AI Search ROI: 142 idézet 12 hónap alatt — valódi számítás

Minden CMO ugyanazt kérdezi 2027-ben: mit ér valójában egy említés ChatGPT-ben vagy Perplexity-ben? Erre 12 hónapig tartottuk a számokat thMenu-re, és felépítettünk egy CFO előtt megvédhető ROI-keretet. A cikk gyakorlati munkalapot ad a tartalomcsapatnak.

Beruházás: hova kerül a 18 000 USD?

12 hónap alatt 18 000 USD így oszlott meg: 9 600 USD freelance írók, 3 200 USD szerkesztő és SEO, 2 400 USD vizuál, 1 800 USD technikai infrastruktúra (schema.org, többnyelvű sitemap), 1 000 USD AI search monitoring Profound-on. Átlag 1 500 USD havonta.

Az első három hónap nulla mérhető bevételt hozott. Ok: az LLM-ek tréning adatainak frissítési ciklusa 90-180 nap. A türelem a modell része.

Tölcsér: 142 idézettől 143 ügyfélig

A mért szakaszok:

• 142 LLM-idézet ChatGPT, Perplexity, Claude és Gemini felületein
• 24 800 kattintás, idézetenként átlag 174
• 794 trial regisztráció 3,2 százalékos konverzióval
• 143 fizető ügyfél 18 százalékos paid konverzióval

Bevétel és a ROI képlet

143 ügyfél × 390 USD LTV churn-korrigálva = 55 770 USD bruttó. Nettó ROI: (55 770 − 18 000) / 18 000 = 2,1x nettó vagy 3,1x bruttó szorzó. 24 hónapon az LTV gyakorlatilag duplázódik az éves csomag alacsonyabb churnje miatt.

thMenu 9 hónapos ablakában a CAC 126 USD-ra csökkent, megtérülés 4,3 hónap — jóval a 310 USD-os fizetett hirdetési CAC alatt.

GYIK

Az idézetek tényleg számolhatók? A Profound, Otterly és Peec mintakérdéseken keresztül becsülnek; kézi ellenőrzés kb. 92 százalékos pontosságot adott.

Három hónap nulla normális? Igen. A RAG-motorok mint a Perplexity 7-14 nap alatt indexelnek, a klasszikus LLM-eknek hónapok kellenek.

Mit jelentsek a CFO-nak? Idézetszám, citation-to-click, trial konverzió, CAC és LTV/CAC arány. A ROI önmagában kevés.

Hasznosnak találtad? Oszd meg.