একজন ডেভেলপার এমন একটি সিস্টেম তৈরি করেছেন যা প্রধান AI-চালিত সার্চ টুলগুলোর—ChatGPT, Claude, Perplexity, Gemini এবং Google AI Overviews-এ ব্র্যান্ডের দৃশ্যমানতা পর্যবেক্ষণ করে। প্রকল্পটি দেখায় যে মাত্র কয়েকটি API কল একটি ব্র্যান্ডকে এটি জানাতে পারে না যে একজন ব্যবহারকারী আসলে তার নাম দেখছেন কি না, কারণ মডেলের সরাসরি উত্তরটি প্রায়শই কনজিউমার অ্যাপে দেখানো পরিমার্জিত ফলাফলের থেকে আলাদা হয় এবং প্রতিটি কুয়েরির ক্ষেত্রে উত্তরগুলো পরিবর্তিত হয়।

কেন AI সার্চে ব্র্যান্ডের দৃশ্যমানতা গুরুত্বপূর্ণ

AI চ্যাট অ্যাসিস্ট্যান্টগুলো ওয়েব অনুসন্ধানের জন্য ডিফল্ট ফ্রন্ট-এন্ড হয়ে উঠছে।

দুটি ঘাটতি যা একটি সাধারণ স্ক্র্যাপকে ইঞ্জিনিয়ারিং ম্যারাথনে পরিণত করেছে

১. API মানেই পণ্য নয়। OpenAI API (বা অন্য কোনো প্রোভাইডারের এন্ডপয়েন্ট) কল করলে মডেলের অভ্যন্তরীণ উত্তর পাওয়া যায়। তবে, ChatGPT অ্যাপ ব্যবহারকারী চূড়ান্ত উত্তর দেখার আগে নিজস্ব রিট্রিভাল সিস্টেম (retrieval system), সিস্টেম প্রম্পট এবং ওয়েব-সার্চ অগমেন্টেশন যোগ করে। Claude, Gemini এবং অন্যান্য সার্ভিসের ক্ষেত্রেও একই ঘটনা ঘটে। একটি API কল আপনাকে জানায় মডেলটি কী জানে; কিন্তু কনজিউমার অ্যাপ দেখায় গ্রাহক আসলে কী দেখছেন। এই অতিরিক্ত স্তরগুলোকে উপেক্ষা করার অর্থ হলো আপনি আসলে অন্য কোনো পণ্য পরিমাপ করছেন।

২. উত্তরগুলো স্থিতিশীল নয়। একই প্রম্পট পাঁচবার চালালে আপনি সম্ভবত পাঁচটি ভিন্ন উত্তর পাবেন। ব্র্যান্ডের উল্লেখ পরিবর্তিত হয়, ক্রম বদলে যায় এবং সোর্স URL-গুলো স্থান পরিবর্তন করে। একটি মাত্র API রেসপন্স কার্যত একটি মুদ্রার টসের মতো অনিশ্চিত, যা ভিজিবিলিটি রিপোর্টের জন্য নির্ভরযোগ্য ডেটা নয়। ডেভেলপমেন্ট নোটে উল্লিখিত একটি গবেষণায় দেখা গেছে যে, উদ্ধৃত সোর্সগুলোর অর্ধেকেরও বেশি এক দিন থেকে অন্য দিনে পরিবর্তিত হয়।

২০২৬ সালের APIগুলো আসলে আপনাকে কী দেয়

  • Perplexity: ডেভেলপারদের জন্য সবচেয়ে উপযোগী। এর API একটি সহজ ফরম্যাটে সাইটেশন (citation) প্রদান করে, তবে সাইটেশন তালিকাটি এখনও Perplexity ওয়েব অ্যাপে যা প্রদর্শিত হয় তা থেকে ভিন্ন হতে পারে।
  • Google Gemini: Vertex AI-এর মাধ্যমে গ্রাউন্ডিং (grounding) সুবিধা প্রদান করে, তবুও কনজিউমার Gemini অ্যাপের র‍্যাঙ্কিং এবং প্রেজেন্টেশন লজিক র (raw) API আউটপুট থেকে আলাদা।
  • OpenAI and Anthropic: ঐচ্ছিক ওয়েব-সার্চ টুলসহ শক্তিশালী মডেল প্রদান করে, তবে তারা ChatGPT বা Claude-এর পাবলিক ইন্টারফেসে ব্যবহৃত সঠিক র‍্যাঙ্কিং অ্যালগরিদম প্রকাশ করে না।
  • Google AI Overviews: এর কোনো পাবলিক API নেই। এটি ট্র্যাক করার জন্য সার্চ রেজাল্ট পেজগুলো স্ক্র্যাপ করা প্রয়োজন, যা একটি ভঙ্গুর এবং ব্যয়বহুল বিকল্প পদ্ধতি।

দৃশ্যমানতা একটি হার (rate), র‍্যাঙ্ক (rank) নয়

বেশিরভাগ বিদ্যমান টুল এই সমস্যাটিকে একটি বাইনারি "উল্লেখিত / উল্লিখিত নয়" হিসেবে দেখে। এই পদ্ধতিটি LLM আউটপুটের সম্ভাব্য (probabilistic) প্রকৃতিকে উপেক্ষা করে। যেহেতু প্রতিটি কুয়েরি ভিন্ন ভিন্ন উত্তর দিতে পারে, তাই আপনার একটি একক স্ন্যাপশটের পরিবর্তে একটি পরিসংখ্যানগত দৃষ্টিভঙ্গি প্রয়োজন।

সিস্টেমের ডিজাইন থেকে উঠে আসা একটি ব্যবহারিক নিয়ম হলো দৃশ্যমানতাকে একটি হার (rate) হিসেবে বিবেচনা করা: একই প্রম্পট বিভিন্ন ভৌগোলিক অঞ্চল এবং ডিভাইস টাইপে একাধিকবার চালান, তারপর একটি কনফিডেন্স ইন্টারভাল (confidence interval) গণনা করুন। যদি একটি ব্র্যান্ড বেশিরভাগবার প্রদর্শিত হয়, তবে আপনি একটি নিশ্চিত "হ্যাঁ" বা "না"-এর পরিবর্তে একটি উপযুক্ত মার্জিন অফ এরর (margin of error) সহ উচ্চ দৃশ্যমানতার হার রিপোর্ট করতে পারেন।

মনিটরিং টুলটি কীভাবে তৈরি করা হয়েছে

  • প্রতিটি প্রম্পটের জন্য একাধিক রান: র্যান্ডমনেস বা অনিশ্চয়তা কমানোর জন্য অন্তত সাত থেকে আটবার চালানো।
  • ভৌগোলিক এবং ডিভাইস স্যাম্পলিং: প্ল্যাটফর্ম-নির্দিষ্ট পার্সোনালাইজেশন ধরার জন্য বিভিন্ন অঞ্চল থেকে কুয়েরি করা এবং মোবাইল বনাম ডেস্কটপে সিমুলেট করা।
  • পরিবর্তন শনাক্তকরণে গুরুত্ব: স্থির উত্তরের ওপর ভিত্তি করে কোনো ফিক্সড স্কিমা ব্যবহার না করে, সিস্টেমটি সময়ের সাথে সাথে ব্র্যান্ডের উল্লেখের ফ্রিকোয়েন্সি, সোর্সের বৈচিত্র্য এবং র‍্যাঙ্কিং পজিশনের পরিবর্তনগুলো চিহ্নিত করে।

পরবর্তীতে যা লক্ষ্য রাখতে হবে

  • প্ল্যাটফর্ম স্বচ্ছতা: যতক্ষণ না প্রোভাইডাররা তাদের কনজিউমার অ্যাপে ব্যবহৃত সঠিক রিট্রিভাল এবং র‍্যাঙ্কিং লজিক প্রকাশ করছে, ততক্ষণ থার্ড-পার্টি মনিটরগুলো আনুমানিক তথ্যের ওপরই নির্ভর করতে থাকবে।

সারসংক্ষেপ

AI-চালিত সার্চে ব্র্যান্ডের উপস্থিতি ট্র্যাক করা কেবল একটি API রেসপন্স সংগ্রহের বিষয় নয়। এর জন্য প্রয়োজন বারবার এবং ভৌগোলিকভাবে বৈচিত্র্যময় কুয়েরি করা, এটি বোঝা যে API হলো কনজিউমার পণ্যের একটি অংশ মাত্র, এবং একটি পরিসংখ্যানগত রিপোর্টিং মডেল যা দৃশ্যমানতাকে একটি হার হিসেবে প্রকাশ করে। যতক্ষণ না AI সার্চ প্রোভাইডাররা তাদের সম্পূর্ণ কনজিউমার-ফেসিং লজিক প্রকাশ করছে, নির্ভরযোগ্য ব্র্যান্ড-দৃশ্যমানতা ডেটা প্রয়োজন এমন কাউকে সতর্কতার সাথে আনুমানিক মডেল তৈরি করতে হবে।