এআই ভিজিবিলিটি পরিমাপের নির্ভরযোগ্যতা নিয়ে প্রশ্ন, তবুও বিনিয়োগের পরামর্শ বিশেষজ্ঞদের

কনজিউমার ব্র্যান্ডগুলোর বাজেটে জেনারেটিভ ইঞ্জিন অপটিমাইজেশন (GEO), যা অ্যানসার ইঞ্জিন অপটিমাইজেশন (AEO) নামেও পরিচিত, এখন একটি সাধারণ বিষয় হয়ে দাঁড়িয়েছে। তবে এর অন্তর্নিহিত পরিমাপ পদ্ধতি এখনও সেই আস্থা অর্জন করতে পারেনি। একই প্রম্পট বারবার চালালে প্রতিবার ভিন্ন ব্র্যান্ড এবং ভিন্ন উৎস ফিরে আসে, আর কেনার উদ্দেশ্যে করা প্রশ্নগুলোর ফলাফল সবচেয়ে অস্থির। প্রকাশিত গবেষণায় দেখা গেছে, ৮% থেকে ১১% সাইটেশন শেয়ারে পরিবর্তনকে কেবল দৈবচয়িত ত্রুটি (র্যান্ডম নয়েজ) থেকে আলাদা করা যায় না। অধিকাংশ এআই ভিজিবিলিটি ড্যাশবোর্ড একটি একক সংখ্যা এক দশমিক স্থান পর্যন্ত দেখায়। তবুও, এই অনুশীলন শুরু করার পক্ষে যুক্তি রয়েছে — সংখ্যাটি সঠিক বলেই নয়, বরং একটি ভাগ করা পদ্ধতি, একটি সাধারণ শব্দভাণ্ডার এবং একটি দল যারা সম্ভাব্যতার ভিত্তিতে পরিমাপ নিয়ে যুক্তি করতে পারে, তা এই মুহূর্তে মেট্রিকের চেয়েও বেশি মূল্যবান।

একইসাথে দুটি সত্য সম্পর্কে সচেতন থাকা জরুরি। জেনারেটিভ ইঞ্জিন অপটিমাইজেশনের অন্তর্নিহিত পরিমাপ এতটাই অনির্ভরযোগ্য যে এ বছর বোর্ডে উপস্থাপিত বেশিরভাগ সংখ্যা পরিসংখ্যানগত পর্যালোচনায় টিকবে না। অন্যদিকে, যেসব ব্র্যান্ড নিখুঁত পরিমাপের অপেক্ষায় থাকবে তারা দুই বছর পিছিয়ে যাবে সেই সব ব্র্যান্ডের তুলনায় যারা এখনই শুরু করে দেবে। এই টানাপোড়েনটি গুরুত্ব সহকারে বিবেচনা করা দরকার, কারণ প্রায় নিশ্চিতভাবেই প্রচুর অর্থ বিনিয়োগ হতে চলেছে এমন সংখ্যার ভিত্তিতে যা কেউ যাচাই করতে পারবে না।

জেনারেটিভ ইঞ্জিন অপটিমাইজেশন মূলত একটি ব্র্যান্ড কীভাবে AI সহায়কের কাছে প্রশ্ন করা হলে তা প্রদর্শিত হয় এবং কতটা প্রভাব ফেলে তা নিয়ন্ত্রণ করার চেষ্টা। সংলগ্ন অনুশীলন, এআই ভিজিবিলিটি মনিটরিং, তা কত ঘন ঘন ঘটে তা পরিমাপের চেষ্টা করে। ধারণাটি গুরুত্বপূর্ণ কারণ GEO একটি চ্যানেল নয়, এটি প্রভাবের একটি স্তর। ChatGPT-এর ভিতরের একটি সাইটেশন থেকে পাওয়া ক্লিকটি এটির সবচেয়ে ছোট এবং কম আকর্ষণীয় অংশ। প্রাসঙ্গিক প্রশ্নটি কোন এজেন্ট কতগুলো বিক্রয় সম্পন্ন করেছে তা নয়, বরং কতগুলো ক্রয়কে এজেন্ট প্রভাবিত করেছে — এই পার্থক্যই এজেন্টিক কমার্সকে এজেন্ট-এক্সিকিউটেড কমার্স থেকে এবং সোশ্যাল কমার্সকে ইন-প্ল্যাটফর্ম চেকআউট থেকে আলাদা করে। এই পার্থক্যই প্রথম ইঙ্গিত দেয় কেন এটি পরিমাপ করা এত কঠিন।

সার্চ প্রায় নির্ধারিত (ডিটারমিনিস্টিক)। একই কোয়েরি সবার জন্য প্রায় একই রকম র‌্যাঙ্কড তালিকা ফিরিয়ে আনে, এবং ভালো কাজের মাধ্যমে অর্জিত একটি অবস্থান একটি টেকসই সম্পদ — প্রায়শই অ্যালগরিদম আপডেট না হওয়া পর্যন্ত ছয় মাস বা তার বেশি সময়ের সুবিধা। এই স্থায়িত্বই SEO-কে বিনিয়োগযোগ্য করে তুলেছিল। জেনারেটিভ সিস্টেম সম্ভাব্যতামূলক (প্রবাবিলিস্টিক)। প্রতিটি অনুরোধে উত্তরটি নতুন করে তৈরি হয়। ধরে রাখার মতো কোনো অবস্থান বা রক্ষা করার মতো কোনো অবস্থা নেই। যদি একটি ব্র্যান্ডকে আজ তার সঠিক অবস্থান এবং উন্নতির সঠিক উপায় দেখানো হয়, তবে সপ্তাহখানেকের মধ্যে ছবিটি পরিবর্তন হয়ে যাবে — কারণ মডেল বদলেছে, রিট্রিভাল লেয়ার বদলেছে, প্রতিযোগী নতুন কিছু প্রকাশ করেছে, বা গ্রাহকের নিজস্ব ইতিহাস বদলেছে।

GEO একটি র‌্যাঙ্কিং ধরে রাখার চেয়ে একটি চলমান পরীক্ষা চালানোর কাছাকাছি। যারা এটিকে একটি প্রকল্প হিসেবে বাজেট করবে তারা হতাশ হবে। যারা এটিকে একটি চলমান পরিমাপ কার্যক্রম হিসেবে বাজেট করবে তারা সফল হবে।

বেশিরভাগ GEO আলোচনা নিঃশব্দে এক ধরনের এজেন্ট ধরে নেয়। কিন্তু দুই ধরনের এজেন্ট রয়েছে। অনুভূমিক এজেন্ট — ChatGPT, Gemini, Claude, Perplexity, Copilot — ওপেন ওয়েবে প্রশিক্ষিত এবং আবিষ্কারের সবচেয়ে কাছাকাছি। উল্লম্ব এজেন্ট — Amazon-এর Alexa for Shopping (পূর্বে Rufus), Walmart-এর Sparky, এবং মুদি, ফার্মেসি ও বিশেষায়িত অ্যাপের ভিতরে আসা সহায়করা — খুচরা বিক্রেতার মালিকানাধীন এবং ক্যাটালগ-নির্ভর, তারা লেনদেনের সবচেয়ে কাছাকাছি। Alexa for Shopping Amazon-এর ক্যাটালগ এবং এর Prime গ্রাহক আচরণে প্রশিক্ষিত। ChatGPT তা নয়। একটিতে দৃশ্যমানতা অন্যটিতে দৃশ্যমানতা সম্পর্কে খুব কমই বলে।

প্রায় কোনো টুলই উভয় চেষ্টা করে না। মনিটরিং ক্যাটাগরিটি অনুভূমিক সহায়কদের ঘিরে তৈরি কারণ সেগুলোকে বাইরে থেকে প্রম্পট করা যায়। খুচরা বিক্রেতার এজেন্টদের স্কেলে কোয়েরি করা যায় না এবং ব্র্যান্ডগুলিকে প্রায় কোনো ডেটা ফিরিয়ে দেয় না। ফলে, কেনার সবচেয়ে কাছের পৃষ্ঠটি পরিমাপ করার চেষ্টা কম ব্র্যান্ডই করে, আর সবচেয়ে দূরের পৃষ্ঠটি সব ড্যাশবোর্ড তৈরি করে।

দুটি মৌলিকভাবে ভিন্ন পদ্ধতি রয়েছে, এবং এই পার্থক্যটি খুব কমই সেলস স্লাইডে দেখা যায়। সিন্থেটিক প্রম্পট মনিটরিং একটি প্রম্পট সেট তৈরি করে, নির্ধারিত সময়ে ইঞ্জিনগুলির বিরুদ্ধে চালায় এবং কী ফিরে এসেছে তা রিপোর্ট করে। এটি পুনরাবৃত্তিযোগ্য এবং নিরীক্ষাযোগ্য। এর দুর্বলতা হল কাউকে অনুমান করতে হয়েছিল গ্রাহকরা কী জিজ্ঞাসা করে। রিয়েল প্রম্পট মনিটরিং সম্মতিপ্রাপ্ত কনজিউমার প্যানেল ব্যবহার করে এবং প্রকৃত কথোপকথন পর্যবেক্ষণ করে। Measure Protocol-এর এমন একটি প্যানেল, যা অ্যাপ, ব্রাউজার, সার্চ এবং AI সহায়কদের বিস্তৃত, ২০২৫ সালে রিপোর্ট করেছে যে ChatGPT কথোপকথনের ২০% এরও বেশি বাণিজ্যিক উদ্দেশ্য দেখিয়েছে। বেশ কয়েকটি GEO ভেন্ডর এখন তাদের পণ্যগুলিতে এই ধরণের প্যানেল তৈরি করছে। প্যানেল ডেটা পর্যবেক্ষণ করা পছন্দের সবচেয়ে কাছাকাছি, আর পর্যবেক্ষণ করা পছন্দ প্রায় সবসময়ই বেশি মূল্যবান। একা কোনোটি যথেষ্ট নয়। সিন্থেটিক টেস্টিং দেখায় কীভাবে ইঞ্জিনগুলি একটি নিয়ন্ত্রিত উদ্দীপনায় সাড়া দেয়। প্যানেল দেখায় লোকেরা আসলে কী জিজ্ঞাসা করে। দরকারী প্রোগ্রাম দুটোই চালায়।

প্রতিটি ভেন্ডরের ক্ষেত্রে একটি সতর্কতা প্রযোজ্য: খুব কমই প্রকাশ করে ডেটা কীভাবে সংগ্রহ করা হয় — কোন সারফেস, কোন মডেল বিল্ড, লগ ইন বা আউট, কোন অঞ্চল, প্রতি প্রম্পটে কতগুলো পুনরাবৃত্তি, ভ্যারিয়েন্স কীভাবে পরিচালনা করা হয়। একজন ক্রেতা যিনি এই উত্তরগুলো লিখিতভাবে পেতে পারেন না তিনি একটি পরিমাপ কিনছেন না, তারা একটি সংখ্যা কিনছেন।

প্রতারণাও এর সাথে বাড়ছে, এবং ক্যাটাগরিতে ইতিমধ্যে এমন কৌশল রয়েছে যার পেছনে কোনো প্রমাণ নেই। Ahrefs-এর ১৩৭,০০০ ডোমেইনের সার্ভার লগ বিশ্লেষণ অনুসারে, মে মাসে প্রকাশিত llms.txt ফাইলগুলির ৯৭% শূন্য অনুরোধ পেয়েছে, এবং যেসব ফাইলে ট্রাফিক পেয়েছে তাদের মধ্যে সবচেয়ে বড় অনুরোধকারী ক্যাটাগরি ছিল SEO অডিট টুল যারা ফাইলটি বিদ্যমান কিনা তা পরীক্ষা করছে। Google বলেছে ফাইলটির প্রয়োজন নেই। তবুও এটি বিক্রি হচ্ছে। ব্যয় বাড়ার সাথে সাথে আরও খারাপ আশা করুন: তৈরি করা বেঞ্চমার্ক, গেম রিট্রিভালের জন্য বীজযুক্ত কনটেন্ট, এবং মালিকানাধীন স্কোর যা শুধুমাত্র ভেন্ডরের নিজস্ব পদ্ধতি উন্নত করতে পারে। পরিবর্তনের গতি স্থির হওয়ার পরিবর্তে ত্বরান্বিত হবে বলে আশা করুন।

কারণ ২০২৬ সালে, ডেলিভারেবল সংখ্যাটি নয়। এটি সংস্থা। প্রভাবটি অনুসরণ করার মতো তা প্রমাণ করার বাস্তব প্রমাণ রয়েছে। Similarweb ক্লিকস্ট্রিম গবেষণা অনুসারে, যেসব ব্যবহারকারী ChatGPT-তে একটি ব্র্যান্ডের সুপারিশ দেখেছেন তারা সাত দিনের মধ্যে সেই ব্র্যান্ডের সাইটে যাওয়ার সম্ভাবনা ২.৫ গুণ বেশি, সেই ট্র্যাফিকের ৫৬% AI রেফারেলের পরিবর্তে ব্র্যান্ডেড সার্চের মাধ্যমে আসে। Similarweb ফলাফলটিকে পারস্পরিক সম্পর্ক বলে, কার্যকারণ নয়, এবং গবেষণাটি তিনটি উল্লম্ব জুড়ে মার্কিন ডেস্কটপ ব্যবহারকারীদের কভার করে। এটি বিলবোর্ড পরিমাপের মতোই: লিফট, ক্লিক নয়।

একটি সতর্কতা সবকিছুর উপর প্রযোজ্য। এখানে উল্লিখিত প্রায় প্রতিটি গবেষণা, উভয় পক্ষেরই, এমন একটি কোম্পানি তৈরি করেছে যা এই ক্যাটাগরিতে সফটওয়্যার বিক্রি করে। এটি ফলাফলগুলিকে ভুল করে না, তবে এটি কীভাবে আত্মবিশ্বাসের সাথে পড়া উচিত তা গঠন করা উচিত। সবচেয়ে কঠোর কাজটি একাডেমিক, এবং এর কেন্দ্রীয় উপসংহার হল অন্য সবার সংখ্যার ত্রুটির পরিসর (এরর বার) প্রয়োজন।

সংখ্যাটি লেখার আগে পদ্ধতিটি লিখুন এবং উভয়ই একসাথে প্রকাশ করুন। বিন্দু অনুমানের পরিবর্তে রেঞ্জ রিপোর্ট করুন। ব্র্যান্ড টিমের ইচ্ছার ভিত্তিতে নয়, পর্যবেক্ষণ করা গ্রাহক ভাষা — সাইট সার্চ লগ, সার্ভিস ট্রান্সক্রিপ্ট, রিভিউ টেক্সট, প্যানেল ডেটা — থেকে প্রম্পট সেট তৈরি করুন। উল্লম্ব এবং অনুভূমিক এজেন্ট আলাদাভাবে ট্র্যাক করুন এবং আশা করুন তারা দ্বিমত পোষণ করবে। ভিজিবিলিটি এবং ব্যবসায়িক ফলাফল আলাদা কলামে রাখুন, তারপর একমাত্র উপায়ে ইনক্রিমেন্টালিটি পরিমাপ করুন যা কখনও কাজ করেছে — হোল্ডআউট এবং ম্যাচড-মার্কেট টেস্টের মাধ্যমে। প্রতিটি ভেন্ডরকে লিখিতভাবে জিজ্ঞাসা করুন কীভাবে ডেটা সংগ্রহ করা হয়। এবং প্রথমে অগ্ল্যামরাস কাজটি করুন: পরিষ্কার পণ্যের ডেটা, প্রকৃত গ্রাহক প্রশ্নের উত্তর দেয় এমন কনটেন্ট এবং একটি ফায়ারওয়াল যা নিঃশব্দে ক্রলারদের ব্লক করছে না।

পরিমাপটি ভুল হবে, যে উপায়গুলো তালিকাভুক্ত করা যায়। এটি দরকারী ধরণের ভুল। যে ক্ষমতা তৈরি হচ্ছে — একটি দল যা সম্ভাব্যতামূলক, এজেন্ট-মধ্যস্থ গ্রাহক আচরণ সম্পর্কে যুক্তি করতে পারে — চ্যাটবট উল্লেখের চেয়ে অনেক বেশি গুরুত্বপূর্ণ হবে। শুধু এতে তিন দশমিক স্থান দেবেন না।