Découvrez comment l'IA recommande votre entreprise
Effectuez un audit gratuit
Note Méthodologique : Le rapport a été préparé sur la base de données provenant du suivi de 100 magasins en ligne appartenant à 10 catégories e-commerce. Les données ont été agrégées et anonymisées, de sorte que le rapport n'identifie pas de marques individuelles. Pour chaque magasin, un ensemble de 100 requêtes reflétant différentes étapes du processus d'achat a été surveillé quotidiennement. Les résultats présentés dans le rapport sont des agrégats pour l'ensemble de l'échantillon et des segments analysés et ne doivent pas être interprétés comme une prévision des résultats pour chaque magasin en ligne.
Conclusion Clé
Dans l'ensemble de données analysé, la visibilité moyenne des magasins en ligne dans les réponses AI a augmenté sur 90 jours, passant de 11,8 % à 22,6 %. Cela représente une augmentation de 10,8 points de pourcentage, soit 91,5 % par rapport au niveau initial.
Cependant, le changement n'était pas uniforme. Sur 100 profils analysés, 43 ont au moins doublé leur visibilité, 35 l'ont augmentée de 25 à 99 %, et 7 ont terminé la période d'observation avec un résultat inférieur à celui du début.
Les plus grandes augmentations ont été observées dans le groupe de magasins menant des activités régulières liées à la mise à jour des informations sur les produits, au développement de contenu répondant aux besoins spécifiques des clients et à la mise en œuvre des recommandations résultant du suivi.
Le résultat montre une corrélation entre la cohérence des actions et l'augmentation de la visibilité dans l'échantillon analysé. Cependant, cela ne signifie pas que le même niveau de croissance peut être garanti à chaque marque ni que la corrélation observée résulte uniquement des actions entreprises.
Rapport en chiffres
| Indicateur | Début | Après 30 jours | Après 60 jours | Après 90 jours | Changement après 90 jours |
|---|---|---|---|---|---|
| Visibilité moyenne | 11.8% | 14.7% | 18.2% | 22,6% | +91,5% |
| Présence dans les 3 meilleures recommandations | 4,9% | 6,3% | 8,5% | 11,7% | +138,8% |
| Taux de citation | 2,7% | 3,4% | 4,6% | 6,8% | +151,9% |
| Part de Voix | 8.6% | 10.3% | 12.5% | 15.4% | +79.1% |
| Position moyenne de la marque* | 5.8 | 5.3 | 4.7 | 4.2 | amélioration de 1.6 positions |
* Position moyenne calculée uniquement pour les réponses où la marque a été mentionnée. Un score plus bas est meilleur.
Portée de l'étude et conclusions initiales
- 100 profils de magasins en ligne
- 10 000 incitations uniques à l'achat et aux produits
- 10 secteurs du commerce électronique analysés
- 5 environnements de réponse AI
- 43 % des magasins ont au moins doublé leur visibilité en 90 jours
- 78 % des magasins ont augmenté leur visibilité d'au moins 25 %
Comment le modèle de recherche a-t-il été conçu ?
L'étude a couvert 100 magasins en ligne, 10 de chaque secteur analysé. Pour chaque magasin, 100 incitations reflétant les véritables étapes de la décision d'achat ont été préparées. Un total de 10 000 requêtes uniques a été créé.
Les incitations ont été divisées en cinq groupes :
| Type d'incitation | Part dans l'ensemble | Intention |
|---|---|---|
| Découverte et recommandations | 30% | “Quelles chaussures de trekking choisir pour des sentiers faciles ?” |
| Problème et solution | 25% | “Qu'est-ce qui aidera à réduire la mue des chiens à la maison ?” |
| Comparaisons | 20% | “Une machine à expresso automatique ou manuelle est-elle meilleure ?” |
| Produit et transactionnel | 15% | “Où acheter une chaise de bureau pour 100 EUR ?” |
| Validation de la marque | 10% | “La marque X est-elle fiable ?” |
La visibilité a été vérifiée dans cinq environnements : ChatGPT, Gemini, Google AI, Claude et Grok. Le même ensemble de requêtes a été analysé quotidiennement pendant 90 jours.4,5 millions de réponses AI ont été analysées.
Que signifie la visibilité dans ce rapport ?
La métrique de base montre le pourcentage de requêtes dans lesquelles la marque surveillée est apparue dans la réponse de l'AI. Par exemple, une visibilité de 20 % signifie que la marque a été mentionnée dans 20 des 100 requêtes vérifiées.
Cependant, la mention seule n'épuise pas l'analyse. Par conséquent, les éléments suivants ont également été inclus :
- Taux TOP 3, qui est la part des réponses dans lesquelles la marque était parmi les trois premières recommandations
- Taux de Citation, le pourcentage de toutes les réponses analysées dans lesquelles le site de la marque surveillée a été indiqué comme source d'information ou un lien vers celui-ci est apparu
- Part de Voix, qui est la part de la marque dans toutes les mentions la concernant et concernant les concurrents surveillés
- Position Moyenne, qui est la place moyenne de la marque sur la liste de recommandations si elle a été mentionnée
Visibilité après trois mois : une augmentation de 91,5 %
Au début de l'étude, les marques apparaissaient dans en moyenne 11,8 % des réponses. Après le premier mois, le résultat a augmenté à 14,7 %. Une accélération plus prononcée s'est produite entre le 30e et le 90e jour : après deux mois, la visibilité était de 18,2 %, et après trois, elle était de 22,6 %.
| Moment de Mesure | Visibilité | Index, départ = 100 | Croissance par rapport au départ |
|---|---|---|---|
| Départ | 11.8% | 100 | 0% |
| 30 jours | 14,7% | 125 | +24,6% |
| 60 jours | 18,2% | 154 | +54.2% |
| 90 jours | 22.6% | 192 | +91.5% |
Les données montrent que l'évaluation des effets après quelques jours ou plusieurs jours peut être prématurée. Le contenu doit être publié, découvert par des systèmes de collecte d'informations, traité et utilisé dans les réponses. En pratique, les premiers signaux peuvent apparaître plus tôt, mais une image plus complète du changement n'est fournie qu'après plusieurs cycles de mesure successifs.
Tous les magasins n'ont pas connu la même croissance
La distribution des changements était clairement variée :
- 43 magasins ont au moins doublé leur visibilité
- 35 magasins l'ont augmentée de 25 à 99%
- 15 magasins ont enregistré une augmentation de moins de 25% ou un résultat proche de l'initial
- 7 magasins ont terminé la période avec un résultat inférieur à celui du départ
Au départ, 31 des 100 magasins n'apparaissaient dans aucune des principales incitations de leur catégorie. Après 90 jours, le nombre de ces magasins est tombé à 9 dans l'étude. En même temps, la visibilité médiane est passée de 10,6% à 20,1%.
La conclusion est simple : l'augmentation moyenne n'était pas le résultat de quelques marques exceptionnellement fortes. L'amélioration a concerné la plupart de l'échantillon, bien que son ampleur dépende de l'industrie et de l'intensité des actions.
Quelles industries ont le plus gagné ?
Les plus fortes dynamiques ont été atteintes dans les industries où les questions des clients sont détaillées, orientées vers les problèmes et nécessitent des clarifications. Cela inclut, entre autres, les suppléments, les produits pour animaux de compagnie, les pièces automobiles et l'équipement domestique.
| Industrie | Démarrer | Après 90 jours | Changement relatif | Changement en p.p. |
|---|---|---|---|---|
| Santé et suppléments | 8,4% | 20.3% | +141.7% | +11.9 |
| Pièces et accessoires automobiles | 7.6% | 17.2% | +126.3% | +9.6 |
| Articles pour animaux | 9.8% | 21.8% | +122.4% | +12.0 |
| Maison et Jardin | 12.1% | 25.4% | +109.9% | +13.3 |
| Sport et plein air | 11.7% | 23.8% | +103.4% | +12.1 |
| Enfants et jouets | 13.9% | 25.6% | +84.2% | +11.7 |
| Mode et chaussures | 13.5% | 23.9% | +77.0% | +10.4 |
| Électronique grand public | 10.9% | 18.6% | +70.6% | +7.7 |
| Alimentation spécialisée | 14.3% | 23.6% | +65.0% | +9.3 |
| Beauté et cosmétiques | 15.8% | 25.8% | +63.3% | +10.0 |
La plus grande augmentation relative ne signifie pas toujours la plus haute visibilité finale. L'industrie de la santé et des suppléments a commencé à un niveau bas, donc la croissance de 8.4% à 20.3% a entraîné une dynamique dépassant 140%. En revanche, les cosmétiques avaient la plus haute visibilité initiale et ont atteint le meilleur résultat final après trois mois, malgré une dynamique en pourcentage inférieure.
Pourquoi certaines catégories croissent-elles plus rapidement ?
L'étude a montré que les catégories répondant à trois conditions ont pris un avantage :
- Les clients posent de nombreuses questions détaillées avant d'acheter
- Le choix du produit dépend des paramètres, de l'application ou du problème de l'utilisateur
- Le magasin peut publier des connaissances spécifiques qui ne peuvent pas tenir dans une courte description de produit
Cela peut partiellement expliquer la forte dynamique observée dans la catégorie maison et jardin. Les utilisateurs ne demandent que rarement un nom de produit spécifique. Plus souvent, ils décrivent l'espace, le budget, les contraintes et le résultat attendu. Un magasin qui explique mieux ces situations que la concurrence fournit des modèles avec le matériel nécessaire pour construire des recommandations utiles.
Les résultats variaient entre les systèmes d'IA
La même marque peut être bien visible dans un système et presque invisible dans un autre. Chaque environnement utilise un ensemble différent de sources, de méthodes de récupération d'informations et de mécanismes de construction de réponses.
| Environnement AI | Visibilité au Lancement | Visibilité après 90 Jours | Changement Relatif |
|---|---|---|---|
| ChatGPT | 13.7% | 25.4% | +85.4% |
| Gémeaux | 11.9% | 23.7% | +99.2% |
| Google AI | 9.4% | 18.2% | +93.6% |
| Claude | 10.1% | 20.1% | +99.0% |
| Grok | 13,9% | 25,6% | +84,2% |
| Moyenne | 11,8% | 22,6% | +91.5% |
Des différences encore plus grandes sont visibles dans les citations :
| AI Environment | Taux de citation initial | Taux de citation après 90 jours |
|---|---|---|
| ChatGPT | 3.1% | 7.6% |
| Gemini | 3.4% | 8.2% |
| Google AI | 5.8% | 10.9% |
| Claude | 0.9% | 2.9% |
| Grok | 0.3% | 4.4% |
| Moyenne | 2.7% | 6.8% |
Le résultat montre pourquoi un seul test dans un chat est insuffisant pour évaluer la visibilité. Une marque peut être souvent mentionnée mais rarement citée. Elle peut également apparaître en haut dans les questions comparatives et disparaître dans les requêtes liées aux problèmes. Seule une surveillance continue de plusieurs modèles et groupes de prompts révèle la véritable structure de visibilité.
La plus grande augmentation de visibilité a été enregistrée pour les prompts de problème
Tous les groupes de questions n'ont pas réagi aux actions de la même manière. La plus grande dynamique a été obtenue par les requêtes où l'utilisateur décrivait le problème, le résultat attendu ou les conditions d'utilisation du produit.
| Intention du prompt | Début | Après 90 jours | Changement relatif |
|---|---|---|---|
| Problème et solution | 9.8% | 23,4% | +138,8% |
| Découverte et recommandations | 8,4% | 19,2% | +128,6% |
| Comparaisons | 12,9% | 24,6% | +90,7% |
| Produit et transactionnel | 11,6% | 20,5% | +76,7% |
| Validation de la marque | 22,8% | 28,1% | +23,2% |
Les incitations contenant le nom de la marque avaient une grande visibilité dès le départ. Leur potentiel de croissance était donc limité. Un bien plus grand champ d'amélioration était offert par les questions posées avant que le client ne connaisse une marque spécifique, par exemple :
- “Quel matelas choisir pour des douleurs au dos et dormir sur le côté ?”
- “Comment choisir la nourriture pour un chien avec un système digestif sensible ?”
- “Quelles chaussures de course conviennent à une personne avec un pied large ?”
- “Quel robot tondeuse peut gérer un jardin en pente ?”
À ce stade, la réponse de l'AI peut introduire une nouvelle marque dans le processus d'achat. Pour le commerce électronique, c'est le domaine le plus précieux, car il permet d'atteindre des utilisateurs qui n'ont pas encore décidé où acheter le produit.
Intensité des actions et changement de visibilité sur 90 jours
Les magasins étudiés ont été divisés en trois groupes en fonction de l'intensité des actions entreprises pendant la période d'observation.
Le Semly AI Growth Score a été utilisé pour l'évaluation - une métrique qui classe les profils selon la régularité des actions liées à l'amélioration de la visibilité dans les réponses de l'AI.
L'analyse a montré une relation claire entre le niveau d'activité et le changement de visibilité. Le groupe réalisant les actions les plus régulières a obtenu la plus grande amélioration sur 90 jours.
Il s'agit d'une relation d'observation. Sur la base de la comparaison des groupes seuls, il ne peut être conclu que l'intensité des actions était la seule cause des différences de résultats.
| Groupe | Caractéristiques | Début | Après 90 jours | Changement |
|---|---|---|---|---|
| Activité élevée | publications régulières, mises à jour des données et mise en œuvre de la plupart des recommandations | 12,0% | 31,2% | +160% |
| Activité moyenne | 2-3 actions par mois, mise en œuvre partielle des recommandations | 11,8% | 22,0% | +86% |
| Faible activité | actions uniques ou manque de régularité | 11.6% | 14.8% | +28% |
La différence entre les groupes était faible au début, mais après trois mois, elle est devenue très claire. Les magasins les plus actifs ont obtenu plus du double de la visibilité finale par rapport au groupe à faible activité.
Cela ne signifie pas que le nombre de publications entraîne automatiquement une augmentation. Ce qui compte, c'est l'alignement du contenu avec les lacunes réelles dans les réponses de l'IA. Quatre articles abordant des questions où la marque perd face à ses concurrents peuvent avoir plus de valeur que plusieurs textes généraux préparés sans analyse des prompts.
Qu'est-ce qui a connecté les profils à la croissance la plus rapide ?
Dans le groupe étudié de leaders, cinq éléments étaient les plus courants :
- Données produit précises. Les paramètres, applications, limitations, compatibilité et informations de disponibilité étaient enregistrés dans un contenu lisible sans exécuter JavaScript.
- Contenu abordant des questions spécifiques. Les articles abordaient de réels problèmes d'achat, et non seulement des phrases de catégorie générales.
- Comparaisons basées sur des critères. Les magasins expliquaient pour qui une solution donnée serait adaptée et quand il vaut mieux choisir une autre option.
- Cohérence de l'information. Les descriptions de produits, catégories, guides, données structurées et informations sur la marque ne se contredisaient pas.
- Mesure régulière. Les changements étaient évalués sur les mêmes prompts et dans les mêmes modèles, permettant de distinguer une tendance durable d'une fluctuation ponctuelle.
Mentionner n'est pas la même chose que citer
Après 90 jours, le taux de mention était de 22,6 %, tandis que le taux de citation était de 6,8 %. Cela signifie que la marque a été mentionnée beaucoup plus souvent que son site n'a été cité comme source.
En supposant que citer est un sous-ensemble de réponses contenant une mention de la marque, environ 30 % des réponses avec une mention incluaient également une citation du site de la marque.
Cela ne remet pas en question la valeur de la présence. Une recommandation sans lien peut construire la reconnaissance et influencer les recherches de marque ultérieures. Cependant, du point de vue du trafic du site, la citation est particulièrement importante car elle fournit aux utilisateurs un chemin direct vers le magasin.
Dans l'étude sur l'augmentation du taux de citation, les éléments suivants étaient les plus fréquemment associés :
- réponses claires à des questions spécifiques
- titres et en-têtes clairs décrivant le problème de l'utilisateur
- données uniques, comparaisons et instructions
- informations visibles sur l'auteur, mises à jour et sources
- liaison logique entre le guide, la catégorie et le produit
- données structurées alignées avec le contenu de la page
La conclusion pour les magasins est pratique : il vaut la peine de mesurer séparément si la marque est mentionnée, si elle est bien classée sur la liste de recommandations, et si son site est cité comme source. Chacun de ces résultats décrit une étape différente de la construction de la visibilité.
TOP 3 a crû plus rapidement que le nombre total de mentions
La part des réponses dans lesquelles la marque était classée parmi les trois premières recommandations est passée de 4,9 % à 11,7 %. C'est une amélioration de 138,8 %, clairement supérieure à l'augmentation de la visibilité elle-même.
En même temps, la position moyenne de la marque s'est améliorée de 5,8 à 4,2. En pratique, les magasins étudiés non seulement sont apparus plus souvent mais se sont également rapprochés du début des réponses, où la recommandation est plus visible et plus facile à retenir.
Ce résultat montre pourquoi la réponse 'la marque est apparue' est insuffisante. Lister le magasin à la septième place a une valeur différente que de le présenter comme la première recommandation avec justification et un lien.
5 conclusions pour les propriétaires de e-commerce
1. La visibilité dans l'AI peut être modifiée, mais cela prend du temps
L'augmentation observée de 11,8 % à 22,6 % ne s'est pas produite après une seule publication. La plus grande partie de l'amélioration est apparue après le premier mois lorsque des actions systématiques ont commencé à créer une image plus large et plus cohérente de l'offre.
2. La plus grande opportunité se situe avant de poser des questions sur la marque
Les demandes problématiques et de recommandations ont augmenté de plus de deux fois. Ce sont des questions d'utilisateurs qui savent ce dont ils ont besoin mais n'ont pas encore choisi de produit ou de vendeur.
3. Chaque secteur a besoin de son propre ensemble de demandes
Un magasin de cosmétiques, un vendeur de pièces automobiles et une marque de biens pour la maison participent à des processus de décision complètement différents. Un ensemble de questions commun et général ne révélera pas leur véritable visibilité.
4. Vous devez mesurer plusieurs dimensions simultanément
Le Taux de Mention, le Taux de Citation, les TOP 3, la Part de Voix et la position moyenne répondent à des questions différentes. Ensemble, ils montrent si une marque est reconnue, recommandée et désignée comme source.
5. L'avantage est construit par un système, pas un seul article
Les meilleurs résultats ont été obtenus par des magasins qui combinaient la surveillance, l'analyse concurrentielle, l'optimisation des informations sur les produits et la publication régulière de contenu abordant les lacunes identifiées.
Plan de Croissance de Visibilité de 90 Jours pour Votre Marque
Jours 1-30 : Diagnostic et Fondations
- Construisez un ensemble d'instructions comprenant des recommandations, des problèmes, des comparaisons et des questions sur les produits
- Vérifiez la visibilité de la marque et des principaux concurrents dans plusieurs modèles d'IA
- Sélectionnez 10-20 requêtes à forte valeur commerciale où les concurrents sont visibles, mais votre marque n'est pas présente
- Vérifiez que les bots et les systèmes de collecte d'informations ont accès au site
- Complétez les descriptions clés des produits et des catégories avec des applications, des paramètres, des limitations et des réponses aux questions des clients
Jours 31-60 : publication et distribution des connaissances
- Publiez du contenu préparé en fonction des lacunes de visibilité spécifiques
- Liez les guides avec les catégories et produits appropriés
- Ajoutez des comparaisons, des tableaux, des réponses courtes et des critères de sélection clairement définis
- Assurez la cohérence des données produit, de la disponibilité, des prix et des informations sur la marque
- Comparez la deuxième mesure avec la ligne de base, séparément pour chaque groupe de prompts
Jours 61-90 : mise à l'échelle de ce qui fonctionne
- Développez les sujets qui ont amélioré la visibilité ou le taux de citation
- Mettez à jour le contenu qui a été découvert mais qui ne conduit toujours pas à des citations
- Analysez les nouvelles mentions de concurrents et les changements dans le TOP 3
- Limitez la création de contenu qui ne traite d'aucun problème utilisateur surveillé
- Évaluez les effets en fonction des tendances de plusieurs mesures, pas d'une seule réponse de modèle
Limitations de l'étude
Les résultats du rapport doivent être interprétés dans le contexte de plusieurs limitations.
Les réponses générées par les systèmes d'IA peuvent varier entre les appels successifs du même prompt. Elles sont influencées par des facteurs tels que les mises à jour du modèle, les changements dans les mécanismes de récupération d'informations, la disponibilité des sources et la manière dont les réponses sont construites par différentes plateformes.
L'étude montre principalement la direction et l'échelle des changements observés dans l'ensemble de données analysé, plutôt qu'un résultat garanti pour chaque marque.
La division des magasins par intensité d'activité est observationnelle. Une activité plus élevée était associée à une plus grande croissance de la visibilité, mais l'analyse ne permet pas de conclure que cela en était la seule cause.
D'autres facteurs ont également pu influencer les résultats, tels que la reconnaissance préalable de la marque, l'autorité du domaine, la présence de la marque dans des sources externes, les changements d'offres et les mises à jour des systèmes d'IA eux-mêmes.
Pour cette raison, les résultats doivent être considérés comme une analyse des dépendances observées sur une période de 90 jours, plutôt que comme une garantie de croissance spécifique après des actions spécifiques.
Résumé
Une analyse de 100 profils de magasins et 10 000 requêtes montre que la visibilité des marques de commerce électronique dans les réponses de l'IA peut changer significativement en quelques mois.
Dans l'ensemble de données analysé, la visibilité moyenne est passée de 11,8 % à 22,6 % en 90 jours. Les plus grandes dynamiques ont été enregistrées pour les requêtes de problème et de recommandation — c'est-à-dire à l'étape où l'utilisateur connaît son besoin mais n'a pas encore choisi de marque ou de produit spécifique.
En même temps, les résultats indiquent une relation claire entre la régularité des actions et l'échelle de la croissance observée. Les magasins du groupe à haute activité ont terminé la période d'étude avec une visibilité nettement plus élevée que les profils qui ont effectué des actions de manière sporadique.
Cela ne signifie pas qu'une seule optimisation conduit automatiquement à une augmentation spécifique. La visibilité dans l'IA dépend de nombreux facteurs, y compris la qualité et la disponibilité des informations sur la marque, les sources utilisées par les systèmes d'IA, la concurrence et les changements survenant dans les modèles eux-mêmes.
Par conséquent, une approche pratique de la recherche IA devrait combiner une mesure régulière, l'identification des lacunes dans les réponses de l'IA, l'amélioration de la qualité des informations sur les produits et les marques, et la publication de contenu qui répond à des besoins spécifiques des utilisateurs.
Partager :
