για ιστορικό αλλά δεν συμμετέχουν στο ουδέτερο benchmark, γιατί δεν ξέρουμε υπό ποιο πλαίσιο έγιναν.

Μεταβλητότητα των AI απαντήσεων

Τα μοντέλα είναι πιθανοτικά: η ίδια ερώτηση μπορεί να δώσει διαφορετική απάντηση σε δύο διαδοχικές εκτελέσεις, ακόμη και χωρίς καμία αλλαγή στον κόσμο. Δεν το κρύβουμε πίσω από στρογγυλοποιήσεις. Το αντιμετωπίζουμε ως εξής:

• Πλήθος ερωτημάτων αντί για επαναλήψεις της ίδιας ερώτησης — ο θόρυβος αλληλοαναιρείται και ταυτόχρονα καλύπτεις μεγαλύτερο μέρος της πρόθεσης του αγοραστή.
• Ιστορικό ανά ερώτημα και πάροχο, ώστε η τάση να ξεχωρίζει από τη διακύμανση μιας εβδομάδας.
• Αιτιολόγηση αλλαγών: για κάθε ερώτημα που μετακινείται, σύγκριση των δύο τελευταίων απαντήσεων — τι άλλαξε, ποιος μπήκε, ποια πηγή έπαψε να παρατίθεται.

Ένα μεμονωμένο νούμερο από μία εκτέλεση δεν είναι συμπέρασμα, και η πλατφόρμα δεν το παρουσιάζει ως τέτοιο.

Απόδοση ενεργειών (attribution)

Όταν σημειώνεις μια προτεινόμενη ενέργεια ως ολοκληρωμένη, η πλατφόρμα κρατά τη μέτρηση του ίδιου ερωτήματος πριν από την ενέργεια και την ξαναμετρά μετά. Η σύγκριση γίνεται στο ίδιο ερώτημα και στον ίδιο πάροχο. Δεν ισχυριζόμαστε αιτιότητα: αν το ποσοστό αναφορών ανέβηκε μετά από μια καταχώρηση, αυτό είναι συσχέτιση με χρονική σειρά, όχι απόδειξη. Γι' αυτό δίπλα στη μεταβολή εμφανίζεται πάντα το μέγεθος του δείγματος.

Τεχνικό σκορ AI-ετοιμότητας

Ξεχωριστό από τα παραπάνω και δεν χρησιμοποιεί AI: είναι κανόνες πάνω στο δικό σου site. Ελέγχονται robots.txt, sitemap, δομημένα δεδομένα schema.org, δομή FAQ, ιεραρχία επικεφαλίδων, hreflang, σελίδες με ελάχιστο περιεχόμενο, ταυτότητα οργανισμού και συγγραφέα, και η ύπαρξη llms.txt. Κάθε έλεγχος έχει βαρύτητα ανάλογη της σοβαρότητάς του και το σκορ προκύπτει από τους ελέγχους που περνούν.

Ένα σημείο που διορθώσαμε στις 8/8/2026 και αξίζει να το ξέρεις: πολλοί static hosts (Cloudflare Pages, Netlify, Vercel) απαντούν σε ανύπαρκτα αρχεία με την αρχική σελίδα και HTTP 200. Ένας έλεγχος που κοιτάζει μόνο το status code «βρίσκει» llms.txt και robots.txt που δεν υπάρχουν. Ο δικός μας ελέγχει και τον τύπο περιεχομένου.

Ταχύτητα

Οι μετρήσεις ταχύτητας προέρχονται από το Google PageSpeed Insights και παρουσιάζονται όπως τις δίνει η Google, χωρίς δική μας επεξεργασία. Ξεχωρίζουμε τα εργαστηριακά δεδομένα (Lighthouse, προσομοίωση) από τα δεδομένα πραγματικών χρηστών (CrUX), τα οποία υπάρχουν μόνο σε sites με επαρκή κίνηση. Η ταχύτητα δεν μπαίνει στον δείκτη ορατότητας — αναφέρεται χωριστά, γιατί επηρεάζει έμμεσα τη σάρωση και την παράθεση.

Τι δεν μετράμε

• Δεν μετράμε επισκεψιμότητα από AI στο site σου ως μέρος αυτών των scores.
• Δεν εγγυόμαστε ούτε προβλέπουμε θέση σε οποιοδήποτε AI· οι πάροχοι αλλάζουν μοντέλα και πηγές χωρίς προειδοποίηση.
• Δεν χρησιμοποιούμε τα δεδομένα ενός πελάτη για να βελτιώσουμε τις μετρήσεις άλλου, πέρα από ανώνυμους συγκεντρωτικούς κλαδικούς δείκτες.