Sommaire
Citations, sentiment et trafic référent ne suffisent pas à mesurer la visibilité dans les assistants IA. David Khim recommande de suivre les bons prompts, la présence dans plusieurs modèles et l’origine déclarée des prospects.
David Khim propose une méthode pour relier la visibilité obtenue dans ChatGPT, Claude, Gemini ou Google AI Mode à des résultats commerciaux.
Spécialiste de la croissance et du marketing, il s’appuie sur les pratiques observées auprès de plusieurs dizaines d’entreprises. Son analyse porte sur les indicateurs à suivre, ceux qui doivent rester secondaires et les méthodes permettant de mieux identifier les leads issus des assistants IA.
Le choix des prompts conditionne toute la mesure
Le premier indicateur à définir est la liste des prompts suivis.
Selon David Khim, un mauvais choix de prompts fausse ensuite toutes les autres mesures, qu’il s’agisse des mentions, des citations ou de la visibilité générale.
Les outils comme Profound, Peec ou AirOps peuvent suggérer automatiquement des prompts à partir des pages déjà présentes sur un site. Cette méthode suppose toutefois que les contenus existants correspondent déjà aux sujets sur lesquels l’entreprise souhaite apparaître.
Or, les marques cherchent souvent à gagner en visibilité sur des questions encore mal couvertes par leur site.
David Khim recommande donc de partir des échanges commerciaux, des appels d’onboarding et des études clients. Les objections, les problèmes formulés et le vocabulaire employé par les prospects peuvent servir à construire une liste de prompts plus proche de la demande réelle.
Cette sélection doit être revue régulièrement, notamment dans les secteurs où les besoins évoluent rapidement.
La visibilité doit être suivie modèle par modèle
Une marque ne bénéficie pas nécessairement de la même présence dans ChatGPT, Claude, Gemini, Perplexity, Copilot ou Google AI Mode.
Les assistants utilisent des sources et méthodes différentes pour rechercher et présenter les informations. Leurs publics ne sont pas non plus identiques.
ChatGPT serait davantage utilisé par le grand public, tandis que Claude compterait une proportion plus importante d’utilisateurs professionnels. Pour une entreprise B2B, un modèle disposant d’une audience plus réduite peut donc rester important s’il est utilisé dans un contexte de travail.
Le suivi séparé permet aussi de savoir si une évolution concerne un seul modèle ou l’ensemble des plateformes.
David Khim recommande ainsi de mesurer la présence de la marque sur les prompts ciblés dans chaque assistant, puis de comparer cette visibilité à celle des concurrents au fil du temps.
L’attribution déclarée complète les données analytiques
Les assistants IA répondent souvent sans générer de clic.
Un utilisateur peut découvrir une entreprise dans ChatGPT, puis effectuer une recherche Google sur son nom ou saisir directement son adresse. Google Analytics ou le CRM classeront alors cette visite dans le trafic organique ou direct.
L’origine réelle du contact reste donc invisible dans les outils classiques.
David Khim recommande d’ajouter une question simple dans les formulaires, l’onboarding ou les appels commerciaux : « Comment avez-vous entendu parler de nous ? »
Cette attribution déclarée présente des limites, notamment en raison de la mémoire des utilisateurs, mais elle permet de relier les réponses aux opportunités commerciales, au pipeline et au chiffre d’affaires.
Chez l’un de ses clients, environ 5 % des inscriptions provenaient de ChatGPT alors qu’aucune stratégie spécifique de visibilité IA n’avait été mise en place.
Dans ses propres données, 80 à 90 % des leads issus d’une IA étaient initialement classés comme trafic organique ou direct par les outils d’analyse.
Les citations restent un indicateur secondaire
Les citations peuvent aider à comprendre les sources utilisées par les assistants, mais elles ne constituent pas nécessairement un objectif commercial.
Une marque peut être citée sans être recommandée ni même nommée dans la réponse.
Les recherches évoquées par David Khim montrent que les sources tierces dominent les citations. Même sur des requêtes de marque ou proches de la conversion, 48 % des sources provenaient de médias acquis et 30 % de contenus commerciaux publiés par d’autres sites.
Le site officiel de la marque ne représentait que 22 % des sources observées.
L’analyse doit donc aussi porter sur la présence de la marque dans les pages citées, et pas seulement sur la citation de son propre domaine.
Les citations restent utiles pour identifier les supports influents et les opportunités de visibilité externe, mais elles ne permettent pas à elles seules de mesurer les résultats d’une stratégie.
Le sentiment reflète plus que le marketing
Le sentiment associé à une marque dans les réponses IA est également difficile à transformer en indicateur de performance.
Les assistants synthétisent ce qui est publié sur de nombreux sites, forums et plateformes. Une perception négative peut donc provenir des produits, du service commercial, du support ou de l’expérience client.
Le marketing ne contrôle qu’une partie de cette perception.
Des actions éditoriales peuvent influer sur certaines sources, notamment en répondant à des discussions ou en publiant des contenus plus complets. Elles ne suffisent toutefois pas à compenser une expérience client dégradée.
David Khim conseille donc de surveiller le sentiment comme un signal sur l’expérience proposée, plutôt que comme un KPI directement pilotable par les équipes marketing.
Le trafic référent des IA reste incomplet
Le trafic provenant directement des assistants mérite d’être surveillé, mais il reste volatil et partiel.
Les plateformes peuvent modifier la présentation des sources et le nombre de liens affichés. Une simple évolution d’interface peut donc provoquer une forte hausse ou une baisse du trafic référent sans changement de visibilité réel.
Une partie des visites perd aussi son information de provenance avant d’arriver dans les outils d’analyse.
Ces sessions sont alors classées dans le trafic direct ou organique, ce qui réduit la fiabilité du suivi.
Le trafic référent des LLM peut donc servir d’indicateur complémentaire, mais il ne doit pas être utilisé seul pour évaluer les performances.
Les leads et le chiffre d’affaires restent les objectifs
Pour David Khim, la mesure ne doit pas s’arrêter à la visibilité obtenue dans les assistants. Elle doit permettre d’identifier les prospects réellement influencés, puis de relier cette origine au pipeline et au chiffre d’affaires.
Les autres données restent des indicateurs intermédiaires. Elles renseignent sur la présence de la marque, sans mesurer seules la performance commerciale obtenue.
