Les outils d’IA ont renvoyé au moins un faux fait sur 64 % des grands détaillants britanniques lors d’un test mené par les fournisseurs, selon les chiffres partagés par Searchable avec Retail Focus. L’erreur la plus courante consistait à placer les entreprises dans un mauvais code postal.
Ces tests révèlent quelque chose que de nombreuses équipes marketing ne suivent pas. Lorsque des systèmes d’IA tels que ChatGPT ou le mode AI de Google répondent à des questions sur l’un de vos emplacements, il n’y a aucun moyen de savoir ce qu’ils disent sur votre entreprise à moins que vous ne vérifiiez manuellement. Ils pourraient affirmer en toute confiance qu’une entreprise est fermée, répertorier les services qu’ils n’offrent pas ou donner une mauvaise adresse.
Nous avons expliqué comment gagner en visibilité dans la recherche IA, y compris le travail de Dan Taylor sur le suivi des invites IA. Cette pièce couvre l’autre moitié du problème. Il examine ce que l’IA dit déjà aux gens sur vos emplacements et comment le découvrir avant qu’un client ne le fasse.
Du classé au décrit
La recherche locale traditionnelle offre aux clients plusieurs options de comparaison, comme un pack de cartes, des avis, votre site Web ou celui d’un concurrent. Ensuite, les clients font leur choix. La recherche IA combine ce processus en une seule réponse synthétisée qui décrit entièrement une entreprise avant même que le client ne visite le site Web ou le profil de l’entreprise.
Être décrit n’est pas la même chose qu’être classé ; les classements peuvent changer et les descriptions peuvent ne pas toujours être exactes. Aussi, cette visibilité varie selon le type de requête.
L’analyse de Whitespark a révélé que les aperçus de l’IA apparaissent dans 15 % des recherches directes à intention locale, comme [personal injury lawyers in Phoenix]. Pour les questions d’information, elles apparaissent 92 % du temps, et pour les questions hybrides, comme s’il faut ou non engager un avocat après un accident, elles apparaissent 97 % du temps. Dans la même étude, les packs locaux sont apparus dans 93 % des recherches directes à intention locale. Dans l’ensemble, les aperçus de l’IA étaient plus courants pour les questions informatives et hybrides que pour les recherches directes à intention locale.
L’indice de visibilité locale de SOCi a analysé plus de 350 000 emplacements et a révélé que ChatGPT en recommandait 1,2 %. C’est un taux bien inférieur à celui des apparitions des mêmes marques dans le pack de 3 local de Google, selon les propres mesures de SOCi. L’enquête d’évaluation des consommateurs locaux de BrightLocal a révélé que 45 % des consommateurs utilisent désormais ChatGPT ou des outils similaires pour les recommandations d’entreprises locales, contre 6 % l’année précédente.
Quelles sont les réponses fausses
Searchable a publié ce mois-ci deux séries de résultats de tests à la presse spécialisée. Lors de tests impliquant 165 entreprises londoniennes, Searchable a testé ChatGPT, Gemini et Perplexity avec 13 365 questions sur les services, les coordonnées, la taille et les dates de création, puis a comparé les réponses aux dossiers de la Companies House et aux profils officiels.
Selon CMOTech, 93 % de ces entreprises disposaient d’au moins un fait fondamental erroné ou manquant. La moitié des petites entreprises ont reçu au moins un faux fait, contre 32 % des grandes entreprises. Un deuxième test a examiné les détaillants britanniques avec plus de 72 000 questions. Retail Focus a signalé qu’une réponse sur 16 était incorrecte. Des erreurs de code postal se produisaient au taux d’une erreur sur dix, même lorsque les invites précisaient la ville.
Le co-fondateur de Searchable, Chris Donnelly, a déclaré à Retail Focus :
« Pour un petit détaillant physique, si sa visibilité en ligne se concentre principalement sur son site Web et une fiche Google Business, cela représente une piste d’informations relativement mince à partir de laquelle les systèmes d’IA peuvent apprendre et représenter dans leurs réponses. »
Les catégories d’erreurs correspondent à ce que les propriétaires d’entreprise décrivent dans les forums d’assistance de Google, signalant qu’ils voient des détails erronés présentés en toute confiance, et certains affirment que les erreurs nuisent à leur entreprise.
L’angle mort
La recherche traditionnelle laisse derrière elle une trace de données. Les impressions et les clics sont suivis dans la Search Console ; les classements fluctuent selon les trackers ; et toute baisse donne souvent lieu à une enquête. Cependant, aucun rapport n’alerte les entreprises si une réponse de l’IA indique de manière incorrecte les heures d’ouverture de votre emplacement ou prétend que votre entreprise est fermée.
La recherche traditionnelle ne vous avertit pas non plus de la façon dont vous êtes représenté, mais ce n’est pas obligatoire. Il oriente les clients vers des sources qu’ils peuvent consulter et évaluer par eux-mêmes, comme votre annonce, votre site et les avis avec des dates attachées. L’IA regroupe ces sources en une seule réponse écrite, et le client la lit comme un fait. Lorsque c’est faux, il n’y a pas de position de classement à surveiller ni de baisse de trafic à retracer, car l’erreur réside dans le texte qui ne vous a jamais été affiché.
Les principaux outils d’IA grand public n’offrent généralement pas aux entreprises d’alerte au niveau de l’emplacement lorsque leurs informations sont erronées. La documentation de Google indique que les réponses de l’IA peuvent inclure des erreurs, et les aperçus individuels de l’IA comportent un lien de commentaires. Ce feedback sert à corriger les erreurs mais ne constitue pas un système de surveillance proactif. Cela ne fonctionne que si quelqu’un remarque l’erreur en premier.
5 systèmes, pas 1
Le processus de test peut devenir compliqué sur différentes plates-formes de recherche d’IA, car elles ne fonctionnent pas de la même manière. Les aperçus de l’IA apparaissent désormais dans les résultats de recherche Google habituels. Le mode AI est une expérience conversationnelle directement dans la recherche Google. Gemini agit comme l’assistant IA distinct de Google. Pendant ce temps, ChatGPT et Perplexity sont des produits distincts proposés par OpenAI et Perplexity AI.
Chacun de ces outils traite, sélectionne et combine les informations différemment, de sorte qu’une seule question peut recevoir des réponses différentes selon la plateforme que vous utilisez. Cette variation est également visible dans les données de vente au détail de Searchable. Perplexity s’est avéré donner des réponses inexactes dans 10 % des cas, contre 5 % pour Gemini et 4 % pour ChatGPT.
Tester un système ne vous en dit pas beaucoup sur les autres. Un emplacement qui est vérifié dans les aperçus AI peut toujours être mal décrit dans ChatGPT.
Comment tester ce que voient les clients
Commencez par réfléchir aux questions que vos clients pourraient se poser, comme les horaires, les services ou si un emplacement est bon. Notez ces questions dans une liste standard afin que chaque endroit soit vérifié de la même manière. Exécutez les questions via les aperçus de l’IA et le mode AI dans Google, ainsi que ChatGPT, Gemini et Perplexity. Dans la mesure du possible, testez sans contexte de conversation ni personnalisation enregistré, et gardez une trace des invites et des réponses que vous obtenez.
Puisque les réponses peuvent varier à chaque fois, posez les mêmes questions plusieurs fois. Organisez ce que vous trouvez en catégories telles que les erreurs factuelles, les informations manquantes ou les problèmes de perception. Traitez les erreurs factuelles et les omissions séparément. Le sentiment et l’ordre des recommandations sont des problèmes de réputation et non de simples corrections. Portez une attention particulière à la correction des erreurs qui pourraient empêcher quelqu’un de vous rendre visite, comme des horaires incorrects ou une succursale signalée comme fermée.
Lorsque des sources sont citées, vérifiez que leurs informations sont exactes. Corrigez les informations que vous contrôlez ou demandez des corrections si nécessaire. Continuez à vérifier régulièrement, car la correction d’une source aujourd’hui ne met pas automatiquement à jour les réponses de l’IA. Utilisez une liste cohérente de questions et un journal pour faciliter le processus, surtout si vous avez plusieurs emplacements. Modifiez la fréquence de vérification en fonction du nombre d’emplacements et de la fréquence à laquelle les détails changent.
Que faire lorsque l’IA se trompe
Trouver l’erreur est la première étape. Pour y remédier, il faut ajuster soigneusement les intrants dont dépendent ces systèmes, puis vérifier si les réponses s’améliorent. N’oubliez pas que chaque ajustement vous rapproche de résultats meilleurs et plus fiables.
Si une réponse est erronée sur vos horaires, confirmez que votre profil d’entreprise Google, votre site Web et vos propres pages de localisation sont conformes les uns aux autres et à la réalité. Les détails contradictoires entre ceux-ci sont l’une des raisons les plus claires pour lesquelles une réponse est erronée. Le même nom, adresse et téléphone la cohérence des nombres dont le référencement local a toujours exigé est la base, et cela devient plus complexe une fois que vous exécutez plusieurs sites.
Après avoir corrigé les sources que vous contrôlez, regardez les sources que vous ne possédez pas. Lorsqu’une réponse cite votre entreprise, ouvrez-la et vérifiez sa date et ce qu’elle dit réellement. Il peut s’agir d’extraire les informations d’une ancienne page d’annuaire, d’une liste d’avis ou d’une page sur une entreprise portant le même nom. La résolution de ces problèmes nécessitera probablement une sensibilisation directe.
C’est également là que l’écart de taille souligné par Donnelly commence à prendre tout son sens. Les petites entreprises ont généré davantage d’erreurs dans les tests de Searchable, et il a lu qu’une mince trace d’informations tierces rendait ces systèmes moins efficaces. Notre propre couverture de ce qui est en corrélation avec les citations ChatGPT arrive à la même conclusion. Une présence plus complète et plus cohérente dans les endroits que ces systèmes lisent leur donne de meilleurs éléments pour vous décrire.
Si vous trouvez que la précision n’est pas le problème et que vous souhaitez davantage être recommandé, c’est le côté visibilité. Dan Taylor a écrit pour le Search Engine Journal sur le suivi de la manière dont l’IA représente votre marque au fil du temps et sur la manière dont la découverte évolue à mesure que la recherche se personnalise en fonction de chaque utilisateur. C’est par là qu’il faut commencer pour répondre à la question « Comment pouvons-nous gagner ici ».
Regarder vers l’avenir
Les outils de surveillance des réponses à l’IA en sont encore à leurs débuts. La plupart peuvent vous dire si vous êtes mentionné et à quelle fréquence, ce qui n’est pas la même chose que de vous dire si la mention est correcte.
Vérifier ce que dit réellement une réponse sur un lieu revient toujours à la lire vous-même. À mesure que ces outils se développent, cela peut changer, mais pour l’instant, l’audit est manuel, et lorsque vous découvrez quelque chose qui ne va pas, la première étape consiste à optimiser les sources que vous contrôlez.
Plus de ressources :
