Comment choisir les meilleurs prompts pour surveiller votre visibilité dans la recherche IA

Identifier des actions possibles est une part importante de notre travail lorsque nous analysons les réponses.

Par exemple, lorsque nous lançons de nouvelles fonctionnalités comme le suivi des prompts personnalisés (méta, je sais), nous voulons savoir si les réponses de l’IA reflètent le fait qu’Ahrefs dispose désormais de cette fonctionnalité, ou si elles citent plutôt des sources obsolètes.

Surveiller plusieurs plateformes d’IA fait ressortir les mentions de marque sur des sites qui ne sont pas seulement visibles sur Google (sur lequel les SEO se concentrent traditionnellement), mais aussi sur Bing, Brave Search et des index personnalisés.

Outre la précision des réponses, nous nous intéressons surtout aux sites web souvent cités avec lesquels nouer des liens, aux fonctionnalités et cas d’usage des plateformes SEO fréquemment mentionnés afin de mieux les couvrir, et à notre positionnement face à la concurrence sur nos offres clés.

Cela dit, nous ne nous concentrons pas uniquement sur le suivi des prompts personnalisés.

L’activité des bots d’IA dans les journaux serveur, le trafic provenant des plateformes d’IA, les performances en recherche traditionnelle, ainsi que les enseignements tirés de dizaines de millions de prompts dans Brand Radar font aussi partie de notre suivi.

Allons un peu plus loin dans le regroupement de points similaires, car c’est une partie importante de la façon dont nous envisageons globalement le suivi des prompts.

Vous pouvez aussi utiliser la regex suivante pour trouver toutes les requêtes d’au moins 6 mots : ^(\S+\s+){5}\S+. Remplacez « 5 » par un nombre plus élevé si nécessaire.

Si votre site est récent, n’obtient pas encore beaucoup de trafic de recherche, ou si vous étudiez simplement un autre secteur, vous pouvez aussi utiliser les mêmes termes dans un filtre de l’outil Keywords Explorer d’Ahrefs.

Même si les volumes de recherche estimés ne se traduiront jamais parfaitement en volumes de conversations avec l’IA, cette approche vous donnera une idée de la popularité générale des sujets.

Reddit est le domaine le plus visible ici, mais vous verrez aussi Facebook, Quora, la communauté Steam et des milliers d’autres sites.

Il existe un paramètre spécifique que vous pouvez ajouter à votre barre d’adresse, &udm=18, qui vous permet de rechercher directement des forums autour de votre sujet au lieu d’espérer simplement que la fonctionnalité SERP apparaisse dans les résultats.

C’est agréable quand les questions génèrent beaucoup de commentaires, mais je cherche généralement les angles qui reviennent le plus souvent.

Si la page ne s’est encore positionnée sur aucune requête, vous pouvez remplacer cette section par des données provenant d’outils comme Ahrefs Keywords Explorer, en indiquant les termes que vous ciblez et dont le volume est connu.

Comme pour beaucoup de choses en SEO, vous pouvez pousser ce concept plus loin.

J’ai pris plaisir à lire le travail de Metehan Yesilyurt ces derniers mois, et il a proposé un prompt beaucoup plus détaillé dans son guide sur la transformation des données GSC en requêtes plus longues.

Il a créé un outil sur mesure spécialement conçu pour convertir des termes de recherche classiques en prompts de type LLM.

Par respect, je ne veux pas partager l’intégralité, mais voici un extrait de son fichier app.py :

Je pense que Metehan serait d’accord pour dire que plus vos exemples avant/après sont spécifiques, mieux c’est.

Une fonctionnalité intéressante lorsque vous posez sur Perplexity des questions liées à votre secteur est qu’à la fin de chaque chat, des requêtes de suivi connexes vous sont recommandées.

J’ai contacté Perplexity pour lui demander si ces éléments reposent sur de vraies requêtes qui ont déjà été posées auparavant.

On m’a dit qu’elles étaient générées par un modèle d’IA qui utilise la requête d’origine et ses résultats. Il s’agit essentiellement des questions suivantes qui, selon ce modèle, découleraient naturellement de ces données.

C’est un léger désavantage pour notre objectif qu’elles ne soient pas basées sur des requêtes historiques, mais Perplexity voudra qu’elles soient aussi pertinentes que possible, donc je vois tout de même un intérêt à les étudier.

Si vous cliquez sur un titre pour le développer, Google proposera ensuite encore plus de requêtes suggérées.

Quand j’étudie des secteurs que je connais moins, je reprends souvent ces questions telles quelles pour voir quelles marques, quels domaines et quels types de réponses apparaissent le plus souvent au fil du temps.

Pour un travail plus sérieux et des projets personnels, je m’en sers comme base pour développer. J’expliquerai quelques façons de procéder dans la section consacrée à l’onglet « Questions » de Keywords Explorer.

Si vous souhaitez faire passer votre analyse à l’échelle, vous pouvez utiliser à la fois la Ahrefs Toolbar et la Detailed SEO Extension pour extraire automatiquement plusieurs niveaux d’intitulés « Autres questions posées ».

Vous pouvez cliquer sur chacun d’entre eux individuellement pour identifier les requêtes que vous pourriez vouloir modifier et continuer à suivre.

Par exemple, si vous avez récemment commencé à créer du contenu pour des lieux spécifiques, vous pourriez suivre ces termes dans ces pays ou mentionner explicitement le pays dans le prompt.

Vous pouvez aussi définir vous-même la fréquence exacte de mise à jour, par exemple quotidienne, hebdomadaire ou mensuelle.

En plus de l’analyse web traditionnelle, vous pouvez aussi explorer les journaux serveur.

Ci-dessous, nous pouvons voir quand ChatGPT-User a demandé des pages sur Detailed.com sur une période de sept jours.

Ce n’est pas un bot qui explore le web en continu ; il est plutôt utilisé quand les utilisateurs posent une question à ChatGPT ou à des GPT personnalisés, et cette page peut aider à générer une réponse.

En plus des bots de recherche traditionnels, vous pouvez aussi examiner des requêtes provenant de Perplexity-User (Perplexity), DuckAssistBot (DuckDuckGo) et MistralAI-User (Mistral).

Vous pouvez ensuite obtenir des idées de prompt en suivant les suggestions de ce guide, par exemple :

• Examen des termes qui génèrent du trafic vers cette page dans Google Search Console

• Trouvez des questions pertinentes de la section « Autres questions posées » qui apparaissent aussi là où il se classe en organique

• Demander aux LLM de suggérer des questions pertinentes que les gens pourraient poser pour trouver la page

Les deux sources sont utiles en elles-mêmes, mais c’est appréciable d’avoir des données supplémentaires pour les recouper.

Un autre avantage de cet outil est de mettre en évidence les content gaps qui peuvent exister sur votre site. Il se peut que vous n’apparaissiez tout simplement pas parce qu’aucune page de votre site n’est pertinente pour ces sujets.

Cela dit, il y aura ici des termes pour lesquels vous ne souhaiterez probablement pas être cité.

Selon la plateforme que vous utilisez, « What is carpentry? » peut recevoir une réponse sans aucune recherche web ni liens vers des sources associées.

Si vous gérez une école de menuiserie en ligne ou proposez des services de création d’entreprise, vous pourriez vouloir prendre une expression régulièrement recherchée comme « comment démarrer une entreprise de menuiserie » et suivre ses variations comme un seul cluster.

Pour votre propre marque, vous pourriez suivre les réponses autour de :

• Votre tarification actuelle

• Priorités clients pertinentes, comme le prix, la fiabilité ou le confort

• Si vous proposez certaines fonctionnalités

• Les plaintes les plus courantes des gens

• Votre position par rapport à vos principaux concurrents

Steve Toth, fondateur de Notebook Agency, est un fervent partisan de l’idée de vérifier si les avis de l’IA sur votre marque correspondent à la réalité.

Il m’a dit que, lorsqu’il travaille avec des clients, il peut exploiter des données issues de la documentation d’aide, des transcriptions d’appels commerciaux, d’appels privés et de ressources supplémentaires comme des battlecards commerciales, afin de comprendre comment ils veulent être représentés dans les LLM.

À partir de là, son équipe crée des prompts sous forme de questions décisives et mesure la précision des réponses. S’ils repèrent des divergences, ils cherchent à les influencer avec du contenu supplémentaire sur leur propre site et ailleurs.

Pour vous aider, vous pouvez utiliser autant de sources de données internes que possible, comme les chats du support client, les données publicitaires, les recherches internes du site (sur les articles de blog, la documentation d’aide, etc.) et tout ce qui vous passe par la tête.

Si cette approche ne vous intéresse pas, j’ai aimé une formule simple que Mark Williams-Cook a partagée et qui personnalise les termes, plutôt que de construire des personas « complets ».

Il interroge les LLM avec ce prompt : « Si j’étais [Persona] et que j’essayais de trouver [Keyword], qu’est-ce que je pourrais rechercher ? »

C’est amusant à tester, mais comme je le dis, nous ne savons pas dans quelle mesure cela correspond à une vraie personnalisation.