Numérateur
Le nombre d’observations répondant à la condition déclarée.
Méthodologie
Une méthode transparente, sans boîte noire
La réputation dépend du contexte. Examinez les sources, la période d’observation et les limites de l’échantillon avant d’interpréter un résultat.
Ce que vous obtenez
Définissez d’abord la question
Choisissez la marque, le produit ou le service, le marché, la langue, les sources et la période d’observation. Confirmez que chaque observation concerne la bonne entité. Comparer des concurrents exige un même périmètre et des couvertures comparables ; un nom familier ne suffit pas.
| Perspective | Objet observé | Base d’interprétation |
|---|---|---|
| Conversations et sentiment | Contenus attribués à la marque et appréciations exprimées sur les thèmes. | Corpus pertinent, doublons, révisions et part non classée. |
| Recherche | Résultats collectés pour un ensemble défini de requêtes. | Moteur, contexte et exécutions admissibles ; position distincte de la fréquence de présence. |
| Réponses IA | Descriptions, mentions, citations et suggestions dans les réponses échantillonnées. | Questions, modèle et version ; les résultats incomplets et refus restent identifiables. |
Ce que vous obtenez
Mentions observées
La mesure part de l’unité comptée : contenu, mention ou expérience documentée. La méthode doit enregistrer les attributions confirmées, les exclusions et les groupes de doublons, afin qu’une révision puisse reconstituer pourquoi un élément entre dans le total et un autre en est exclu.
- Attribution du contenu
- Contrôle des doublons
- Mentions admissibles
Ce que vous obtenez
Sentiment révisé
La répartition prend pour base les éléments classés selon une même version des critères. Le rapport présente séparément les éléments non classés et conserve les résultats mixtes éventuels. Un changement de classification nécessite une version identifiable avant de comparer deux périodes.
- Critères versionnés
- Classification révisée
- Échantillon classé
Ce que vous obtenez
Présence et position dans la recherche
La couverture dans la recherche utilise comme dénominateur les relevés complets et admissibles ; la position moyenne utilise uniquement ceux où la présence est confirmée. La méthode conserve le moteur, la requête, le marché et l’appareil pour éviter qu’un changement de base soit interprété comme un déplacement du domaine.
- Présence : observations admissibles
- Position : présences confirmées
- Comparaison : même contexte
Ce que vous obtenez
Mentions, citations et recommandations de l’IA
Pour chaque indicateur IA, la méthode déclare l’événement observé et la base valide : mention de la marque, recommandation ou référence à une source. Les trois événements peuvent coexister. La révision conserve la réponse et les conditions de collecte nécessaires pour vérifier chaque attribution.
- Nom de marque repéré
- Source citée dans la réponse
- Préférence exprimée
Origine et signification
Chaque donnée répond à une question.
TrustInsider rapproche des observations différentes en conservant leur origine. Un article décrit un récit public ; un résultat organique montre une page rencontrée lors d’une recherche ; une réponse IA montre ce qu’un système a généré dans les conditions enregistrées.
Ces lectures peuvent aider à reconstituer un même thème, mais n’ont pas la même unité de mesure. La méthode sépare les conversations, recherches, réponses et données des propriétés autorisées. Le lien entre deux éléments doit être vérifiable : la présence du même sujet ne prouve pas qu’un contenu soit la cause d’une autre observation.
| Origine | Ce qu’elle décrit | Ce qu’il ne prouve pas |
|---|---|---|
| Presse, web et conversations | Contenus pertinents disponibles dans les sources autorisées. | L’opinion de tous les clients ou l’ensemble des conversations du marché. |
| Recherche organique Google ou Bing | Résultats observés selon la requête, le marché, l’appareil et le moment. | Visites, conversions ou visibilité sur d’autres moteurs. |
| Réponse IA échantillonnée | Mention, recommandation et citation dans la réponse collectée. | Le nombre de personnes ayant vu cette réponse ou une position universelle. |
| Propriétés du client | Mesures fournies par les systèmes connectés avec l’accord du titulaire. | Parcours non mesurés ou attribution certaine de visites sans provenance identifiable. |
De la collecte à la mesure
Un chiffre, avec sa base.
Chaque indicateur doit permettre de retrouver ce qui a été compté. Période, marché, langue, sources, critères d’inclusion et exclusions définissent le sens du résultat.
Dans l’échantillonnage IA, les taux incluent les réponses complètes et révisées ; les erreurs, les refus et les réponses non révisées restent séparés. Dans la recherche organique, la présence porte sur les résultats complets, tandis que la position moyenne ne considère que les recherches où la marque apparaît. Une base vide ne produit pas un score de réputation nul. Les calculs de TrustInsider sont déterministes et versionnés ; le modèle peut aider à les interpréter sans inventer la valeur à afficher.
Dénominateur
L’ensemble admissible sur lequel cette condition est mesurée.
Couverture
Collectes planifiées, résultats disponibles et limites qui encadrent le résultat.
Interprétation et révision
De la mesure à une décision motivée.
Le résultat sert à choisir une vérification ou une action. Le passage de la mesure à la décision doit expliciter les éléments probants, les hypothèses et les autres explications.
Une proposition peut concerner une page incomplète, une description inexacte ou un problème récurrent dans l’expérience. L’équipe examine la version actuelle avant d’approuver le plan. Tout changement de source, de panel ou de méthode doit accompagner la comparaison ; le résultat ultérieur reste distinct de la preuve du travail réalisé. La comparaison décrit ce qui a changé dans les sources disponibles et sépare les hypothèses sur les causes.
- Éléments vérifiables
- Hypothèses et alternatives
- Décision motivée
Pour aller plus loin
Choisissez la prochaine étape.
Vérifiez la présence de votre marque, comparez les résultats ou choisissez les contenus à améliorer : poursuivez avec la fonction adaptée.
Ce que la confiance perçue peut mesurer
Dimensions de la confiance perçue, éléments probants et limites : ce qu’un échantillon peut décrire et pourquoi il ne s’agit pas d’une évaluation financière.
LireComment fonctionne l’échantillonnage des réponses IA
Prompts, modèles, langues et dates dans l’échantillonnage des réponses IA : les conditions pour comparer les observations sans les généraliser.
LireSources, droits d’utilisation et attribution
Disponibilité technique et droits d’utilisation des données : attribution, conservation, extraits et autorisations dans l’analyse de réputation.
LireIndice de visibilité et de réputation
Découvrez le calcul de l’indice TrustInsider : cinq canaux, poids déclarés, couverture des données et comparaisons dans le temps.
Lire