Comment Worksmile a augmenté la visibilité de l'IA de 27% avec Chatbeat

Les résultats en un coup d'œil

À propos de Worksmile

Worksmile est une plateforme RH pour l'ensemble de l'organisation. Elle répond aux défis rencontrés par les équipes RH et les managers tout en prenant soin de l'expérience de chaque employé - elle automatise les processus, rationalise la communication et prend en charge la gestion des avantages en un seul endroit.

En vedette dans cette étude de cas :

Magdalena Radecka - Responsable du marketing chez Worksmile. Chez Worksmile, elle dirige l'équipe responsable de la génération de la demande et de l'amélioration de la notoriété de la marque.

Défi

Worksmile s'est rendu compte que l'histoire de sa marque n'était plus racontée en un seul endroit - elle était reconstruite à l'intérieur des réponses LLM. Et lorsque les équipes RH et Personnel posaient des questions apparemment simples, le résultat n'était pas aligné de manière fiable sur la manière dont Worksmile voulait être compris. 

Parfois, la description était exacte ; d'autres fois, le contexte RH était vague, ou les modèles s'appuyaient sur des sources tierces et obsolètes, de sorte que la narration dérivait en fonction de l'incitation et du modèle.

Le vrai problème n'était pas une mauvaise réponse, mais le manque de visibilité et de contrôle :

• aucun moyen de voir quels sont les messages qui dérivent,
• aucun moyen de comprendre quelles sources ont influencé la réponse,
• pas de voie claire pour améliorer les classements et devenir la source que les systèmes d'intelligence artificielle citent réellement.

Worksmile avait besoin de rendre opérationnelle la “visibilité de l'IA” - quelque chose qu'ils pouvaient suivre, réparer et prouver avec le mouvement dans les positions et les citations.

Solution

Worksmile a utilisé Chatbeat comme couche de visibilité continue de l'IA - suivre la manière dont les différents modèles répondent à des questions spécifiques, les sources qu'ils citent et les points sur lesquels le message de la marque diverge d'une question à l'autre.

Cela a créé une simple boucle de rétroaction :

Suivi rapide → lacunes narratives → actions sur le contenu → revérifier les classements et les citations

Le principal avantage de Chatbeat est qu'il s'agit d'un moyen rapide et simple de voir comment nous sommes positionnés dans les LLM à un moment donné - quantitativement. Il est possible de le vérifier manuellement de manière qualitative, mais seulement sur un petit échantillon et à un coût élevé. Chatbeat offre un accès rapide aux données et nous permet de réagir rapidement.

Magdalena Radecka

Responsable du marketing chez Worksmile

Ce que Chatbeat apporte à Worksmile dans la pratique

1. Contrôle de la réputation dans les réponses aux demandes d'éducation et de formation tout au long de la vie

Avant que Worksmile ne devienne une plateforme d'expérience employé et de RH, elle était connue sous le nom de Fitqbe, axée sur le bien-être et les avantages sociaux.

Depuis, ils se sont lancés dans d'autres domaines, mais en raison de cette histoire, les LLM ont parfois été trompés dans leur description de la marque, en s'appuyant sur des données antérieures à la refonte de la marque.

Worksmile voulait surveiller la façon dont les modèles linguistiques décrivent la marque - et réagir immédiatement si le récit commence à s'éloigner de la position souhaitée.

Les informations clés de Chatbeat : Les LLM ont bien géré la description de Worksmile en tant que plateforme d'avantages sociaux, mais ils ont moins bien compris les parties HCM et communications internes. L'équipe a rapidement fait le lien avec l'histoire de la marque et l'image de marque de l'entreprise. présence de documents d'archives en ligne, qui influencent encore la façon dont l'IA “voit” Worksmile.

Depuis que nous avons commencé à utiliser Chatbeat, nous avons acquis un niveau de connaissance supplémentaire : non seulement grâce aux messages manuels adressés aux différents LLM, mais aussi en voyant comment nous nous positionnons en réponse à des questions spécifiques.

Magdalena Radecka

Responsable du marketing chez Worksmile

Action: 

Sur cette base, ils ont élaboré un plan d'action concret :

• réduire l'exposition du contenu relatif au bien-être (par exemple, en masquant certaines sous-pages et certains scénarios),
• mettre davantage l'accent sur le contenu relatif à la communication interne et aux processus RH,
• distribuer et promouvoir le contenu en dehors du site web (par exemple, diffuser des publicités sur de nouvelles plateformes telles que Bing)

Résultat : 

L'équipe constate déjà les premiers changements dans les réponses de l'IA en faveur de la communication interne et de l'engagement.

La comparaison ci-dessous porte sur le deuxième trimestre (lorsque Worksmile a commencé à explorer l'IA) et le quatrième trimestre 2025 pour l'un des domaines des ressources humaines. 

• Q2 : 17.3 (Worksmile commence à explorer l'IA)
• Q4 2025 : 12.6 (+4,7 postes) -> 27% augmentation
• Les 30 derniers jours (au 22 janvier 2026) : 10ème place

La prochaine étape consistera à vérifier les progrès réalisés dans quelques mois en ajoutant des questions plus “lourdes” au suivi et en vérifiant l'évolution du positionnement des modèles au fil du temps.

2. Construire une stratégie de contenu adaptée au LLM

Worksmile ne s'est pas contenté de contrôler la réputation et la narration des LLM - ils voulaient aussi que leur propre contenu devienne la référence en matière d'éducation et de formation tout au long de la vie. modèles de sources primaires citer lorsqu'ils répondent à des questions sur la marque et l'industrie. 

Au lieu de considérer la “visibilité du LLM” comme un effet secondaire heureux d'un bon marketing, ils l'ont abordée comme un canal : mesurables, testables et planifiés.

Les informations clés de Chatbeat : En vérifiant les sources clés pour les messages-guides, ils ont vu quelles sont les sources les plus citées et ont pu examiner pourquoi. Ils ont vu quelles sources de leur propre domaine étaient citées et quelle était leur part de voix, et ils ont pu travailler à augmenter leur part de voix.

Lorsque nous avons commencé à utiliser Chatbeat, nous avons vu comment nous étions positionnés dans différents LLM. Dans certains, nous sommes plus performants (par exemple, ChatGPT), et dans d'autres, c'est pire. Cela nous a permis d'approfondir nos recherches : que faire lorsque nos résultats sont médiocres, quels formats et quels lieux de publication fonctionneront. Nous en avons fait un plan et avons élaboré une carte du contenu - nous savons quel format préparer pour quel LLM. Et votre outil nous aide à vérifier ces hypothèses.

Magdalena Radecka

Responsable du marketing chez Worksmile

Action :

À partir de là, ils sont passés de l'intuition à un système reproductible, en utilisant des informations sur le positionnement pour rendre la recherche exploitable :

• identifier les LLM qui les classent bien et ceux qui les classent moins bien
• déterminer les formats et les canaux de publication qui améliorent la visibilité
• traduire les apprentissages en une carte de contenu (format → canal → LLM cible)
• utiliser les informations de Chatbeat pour vérifier les hypothèses et itérer

Résultats :

Changement d'un trimestre à l'autre (citations pour une invite sélectionnée) :

• Q2 2025 : seule une source Worksmile apparaît dans le Top 10 des sources, et elle est classée #5.
• Q4 2025 : Le seuil de rentabilité est atteint #1 dans les citations - et a ajouté 2 sources supplémentaires dans le Les 10 principales sources (captures d'écran ci-dessous).
  

Manuel de contenu pour le LLM

Vous voulez améliorer la fréquence à laquelle votre marque est citée par des étudiants en droit qui utilisent du contenu ? Voici ce que Worksmile a fait - et ce qui a réellement fonctionné.

3. Analyse comparative des performances et indicateurs clés de performance

Worksmile avait également besoin d'une référence numérique pour s'assurer qu'elle n'était pas à la traîne - et pour donner la priorité aux efforts qui permettront de faire avancer les choses le plus rapidement.

Les informations clés de Chatbeat : Ils pourraient suivre visibilité/score de marque en tant qu'indicateur de santé de haut niveau et le combiner avec l'indicateur de santé de l position médiane en tant qu'indicateur de performance clé plus facile à mettre en œuvre - ventilé par LLM et comparée à celle de ses concurrents (par exemple, MyBenefit, PeopleForce). 

Cela a révélé deux choses : 

• ils se sont généralement bien comportés par rapport à la plupart des concurrents
• un concurrent était systématiquement mieux classé, ce qui les a fait passer de “plus de visibilité à tout prix” à "plus de visibilité à tout prix", ce qui les a fait passer de "plus de visibilité à tout prix" à "plus de visibilité à tout prix". l'amélioration de la qualité et de l'exactitude des messages - apprendre aux LLM à les décrire comme ils l'entendent.

Action :

Avec la mise en place d'indicateurs de performance clés par modèle (par ex, passer de #3 à #2 dans ChatGPT d'ici le milieu de l'année ; +1 dans Perplexité ; +2 dans Claude et Gemini ; atteindre une visibilité “excellente” d'ici la fin de l'année), ils ont utilisé le benchmark pour prendre des décisions concrètes en matière de marketing :

• donner la priorité aux améliorations dans les domaines où les performances sont les plus faibles (modèle + ensemble d'incitations)
• tester les canaux qui influencent l'approvisionnement en matériaux d'apprentissage tout au long de la vie (par ex, Bing, YouTube, Wikipédia/Wikidata)
• mener des expériences sur d'autres plateformes (Quora/Reddit)

Résultat :

En quelques mois - et non en quelques années - ils ont fait passer leur cote de visibilité globale de “de ”respectable“ à ”bon", et a transformé la visibilité du LLM en un système mesurable qui informe directement les priorités marketing et les OKR.

A retenir pour les autres marques

L'approche de Worksmile était efficace et reproductible :