Fai due volte la stessa domanda a un assistente AI e puoi ottenere due risposte diverse. Questo rende ogni punteggio di visibilità AI una stima — e la maggior parte è costruita su troppe poche risposte per reggere le conclusioni che se ne traggono.
I large language model campionano il loro output. La stessa domanda, posta nello stesso modo, può nominare il tuo brand in una risposta e ometterlo nella successiva. Quindi “ChatGPT ci consiglia?” non ha una risposta sì o no; ha un tasso. Stimi quel tasso chiedendo molte volte e contando — e come ogni stima da un campione, ha un margine di errore.
Ogni riga mostra un brand osservato in metà delle sue risposte campionate e l'intervallo di confidenza al 95% per la sua vera visibilità (intervallo di Wilson, che si comporta bene con campioni piccoli). L'ultima colonna è il margine ± da manuale al 50%, per confronto.
| Risposte campionate | Osservato | Intervallo al 95% per la vera visibilità | Margine semplice |
|---|---|---|---|
| 5 | 2 su 5 (40%) | 12%–77% | ±44 pt |
| 10 | 5 su 10 (50%) | 24%–76% | ±31 pt |
| 15 | 7 su 15 (47%) | 25%–70% | ±25 pt |
| 25 | 12 su 25 (48%) | 30%–67% | ±20 pt |
| 50 | 25 su 50 (50%) | 37%–63% | ±14 pt |
| 100 | 50 su 100 (50%) | 40%–60% | ±10 pt |
| 200 | 100 su 200 (50%) | 43%–57% | ±7 pt |
| 400 | 200 su 400 (50%) | 45%–55% | ±5 pt |
Cinque risposte è una dimensione comune per un controllo rapido — compreso il nostro check gratuito. Se la vera visibilità di un brand è esattamente il 50%, ecco le probabilità di ogni punteggio:
| Punteggio | 0/5 | 1/5 | 2/5 | 3/5 | 4/5 | 5/5 |
|---|---|---|---|---|---|---|
| Probabilità | 3.1% | 15.6% | 31.2% | 31.2% | 15.6% | 3.1% |
Un check con cinque risposte è bravo in una cosa: dirti se compari in assoluto. Se ottieni 0/5, la tua vera visibilità è probabilmente bassa (il limite superiore al 95% è 43%). Non è bravo a distinguere il 40% dal 60%, o questa settimana dalla scorsa.
Confrontare due periodi è più difficile che misurarne uno, perché entrambe le letture sono rumorose. La tabella dà la variazione più piccola che potresti rilevare in modo affidabile (potenza 80%, significatività 5%, attorno al 50% di visibilità) con lo stesso numero di risposte in ciascun periodo.
| Risposte per periodo | Variazione minima rilevabile |
|---|---|
| 5 | 89 pt |
| 15 | 51 pt |
| 25 | 40 pt |
| 50 | 28 pt |
| 100 | 20 pt |
| 200 | 14 pt |
| 400 | 10 pt |
Quindi una dashboard che riporta “+8 punti questa settimana” da 25 risposte a settimana riporta per lo più rumore. Le linee di tendenza su molte settimane, o aggregate su molte domande, sono molto più affidabili di qualsiasi singola variazione settimana su settimana.
La matematica sopra presume che ogni risposta sia un'estrazione indipendente. Non lo sono del tutto: le risposte ripetute alla stessa domanda sono correlate, quindi 5 domande poste 3 volte ciascuna portano meno informazione di 15 domande diverse. Distribuisci il campione su molte domande di acquirenti distinte invece di ripeterne poche, e considera gli intervalli sopra come il caso migliore.
Le nostre keyword tracciate pongono ciascuna delle cinque domande congelate tre volte per run proprio per questo motivo, e la nostra metodologia mostra il campione dietro ogni numero. Per le formule delle metriche stesse, vedi come calcolare la share of voice nell'AI.
Puoi citare e rappresentare in grafici questi dati con un link di ritorno. Citazione suggerita: Mentioned, “How Many AI Answers Do You Need to Measure Visibility? The Margin-of-Error Math,” October 25, 2026, https://mentioned.at/learn/ai-visibility-margin-of-error. Dati e testo sono pubblicati con licenza CC BY 4.0.