Pe măsură ce ChatGPT, Gemini, Perplexity, Copilot și AI Overviews devin parte din modul în care oamenii caută informații, tot mai multe companii încep să se întrebe dacă brandul lor apare în răspunsurile generate de AI. Pentru magazinele online, întrebarea este firească: dacă un client cere o recomandare, o comparație sau o soluție pentru o problemă de cumpărare, apare brandul tău în răspuns sau apar doar competitorii?
Dacă în articolele anterioare am analizat cum funcționează strategiile de AEO și GEO în 2026 pentru a ne asigura că roboții AI ne pot citi corect site-ul, pasul următor este la fel de important: cum măsurăm dacă aceste eforturi dau roade?
De aici apare și o provocare mai puțin vizibilă: cum alegi întrebările pe care le testezi? Multe analize de vizibilitate în AI pornesc de la prompturi formulate intern, în funcție de cum își imaginează echipele că ar putea întreba clienții. Acest lucru poate fi util ca exercițiu inițial, dar devine limitat dacă rămâne singura bază de lucru. Întrebările testate pot ajunge să reflecte mai mult perspectiva companiei decât limbajul real al cumpărătorilor.
Un articol publicat pe HackerNoon atrage atenția asupra acestei probleme: atunci când prompturile sunt construite doar pe presupuneri, și concluziile despre vizibilitatea în AI pot deveni fragile. Autorul propune o abordare mai ancorată în date: construirea setului de prompturi pornind de la căutări reale ale cumpărătorilor, nu doar de la brainstorming intern.
Nu vorbim despre o regulă impusă de Google sau Microsoft, ci despre o metodă practică de lucru. În loc să pornească exclusiv de la întrebări imaginate intern, companiile pot folosi datele pe care le au deja despre felul în care oamenii caută, compară și decid. Search Console, Google Ads, întrebările primite de echipele de suport sau discuțiile cu clienții pot deveni puncte de plecare pentru prompturi mai apropiate de comportamentul real al cumpărătorilor.
De ce prompturile inventate pot duce la concluzii greșite
În SEO-ul clasic, companiile erau obișnuite să urmărească poziții: un cuvânt cheie, o pagină de rezultate, o poziție medie. În AI search, lucrurile sunt mai instabile. Același prompt poate genera răspunsuri diferite de la o rulare la alta, iar lista de branduri recomandate se poate schimba.
SparkToro a testat recomandările oferite de ChatGPT, Claude și Google AI și a concluzionat că AI-urile rareori oferă aceeași listă de branduri sau produse de două ori la rând. Potrivit cercetării, șansa ca ChatGPT sau Google AI să returneze aceeași listă de branduri în două răspunsuri este sub 1 din 100, iar aceeași listă în aceeași ordine apare și mai rar, aproximativ sub 1 din 1.000 de rulări. SparkToro mai spune că are mai mult sens să urmărești procentul de apariție al unui brand în multe răspunsuri, nu o „poziție” fixă în AI.
Aceeași direcție apare și în cercetarea academică. Un studiu din 2026 despre Google Search, Gemini și AI Overviews, realizat pe un benchmark de 11.500 de query-uri, arată că AI Overviews sunt mai puțin consistente între două rulări ale aceleiași interogări și mai puțin robuste la mici modificări de formulare. Studiul observă și că sursele recuperate de Google Search, AI Overviews și Gemini diferă semnificativ.
Pentru un magazin online, concluzia este simplă: nu este suficient să verifici o singură dată dacă apari într-un răspuns AI. Și nici nu este suficient să verifici întrebări inventate, care poate nu seamănă cu felul în care clienții reali își formulează nevoile.
Datele reale există deja, doar că trebuie folosite corect
Primul punct de plecare este Google Search Console. Google explică în documentația Search Console că raportul Performance include clickuri, impresii, CTR și poziție medie, iar datele pot fi grupate inclusiv după „queries”, adică după căutările tastate de utilizatori.
Acest lucru nu înseamnă că Search Console îți spune direct ce prompturi să urmărești în ChatGPT sau Gemini. Dar îți arată limbajul real prin care oamenii ajung deja la site-ul tău. Pentru ecommerce, aici pot apărea expresii precum „procesator plăți magazin online”, „integrare facturare WooCommerce”, „alternative Shopify România”, „costuri livrare magazin online” sau „cum reduc retururile”.
A doua sursă utilă este Google Ads. Potrivit documentației Google Ads despre raportul Search Terms, acesta arată cum au performat reclamele atunci când au fost declanșate de căutări reale din rețeaua de Search. Google face și diferența între keyword și search term: keywordul este termenul setat de advertiser, în timp ce search term-ul este formularea introdusă de utilizator.
Pentru magazinele online, această diferență este importantă. Keywordul poate fi „platformă ecommerce”, dar căutarea reală poate fi „platformă ecommerce cu integrare e-Factura” sau „alternativă Shopify pentru magazin mic”. A doua formulare este mult mai aproape de o întrebare reală pe care un client ar putea să o pună unui asistent AI.
Mai există și surse interne: întrebări primite de echipa de suport, discuții cu clienții, formulare de lead, conversații de sales, căutări interne pe site. Profound, o platformă de AI visibility, recomandă ca listele de prompturi să fie completate cu date din sales, support și utilizatori, inclusiv prin întrebarea directă a leadurilor despre ce prompturi au folosit în Perplexity, Gemini sau alte motoare AI.
Keywordul nu trebuie copiat ca prompt, ci transformat în întrebare
O greșeală frecventă este transformarea directă a unui keyword într-un prompt. Dacă ai query-ul „procesator plăți magazin online”, nu înseamnă că trebuie să urmărești exact această formulare în AI. Oamenii interacționează cu asistenții AI mai conversațional.
Profound recomandă ca inputurile SEO să fie transformate în prompturi de tip întrebare, nu încărcate ca simple liste de keyworduri. De exemplu, un keyword precum „CapCut alternatives” poate deveni un prompt de tipul „what are some good CapCut alternatives for B2B teams?”.
Aplicat la ecommerce, transformarea ar putea arăta așa:
„procesator plăți magazin online” poate deveni „Ce procesator de plăți este potrivit pentru un magazin online la început, care vinde în România?”
„alternative Shopify România” poate deveni „Ce alternative la Shopify există pentru un magazin online din România care are nevoie de facturare, curierat și plăți locale?”
„integrare facturare WooCommerce” poate deveni „Cum pot integra facturarea automată într-un magazin WooCommerce din România?”
Diferența este importantă. Promptul bun păstrează intenția din query, dar adaugă un context relevant pentru decizie: tipul companiei, țara, platforma, constrângerile sau etapa de cumpărare.
AI Search nu funcționează ca o căutare clasică
Google explică în documentația Search Central că AI Overviews și AI Mode pot folosi o tehnică numită „query fan-out”, prin care sistemul descompune o întrebare nuanțată în subteme și lansează simultan mai multe căutări conexe pentru a construi un răspuns. Pentru funcții avansate precum Deep Search, sistemul poate lansa chiar și sute de căutări paralele pentru a raționa peste informații din surse diferite.
Acest lucru schimbă modul în care trebuie gândită monitorizarea. Dacă utilizatorul întreabă „care este cea mai bună platformă pentru un magazin online mic în România?”, AI-ul poate căuta simultan informații despre costuri, integrări, metode de plată, curierat, suport local, recenzii, alternative și limitări. De aceea, un set bun de prompturi nu ar trebui să fie doar o listă de keyworduri, ci o hartă a întrebărilor reale din procesul de decizie.
Nu e nevoie de 500 de prompturi
Un alt punct sensibil este dimensiunea listei de prompturi: prea multe întrebări pot face analiza mai greu de urmărit și mai puțin utilă. SE Ranking susține că prompt tracking-ul nu are volum de căutare, poziții stabile sau rezultate statice, motiv pentru care alegerea prompturilor contează mai mult decât numărul lor. Platforma recomandă folosirea mai multor surse pentru listă, inclusiv keyworduri SEO existente, People Also Ask, AI Overviews, Reddit, forumuri și competitor research.
Tot SE Ranking recomandă un punct de plecare de 20-40 de prompturi, rulate pe 2-3 modele AI și urmărite cel puțin 30 de zile înainte de a trage concluzii. Explicația este pragmatică: un set mai mic, dar bine ales, este mai ușor de analizat decât o bibliotecă mare de întrebări speculative.
Pentru ecommerce, aceste 20-40 de prompturi ar trebui să acopere mai multe etape: întrebări informaționale, când clientul încearcă să înțeleagă o problemă; întrebări de comparație, când analizează opțiuni; întrebări tranzacționale, când caută preț, cost, demo, furnizor sau soluție; întrebări legate de brand, când compară direct compania cu alternativele.
Ce ar trebui măsurat, de fapt
În AI visibility, întrebarea „pe ce poziție suntem în ChatGPT?” este mai puțin utilă decât pare. AI-ul nu afișează o pagină de rezultate stabilă, ca în Google Search. Mai relevant este să urmărești cât de des apare brandul, în ce contexte, lângă ce competitori și dacă site-ul este citat ca sursă.
Bing Webmaster Tools a introdus în 2026 raportul AI Performance, care măsoară citările în răspunsuri AI, paginile citate, query-urile de grounding și activitatea la nivel de URL. Microsoft precizează că aceste date arată de câte ori conținutul este citat ca sursă în răspunsuri generate de AI, dar nu indică o poziție, un ranking sau importanța unei pagini într-un răspuns individual.
Aceasta este o distincție esențială. În AI search, vizibilitatea nu înseamnă doar „am fost pe locul 1”. Poate însemna că brandul este menționat, că site-ul este citat, că o pagină de categorie este folosită ca sursă sau că un competitor apare constant în răspunsuri unde brandul tău lipsește.
Ahrefs observă aceeași problemă metodologică: platformele AI nu oferă direct toate query-urile introduse de utilizatori sau frecvența lor, ceea ce înseamnă că există riscul să monitorizezi expresii pe care nu le caută nimeni. Ahrefs recomandă gruparea prompturilor în clustere și analiza agregată a răspunsurilor, pentru că răspunsurile AI și URL-urile citate se pot schimba de la o rulare la alta.
Ce înseamnă asta pentru magazinele online
Pentru magazinele online și companiile din ecommerce, miza nu este doar să „apară în AI”. Miza este să apară în acele răspunsuri care influențează documentarea, comparația și decizia de cumpărare.
Un magazin online nu ar trebui să urmărească doar prompturi generale de tipul „cele mai bune magazine online din România”. Ar trebui să urmărească întrebări mai apropiate de intenția reală a clientului: „de unde cumpăr produse personalizate cu livrare rapidă?”, „ce magazin are retur simplu pentru haine?”, „ce platformă ecommerce este potrivită pentru produse digitale?”, „care sunt alternativele la Shopify pentru România?”, „cum aleg un procesator de plăți pentru magazin online?”.
Aceste întrebări pot fi descoperite din date deja existente: Search Console, Google Ads, întrebări din suport, mesaje de la clienți, formulare de lead și căutări interne pe site. Apoi pot fi transformate în prompturi naturale, urmărite pe mai multe platforme AI și evaluate în timp.
Concluzia nu este că datele reale oferă o metodă perfectă. AI search rămâne variabil, iar prompt tracking-ul este încă o zonă în formare. Concluzia este că un set de prompturi construit din limbajul real al clienților este mai credibil decât unul inventat într-un meeting.
În SEO, diferența dintre presupunere și date a contat întotdeauna. În AI visibility, diferența devine și mai importantă. Pentru că atunci când prompturile sunt inventate, raportul poate măsura mai degrabă imaginația echipei decât piața reală.
