फ़नल क्वेरी पाथवे: एआई दृश्यता को मापने के लिए एक रूपरेखा

2026 में मुझसे सबसे अधिक पूछा जाने वाला प्रश्न यह है: हम इसे कैसे मापते हैं?

• हम यह कैसे मापेंगे कि हमारा ब्रांड ChatGPT में दिखाई दे रहा है या नहीं?
• हम यह कैसे मापेंगे कि पर्प्लेक्सिटी हमें अनुशंसित कर रही है या नहीं?
• हम यह कैसे मापेंगे कि एआई मोड के लिए ग्राउंडिंग पर हमने पिछली तिमाही में जो काम किया था, उसमें सुई चली गई या नहीं?

इसका समाधान किसी ने नहीं किया.

कोई भी आपको ग्राउंडिंग में उपस्थिति, डिस्प्ले में दृश्यता, या खोज, सहायक और एजेंट में एक साथ कार्रवाई पर नज़र रखने के लिए एक साफ डैशबोर्ड बेच रहा है, जो आपको एक स्नैपशॉट दृश्य बेच रहा है जो एक खराब सर्वोत्तम अनुमान के बराबर है।

मानक सलाह है “इन प्रश्नों को ट्रैक करें जो हमें लगता है कि लोग पूछ सकते हैं,” या “इन प्रश्नों को ट्रैक करें जो खोज कीवर्ड का सर्वोत्तम-अनुमानित अनुकूलन हैं।”

यह सलाह अनुपयोगी है क्योंकि पूर्वनिर्मित कीवर्ड सूचियाँ ऐसे प्रश्नों को चुनती हैं जिन्हें ट्रैक करना आसान होता है, मौजूदा मार्केटिंग प्रयासों को मैप करना आसान होता है, या यदि दर्शक पूर्वानुमानित होते तो आदर्श होते।

दृश्यता का प्रश्न सही है. यह जिस सटीक-संख्या वाले उत्तर की अपेक्षा करता है वह गलत है।

माप का प्रश्न, जैसा कि उद्योग वर्तमान में इसे तैयार करता है, गलत संदर्भ अनुशासन का उपयोग करता है। ब्रांड अभी भी सही एआई-युग दृश्यता केपीआई की तलाश में हैं, वे ऐसी चीज की तलाश कर रहे हैं जो अस्तित्व में नहीं है और कभी नहीं होगी।

सही उत्तर एक पद्धति है जो इस बात से अपना अनुशासन लेती है कि कैसे अर्थशास्त्री सिस्टम को सटीक रूप से मापने के लिए बहुत जटिल और अपारदर्शी मापते हैं। मेरी कार्यप्रणाली फ़नल क्वेरी पाथवे है, और यह माप से कहीं अधिक कार्य करती है। यह एक परिचालनात्मक कलाकृति है जो एक साथ तीन कार्य करती है: रणनीति, माप और विश्लेषण।

विपणक एक डैशबोर्ड पर एक नंबर चाहते हैं, जो सप्ताह दर सप्ताह ट्रैकिंग करता हो, किसी भी उपयोगकर्ता के लिए किसी विशिष्ट इंजन पर विशिष्ट क्वेरी से जुड़ा हो, जिस तरह से खोज 20 वर्षों तक वितरित की जाती है। खोज वह संख्या प्रदान कर सकी क्योंकि सतह सीमित थी, रैंकिंग स्थिर थी, क्लिक मापने योग्य था, और यात्रा देखने योग्य थी। सहायक और एजेंटिअल सतहें इनमें से कुछ भी प्रदान नहीं करती हैं।

हम अब एक नए वातावरण में काम कर रहे हैं, और वह वातावरण हमें अलग-अलग प्रश्न पूछने, विभिन्न संकेतों को मापने और विभिन्न प्रमाणों पर कार्य करने के लिए मजबूर करता है।

एआई दृश्यता एक वृहत मापन समस्या क्यों है?

मैंने लिवरपूल जॉन मूरेस विश्वविद्यालय में अर्थशास्त्र और सांख्यिकीय विश्लेषण का अध्ययन किया, यही कारण है कि इस माप समस्या का आकार परिचित लगता है। जब भी एक पैमाने पर काम करने वाला अनुशासन एक ऐसे पैमाने पर काम करने की कोशिश करता है जहां उसके उपकरण लागू होना बंद हो जाते हैं तो वही आकार दिखाई देता है।

सूक्ष्मअर्थशास्त्र बनाम व्यापकअर्थशास्त्र विहित मामला है। कोने की दुकान इन्वेंट्री को सटीक रूप से मापती है, केंद्रीय बैंक मुद्रास्फीति को सटीक रूप से नहीं माप सकता है, और दोनों विषय अपने पैमाने पर सही हैं। किसी भी अनुशासन के उपकरण दूसरे के वातावरण में काम नहीं करते हैं। मैं जिस अनुशासन का प्रस्ताव कर रहा हूं वह ब्रांडों पर लागू होने वाला व्यापक अर्थशास्त्र नहीं है। यह एआई-युग ब्रांड मापन पर लागू होने वाली मैक्रो इंस्टिंक्ट है।

एआई सतहें उन्हीं तीन संरचनात्मक कारणों से मैक्रो हैं, जिनके कारण मैक्रोइकॉनॉमिक्स को अपना स्वयं का अनुशासन विकसित करना पड़ा।

पहला है अपारदर्शिता. सिस्टम की आंतरिक स्थिति देखने योग्य नहीं है, जिस तरह से केंद्रीय बैंक हर लेनदेन का निरीक्षण नहीं कर सकते हैं और आधुनिक एलएलएम यह उजागर नहीं कर सकते हैं कि उन्होंने जो निर्णय लिया वह क्यों तय किया।

मैं इसे ब्रांड-उपयोगकर्ता-एल्गोरिदम (बीयूए) अपारदर्शिता कहता हूं। उपयोगकर्ता एल्गोरिदम द्वारा अस्वीकार किए गए विकल्पों को नहीं देख सकता है, ब्रांड चारदीवारी के भीतर की यात्रा को नहीं देख सकता है, और एल्गोरिदम पूरी तरह से आत्मनिरीक्षण नहीं कर सकता है कि उसने यह निर्णय क्यों लिया कि उसने क्या किया।

दूसरा कारण वैयक्तिकरण है, एआई-युग विषम एजेंटों के बराबर: प्रत्येक उपयोगकर्ता को एक अलग उत्तर मिलता है क्योंकि इंजन अलग-अलग संदर्भ में कारक होता है।

तीसरा संभावनाओं का विस्फोट है, और विस्फोट केवल सात इंजनों में नहीं है। सतहों में अब ऐप्स (वर्ड में कोपायलट, स्लैक के अंदर चैटजीपीटी, कॉमेट में पर्प्लेक्सिटी), ऑपरेटिंग सिस्टम (विंडोज़ में कोपायलट, मैकओएस और आईओएस में ऐप्पल इंटेलिजेंस), और हार्डवेयर (एक समर्पित कोपायलट कुंजी के साथ लेनोवो कोपायलट + लैपटॉप, फोन पर सैमसंग गैलेक्सी एआई, और आपके चेहरे पर मेटा रे-बैन) शामिल हैं।

एक प्रमुख प्रवेश माध्यम बन जाता है। एआई बिना किसी संकेत के एक सिफारिश पेश करता है क्योंकि यह संदर्भ को समझता है।

यहीं पर फ़नल क्वेरी मार्ग रहता है। महत्वपूर्ण बात यह है कि यह कीवर्ड मैपिंग या एक प्रेरित इरादे-आधारित पद्धति का विकास नहीं है। क्योंकि यह वृहद स्तर पर दिखता है, यह मौलिक रूप से अलग जानवर है।

माप की इकाई एक समूह है

कीवर्ड अभियान चलाने वाले अधिकांश व्यवसायी सोचते हैं कि वे प्रश्नों को इरादे के आधार पर समूहित कर रहे हैं, लेकिन अक्सर, वे श्रेणी के आधार पर समूह बनाते हैं, जो इरादे के समान नहीं है। एक विशिष्ट Google विज्ञापन अभियान प्रत्येक फुकेत होटल क्वेरी को एक विज्ञापन समूह में रखेगा, इस अंतर्निहित तर्क के साथ कि “फुकेत होटल” एक तार्किक उद्देश्य समूह है। यह नहीं है

“फुकेत होटल” गंतव्य को परिभाषित करता है। “फुकेत में 5-सितारा होटल” के पीछे का खरीदार और “फुकेत में सस्ते होटल” के पीछे का खरीदार एक गंतव्य साझा करते हैं और उनमें लगभग कुछ भी समान नहीं है: अलग-अलग बजट, निर्णय मानदंड, रूपांतरण पथ और डाउनस्ट्रीम व्यवहार। उन्हें समूहित करने से एक विज्ञापन समूह तैयार होता है जिसका प्रदर्शन दो समूहों के बीच औसत होता है जिन्हें कभी भी संयोजित नहीं किया जाना चाहिए था।

श्रेणियाँ समूह चीज़ें. सहसमूह समूह के लोग.

इरादा लोगों के बारे में है, चीज़ों के बारे में नहीं। Google इंजीनियरों ने मुझे बताया कि यह एआई मैक्स और परफॉर्मेंस मैक्स अभियानों में देखी जाने वाली सबसे आम गलती है क्योंकि किसी संभावित ग्राहक को रूट करने वाला एल्गोरिदम यह नहीं पूछता है, “यह क्वेरी किस श्रेणी में है?” यह पूछता है, “यह उपयोगकर्ता किस समूह से संबंधित है, किस इरादे से?”

समूह और इरादे का प्रतिच्छेदन नोड को परिभाषित करता है

एक समूह ऐसे लोगों का एक समूह है जो एक विशिष्ट प्रोत्साहन दिए जाने पर समान तरीके से व्यवहार करेंगे। एक्सएल पुरुष, लक्जरी यात्री, और बच्चों के लिए खरीदारी करने वाले माता-पिता। प्रत्येक एक समूह है, जिसे कुछ टिकाऊ पहचान द्वारा परिभाषित किया गया है जो समय और संदर्भ में बनी रहती है। एक्सएल आदमी अभी भी एक्सएल आदमी है जब वह नवंबर में शीतकालीन कोट खरीद रहा है, जुलाई में छुट्टियां और मार्च में शादी की अंगूठी खरीद रहा है।

इरादा स्थितिजन्य वेक्टर है जो एक समय में समूह से होकर गुजरता है। एक शर्ट ख़रीदना, अगले महीने के लिए एक होटल बुक करना, और गर्मियों के लिए एक बच्चे को बाहर रखना। प्रत्येक एक इरादा है, और प्रत्येक कई समूहों तक फैला हुआ है। शर्ट खरीदने के लिए एक्सएल पुरुष, एस पुरुष, महिलाएं और माता-पिता बच्चों के लिए खरीदारी करते हैं, सभी अलग-अलग मूल्य बिंदुओं पर अलग-अलग ब्रांडों के लिए अलग-अलग रास्ते पर चलते हैं।

प्रत्येक समूह जीवन भर कई इरादों को लेकर चलता है, और एक ही इरादे पूरे बाजार में कई समूहों तक फैला हुआ है। समूह और इरादे का प्रतिच्छेदन फ़नल क्वेरी पाथवे ट्री में एक नोड को परिभाषित करता है। सर्दियों में एक्सएल पुरुषों के लिए शर्ट खरीदना एक नोड है। अगले महीने के लिए होटल बुक करने वाले लक्जरी यात्री एक नोड हैं। गर्मियों के लिए बच्चों के शॉर्ट्स की खरीदारी करने वाले माता-पिता एक नोड हैं।

महत्वपूर्ण बात यह है कि अकेले समूह से काम नहीं चलता क्योंकि पजामा खरीदने वाले एक्सएल पुरुष ऑफिस शर्ट या छुट्टियों के लिए शर्ट खरीदने वाले एक्सएल पुरुषों से अलग व्यवहार करते हैं। अकेले इरादे पर नज़र नहीं रखी जा सकती क्योंकि बाली की बुकिंग करने वाले लक्जरी यात्री बाली की बुकिंग करने वाले बजट यात्रियों से अलग व्यवहार करते हैं। चौराहा वह जगह है जहां व्यवहारिक सुसंगतता रहती है, और व्यवहारिक सुसंगति वह है जो नोड को उन अपारदर्शी एआई सतहों में ट्रैक करने योग्य बनाती है जिनके साथ हम काम कर रहे हैं।

क्वेरी ट्रैकिंग के लिए तभी योग्य होती है जब उसमें समूह और इरादा दोनों सुपाठ्य हों

कोई क्वेरी फ़नल क्वेरी पाथवे ट्री में है या नहीं, इसका परीक्षण यह है कि क्वेरी में समूह और आशय दोनों सुपाठ्य हैं या नहीं। “यूनीक्लो से पुरुषों की लाल शर्ट” में एक व्यक्ति कपड़े (समूह) की खरीदारी कर रहा है और खरीदारी के समय (इरादा) एक लाल शर्ट खरीद रहा है, जिस ब्रांड को वाणिज्यिक गंतव्य के रूप में नामित किया गया है। दोनों अक्ष सुपाठ्य हैं।

“बाली में होटल” एक इरादे को सामने लाता है लेकिन समूह (लक्जरी, व्यवसाय, बजट, हनीमून, परिवार, बैकपैकर) को छुपाता है, यही कारण है कि यह एक नोड के रूप में कार्य नहीं कर सकता है। इसे सबमिट करने वाले लोग फ़नल के नीचे अपना काम करते समय एक जैसा व्यवहार नहीं करेंगे। इसे “बाली में सस्ते होटल” तक सीमित करें और बजट समूह इरादे के साथ उभरता है, और क्वेरी फ़नल क्वेरी मार्ग के लिए योग्य हो जाती है।

परीक्षण व्यवहारिक सुसंगति का है, विशिष्टता का नहीं। यदि दोनों अक्ष स्पष्ट हैं, तो यह एक नोड है। यदि नहीं, तो इसे तब तक सीमित करें जब तक वे न हो जाएं, और आपको उस समूह और इरादे का पता चल जाएगा जो एक साथ मिलकर आपके व्यवसाय के लिए सार्थक होगा।

रूपांतरण क्षण से ऊपर की ओर फ़नल क्वेरी मार्ग बनाएं

फ़नल क्वेरी पाथवे यह ट्रैक नहीं करता कि उपयोगकर्ता वास्तव में क्या टाइप करते हैं। यह ट्रैक करता है कि इरादे को देखते हुए समूह क्या पूछेगा। ट्री में प्रत्येक क्वेरी खरीदारी के समय समूह के व्यवहार का एक सैद्धांतिक प्रतिनिधि है, न कि व्यक्तिगत उपयोगकर्ताओं का अनुभवजन्य रिकॉर्ड।

यह व्यवहार में वृहत अनुशासन है। हम इन प्रश्नों के लिए खोज मात्रा पर शोध नहीं करते हैं क्योंकि जरूरी नहीं कि ये ऐसे प्रश्न हों जो किसी ने भी टाइप किए हों। हम समूह और इरादे से आगे तर्क करके उनका निर्माण करते हैं, उस आदर्श मार्ग का निर्माण करते हैं जिस पर समूह का एक प्रतिनिधि सदस्य चल सकता है।

“होगा” पूरी पद्धति को वहन करता है, और जिस क्षण आप यह सोचने लगते हैं कि उपयोगकर्ता “वास्तव में” क्या टाइप करते हैं, आप वापस उस सूक्ष्म प्रवृत्ति में गिर जाते हैं जिससे बचने के लिए पद्धति को डिज़ाइन किया गया था।

एक बार जब कोई प्रश्न परीक्षण में उत्तीर्ण हो जाता है, तो यह आपका प्रारंभिक बिंदु होता है। फ़नल क्वेरी पाथवे (शाखा वृक्ष) वहां से ऊपर की ओर बनता है। यह प्रतिबिंबित करता हैक्वेरी स्तर पर. एआई-युग का अधिग्रहण रूपांतरण के क्षण से शुरू होता है और ऊपर की ओर बढ़ता है क्योंकि एल्गोरिदम जागरूकता से नहीं, इरादे से रूपांतरण पथ की गणना करता है।

एक उद्देश्य के साथ एक समूह के लिए आदर्श ब्रांडेड बीओएफयू क्वेरी से शुरुआत करें, फिर समूह द्वारा पूछे जाने वाले मूल्यांकन प्रश्नों के माध्यम से ऊपर की ओर प्रोजेक्ट करें, फिर उन जागरूकता प्रश्नों के माध्यम से ऊपर की ओर बढ़ें जो पहले भी आएंगे।

उदाहरण: एकल यूनीक्लो क्वेरी से एक फ़नल क्वेरी पाथवे ट्री बनाना

यूनीक्लो को ब्रांड के रूप में और “कपड़ों की खरीदारी करने वाले पुरुषों” को समूह के रूप में लें। इरादा स्थितिजन्य वेक्टर है जो खरीदारी के क्षण को परिभाषित करता है, और एक ही समूह के अंदर अलग-अलग इरादे अलग-अलग पेड़ पैदा करते हैं: पुरुष शर्ट खरीदते हैं, पुरुष सर्दियों के बाहरी वस्त्र खरीदते हैं, और पुरुष जिम किट खरीदते हैं। प्रत्येक एक नोड है.

एक से शुरू करें. उदाहरण के लिए, लाल शर्ट खरीदने का इरादा चुनें, जो मैं अक्सर करता हूं। ब्रांडेड बॉटम-ऑफ़-फ़नल क्वेरी जो समूह-आशय चौराहे पर फिट बैठती है वह है “यूनीक्लो से पुरुषों की लाल शर्ट।” वह रूपांतरण नोड है.

समान आकार के प्रश्नों की पांच से 10 विविधताएं एक ही चौराहे पर फिट होती हैं और उन्हें व्यक्तिगत रूप से ट्रैक करने की आवश्यकता नहीं होती है: “पुरुषों की यूनीक्लो ऑक्सफ़ोर्ड शर्ट,” “यूनीक्लो पुरुषों की स्मार्ट शर्ट,” “पुरुषों की लाल ड्रेस शर्ट यूनीक्लो,” और “यूनीक्लो पुरुषों की कैज़ुअल लाल शर्ट।” प्रत्येक एक ही समूह है जिसका एक ही इरादे एक ही ब्रांड पर उतरना है। वह चुनें जो आपके व्यवसाय के लिए सबसे उपयोगी हो। ऊपर की ओर निर्माण करें.

इसके बाद, फ़नल के बीच की शाखाएं ढूंढें जो आपकी आदर्श BOFU क्वेरी पर पहुंचेंगी। हमारे उदाहरण में, “यूनीक्लो से पुरुषों की लाल शर्ट”, हम उन मूल्यांकन प्रश्नों की तलाश कर रहे हैं जो वही व्यक्ति ब्रांडेड खरीद क्षण पर पहुंचने से पहले इंजन से पूछेगा। समूह में अभी भी पुरुष कपड़े खरीद रहे हैं, इरादा अभी भी लाल शर्ट खरीदने का है, और ब्रांड का नाम अभी तक नहीं बताया गया है क्योंकि समूह अभी भी विकल्पों पर विचार कर रहा है:

• “पुरुषों के लिए सर्वश्रेष्ठ लाल शर्ट”
• “कार्यालय के काम के लिए लाल शर्ट”
• “गुणवत्तापूर्ण लाल ऑक्सफ़ोर्ड शर्ट कहाँ से खरीदें”
• “कौन सी लाल शर्ट चिनोस के साथ सबसे अच्छी लगती है”
• “पुरुषों की सस्ती लाल शर्ट जो फीकी नहीं पड़ती”
• “€50 से कम कीमत वाले पुरुषों के लिए लाल शर्ट”
• “पुरुषों के लिए सर्वोत्तम किफायती कपड़ों के ब्रांड”
• “रंग रेंज वाले न्यूनतम पुरुष परिधान ब्रांड”
• “पुरुषों के लिए गुणवत्तापूर्ण बुनियादी चीज़ें ऑनलाइन कहां से खरीदें”
• “सर्वोत्तम किफायती पुरुषों की शर्ट ब्रांड”

दस शाखाएँ, सभी समान दल, सभी समान इरादे, सभी तार्किक रूप से ब्रांड के लिए आदर्श BOFU वाणिज्यिक क्वेरी के रूप में “पुरुषों की लाल शर्ट यूनीक्लो” की ओर अग्रसर हैं।

शीर्ष-फ़नल शाखाएँ जो फ़नल-के-मध्य प्रश्नों में से प्रत्येक पर उतरेंगी, वे व्यापक जागरूकता प्रश्न हैं जो वही व्यक्ति विशिष्ट शर्ट प्रकारों या ब्रांडों तक सीमित होने से पहले भी पूछते थे।

“पुरुषों के लिए सर्वश्रेष्ठ लाल शर्ट” के लिए:

• “क्या पुरुष काम करने के लिए लाल शर्ट पहन सकते हैं”
• “किसी व्यक्ति की अलमारी में रंग कैसे जोड़ें”
• “कार्यालय में पहनने के लिए शर्ट के रंग के नियम”
• “एक आदमी के पास कितनी शर्ट होनी चाहिए”
• “कौन सी शर्ट का रंग किस त्वचा टोन वाले पुरुषों पर सूट करता है”
• “कौन से रंग के कपड़े मुझे भीड़ में अलग दिखाएंगे”

यह एक 60-क्वेरी फ़नल क्वेरी पाथवे है। मैं 120 या अधिक शामिल कर सकता था। यह एक विकल्प है, जैसा कि हम देखेंगे। सामान्य नियम के रूप में, बजट-बनाम-अंतर्दृष्टि परिप्रेक्ष्य से 60 एक उचित संख्या है। वृहद दृष्टिकोण की बात यह है कि इसे मापने के लिए आपको विस्तृत स्तर पर जाने की आवश्यकता नहीं है।

ट्रैकिंग सतह पेड़ों का एक जंगल है, जो कार्यप्रणाली चलने के साथ-साथ जमा होता जाता है।

एआई रूटिंग Google विज्ञापन बोली-प्रक्रिया के समान गणित का उपयोग करती है

मुझे इस महीने एशिया प्रशांत में Google मार्केटिंग लाइव के लिए कीनोट्स और वर्कशॉप चलाने के दौरान वरिष्ठ Google इंजीनियरों के साथ बातचीत के दौरान पता चला कि जेमिनी कैसे सुझावों को पेश करता है।

जेमिनी गणित यह तय करने के लिए चलाता है कि आगे कौन सा उत्तर सामने लाना है, वही गणित Google Ads यह तय करने के लिए चला रहा है कि आगे कौन सा विज्ञापन पेश किया जाए: इस संभावना की गणना करें कि यह समूह, इस इरादे से, रूपांतरण पर पहुंचता है, और उन्हें वहां तक ​​पहुंचाने के लिए सबसे अधिक संभावना वाला रास्ता चुनें।

पिछले 15 वर्षों में किसी अभियान पर बोली लगाने वाला प्रत्येक व्यवसायी उस संभाव्यता गणना के साथ काम कर रहा है। मेरे लिए, यह सबसे उपयोगी फ़्रेमिंग है जो फ़नल क्वेरी पाथवे को विरासत में मिल सकती है, क्योंकि यह बताता है कि कोहोर्ट-विथ-इंटेंट इकाई इंजन के आंतरिक तर्क के साथ संरेखित क्यों होती है।

इंजन श्रेणियों या प्रश्नों को अलग से ट्रैक नहीं कर रहा है। यह समूह प्लस इरादे पर फ़नल पाथवे संभाव्यता गणना चला रहा है। आपके द्वारा पॉप्युलेट किया गया प्रत्येक नोड इंजन को सिखाता है कि इस उपयोगकर्ता को उनकी समस्या के सर्वोत्तम समाधान तक पहुंचाने के लिए कौन सा पथ सबसे तेज़ तरीका है।

विज्ञापनों में लाभ मार्जिन शामिल है। ऑर्गेनिक नहीं.

विज्ञापनों में परिचालन सूत्र समूह x आशय x रूपांतरण दर x लाभ मार्जिन है। Google के पास ये चारों हैं क्योंकि विज्ञापनदाता Google को बोली-प्रक्रिया को अनुकूलित करने के लिए आवश्यक व्यावसायिक जानकारी प्रदान करता है। नीलामी से अपेक्षित लाभ अधिकतम हो जाता है क्योंकि Google के पास इसकी गणना करने के लिए इनपुट हैं।

ऑर्गेनिक में परिचालन सूत्र समूह + आशय + रूपांतरण दर है। लाभ मार्जिन कम हो जाता है क्योंकि इंजन में व्यावसायिक जानकारी नहीं होती है। इंजन लाल शर्ट पर आपके सकल मार्जिन बनाम पजामा पर आपके सकल मार्जिन को नहीं जानता है, और यह आपकी निचली रेखा के लिए अनुकूलन नहीं करता है। यह उपयोगकर्ता की संतुष्टि के लिए अनुकूलन करता है, जो इंजन-स्तरीय व्यावसायिक परिणाम के लिए इसका अपना प्रॉक्सी है, लेकिन आपके लिए नहीं।

सिद्धांत दोनों सतहों पर लागू होता है: समूह + इरादा + रूपांतरण दर वह इकाई है जिसके साथ एआई एल्गोरिदम सबसे अच्छा काम करता है। जो अंतर है वह रूपांतरण अनुमान की सटीकता है। जैविक में, रूपांतरण का अनुमान व्यवहार पैटर्न से लगाया जाता है। विज्ञापनों में, इसे विज्ञापनदाता द्वारा उपलब्ध कराए गए डेटा से मापा जाता है।

दिलचस्प बात यह है कि मैक्रो अनुशासन ऑर्गेनिक में संचालित होता है जहां सूक्ष्म परिशुद्धता उपलब्ध नहीं है। सूक्ष्म परिशुद्धता विज्ञापनों में वहीं काम करती है जहां यह है। सौभाग्य से, फ़नल क्वेरी पाथवे ट्री दोनों पर काम करता है। इसे एक बार भरें, और इसका उपयोग जैविक सामग्री, विज्ञापन अभियान संरचना और दोनों में विश्लेषणात्मक अंतर्दृष्टि के लिए करें।

रूपांतरण क्षण से ऊपर की ओर फ़नल क्वेरी मार्ग बनाएं

मेरे द्वारा बनाए गए 15-गेट मॉडल में एक शब्दावली स्पष्टीकरण।10 बाइनरी गेट चलाता है:

• खोजा गया, चयनित किया गया, क्रॉल किया गया, रेंडर किया गया और अनुक्रमित किया गया (DSCRI), जिसे बॉट द्वारा नियंत्रित किया जाता है, जो एल्गोरिथम के लिए अदृश्य है।
• एनोटेट, रिक्रूटेड, ग्राउंडेड, डिस्प्ले और वोन (ARGDW), जिन्हें बॉट के लिए अदृश्य एल्गोरिदम द्वारा नियंत्रित किया जाता है।

जीतने के बाद हमारा ढांचा अन्य पांच द्वारों का विस्तार करता है: ऑनबोर्ड, प्रदर्शन, एकीकृत, समर्पित और संहिताबद्ध (ओपीआईडीसी), जिन्हें -लेन-देन संचालन द्वारा नियंत्रित किया जाता है जो लोगों की सेवा करते हैं, जो बॉट और एल्गोरिदम दोनों के लिए अदृश्य हैं।

कुल पंद्रह द्वार, प्रत्येक एक बाइनरी चेकपॉइंट जहां ब्रांड या तो जीवित रहता है या नहीं।

सिस्टम के अंदर कोई भी पूरी श्रृंखला को नहीं देखता है। केवल ब्रांड ही ऐसा करता है। सतह के आधार पर वोन के तीन स्वाद हैं:

• पारंपरिक खोज में अपूर्ण क्लिक.
• सहायक इंजनों में उत्तम क्लिक।
• सहायक एजेंटों में एजेंटिक क्लिक.

फ़नल डिस्प्ले गेट पर बैठता है। उपयोगकर्ता की प्रश्न से खरीदारी तक की यात्रा प्रदर्शन के तीन चरणों से होकर गुजरती है – जागरूकता, विचार और निर्णय। चरण निरंतर मानवीय स्थितियाँ हैं। गेट्स बाइनरी मशीन चेकप्वाइंट हैं।

फ़नल क्वेरी पाथवे उपयोगकर्ता द्वारा उन तीन चरणों में सबमिट की गई क्वेरी को ट्रैक करता है, ब्रांडेड खरीदारी-क्षण क्वेरी निर्णय चरण पर उतरती है जो ट्रिगर जीतती है। गेट्स और चरण पर्यायवाची नहीं हैं, और उन्हें मिलाने से कार्यप्रणाली टूट जाती है।

चरण 1: फ़नल के नीचे से प्रारंभ करें

उन प्रश्नों की पहचान करें जिन्हें आपकी आदर्श ग्राहक प्रोफ़ाइल (ICP) आदर्श रूप से उस समय आपके ब्रांड नाम का उपयोग करके सबमिट करेगी जब वे खरीदने के लिए तैयार हों। जोर “आदर्श” पर है।

कीवर्ड अनुसंधान पूछता है कि लोग वास्तव में क्या टाइप करते हैं। फ़नल क्वेरी पाथवे पूछता है कि इस इरादे से समूह आपसे खरीदारी करने से ठीक पहले क्वेरी में आपके ब्रांड नाम के साथ इंजन से क्या पूछेगा। ब्रांडेड, बॉटम-ऑफ-फ़नल, इरादे-पुष्टि, समूह-सुसंगत।

कोहोर्ट परिभाषा की विशिष्टता को जांचें। “यूनीक्लो की ओर से पुरुषों की लाल शर्ट” कपड़ों की खरीदारी करने वाले पुरुषों के व्यापक समूह के लिए उपयुक्त है। “यूनीक्लो से पुरुषों की अतिरिक्त बड़ी लाल शर्ट” एक आकार के उप-समूह में फिट बैठती है जो अलग-अलग व्यवहार करती है क्योंकि आकार की उपलब्धता विचार सेट को बाधित करती है। या तो ठीक है. वह समूह स्तर चुनें जहां आप काम करना चाहते हैं, फिर अपने पेड़ की शाखाओं के भीतर लगातार ऊपर की ओर काम करें।

जेनेरिक कीवर्ड अनुसंधान इन प्रश्नों को सामने नहीं लाएगा क्योंकि कीवर्ड टूल वॉल्यूम के लिए अनुकूलित होते हैं, और कॉहोर्ट-विथ-इंटेंट क्वेरीज़ आमतौर पर डिज़ाइन के अनुसार कम वॉल्यूम वाली होती हैं। आपको अपने समूह को अच्छी तरह से जानना होगा ताकि आप उन्हें स्वयं लिख सकें। यदि आप पाँच नहीं लिख सकते हैं, तो आपके ICP कार्य को अधिक गहराई की आवश्यकता है, इससे पहले कि यह पद्धति ऐसे परिणाम उत्पन्न करेगी जो वास्तव में आपके व्यवसाय के लिए उपयोगी हों।

चरण 2: पथ को ऊपर की ओर प्रक्षेपित करें

प्रत्येक बॉटम-ऑफ़-फ़नल क्वेरी कई फ़नल-ऑफ़-फ़नल क्वेरीज़ में विभाजित होती है (मूल्यांकन प्रश्न वही समूह खरीदारी के क्षण पर पहुंचने से पहले पूछेगा), जिनमें से प्रत्येक फ़नल के कई शीर्ष क्वेरीज़ में शाखाएं होती हैं (जागरूकता प्रश्न जो पहले भी आएंगे)।

धीरे-धीरे, एक समय में एक बॉटम-ऑफ़-फ़नल क्वेरी बनाएं। फ़नल फ्लिप क्वेरी स्तर पर संचालित होता है: जेनरेशन रूपांतरण क्वेरी पर शुरू होता है और ऊपर की ओर प्रोजेक्ट करता है, न कि फ़नल जागरूकता के शीर्ष पर शुरू होता है और उम्मीद करता है कि खरीदार रूपांतरण पर पहुंचेगा।

ग्रैन्युलैरिटी सहगण x आशय है। ट्रैकिंग एक बजट कॉल है.

इस प्रश्न का एक ही उत्तर है कि कितने पेड़ बनाये जायें: जितने पेड़ आबाद किये जा सकें। इस सवाल का कि कितने पेड़ों को ट्रैक करना है, एक ही उत्तर है: जितने आपको सांख्यिकीय रूप से सार्थक डेटा देते हैं।

प्रारंभिक इकाई एक इरादे वाला एक समूह है। लाल शर्ट खरीदने के इरादे से पुरुष कपड़ों की खरीदारी कर रहे हैं। वह एक पेड़ है, लगभग 60 प्रश्न।

एक ही समूह के अंदर इरादे जोड़ें (एक्सएल पुरुष शीतकालीन बाहरी वस्त्र, कार्यालय पतलून और जिम किट खरीद रहे हैं)। समूह (एक्स्ट्रा लार्ज महिलाएं, माता-पिता) जोड़ें। कोहोर्ट्स टाइम्स इंटेंट से पेड़ की गिनती होती है। बजट के साथ संख्याओं का पैमाना:

समानता रखने वाले लोग	प्रति समूह इरादे	पेड़	लगभग। क्वेरियों
1	1	1	60
3	5	15	900
5	10	50	3,000
10	10	100	6,000

संकल्प के साथ जो बदलता है वह है निदान की सटीकता। तीन पेड़ों को ट्रैक करें, और आपके पास इरादे वाले तीन चौराहों पर कम-रिज़ॉल्यूशन वाली रीडिंग होगी। ट्रैक 100, और आपके पास अपने अधिकांश खरीदारी परिदृश्य पर उच्च-रिज़ॉल्यूशन रीडिंग है। दोनों रक्षात्मक मैक्रो रीड हैं क्योंकि मैक्रो विशिष्ट मूल्यों के बजाय दिशा और परिवर्तन की दर को विश्वसनीय रूप से पढ़ने के लिए आपकी कार्यप्रणाली और दायरे को परिभाषित करने के बारे में है।

इस पद्धति का मतलब है कि आप छोटी शुरुआत कर सकते हैं और आगे बढ़ सकते हैं। इस महीने अपने सबसे लाभदायक आईसीपी के लिए तीन फ़नल क्वेरी पाथवे ट्रैक करना शुरू करें, फिर अगले महीने एक और जोड़ें। उन्हें समूहित करें, और आप एक वृहद दृष्टिकोण का उपयोग करके आज से शुरू करने की तरह तुलना कर सकते हैं जो समय के साथ बढ़ता है और जीवित रहता है।

पेड़ को आबाद करें, और आप इंजन को रूपांतरण पथ सिखाएँ

आकार देने वाला तंत्र वह है जो फ़नल क्वेरी मार्ग को माप पद्धति से अधिक बनाता है। इंजन इरादे के साथ समूह के लिए आगे क्या होगा इसकी भविष्यवाणी करके अनुशंसाओं को रूट करता है।

जब ब्रांड एआई को ऐसी सामग्री खिलाता है जो तार्किक रूप से संरचित फ़नल क्वेरी पथ बनाती है और प्रत्येक नोड का उत्तर देती है, तो इंजन श्रृंखला सीखता है:

• कौन से जागरूकता प्रश्न इस समूह से संबंधित हैं।
• कौन से मूल्यांकन प्रश्न उनका अनुसरण करते हैं।
• कौन सी ब्रांडेड खरीदारी-क्षण क्वेरी रूपांतरण उत्तर है।

स्पष्ट पथों (लाल शर्ट) के लिए, एल्गोरिदम में पहले से ही पथ शामिल हैं, लेकिन कम लोकप्रिय पथों के लिए, इंजन की कोई राय नहीं है, और आपके पास इसकी धारणा को आकार देने का हर अवसर है।

चूंकि इंजन उपयोगकर्ता के साथ फ़नल में एक सक्रिय भागीदार है, यह एक पूर्वानुमानित मानचित्र बना सकता है, और समूह में किसी भी संभावना के लिए यह जिस पथ पर सामने आता है वह वह पथ है जिसे ब्रांड ने प्रशिक्षित किया है।

आकार देना कोई साइड इफ़ेक्ट नहीं है. यह कंपाउंडिंग तंत्र है, और इसका मतलब है कि ब्रांड व्यक्तिगत क्वेरी रैंकिंग के लिए प्रतिस्पर्धा करना बंद कर देता है और उन अनुमान पथों की इंजीनियरिंग शुरू कर देता है जिनसे इंजन आगे की गणना करता है। क्वेरी दर क्वेरी अनुकूलित करने वाला प्रतियोगी उस मॉडल के विरुद्ध अनुकूलन कर रहा है जिसे इंजन पहले ही पार कर चुका है।

गहरी चाल: प्रत्येक वेबपेज में फ़नल क्वेरी मार्ग को मैप करना

कार्यप्रणाली एक ट्रैकिंग दस्तावेज़ के रूप में वेबसाइट के पास बैठ सकती है, और यह काम करती है, लेकिन गहरा कदम फ़नल क्वेरी मार्ग को आपकी रणनीति में ऑन-साइट और ऑफ-साइट दोनों में मैप करना है।

प्रत्येक पेड़ में प्रत्येक नोड उस क्वेरी से मेल खाता है जो इंजन समूह के लिए सामने आता है। प्रत्येक प्रश्न के लिए एक ऐसे अनुच्छेद की आवश्यकता होती है जो उसका उत्तर दे। प्रत्येक पृष्ठ उस समूह का नाम बताता है जिसकी वह सेवा कर रहा है। प्रत्येक अनुच्छेद उस इरादे का नाम देता है जो समूह को वहां ला सकता है और स्पष्ट रूप से समूह के रूपांतरण पथ में अगले चरण की रूपरेखा तैयार करता है।

• शीर्ष-फ़नल पृष्ठ मूल्यांकन पृष्ठों की ओर जाते हैं।
• फ़नल के मध्य वाले पृष्ठ ब्रांडेड खरीदारी-क्षण वाले पृष्ठों की ओर जाते हैं।
• फ़नल के निचले भाग वाले पृष्ठ रूपांतरण को बंद कर देते हैं।

यदि आप अपने ब्रांड के डिजिटल फ़ुटप्रिंट में मौजूद सामग्री को उस अग्रगणना तर्क के साथ संरेखित कर सकते हैं जो इंजन पहले से ही चल रहा है – समूह, इरादा, जागरूकता परत, मूल्यांकन परत, रूपांतरण परत – तो जब इंजन समूह में किसी भी उपयोगकर्ता के लिए अगले चरण की गणना करता है, तो ब्रांड की साइट उन कुछ स्थानों में से एक है जहां पूरी श्रृंखला रखी गई है, और संभाव्यता गणना आपके पक्ष में झुक जाती है।

अपने आईसीपी के लिए सभी फ़नल क्वेरी पथ बनाएं, और आप मशीन को बिल्कुल सिखा रहे हैं कि आपके द्वारा प्रदान किए जाने वाले प्रत्येक समूह-आशय चौराहे के लिए पथ कैसा दिखता है, साथ ही इसे अपने उपयोगकर्ताओं के सबसेट को लाने के लिए प्रोत्साहित करें जो आपके आदर्श दर्शक हैं।

रणनीति, माप और विश्लेषण के लिए एक रूपरेखा

फ़नल क्वेरी मार्ग एक साथ तीन कार्य करता है: रणनीति, माप और विश्लेषण।

• रणनीति:आप पेड़ के प्रत्येक नोड को उस सामग्री से भर देते हैं जो खरीदारी यात्रा के उस चरण में उत्तर को साबित करती है: शीर्ष पर जागरूकता सामग्री, मध्य में मूल्यांकन सामग्री और सबसे नीचे ब्रांडेड रूपांतरण क्षण। किसी कीवर्ड सूची के विरुद्ध सामग्री निर्माण को कैलेंडर के रूप में चलाना बंद करें, और इंजीनियरिंग पथ शुरू करें जो आपके आईसीपी की खरीदारी यात्रा का प्रतिनिधित्व करते हैं।
• माप:आप तीन मोड (खोज, सहायक और एजेंट) और इंजन (Google, ChatGPT, Perplexity, क्लाउड, Copilot, Siri, Alexa, आदि) में समान फ़नल क्वेरी पाथवे चलाते हैं। आप उन सभी सतहों को ट्रैक नहीं कर सकते जिन पर वे इंजन दिखाई देते हैं (वर्ड में कोपायलट, स्लैक में चैटजीपीटी, आईओएस में ऐप्पल इंटेलिजेंस, और लेनोवो लैपटॉप पर कोपायलट+ सभी बंद संदर्भ हैं जो आपको रैंक-ट्रैक नहीं करने देते हैं)। लेकिन प्रत्येक सतह पर एक ही अंतर्निहित इंजन चलता है, इसलिए आपकी ट्रैकिंग प्रत्येक सतह पर एक्सट्रपलेशन करती है जिसके अंदर प्रत्येक इंजन बैठता है।
• विश्लेषण:आप फ़नल क्वेरी पाथवे में, मोड और इंजन के अनुसार, ब्रांड कहां सामने आता है और कहां नहीं, इसके पैटर्न का उपयोग कर सकते हैं, मैक्रो दृश्य के रूप में आप समय के साथ समान तुलना के लिए भरोसा कर सकते हैं।

फ़नल क्वेरी पाथवे से आपको वास्तव में क्या मिलता है

फ़नल क्वेरी पाथवे चलाने से आपको वास्तव में क्या मिलता है: तिमाही-दर-तिमाही यह पढ़ें कि क्या AI सही समय पर सही लोगों को आपके ब्रांड की अनुशंसा कर रहा है।

आप दिशा, गति और जो काम कर रहा है उसका रिकॉर्ड देखते हैं। आप निर्माण करते हैं, आप मापते हैं, आप विश्लेषण करते हैं और आप समायोजन करते हैं। फिर आप इसे अगली तिमाही में दोबारा करें। जो ब्रांड अब इस अनुशासन को शुरू करेंगे वे वही ब्रांड होंगे जिन्हें एआई तीन वर्षों में नाम से जानता है।

यदि आपके पास कई समूह हैं तो एक समूह चुनें, जो रणनीतिक रूप से सबसे महत्वपूर्ण हो। उस समूह के अंदर एक इरादा चुनें। पांच से 10 ब्रांडेड बॉटम-ऑफ़-फ़नल क्वेरीज़ लिखें, जिन्हें आदर्श रूप से खरीदारी के समय प्रस्तुत किया जाएगा (हमारे उदाहरण में “यूनीक्लो से पुरुषों की लाल शर्ट”)।

एक चुनें और ऊपर की ओर मैप करें: पांच से 15 मध्य-फ़नल क्वेरीज़ जो उस पर आएंगी, फिर तीन से 10 शीर्ष-फ़नल क्वेरीज़ जो उनमें से प्रत्येक पर आएंगी। अब आपके पास एक पेड़ है, लगभग 50 से 200 प्रश्न।

फ़नल क्वेरी पाथवे शाखाओं पर रणनीति, माप और विश्लेषण चलाएँ।

• रणनीति:क्या आपके पास ऐसे पृष्ठ और अनुच्छेद हैं जो प्रत्येक नोड को संबोधित करते हैं? अंतराल को भरने।
• माप:ट्री को उन सभी इंजनों और दस्तावेज़ों पर चलाएँ जहाँ ब्रांड सामने आता है।
• विश्लेषण:अंतराल कहाँ एकत्रित हैं, कौन सा नोड सबसे कमजोर है, और कौन से इंजन सबसे अधिक लगातार भर्ती कर रहे हैं?

ऐसी सामग्री बनाएं जो आपके आईसीपी फ़नल क्वेरी पथों में अंतराल को भर दे, और प्रश्नों के उस सेट को मासिक रूप से ट्रैक करें। आप परिणाम देखेंगे, और आप उन्हें मापने में सक्षम होंगे।

एआई-युग अनुकूलन आपकी कार्यप्रणाली को परिभाषित करने, आपके आईसीपी और ट्रैकिंग को चुनने और एक वृहद मानसिकता के साथ निर्माण और रणनीति बनाने के बारे में है, जो इस श्रृंखला के अगले लेख का विषय है।

यह मेरी एआई प्राधिकरण श्रृंखला का 14वां भाग है। 

• भाग —- पहला, “, “व्यापक आत्मविश्वास का परिचय दिया। 
• भाग 2, “, “अनुशासन का नाम दिया गया। 
• भाग 3, “, “पूरी पाइपलाइन को मैप किया गया। 
• भाग 4, “, “बुनियादी ढांचे के चरण से गुजरे।
• भाग 5, “, “प्रतिस्पर्धी चरण को कवर किया।
• भाग 6, “, “कच्चे माल की मैपिंग की गई।
• भाग 7, “, “प्रवेश मॉडल का विस्तार किया। 
• भाग 8, “,” कवर किया गया एनोटेशन – आखिरी गेट जहां आप मशीन के साथ अकेले हैं। 
• भाग 9, “, “सामयिक स्वामित्व के साथ प्रतिस्पर्धी चरण को उचित रूप से खोला।
• भाग 10, “, ”प्रक्रिया का नाम दिया गया।
• भाग 11, “साक्ष्य और सिफ़ारिश के बीच के अंतर” को उजागर करता है।
• भाग 12, “,”आपको दिखाया कि एआई इंजन पाइपलाइन में अपने एफ ग्रेड को कैसे ढूंढें (और मरम्मत करें)।
• भाग 13, “प्रतिनिधिमंडल सीमा: एआई कैसे तय करता है कि कौन सा ब्रांड जीतेगा,”मैप किया गया कि खोज, सहायक और एजेंट मोड में उपयोगकर्ता और इंजन के बीच प्रतिनिधिमंडल कैसे चलता है।
• आगे: माइक्रो-मैक्रो शिफ्ट, प्रतिमान ढांचा जो एआई युग के लिए आवश्यक माप, विश्लेषण और रणनीति में संरचनात्मक परिवर्तन का नाम देता है।