Ugrás a tartalomra

4. szakasz · Bizonyítás — alapmérés internet nélkül

Memóriavizsgálat · KEO internet nélküli memóriamérés

Knowledge Engine Optimization

Az a hiteles, kanonikus, olvasható és idézhető nyilvántartás, amelyből az AI-modellek tanulnak – hogy minden új modell a valóságnak megfelelően tanulja meg, ki vagy.

Knowledge Engine Optimization definíciója
— hely a modellek memóriájában

Mire emlékszik rólad egy AI-modell, ha kikapcsoljuk a webes keresést? Ez a Model Mindshare, a GEO optimalizáció következő generációja: megmérjük, és kiadjuk a listát, mely nyilvántartásokba kell bekerülnöd hozzá.

A gépi márkaérték körforgása — Memóriavizsgálat

  1. 1 · Mérés — „Hol állok ma?” Motoronként külön, tartománnyal (Alapmérés, Kérdésválasztó)
  2. 2 · Javítás — „Miért hagynak ki?” Oldalról oldalra, majd kódban javítva (Hiányelemzés, Hiánypótlás)
  3. 3 · Lehorgonyzás — „Miből tanuljon rólam a gép?” Egyértelmű entitás és jelenlét a tanulási forrásokban (Entitáshorgony, Korpuszkampány)
  4. 4 · Bizonyítás ↺ — „Mozdult-e, és mit hozott?” Web nélküli alapmérés és visszamérés minden új modellgenerációnál (Memóriavizsgálat, Utómérés)
→ AI-tranzakció — amikor az AI-ügynök vásárol helyetted (agentic commerce · tervezett)

A stúdió két saját műszere, a Tudásgráf-diagnosztika és az Állításegyeztetés, a kör mind a négy szakaszában dolgozik.

Futási sorrend:
K1K2K3K4
→ egymásra épül · ‖ párhuzamosan fut · ↺ modellgenerációnként ismétlődik
Az AVE Studio nem rövid távú kampányokat futtat: a partnerei
Gépi márkaérték (machine equity)

A gépi márkaérték (Machine Equity) az az üzleti vagyon, amely abból származik, hogy az AI-rendszerek felismerik, megértik, felidézik és ajánlják a márkádat, és a felhasználó megbízásából tranzakcióvá is tudják váltani. Három rétegből áll: a bérelt elérés (mennyit talál meg belőled a motor kereséskor), a saját memória (mire emlékszik rólad a modell a tudásából) és a gépi vásárlóképesség (tud-e nálad vásárolni egy ügynök). Becsületesen csak rétegenként, tartományban megadott mérőszámok együtteseként mérhető, egyetlen összevont pontszámmal soha.

Gépi márkaérték (machine equity) definíciója
építi, modellgenerációkon át.
Két különböző kérdés
Az 1. fok ezt méri

Mit talál az AI az interneten?

Az AI élő keresést végez: felkeresi a webet, forrásokat olvas, majd ezek alapján válaszol. Ha a tartalmad elérhető és megfelelő, már ma megtalálhatja.

Ez a vizsgálat ezt méri

Mit tud rólad a modell önállóan?

Internetes keresés nélküli mérés: a modell csak arra támaszkodhat, amit a betanításkor megtanult. Ez a tartósabb réteg – azt mutatja meg, hogy az AI külső források nélkül is megnevezi-e a cégedet, és mit tud rólad.

Hogyan mérünk
01

Önálló felidézés

Megnevezi-e a cégedet a saját kategóriádban úgy, hogy előre nem áruljuk el a márkád nevét?

02

Felismerés név alapján

Ezután megadjuk a nevedet, és megnézzük, felismeri-e a modell, és pontos-e, amit tud rólad. A sorrend rögzített, hogy az első mérés eredményét ne befolyásolja.

03

Ismételt mérés több modellen

OpenAI-, Anthropic- és Google-modelleken többször is megismételjük a vizsgálatot, mert egyetlen válaszból nem lehet megbízható következtetést levonni.

04

A téves információk listája

Tételesen összegyűjtjük, mit tud rólad hibásan a modell. Ebből tervezzük meg a javítást.

A szolgáltatás mögött: saját fejlesztésű rendszer

Minden szolgáltatásunk mögött saját fejlesztésű, kifejezetten erre a feladatra készült alkalmazás áll – nem kézzel vezetett táblázatok és nem általános célú eszközök.

Saját mérőrendszerünk internet nélkül dolgozik: rögzített kérdéssort teszünk fel modellenként és nyelvenként, hat szempont szerint, tartományokkal.

Mit kapsz
  • Hat külön mérési szempont: felidézés, elsőbbség (vagyis milyen korán említ meg téged), pontosság, részletesség, következetesség, és hogy milyen összefüggésben mutat be téged a modell.
  • Eredmények modellenként és nyelvenként: a modell magyarul és angolul mást tudhat rólad – mindkettőt külön látod.
  • Megbízhatósági tartomány minden eredménynél: megmutatja, mennyire biztos az adott érték.
  • Háttérkép az online jelenlétedről: megmutatjuk, mennyi nyom található rólad azokban a forrásokban, amelyekből a modellek tanulhatnak. Ez háttérinformáció, nem pontszám.
  • Időbeli változások az irányítópulton és részletes riport. Minden mérés előtt költségbecslést kapsz, és a vizsgálat csak a jóváhagyásod után indul.
szemléltető példa
Modell AModell BModell C
magyar32–51%18–39%4–19%
angol41–63%9–27%22–44%

Szemléltető példa: az önálló felidézés eredménye mindig tartományként jelenik meg, nem egyetlen összevont pontszámként.

A riport magyar és angol nyelven készül.

◇ = szemléltető adat — példaérték, nem mért ügyféleredmény.

Miért más
01

Nem azt mérjük, mit talál az AI, hanem azt, mit tud önállóan

A legtöbb mérés az internetes keresés eredményét vizsgálja. Mi azt a mélyebb réteget mérjük, milyen kép él rólad a modell saját, korábban megszerzett tudásában.

02

A márkakutatás módszerét alkalmazzuk AI-modellekre

Először név nélkül, majd a név megadásával kérdezünk, mindig ugyanabban a sorrendben. Ugyanez a logika régóta bevett módszer az emberi márkaemlékezet kutatásában.

03

Nincs félrevezető, összevont „memóriapontszám”

Egyetlen szám összemosná az eltérő jelenségeket, ezért külön mutatjuk meg mind a hat mérési szempontot, megbízhatósági tartománnyal.

04

Az eredmények később pontosan összehasonlíthatók

Az Utómérés ugyanazt a kérdéskészletet használja, ezért egy új modellgeneráció eredménye valóban összevethető az alapméréssel.

Gyakori kérdések

Mennyibe kerül a modellmemória-audit?

A Memóriavizsgálat már 145 000 Ft + áfa. Erre a mérésre nincs piaci ár, mert nincs piaci termék: a betanult modellmemóriát tudtunkkal egyedül mi mérjük termékesített formában. Az alapár egy nyelvre és három modellre vonatkozik; több nyelv vagy több modell fix felárral megy.

Mit kapok kézhez?

Felidézési mátrixot kapsz modell és nyelv szerinti bontásban: mit tud rólad az AI webhozzáférés nélkül, fejből. Mellé a téves állítások listáját – amelyeket a modellek hibásan ismételgetnek rólad – és azt, hogy hol vannak jelen a forrásaid azokban a szövegekben, amelyekből a modellek tanulnak.

Mit jelent az internet nélküli („closed-book”) mérés?

A modellt webhozzáférés nélkül kérdezzük: csak arra támaszkodhat, amit a betanításakor megjegyzett. Ez azért számít, mert ez a tudás akkor is működik, amikor az AI nem keres — és ez marad meg modellgenerációkon át, ha egyszer beépült.

Miért érdemes most megmérni? Amit a modell ma nem tud rólad, azt a következő modellgenerációig nem is fogja megtanulni – a betanított tudás lassabban frissül, mint a web. Egy mai alapmérés nélkül pedig később nincs mihez hasonlítani: az Utómérés is csak akkor tud változást kimutatni, ha van kiindulópont.

Kíváncsi vagy, mit lát rólad az AI?

Kezdd az ingyenes belépő méréssel – kötelezettség nélkül.

Kérd az ingyenes belépő mérést