Loading...
Pas de score boîte noire. Voici exactement comment les 42 facteurs en sept catégories construisent le GEO Score - avec pondérations, base de données et limites honnêtes.
Sept catégories. 42 facteurs principaux pondérés, plus ~18 sous-vérifications par facteur (60 vérifications de détail au total). Chaque facteur correspond à une vérification réelle du backend du système de scoring.
Tous les facteurs n'ont pas le même poids. Les données structurées et les fondamentaux techniques contribuent le plus au GEO Score.
Les pondérations sont basées sur des observations empiriques de fournisseurs IA du plan (ChatGPT, Perplexity, Claude et autres fournisseurs configures et Kimi) sur plusieurs mois. Les données structurées (25%) et le SEO technique (20%) dominent car les systèmes IA traitent principalement des données lisibles par machine. La couche de données métier (5%) est délibérément faiblement pondérée : les feeds manquants coûtent des points, mais les feeds parfaits améliorent à peine le score.
L'honnêteté fait partie de la méthodologie. Voici les limites réelles de notre système.
Nous n'avons pas d'accès privilégié aux algorithmes de classement internes d'OpenAI, Anthropic ou Google. Notre mesure est basée sur le comportement de sortie observable des modèles.
Un GEO Score élevé augmente statistiquement la probabilité de citation - il ne la garantit pas. Les réponses IA sont non déterministes.
Nous mesurons la visibilité au niveau du domaine. Pas de profils utilisateur, pas de suivi des clients finaux - orienté RGPD par conception.
Les requêtes aux moteurs IA s'exécutent sur un cycle de sondage typique de 24 heures. La visibilité en temps réel n'est pas techniquement mesurable.
De la qualité technique des données à l'impact métier mesurable - quatre niveaux qui ensemble fournissent une image complète.
Fondation : Les données sont-elles lisibles par machine, complètes et fraîches ?
L'entreprise est-elle mentionnée, citée ou recommandée dans les réponses IA ?
Quelle est la précision et la positivité des déclarations IA sur l'entreprise ?
La visibilité IA se traduit-elle en trafic, leads et revenus mesurables ?
Le GEO Score n'est pas basé sur l'intuition. Ces publications forment la base empirique.
Aggarwal et al.
Première étude systématique sur l'optimisation pour les moteurs de recherche génératifs. Définit les citations, impressions et share of voice comme métriques GEO primaires.
Stanford Human-Centered AI Institute
Taux d'hallucination par modèle et domaine. Base pour notre Hallucination Score et la calibration de notre matrice de tests à fournisseurs IA du plan.
Patronus AI / IBM Research
Benchmarks de détection d'erreurs factuelles dans les sorties LLM. Méthodologie adoptée pour notre détection d'hallucinations à 8 couches.
Google LLC
Spécification officielle pour les données structurées. Définit quels types de schema Google Search utilise pour la génération de réponses.
Beconova n'est pas une institution de recherche académique. Les sources citées étayent les fondements théoriques - les pondérations pratiques découlent de notre propre empirisme de mesure sur 6+ mois de données de production.
Si quelque chose dans notre méthodologie n'est pas clair, contactez-nous directement. Pas de buzzwords, pas de dérobade.