Ajukan pertanyaan yang sama dua kali ke asisten AI dan Anda bisa mendapat dua jawaban berbeda. Itu membuat setiap skor visibilitas AI sebuah estimasi — dan kebanyakan dibangun dari jawaban yang jauh terlalu sedikit untuk mendukung kesimpulan yang ditarik darinya.
Model bahasa besar mengambil sampel keluarannya. Pertanyaan yang sama, diajukan dengan cara yang sama, bisa menyebut merek Anda di satu jawaban dan melewatkannya di jawaban berikutnya. Jadi “apakah ChatGPT merekomendasikan kita?” tidak punya jawaban ya-atau-tidak; ia punya tingkat. Anda memperkirakan tingkat itu dengan bertanya berkali-kali lalu menghitung — dan seperti estimasi dari sampel lainnya, ia disertai margin of error.
Tiap baris menunjukkan merek yang teramati di separuh jawaban sampelnya, dan interval kepercayaan 95% untuk visibilitas sebenarnya (interval skor Wilson, yang berperilaku benar pada sampel kecil). Kolom terakhir adalah margin ± buku teks pada 50%, sebagai pembanding.
| Jawaban yang disampel | Teramati | Rentang 95% untuk visibilitas sebenarnya | Margin sederhana |
|---|---|---|---|
| 5 | 2 dari 5 (40%) | 12%–77% | ±44 poin |
| 10 | 5 dari 10 (50%) | 24%–76% | ±31 poin |
| 15 | 7 dari 15 (47%) | 25%–70% | ±25 poin |
| 25 | 12 dari 25 (48%) | 30%–67% | ±20 poin |
| 50 | 25 dari 50 (50%) | 37%–63% | ±14 poin |
| 100 | 50 dari 100 (50%) | 40%–60% | ±10 poin |
| 200 | 100 dari 200 (50%) | 43%–57% | ±7 poin |
| 400 | 200 dari 400 (50%) | 45%–55% | ±5 poin |
Lima jawaban adalah ukuran umum untuk pengecekan cepat — termasuk pemeriksaan gratis kami sendiri. Jika visibilitas sebenarnya sebuah merek tepat 50%, inilah peluang tiap skor:
| Skor | 0/5 | 1/5 | 2/5 | 3/5 | 4/5 | 5/5 |
|---|---|---|---|---|---|---|
| Probabilitas | 3.1% | 15.6% | 31.2% | 31.2% | 15.6% | 3.1% |
Pengecekan lima jawaban bagus untuk satu hal: memberi tahu apakah Anda muncul sama sekali. Jika Anda mendapat skor 0/5, visibilitas sebenarnya kemungkinan rendah (batas atas 95% adalah 43%). Ia tidak bagus untuk membedakan 40% dari 60%, atau minggu ini dari minggu lalu.
Membandingkan dua periode lebih sulit daripada mengukur satu, karena kedua hasil sama-sama berisik. Tabel memberi perubahan terkecil yang bisa dideteksi dengan andal (power 80%, signifikansi 5%, sekitar visibilitas 50%) dengan jumlah jawaban yang sama di tiap periode.
| Jawaban per periode | Perubahan terkecil yang terdeteksi |
|---|---|
| 5 | 89 poin |
| 15 | 51 poin |
| 25 | 40 poin |
| 50 | 28 poin |
| 100 | 20 poin |
| 200 | 14 poin |
| 400 | 10 poin |
Jadi dasbor yang melaporkan “+8 poin minggu ini” dari 25 jawaban per minggu sebagian besar melaporkan derau. Garis tren selama banyak minggu, atau yang digabung dari banyak pertanyaan, jauh lebih dapat dipercaya daripada selisih mingguan tunggal mana pun.
Matematika di atas mengasumsikan setiap jawaban adalah penarikan yang independen. Kenyataannya tidak persis begitu: jawaban berulang untuk pertanyaan yang sama saling berkorelasi, jadi 5 pertanyaan yang diajukan masing-masing 3 kali membawa informasi lebih sedikit daripada 15 pertanyaan berbeda. Sebarkan sampel Anda ke banyak pertanyaan pembeli yang berbeda daripada mengulang beberapa, dan anggap rentang di atas sebagai skenario terbaik.
Keyword yang kami lacak menanyakan masing-masing dari lima pertanyaan beku tiga kali per proses justru karena alasan ini, dan metodologi kami menunjukkan sampel di balik setiap angka. Untuk rumus di balik metriknya sendiri, lihat cara menghitung share of voice AI.
Anda boleh mengutip dan membuat grafik dari angka-angka ini dengan menautkan kembali ke kami. Saran sitasi: Mentioned, “How Many AI Answers Do You Need to Measure Visibility? The Margin-of-Error Math,” 25 Oktober 2026, https://mentioned.at/learn/ai-visibility-margin-of-error. Data dan teks diterbitkan di bawah CC BY 4.0.