TL;DR: ChatGPT, Perplexity, এবং Gemini জুড়ে 100টি listing-এর audit-এ, শুধুমাত্র prose থাকা listing-এর citation rate ছিল 12%, যা সম্পূর্ণ structured geo data থাকা listing-এ বেড়ে 71% হয়েছে। সবচেয়ে বেশি প্রভাব ফেলা তিনটি signal হলো verified geo coordinates, nearby-context fields, এবং platform-গুলোর মধ্যে NAP consistency।
এপ্রিল 2026-এর প্রথম দুই সপ্তাহে আমরা একটি প্রশ্নের উত্তর দেওয়ার জন্য 100টি location-based listing জুড়ে একটি controlled audit চালিয়েছি: structured geo data আসলে কতটা পরিবর্তন করে সেই rate-টি যেখানে একটি AI assistant একটি listing-কে cite করে?
সংক্ষিপ্ত উত্তর হলো এটি সবচেয়ে খারাপ এবং সেরা bucket-এর মধ্যে প্রায় ছয় গুণ পরিবর্তন করে। এরপর আসছে সম্পূর্ণ methodology, per-bucket result, এবং AI search-এর জন্য যে কেউ একটি listing optimize করছেন তাঁদের জন্য ব্যবহারিক প্রভাব।
Methodology
Listings. চারটি vertical জুড়ে 100টি listing: 30টি vacation rentals, 25টি boutique hotels, 25টি independent রেস্টুরেন্ট, 20টি local attraction। Geographies 14টি European শহর জুড়ে ছিল single-market bias সীমিত করতে। সমস্ত listing-এর একটি active, indexable homepage এবং অন্তত একটি third-party directory presence ছিল।
Query set. প্রতি listing-এ পনেরোটি discovery-intent prompt template, generic discovery ("quiet boutique hotels in Porto"), feature-specific discovery ("hotels in Porto walkable to the metro"), এবং named recall ("is Casa do Vale a good guesthouse in Porto") কভার করে। প্রতিটি template fresh issue করা হয়েছিল, কোনো conversation history ছাড়া, একটি clean session-এ।
Models. ChatGPT (GPT-5 class), Perplexity, Gemini। প্রতিটি prompt প্রতি model-এ একবার issue করা হয়েছিল, প্রতি listing-এ 45টি response এবং মোট 4,500টি response দিয়ে।
Scoring. একটি response citation হিসেবে গণনা করা হয়েছিল যদি listing একটি linked source হিসেবে উপস্থিত হয়, answer-এ স্পষ্টভাবে নামকরণ করা হয়, বা উভয়ই। Partial name match-গুলি false positive প্রত্যাখ্যান করতে হাতে review করা হয়েছিল।
Bucketing. প্রতিটি listing MapAtlas AEO Checker দ্বারা 29টি structured signal জুড়ে score করা হয়েছিল, তারপর চারটি completeness bucket-এ group করা হয়েছিল। Bucket threshold scoring শুরু হওয়ার আগে set করা হয়েছিল।
Headline ফলাফল
সর্বনিম্ন এবং সর্বোচ্চ bucket-এর মধ্যে citation rate-এর ব্যবধান আমাদের প্রত্যাশার চেয়ে বড় ছিল।
উৎস: MapAtlas benchmark, এপ্রিল 2026, n=100 listings, 4,500 responses।
নীচের bucket, rich prose কিন্তু কোনো structured data নেই এমন listings, 12% citation rate অর্জন করেছে। শীর্ষ bucket, complete Place schema, verified geo coordinates, nearby-context fields, FAQ schema, এবং platform জুড়ে consistent NAP সহ listings, 71%-এ পৌঁছেছে।
Signal-by-Signal বিশ্লেষণ
কোন individual signal top-bucket ফলাফলকে drive করেছে তা বুঝতে, আমরা একটি feature-ablation analysis চালিয়েছি। ছয়টি সর্বোচ্চ-weighted signal-এর প্রতিটির জন্য, আমরা signal থাকা listing-এর citation rate-কে signal না থাকা listing-এর সাথে তুলনা করেছি, অন্যান্য variable প্রায় constant রেখে।
| Signal | Signal সহ | Signal ছাড়া | Lift |
|---|---|---|---|
Geo সহ complete Place JSON-LD | 58% | 19% | 3.1x |
| Verified nearby POI data | 62% | 24% | 2.6x |
| Transit-proximity fields | 54% | 22% | 2.5x |
| Location question সহ FAQ schema | 49% | 26% | 1.9x |
| 3+ platform জুড়ে NAP consistency | 56% | 21% | 2.7x |
| External identifier (Wikidata / Place ID) | 51% | 27% | 1.9x |
উৎস: MapAtlas benchmark, এপ্রিল 2026।
এই table থেকে চারটি takeaway:
- Geo coordinates একক সবচেয়ে শক্তিশালী lift.
geoছাড়া একটি Place block কোনো schema না থাকার চেয়ে সামান্য ভালো perform করে। - Nearby context প্রায় ততটাই শক্তিশালী. Named POIs এবং transit-এর proximity citation-এর দ্বিতীয় বৃহত্তম predictor।
- FAQ schema সাহায্য করে, কিন্তু location-specific signal-এর চেয়ে কম. Location question ("how far is the nearest metro") উত্তর দেয় এমন FAQ generic operational FAQ-কে অনেক ব্যবধানে ছাড়িয়ে গেছে।
- External identifier তাদের ওজনের বাইরে punch করে. একটি listing-কে Wikidata QID বা Google Place ID-তে reconcile করা ablation-এ citation rate প্রায় দ্বিগুণ করেছে, সম্ভবত কারণ এটি AI systems-কে source জুড়ে deduplicate করতে দেয়।
Vertical-ভিত্তিক পার্থক্য
Vertical জুড়ে effect size অভিন্ন ছিল না। Vacation rentals, যা সবচেয়ে দুর্বল baseline থেকে শুরু হয়, structured data থেকে সবচেয়ে বড় absolute লাভ দেখিয়েছে। Landmarks, যা ইতিমধ্যে training data-তে ভালোভাবে represented, সবচেয়ে ছোট।
| Vertical | নিচের bucket | উপরের bucket | ব্যবধান |
|---|---|---|---|
| Vacation rental | 7% | 68% | +61 |
| Boutique hotel | 14% | 74% | +60 |
| স্বতন্ত্র রেস্টুরেন্ট | 13% | 69% | +56 |
| Local attraction | 18% | 72% | +54 |
উৎস: MapAtlas benchmark, এপ্রিল 2026।
Vacation rentals সবচেয়ে স্পষ্ট জয়। একটি listing যা অদৃশ্য অবস্থা থেকে শুরু হয় শুধুমাত্র structured data-র মাধ্যমে একটি consistently cited source-এ পরিণত হতে পারে। যে venue-গুলির ইতিমধ্যে শক্তিশালী public representation রয়েছে তাদের জন্য প্রভাব দুর্বল, যদিও এখনও উল্লেখযোগ্য।
Model আসলে কী করে
200টি response-এর qualitative review-এর সময়, একটি বারবার দেখা pattern আবির্ভূত হয়েছিল। যখন একটি listing-এ complete structured data ছিল, assistant নির্দিষ্ট fact উদ্ধৃত করতে ঝুঁকত: station পর্যন্ত walk time, 300 metres-এর মধ্যে রেস্টুরেন্টের সংখ্যা, neighbourhood name, opening hours। যখন একই listing থেকে structured data ছিনিয়ে নেওয়া হয়, assistant হয় এটি সম্পূর্ণভাবে বাদ দিয়েছে বা generic ভাষায় বর্ণনা করেছে।
এটি retrieval-augmented model কীভাবে আচরণ করে তার সাথে সামঞ্জস্যপূর্ণ। তারা preferentially সেই source-গুলি cite করে যেগুলি concrete, verifiable fact দিয়ে প্রশ্নের উত্তর দেয়। একটি listing-কে "quiet and walkable" হিসাবে বর্ণনা করা prose একটি structured field-এর কাছে হেরে যায় যা বলে "walk score 92, noise index 18 dB average।" দ্বিতীয় version extract করা সহজ, user-এর query-র বিপরীতে তুলনা করা সহজ, এবং attribute করা সহজ।
একটি Listing-কে Bucket 1 থেকে Bucket 4-এ কী নিয়ে যায়
Ablation-এর উপর ভিত্তি করে, চারটি পরিবর্তন বেশিরভাগ lift-এর জন্য দায়ী:
1. Geo coordinates সহ একটি complete Place বা LodgingBusiness JSON-LD block যোগ করুন. Coordinates যা postal address-এর সাথে মেলে, একটি canonical external identifier, এবং সমস্ত প্রয়োজনীয় Schema.org field। Google-এর নিজস্ব local business-এর জন্য structured data guidance সেই field-গুলোর তালিকা দেয় যা সবচেয়ে বেশি weight বহন করে। Field-level specific-এর জন্য JSON-LD schema for local business AI citations দেখুন।
2. Listing-কে verified nearby context দিয়ে enrich করুন. নিকটতম transit stop পর্যন্ত walk time, কাছাকাছি রেস্টুরেন্ট এবং cafe-র count, একটি defined radius-এর মধ্যে named POI। MapAtlas GeoEnrich verified source থেকে scale-এ এটি generate করে যাতে এটি schema এবং page copy উভয়েই embed করা যেতে পারে।
3. Location-specific FAQ schema publish করুন. যে প্রশ্নগুলি সরাসরি user-রা location query কীভাবে phrase করেন তার সাথে map করে। location-specific FAQs for AI search দেখুন।
4. Platform জুড়ে NAP reconcile করুন. Listing homepage, Google Business Profile, এবং অন্তত একটি third-party directory সবাই একই name, address, এবং phone দেখাবে। Mechanics-এর জন্য NAP consistency for AI search দেখুন।
সতর্কতা
এই benchmark directional, definitive নয়। উল্লেখ করার মতো তিনটি সীমাবদ্ধতা:
- Sample size. 100টি listing বড় effect দেখার জন্য যথেষ্ট কিন্তু fine-grained পার্থক্য resolve করার জন্য নয়।
- Model drift. AI assistant প্রায়ই update হয়। Absolute সংখ্যা shift হবে; signal-এর relative ordering বেশি stable।
- Query mix. আমাদের template discovery intent-এর দিকে ঝোঁকে। Transactional query ("book a room in Porto tonight") ভিন্নভাবে route হয় এবং scope-এর বাইরে ছিল।
বৃহত্তর বিষয় কোনো একক সংখ্যার নির্ভুলতা নয়। এটি হলো structured এবং unstructured listing-এর মধ্যে ব্যবধান বড়, পরিমাপযোগ্য, এবং মূলত listing owner-এর নিয়ন্ত্রণে থাকা কাজের মাধ্যমে closable।
আপনার নিজস্ব Baseline পরিমাপ করুন
MapAtlas AEO Checker একটি listing-কে এই benchmark-এ ব্যবহৃত একই 29টি signal-এর বিপরীতে score করে। এটি আপনার top-performing property-তে চালান, তারপর আপনার দুর্বলতমটিতে। Score-এর delta সাধারণত সেই delta-র সাথে মেলে যেখানে practice-এ প্রতিটি AI assistant দ্বারা কত ঘন ঘন surface হয়।
Citation rate AI-এর মাধ্যমে search করা user-এর generation-এর জন্য organic ranking-এর analogue হয়ে উঠছে। যে listing জেতে সেগুলি হলো সেগুলি যেগুলি model-কে extract করার মতো কিছু দেয়। বাকি সব prose যা model ভদ্রভাবে উপেক্ষা করবে।
সম্পর্কিত পাঠ:
- AI অ্যাসিস্ট্যান্ট কেন ভুল ঠিকানা তৈরি করে
- SEO ছিল keyword-to-keyword, এখন এটি database-to-database
- AI search-এর জন্য Location-specific FAQs
- আপনার AI visibility score বিনামূল্যে পরীক্ষা করুন
সাধারণ জিজ্ঞাসা
AI citation rate কী?
AI citation rate হলো সেই relevant user query-র শতকরা হার যেখানে একটি AI assistant তার cited source-এ একটি নির্দিষ্ট listing অন্তর্ভুক্ত করে বা উত্তরে listing-টির নাম উল্লেখ করে। এটি AI-search-এর organic ranking-এর সমতুল্য, কিন্তু results-page level-এর পরিবর্তে answer level-এ মাপা হয়। 40% citation rate সহ একটি listing testing করা assistant জুড়ে প্রতি পাঁচটি relevant answer-এর মধ্যে দুটিতে উপস্থিত হয়।
এই benchmark কীভাবে পরিচালিত হয়েছিল?
আমরা চারটি vertical জুড়ে 100টি listing নির্বাচন করেছি: vacation rentals, boutique hotels, independent রেস্টুরেন্ট, এবং local attractions। প্রতিটি listing-কে discovery-intent questions-এর একটি standard template ব্যবহার করে ChatGPT, Perplexity, এবং Gemini জুড়ে 15 বার query করা হয়েছিল। Response-গুলি score করা হয়েছিল listing একটি cited source বা named recommendation হিসেবে উপস্থিত হয়েছে কিনা তার জন্য। তারপর listing-গুলি MapAtlas AEO Checker দ্বারা পরিমাপ করা structured data completeness অনুসারে bucket-এ ভাগ করা হয়েছিল।
Citation rate-এ সবচেয়ে বড় প্রভাব কী ছিল?
তিনটি signal সবচেয়ে বেশি প্রভাব ফেলেছে: geo coordinates সহ একটি সম্পূর্ণ Place বা LodgingBusiness JSON-LD block-এর উপস্থিতি, verified nearby context যেমন transit time এবং named POIs-এর proximity, এবং Google Business Profile, listing homepage, ও অন্তত একটি third-party directory জুড়ে NAP consistency। তিনটিতে high scoring listing-গুলির citation rate তিনটিতে low scoring listing-গুলির তুলনায় প্রায় ছয় গুণ বেশি ছিল।
শুধু prose description কি কোনোভাবে সাহায্য করেছিল?
সামান্য। Location keyword সহ দীর্ঘ prose description কিন্তু কোনো structured data ছাড়া প্রায় 12%-এর baseline citation rate তৈরি করেছিল। Verified geo field ছাড়া Schema.org markup যোগ করা এটি প্রায় 28%-এ উন্নীত করেছিল। Verified nearby context এবং consistent NAP data যোগ করা এটিকে আরও বাড়িয়ে সর্বোচ্চ-scoring bucket-এর জন্য প্রায় 71%-এ নিয়ে গেছে। Listing cite হওয়ার পরে user trust-এর জন্য prose quality গুরুত্বপূর্ণ, তবে listing প্রথম স্থানে cite হয় কিনা তার উপর সীমিত প্রভাব রয়েছে।
আমি কীভাবে আমার নিজস্ব citation rate পরিমাপ করব?
Listing URL-টি mapatlas.eu/ai-seo-checker-এ ফ্রি MapAtlas AEO Checker-এর মাধ্যমে চালান। Checker-টি এই benchmark-এ ব্যবহৃত একই 29টি signal score করে এবং কোনগুলি অনুপস্থিত তা flag করে। Score-টি ChatGPT, Perplexity, এবং Gemini জুড়ে periodic manual prompt-এর সাথে যুক্ত করুন যাতে সময়ের সাথে আপনার listing কত ঘন ঘন surface হয় তা ট্র্যাক করা যায়।
