Construire un tableau de bord de mesure GEO prêt pour le conseil d’administration

La finance demande ce que le GEO a rapporté, et l’attribution au dernier clic ne donne aucune réponse : un assistant recommande votre marque, l’utilisateur saisit votre URL deux semaines plus tard et l’outil d’analyse enregistre du trafic direct. Ce workflow garde la couche de trafic et de revenus suivis distincte de celle de la visibilité observée. Il suppose qu’une intégration de chiffre d’affaires est connectée ; si vous avez seulement besoin d’une ligne auditable pour une présentation, le guide du bilan au conseil la construit.

Le problème GEO résolu

Tout le monde veut un seul chiffre. Les outils d’analyse suivent les clics, Search Console suit les classements, et aucun ne voit un assistant nommer votre marque dans une réponse sur laquelle personne n’a cliqué. Produire un chiffre unique de revenu attribué revient à modéliser l’influence sans clic avec des données que personne ne possède.

Le rapport comporte donc trois couches. get_ai_revenue et get_referrer_analytics renvoient un résultat délimité une fois l’analytique connectée ; la visibilité suivie est un résultat observé avec un dénominateur ; la recherche de marque ne fait qu’évoluer en parallèle. Ces couches restent distinctes jusqu’à la dernière diapositive.

Les étapes du workflow

1. Construisez le tableau des indicateurs. get_overview renvoie des décomptes ainsi que les taux de la période courante et de la précédente. get_brand_performance prend une période explicite et des filtres facultatifs de fournisseur, sujet, tag ou étape du parcours d’achat, puis renvoie le taux de mention, le taux de citation et la part de voix avec leurs dénominateurs, ainsi que le sentiment sans dénominateur. Aucun des deux ne renvoie de score composite.

2. Ajoutez le contexte concurrentiel. get_competitor_comparison fournit le rang de marché et les comparaisons directes, get_competitors identifie les concurrents et classe les mentions et la part de voix dans un périmètre facultatif de période, fournisseur, sujet, tag ou étape du parcours d’achat, et get_competitor_position ajoute la couverture et la part de voix. get_competitor_evolution ajoute un historique quotidien, mais aucune part de voix historique.

3. Récupérez la couche de trafic et de revenus suivis. get_ai_revenue renvoie les conversions et le chiffre d’affaires mesuré provenant des sessions issues de l’IA, avec sa devise, à côté des totaux de l’ensemble du site. get_referrer_analytics renvoie les sessions IA, leur part du trafic et les pages de destination. Les deux portent un indicateur de connexion, à false lorsque l’intégration manque, et l’outil de chiffre d’affaires indique aussi si des données de conversion existent.

4. Ajoutez la série de visibilité suivie. get_visibility_trend, regroupé par semaine, fournit la courbe à placer à côté de votre série métier et qualifie lui-même sa direction : au-delà de deux points, up ou down ; en deçà, stable. Search Console renvoie un agrégat par période, pas des points hebdomadaires.

5. Calculez l’indicateur de coût. Aucun appel MCP : les dépenses divisées par la variation en points de pourcentage d’un indicateur choisi à l’avance, non applicable si cette variation est nulle ou négative.

Ce qu’une exécution renvoie réellement

Une période réelle de 30 jours : taux de mention de 1.08 pour cent, affiché comme 10 sur 928 réponses pertinentes. Taux de citation comme source de 3.49 pour cent, soit 54 sur 1548 réponses pouvant contenir une citation. Part de voix de 0.25 pour cent, soit 10 sur 3957 mentions de marques. Sentiment de 60.5, sans aucun dénominateur.

Trois taux, trois dénominateurs différents : c’est précisément la raison pour laquelle le tableau les affiche. L’écart entre 928 et 3957 n’est pas une erreur : le premier compte les réponses où la marque aurait pu apparaître, le second toutes les mentions de marques de la catégorie. Côte à côte, ils indiquent que le marché est encombré et que la marque y est peu présente. Moyennés, ils ne disent rien.

Comment exploiter les résultats

Cette présentation ne peut pas trancher deux points. La comparaison hebdomadaire est une forme de courbe, pas un coefficient : trois mois de points ne permettent pas de distinguer une relation réelle d’un effet saisonnier. Et une baisse du coût par point peut signifier un meilleur travail ou des dépenses plus faibles.

Ce qu’elle fixe, c’est l’ordre de présentation. Un chiffre d’affaires n’apparaît que si get_ai_revenue indique que l’intégration est connectée et que les données de conversion existent, dans la devise renvoyée. Les sessions IA viennent ensuite, la visibilité suivie en troisième avec son dénominateur, les séries fournies en dernier et jamais sous forme de chiffre d’affaires. Une couche déconnectée conserve sa diapositive avec la mention « déconnectée ».

Un seuil détermine le reste : ne qualifiez une évolution de visibilité de changement qu’au-delà de deux points, le seuil utilisé par get_visibility_trend pour ses propres étiquettes, et uniquement lorsque les deux périodes contiennent des nombres de réponses comparables. En deçà, la situation est stable. Enregistrez les périodes, les dénominateurs, les nombres de réponses et le périmètre des dépenses à chaque période.

Le prompt complet

Je veux un tableau de bord de mesure GEO pour mon équipe de direction. Si je suis plusieurs marques, liste-les et demande laquelle utiliser. Prends les 30 derniers jours comme période courante et les 30 jours précédents comme période de comparaison. Si un appel ne renvoie aucune ligne, indique-le en une ligne, marque la section « aucune donnée » et poursuis.

1. Appelle get_overview, puis get_brand_performance pour chaque période. Compare le taux de mention, le taux de citation comme source, la part de voix et le sentiment, en affichant le numérateur et le dénominateur des trois taux. Ne construis aucun score composite et ne présente aucun taux dont le dénominateur est nul.
2. Appelle get_competitor_comparison, get_competitors pour identifier les concurrents, puis get_competitor_position et get_competitor_evolution, tous sur les mêmes 90 jours et avec les mêmes filtres facultatifs de fournisseur, sujet, tag ou étape du parcours d’achat, pour les deux concurrents les plus proches. Garde le rang et la couverture distincts de l’historique quotidien, n’invente aucune part de voix historique et présente un historique vide comme une lacune.
3. Appelle get_ai_revenue et get_referrer_analytics sur 90 jours. Indique d’abord si chaque intégration est connectée et si get_ai_revenue dispose de données de conversion. Si l’une est déconnectée, nomme la couche manquante et ne cite aucun chiffre d’affaires. Sinon, présente le chiffre d’affaires mesuré avec sa devise, la comparaison à l’ensemble du site, les sessions IA, leur part du trafic et les principales pages de destination.
4. Appelle get_visibility_trend regroupé par semaine sur 90 jours, en affichant l’étiquette de direction renvoyée. Demande ensuite si je peux fournir des exports hebdomadaires de recherche de marque ou de trafic direct. Si oui, aligne-les par semaine, indique combien de semaines correspondent, affiche les deux courbes et décris uniquement si les quatre dernières ont évolué dans la même direction. Ne calcule aucun coefficient de corrélation, n’ajuste aucun modèle et ne dis rien d’une évolution conjointe en dessous de huit semaines alignées. Sans export, indique que la couche de signaux indirects est indisponible.
5. Demande-moi les dépenses GEO totales sur la période en euros, puis divise-les par la variation du taux de visibilité en points de pourcentage entre les périodes. Si cette variation est nulle ou négative, marque l’indicateur comme non applicable et ne le compare jamais au CAC ni à un benchmark externe. Rédige ensuite cinq points de présentation : chiffre d’affaires suivi, trafic IA, visibilité suivie avec dénominateurs, coût par point avec ses données d’entrée, recommandation pour le prochain trimestre. Ajoute une ligne de réserve à chacun et indique « aucune donnée » pour une couche vide plutôt que de supprimer sa diapositive.