Το frozen query set είναι ένα παγωμένο σύνολο ερωτήσεων-αγοραστή που τρέχει αυτούσιο, με το ίδιο πρωτόκολλο, σε κάθε μέτρηση της ορατότητας μιας επιχείρησης στις μηχανές AI — ώστε οι μεταβολές στα αποτελέσματα να αποδίδονται στην πραγματικότητα και όχι στη μέτρηση.
Σε αυτό το άρθρο εξηγούμε βήμα-βήμα πώς σχεδιάζεται, ποια λάθη το ακυρώνουν, και γιατί αποτελεί τη βάση κάθε σοβαρού ελέγχου AEO/GEO.
Γιατί «παγωμένο»: το πρόβλημα της μέτρησης στα AI
Οι μηχανές απαντήσεων — ChatGPT, Perplexity, Google AI Overviews, Gemini — δεν είναι ντετερμινιστικές. Το ίδιο ερώτημα, την ίδια μέρα, μπορεί να δώσει διαφορετική απάντηση: άλλες εταιρείες στη λίστα, άλλες πηγές, άλλη σειρά. Αυτό δεν είναι ελάττωμα που θα διορθωθεί· είναι η φύση της τεχνολογίας.
Για όποιον θέλει να μετρήσει την ορατότητά του, αυτό σημαίνει κάτι πολύ πρακτικό: υπάρχει ήδη θόρυβος στο σύστημα. Αν πάνω σε αυτόν τον θόρυβο προσθέσεις και δικές σου αλλαγές — μια λέξη εδώ, μια αναδιατύπωση εκεί, «να δοκιμάσουμε και αλλιώς» — τότε κάθε μεταβολή στο αποτέλεσμα γίνεται ανερμήνευτη. Ανέβηκες επειδή βελτιώθηκε το site σου; Επειδή άλλαξε το μοντέλο; Ή επειδή ρώτησες αλλιώς;
Ένα εργαστήριο δοκιμών δεν αλλάζει τη μέθοδο στη μέση μιας σειράς μετρήσεων — γιατί τότε δεν ξέρει αν άλλαξε το φαινόμενο ή το όργανο. Το frozen query set είναι ακριβώς αυτό: το όργανο μέτρησης. Σχεδιάζεται μία φορά, με προσοχή, και μετά παγώνει: ίδιες λέξεις, ίδια γλώσσα, ίδια σειρά, ίδιες συνθήκες, σε κάθε μηνιαίο ή τριμηνιαίο γύρο. Μόνο έτσι το «πριν/μετά» σημαίνει κάτι.
Βήμα 1: Ξεκίνα από τον αγοραστή, όχι από τα keywords
Το πιο συχνό λάθος στα query sets που βλέπουμε είναι η αυτούσια μεταφορά της λογικής του SEO. «Λογιστικό γραφείο Αθήνα», «κρουασάν χονδρική», «SEO εταιρεία» — αυτά είναι keywords για τη μπάρα αναζήτησης της Google. Κανείς δεν μιλάει έτσι σε ένα chatbot.
Ο πραγματικός αγοραστής γράφει στο ChatGPT ολόκληρη πρόταση, με πλαίσιο και πρόθεση:
- «Ψάχνω λογιστή για ΙΚΕ στην Αθήνα με εμπειρία σε e-commerce — ποιον προτείνεις;»
- «Ποιοι Έλληνες παραγωγοί προϊόντων ζύμης εξάγουν σε χώρες της ΕΕ και δουλεύουν με private label;»
- «Είναι αξιόπιστο eshop το Χ για να αγοράσω ρολόι αξίας;»
Το query set χτίζεται από τέτοιες ερωτήσεις — και οι καλύτερες πηγές τους δεν είναι εργαλεία, είναι η ίδια η επιχείρηση: οι ερωτήσεις που κάνουν οι πελάτες στο πρώτο τηλεφώνημα, τα ερωτήματα που εμφανίζονται στο Google Search Console, τα emails των leads, οι απορίες στο κατάστημα ή στο helpdesk. Εκεί ζει η πραγματική γλώσσα της αγοράς σου.
Και αν οι αγοραστές σου ρωτούν σε περισσότερες γλώσσες, το set καλύπτει όλες — με απόδοση που ελέγχεται από φυσικό ομιλητή, ώστε τα prompts να είναι πιστά μεταξύ τους και τα αποτελέσματα συγκρίσιμα από αγορά σε αγορά. Ένας εξαγωγέας που μετρά μόνο στα αγγλικά έχει τυφλό σημείο ακριβώς εκεί που ανοίγει αγορές.
Βήμα 2: Τρεις οικογένειες ερωτήσεων — ποτέ ανακατεμένες
Ένα σωστά δομημένο set διαχωρίζει καθαρά τρεις οικογένειες prompts, γιατί καθεμία απαντά διαφορετικό επιχειρηματικό ερώτημα:
Category prompts. «Ποιοι είναι οι καλύτεροι προμηθευτές Χ στην αγορά Υ;» Μετρούν αν υπάρχεις καν στη συζήτηση της κατηγορίας σου — αν, όταν κάποιος ψάχνει αυτό που πουλάς χωρίς να σε ξέρει, οι μηχανές σε φέρνουν στο τραπέζι.
Brand prompts. «Τι προσφέρει η εταιρεία Χ;», «Είναι αξιόπιστη η Χ;», «Πού έχει έδρα και τι εξειδίκευση έχει;» Μετρούν αν οι μηχανές αναγνωρίζουν σωστά την οντότητά σου: αν σε συνδέουν με τις σωστές υπηρεσίες, τη σωστή τοποθεσία, τη σωστή μητρική εταιρεία — ή αν σε μπερδεύουν με συνώνυμη επιχείρηση, παλιά δεδομένα, ή τίποτα.
Comparison prompts. «Χ ή Ψ για την ανάγκη Ζ;» Μετρούν πώς σε τοποθετούν οι μηχανές απέναντι σε συγκεκριμένους, κατονομασμένους ανταγωνιστές — και με ποια επιχειρήματα.
Η διάκριση δεν είναι ακαδημαϊκή. Αν οι τρεις οικογένειες ανακατευτούν σε ένα ενιαίο σκορ, δεν θα ξέρεις ποτέ ποιο είναι το πρόβλημά σου: ότι δεν σε ξέρουν (category), ότι σε μπερδεύουν (brand), ή ότι σε συγκρίνουν και χάνεις (comparison). Κάθε διάγνωση οδηγεί σε εντελώς διαφορετικές ενέργειες.
Βήμα 3: Μία μεταβλητή ανά prompt
«Λύσεις smart manufacturing και Industry 4.0 στην Ελλάδα» — αυτό είναι δύο ερωτήσεις μεταμφιεσμένες σε μία. Όταν το αποτέλεσμα αλλάξει στην επόμενη μέτρηση, δεν θα ξέρεις ποιο σκέλος ευθύνεται. Ο κανόνας είναι απλός: ένα prompt, μία έννοια, μία αγορά. Αν σε ενδιαφέρουν δύο έννοιες, γράφεις δύο prompts. Το set μεγαλώνει λίγο· η ερμηνευσιμότητα κερδίζει πολύ.
Στην ίδια λογική ανήκει και κάτι που ακούγεται σχολαστικό μέχρι να σου χαλάσει μέτρηση: η γραμματική. Έχουμε δει πολυγλωσσικά query sets με «suppliers in United States» αντί για «in the United States», με ονομαστική αντί για τη σωστή πτώση στα πολωνικά, τα τσεχικά ή τα φινλανδικά — τυπικά λάθη μηχανικής αντικατάστασης του ονόματος της χώρας. Τα prompts με αφύσικη σύνταξη «μυρίζουν» μη-φυσικό χρήστη και μπορούν να επηρεάσουν τόσο το περιεχόμενο όσο και τη συγκρισιμότητα των απαντήσεων. Πριν παγώσει το set, κάθε γλώσσα περνά από φυσικό ομιλητή. Χωρίς εξαιρέσεις.
Βήμα 4: Cold συνθήκες, πάντα
Κάθε γύρος μέτρησης εκτελείται σε cold conditions: αποσυνδεδεμένη ή incognito συνεδρία, χωρίς ιστορικό συνομιλιών, χωρίς εξατομίκευση, χωρίς memory. Ο λόγος είναι θεμελιώδης: η μηχανή που σε «θυμάται» — που έχει δει το site σου σε προηγούμενες συζητήσεις, που ξέρει ότι ασχολείσαι με τον κλάδο — σου δίνει συστηματικά κολακευτικές απαντήσεις. Αυτό δεν μετρά την ορατότητά σου στην αγορά· μετρά τη σχέση σου με το chatbot.
Το ίδιο ισχύει και για τη χρονική συνέπεια: οι γύροι τρέχουν σε τακτά, καταγεγραμμένα διαστήματα (π.χ. πρώτη εβδομάδα κάθε μήνα), ώστε οι συγκρίσεις να γίνονται ανάμεσα σε ισοδύναμα στιγμιότυπα και όχι ανάμεσα σε τυχαίες στιγμές.
Βήμα 5: Πέτα τους άκυρους γύρους — και ξεχώρισε το mention από το citation
Όχι κάθε απάντηση είναι μέτρηση. Στο δικό μας πρωτόκολλο, τρεις κατηγορίες απαντήσεων καταγράφονται ως άκυροι γύροι (void runs) και εξαιρούνται από το σκορ, με ρητή σημείωση στο μητρώο της μέτρησης:
- Απαντήσεις χωρίς καμία πηγή ή τεκμηρίωση — η μηχανή «φλυαρεί» χωρίς να πατά πουθενά.
- Απαντήσεις με επινοημένα ονόματα εταιρειών ή ανύπαρκτες οντότητες — συμβαίνει συχνότερα απ’ όσο φαντάζεστε, ειδικά σε μικρότερες αγορές και γλώσσες.
- Απαντήσεις που αποφεύγουν το ερώτημα ή το αναδιατυπώνουν σε κάτι άλλο.
Και σε ό,τι περνά τον έλεγχο εγκυρότητας, εφαρμόζεται η πιο σημαντική διάκριση όλης της μεθοδολογίας: το mention δεν είναι citation. Mention σημαίνει ότι η μηχανή σε ανέφερε ονομαστικά μέσα στην απάντηση. Citation σημαίνει ότι παρέθεσε συγκεκριμένη σελίδα σου ως πηγή της απάντησης. Το πρώτο είναι φήμη· το δεύτερο είναι ροή — γιατί το citation είναι αυτό που κάνει τον χρήστη να κλικάρει και τη μηχανή να σε εμπιστεύεται ξανά στην επόμενη απάντηση. Ένα σκορ που μετρά τα δύο μαζί, ως ένα νούμερο, δεν σημαίνει τίποτα και δεν οδηγεί σε καμία σωστή ενέργεια.
Βήμα 6: Πάγωμα — και τι κάνεις όταν χρειάζεσαι αλλαγή
Από τη στιγμή που θα τρέξει η πρώτη μέτρηση (το baseline), το set δεν αγγίζεται. Ούτε «μια λεξούλα», ούτε «να ενώσω δύο prompts σε ένα». Η στιγμή για διορθώσεις είναι πριν το baseline — μετά, ζεις με αυτό που πάγωσες.
Τι γίνεται όμως όταν η επιχείρηση εξελίσσεται — νέα υπηρεσία, νέα αγορά, νέος ανταγωνιστής; Νέες ερωτήσεις προστίθενται μόνο ως νέα prompts, με δική τους ημερομηνία έναρξης και δικό τους ιστορικό. Τα παλιά prompts συνεχίζουν ανέγγιχτα. Έτσι το μητρώο της μέτρησης μένει καθαρό: κάθε χρονοσειρά συγκρίνει το ίδιο πράγμα με τον εαυτό του.
Τα τρία λάθη που ακυρώνουν ένα query set
Αν κρατήσετε ένα πράγμα από αυτό το άρθρο, κρατήστε αυτό — τα τρία λάθη που βλέπουμε συχνότερα και που καθιστούν τη μέτρηση άχρηστη:
Ενιαίο σκορ χωρίς διακρίσεις. Χωρίς mention/citation, χωρίς void runs, χωρίς οικογένειες prompts, το «AI visibility 68%» είναι νούμερο για slide — όχι εύρημα για απόφαση.
Prompts που καθοδηγούν τη μηχανή. «Γιατί η εταιρεία Χ είναι κορυφαία στον κλάδο της;» δεν μετρά ορατότητα — υπαγορεύει την απάντηση. Το prompt πρέπει να είναι ουδέτερο, όπως θα το έγραφε αγοραστής που δεν σε ξέρει.
Επεξεργασία στη μέση της σειράς. Κάθε αλλαγή διατύπωσης μηδενίζει τη συγκρισιμότητα με το ιστορικό. Αν αλλάξατε το prompt, ξεκινήσατε νέα μέτρηση — παραδεχτείτε το και ονομάστε την έτσι.
Συχνές ερωτήσεις
Πόσα prompts χρειάζεται ένα frozen query set;
Εξαρτάται από τις υπηρεσίες, τις αγορές και τις γλώσσες. Ενδεικτικά, για μία υπηρεσία σε μία αγορά, 5 διακριτά prompts ανά υπηρεσία δίνουν αξιόπιστη εικόνα. Ένα set με 60 υπηρεσίες σε 8 αγορές κλιμακώνεται αναλόγως — γι’ αυτό και η ιεράρχηση των υπηρεσιών προηγείται του σχεδιασμού.
Κάθε πότε τρέχει η μέτρηση;
Συνήθως μηνιαία για τις αγορές και τις υπηρεσίες προτεραιότητας, τριμηνιαία για τις υπόλοιπες. Το κρίσιμο δεν είναι η συχνότητα αλλά η συνέπεια: ίδιο set, ίδιες συνθήκες, ίδια περίοδος του μήνα.
Σε ποιες μηχανές;
Στις μηχανές όπου ρωτούν οι δικοί σας αγοραστές — τυπικά ChatGPT, Google AI Overviews, Perplexity και Gemini, με διαφορετική βαρύτητα ανά κλάδο και αγορά. Κάθε μηχανή έχει διαφορετική συμπεριφορά πηγών, γι’ αυτό και τα αποτελέσματα καταγράφονται ανά μηχανή, ποτέ ως μέσος όρος.
Δεν το κάνουν όλα αυτά τα εργαλεία AI visibility;
Τα εργαλεία εκτελούν prompts και καταγράφουν αποτελέσματα — και το κάνουν καλά. Το ποια prompts θα εκτελέσουν, με ποιο πρωτόκολλο εγκυρότητας, και τι σημαίνουν τα ευρήματα για τη δική σας στρατηγική, παραμένει ανθρώπινη δουλειά. Όπως γράψαμε και στο προηγούμενο άρθρο: το εργαλείο δίνει το σκορ, το audit δίνει το «γιατί».
Η Bluemind σχεδιάζει frozen query sets και εκτελεί ελέγχους AEO/GEO με τεκμηριωμένο, αναπαραγώγιμο πρωτόκολλο από το 2024 — με ρίζες την τεχνογνωσία μας στο Voice SEO από το 2020. Δείτε πώς δομείται ένας πλήρης έλεγχος στο aeoagency.gr/aeo-geo-audit ή επικοινωνήστε μαζί μας στο [email protected] ή στο 210 8662975.
