Metodologia Indexului Vizibilității AI

Fiecare rând numește câmpul din datele ediției care nu suportă o comparație și comparația exactă pe care nu o suportă. Lista stă aici, la vedere, pentru că e singurul loc în care mai poate schimba ceva.

• brands[].mentions

  Vizibilitatea unui brand nu traversează granița pieței. eMAG e numit în 82 din cele 87 de răspunsuri de aici și în 5,0% dintre răspunsurile ediției de carte; cele două cifre răspund la întrebări diferite, puse unor suprafețe diferite, pe numitori diferiți. Un brand prezent în două ediții are două măsurători separate, nu un scor național: nu se însumează, nu se mediază și nu se pun în același clasament.

• brands[].weighted

  Vizibilitatea ponderată e o sumă nemărginită care crește cu numărul de răspunsuri — 87 aici, 180 în ediția de carte. Comparată direct între piețe, măsoară mărimea eșantionului, nu performanța. Intră într-o comparație doar ca positionScore = weighted / 87 și numai în interiorul acestei ediții.

• surfaces[ai_overview].answers

  Numitorul AI Overviews e 15, nu 18: Google nu s-a declanșat la trei întrebări. Raportarea la 18 subestimează sistematic fiecare brand pe această suprafață — rata evoMAG trece de la 33,3% la 40,0%. Orice comparație de suprafață cu o altă ediție trebuie să folosească numitorul propriu al suprafeței, nu 87 și nu 18.

• method.runs

  O singură rulare completă, pe 3 august 2026. Nu există ediție anterioară a acestei piețe, deci nu există deltă, nu există trend și regula de raportare a mișcărilor (intervale disjuncte plus o schimbare de cel puțin 35% a mențiunilor) nu are pe ce să se aplice. Diferențele față de o măsurătoare viitoare vor include volatilitatea platformei, care aici nu e separabilă.

• brands[].bySurface

  Ordinea diferă între cele două metrici de vizibilitate și diferența trebuie citită, nu ascunsă. La cifra pooled, Flanco (48 de mențiuni din 87) e înaintea evoMAG (47); la vizibilitatea echilibrată pe furnizori, evoMAG trece înaintea lui Flanco, pentru că trei din cele cinci suprafețe sunt ale Google, iar evoMAG stă mai bine pe ChatGPT (11 din 18) și pe Perplexity (11 din 18) decât Flanco (9 și 7). Aceeași inversiune apare în coadă, între Amazon (1 mențiune) și iStyle (2).

• brands[].positions

  Distribuția pe poziții a fost înregistrată doar pentru primele șase branduri după mențiuni. Pentru celelalte șapte lipsește, iar scorul de poziție nu se calculează din vizibilitatea ponderată singură: cinci dintre ele sunt oricum sub pragul de 5 mențiuni de la care se derivă metrici per mențiune.

• sources.items

  Tabelul de surse publică 60 de domenii din cele 249 distincte citate; coada sub 2 răspunsuri nu e publicată. Suma răspunsurilor care citează nu e o sumă de răspunsuri: un răspuns citează de regulă mai multe domenii, deci coloana nu se însumează la 87 și nu se compară cu numărul de domenii distincte al altei ediții.

• provenance.rawArchive

  Textele brute ale celor 87 de răspunsuri nu au fost arhivate, deci nu există hash care să le certifice. Cifrele sunt reproductibile din cele trei CSV-uri publice, dar afirmațiile calitative din studiu — cine ce a spus, în ce formulare — nu pot fi reverificate de un terț la sursă.

Fiecare rând numește câmpul din datele ediției care nu suportă o comparație și comparația exactă pe care nu o suportă. Lista stă aici, la vedere, pentru că e singurul loc în care mai poate schimba ceva.

• denominators.sourceRate

  Ratele surselor se raportează la 172, nu la 180. 172 este numărul de răspunsuri care conțin citări; celelalte 8 au fost generate fără linkuri. Aritmetica fixează numitorul: carturesti.ro, citat în 46 de răspunsuri, e publicat la 26,74%, iar 46/172 = 26,74% exact, în timp ce 46/180 ar da 25,56%. O copie de lucru a tabelului de surse poartă încă un antet care declară „180 răspunsuri” deasupra unei coloane numite doar „procent din răspunsuri”; fișierele publicate — CSV-ul de pe site și depunerea Zenodo — numesc coloana „pct_din_raspunsuri_cu_citari” și declară numitorul 172. Nu am rescris sursa. Pentru a putea sta lângă o ediție care raportează la toate răspunsurile, aceleași numărători se recalculează pe 180 în `ratePctRebased`, cu rata publicată păstrată alături.

• surfaces[].mentions

  Cele cinci totaluri per suprafață — ChatGPT 33, Gemini 78, Perplexity 30, AI Mode 56, AI Overviews 50 — nu sunt publicate ca numărători. Sursa publică rate per brand și per suprafață, procente din cele 36 de răspunsuri ale suprafeței. Numărătorile se reconstituie exact, round(rată × 36 / 100), iar reconstituirea închide de două ori: fiecare rând de brand își regăsește totalul, iar suma celor cinci coloane dă 247. Dicționarul de date al depunerii publică chiar această verificare, cu aceleași cinci cifre. Pe rândurile de brand am păstrat totuși forma sursei — `ratePct` publicat, `mentions` null — ca să nu treacă drept numărători ceva ce sursa nu a numărat.

• method.queriesIssued

  Nu a fost înregistrat. Ediția declară 180 de răspunsuri analizate și 36 per suprafață, dar nu distinge între interogări trimise și răspunsuri primite. Episodul 3 face distincția — 90 de interogări, 87 de răspunsuri analizate — deci rata de declanșare a suprafețelor nu se compară între cele două ediții.

• method.deff

  deff = 2,0 este preluat, nu măsurat pe aceste date; motivul complet e în `method.deffNote`. Consecința practică: intervalele Wilson de aici sunt la fel de largi ca cele din episodul 3, dar lărgimea lor nu e justificată de o corelație intra-clasă măsurată pe piața de carte.

• questions[].isDense

  Tabelul pe întrebări conține numai rândurile cu cel puțin o mențiune. Un brand absent de la o întrebare nu e un zero confirmat, ci un zero neînregistrat — de aceea `isDense` e false pe toate cele 18 întrebări, `answers` e null și nicio rată per întrebare nu se calculează din acest fișier. Tot de aici vine imposibilitatea de a măsura ICC-ul.

• method.runs

  Două rulări la șapte zile distanță, agregate într-un singur numitor de 180. Un brand poate fi numărat de două ori pentru aceeași întrebare, o dată per rulare, deci `mentions` numără răspunsuri, nu întrebări acoperite. Episodul 3 are o singură rulare: o comparație directă de rate între cele două ediții pune un panel repetat lângă o fotografie.

• provenance.rawArchive

  Nu există. Răspunsurile brute nu au fost arhivate, deci nimeni nu poate reface numărătorile pornind de la text; se pot verifica doar consistențele interne dintre cele trei CSV-uri, care închid toate. Absența e declarată, nu ascunsă.

• brands[].positions

  Distribuția pe poziții a fost publicată pentru două branduri, Libris și BookZone. Pentru celelalte 19 există doar suma ponderată, deci `firstPlaceSharePct` se poate calcula numai pentru cele două. Scorul de poziție, care derivă din suma ponderată, rămâne disponibil pentru toate brandurile peste pragul de mențiuni.

Fiecare rând numește câmpul din datele ediției care nu suportă o comparație și comparația exactă pe care nu o suportă. Lista stă aici, la vedere, pentru că e singurul loc în care mai poate schimba ceva.

• market.tier

  Tot ce urmează e tier „pilot” și nu intră în nicio agregare a indexului: nici în totalurile pe index, nici într-un clasament de branduri, nici într-o comparație între piețe. Ediția e publicată ca să poată fi citită și verificată, nu ca să fie comparată.

• method.design

  Instrument diferit. Aici: o întrebare, pusă o dată, la zece asistenți. În edițiile tier A: un panel de întrebări de cumpărare, rulat pe cinci suprafețe de la trei furnizori. Cele două nu măsoară același lucru și nu stau în același tabel.

• brands[].mentions

  Cifrele din coloana de mențiuni sunt sloturi, nu mențiuni libere — `mentionsAreSlots` e true. Fiecare model a fost obligat să numească exact cinci branduri, deci un brand poate apărea cel mult o dată per răspuns, iar totalul e fixat la 50 (10 răspunsuri × 5 poziții). Într-o ediție tier A o mențiune e un eveniment; aici e o poziție dintr-o listă cerută.

• brands[].weighted

  Suma ponderată de poziție nu e stocată — `weighted` e null pe fiecare rând — și niciun scor de poziție nu se poate calcula pentru ediția asta. Motivul e aritmetic, nu editorial: cu top-5 forțat, 100 + 50 + 33,33 + 25 + 20 = 228,33 iese identic la fiecare dintre cele zece răspunsuri (verificat: toate zece dau 228,3333, total 2.283,33). Ar fi o proprietate a promptului prezentată ca rezultat. Distribuția rămâne în `positions`, pentru cine vrea să refacă socoteala.

• surfaces

  Zece asistenți încap în șapte rânduri de suprafață, pentru că trei dintre ei — Kimi, GLM și Qwen — nu au cod propriu în schemă și au fost puși împreună cu DeepSeek. Rândul „deepseek” are numitorul 4, nu 1. Nicio cifră pe suprafață din ediția asta nu se compară cu o suprafață din altă ediție, iar cei patru asistenți grupați nu se pot despărți din datele publicate aici.

• brands[].providerBalancedPct

  Vizibilitatea echilibrată pe furnizor nu se calculează și nu se afișează aici. Ar cere ca fiecare rând de suprafață să fie o suprafață reală, iar unul dintre cele șapte e un grup construit de noi; în plus, cu un singur răspuns per asistent, o medie pe furnizori e doar o altă ponderare a acelorași zece răspunsuri. Legea celor două metrici împreună (pooled + VEF) se aplică edițiilor tier A, nu aici.

• brands[].visibilityCi

  Nu se publică niciun interval de încredere, deci nici coloană de grupe statistice. Cu o singură întrebare și un singur răspuns per asistent nu există nici grupuri în care să se măsoare corelația intraclasă, nici o a doua rulare din care să se estimeze variabilitatea modelelor. Un interval pe n = 10 ar sugera că numărul din centrul lui estimează o mărime a pieței; nu estimează — e frecvența cu care zece modele, întrebate o dată, au ales același nume.

• brands[].avgPosition

  `avgPosition` e un câmp de pilot: media pozițiilor din sloturile în care apare brandul. Sub pragul de 5 mențiuni se afișează „—”, ceea ce înseamnă 27 din 29 de rânduri; pentru cele 19 branduri cu o singură apariție, „media” e chiar poziția aceea unică. Doar TEILOR (6 mențiuni) și Malvensky (5) trec pragul. Valorile de aici sunt calculate din fișierul brut, nu din agregatul publicat, care rotunjește la o zecimală.

• metrics.mentionsPerAnswer

  Mențiuni per răspuns e exact 5,00 (50 / 10), fixat de cerința „top 5”. Metrica se afișează, ca peste tot, înaintea clasamentului — dar aici e o constantă a instrumentului, deci e singura excepție de la regula că metricile de piață se pot compara între piețe.

• metrics.silenceRatePct

  Rata de tăcere e 0% prin construcție: toate cele 10 răspunsuri numesc branduri, pentru că li s-a cerut să o facă. Cifra nu spune nimic despre piață și nu se compară cu rata de tăcere dintr-o ediție tier A, unde întrebarea permite un răspuns fără niciun nume în el.

• metrics.top1ConcentrationPct

  Concentrarea pe locul întâi se poate număra — cinci branduri au ocupat vreodată poziția 1, iar Malvensky o are în 4 din cele 10 răspunsuri — dar măsoară cât de des cad de acord zece modele asupra unui lider, nu concentrarea pieței. Fiecare răspuns produce exact un loc întâi, prin construcție, deci cele zece locuri întâi se împart obligatoriu între branduri.

• sources

  Nu există tabel de surse. Întrebarea cerea explicit sursele și o parte dintre modele le-au dat, dar nu au fost colectate și codificate sistematic în iulie 2026. E o absență declarată, nu un zero: `sources`, `denominators.sourceRate` și `counts.distinctCitedDomains` sunt null, iar secțiunea de surse se randează ca absentă, cu motivul acesta la vedere. Fără surse, nu există nici coloana „domeniu de brand urmărit”, nici filtrul „doar surse terțe”.

• questions

  Nu există tabel pe întrebări. Cu o singură întrebare, un asemenea tabel ar repeta rând cu rând tabelul de branduri și ar face aceleași 50 de sloturi să pară numărate de două ori. Întrebarea e reprodusă verbatim în `market.universeRule` și în depozitul cu DOI; `method.questionsCsv` rămâne null pentru că nu există un CSV de întrebări de reprodus.

• market.published

  Trei date distincte, care nu se amestecă: fereastra de măsurare e 13 iulie 2026 — o singură zi —, publicarea studiului e 17 iulie 2026, iar `editionId` „2026-07” urmează fereastra, nu data la care ediția a fost transcrisă în schema indexului (8 august 2026, în `market.updated`).