Az előző Search Engine Journal cikkemben bemutattam a Brand Suverenty fogalmát: azt az elképzelést, hogy nincs jobb igazságforrás a vállalkozásodról és termékeidről, mint te. Az olvasók válaszai közvetlenül és a LinkedIn-en is megerősítettek valamit, amit már egy ideje gyanítottam. A legtöbb szervezet megérti, hogy miért számít a márkaszuverenitás, de a közvetlen kérdésük sokkal gyakorlatiasabb:
Hogyan építed és tartod fenn a márka szuverenitását?
A válasz az, hogy nem kell több sémajelölést hozzáadni, több tartalmat közzétenni, vagy a legújabb AI-protokollt implementálni. Ezek a technológiák fontosak, de csak megvalósítási lehetőségek. A márka szuverenitása alapvetően egy olyan szervezeti képesség, amely az Ön tudásának minőségén, teljességén, irányíthatóságán és hozzáférhetőségén alapul.
Ahogy a mesterséges intelligencia egyre inkább közvetítővé válik a vállalkozások és az ügyfelek között, a szervezeteknek át kell alakítaniuk gondolkodásukat az oldalak optimalizálása helyett az irányító válaszok felé.
Az új versenyelőny nem tartalom; Ez magabiztosság
A hagyományos keresés azokat a webhelyeket jutalmazta, amelyek hitelesek, relevánsak és technikailag hozzáférhetőek voltak. Az AI-rendszerek eltérően működnek.
Amikor egy ügyfél megkérdezi: „Melyik matrac a legjobb egy oldalt alvónak, aki melegen alszik?” vagy „Melyik SUV a legjobb utazó utánfutó vontatásához?” Az AI nem azt az oldalt keresi, amelyik a legjobb kulcsszóoptimalizálással rendelkezik. Választ állít össze a rendelkezésére álló bizonyítékokból.
Minden ajánlás bizalmi döntést jelent. Az AI kiértékeli a strukturált információkat, a termékjellemzőket, a kapcsolatokat, az értékeléseket, a dokumentációt, a helyinformációkat, a szakértői referenciákat és számtalan egyéb jelzést, mielőtt eldönti, mely márkák érdemlik meg a felvételt.
Ez fontos változást hoz a stratégiában. A szervezetek már nem csak azért versenyeznek, hogy megtalálják őket. Versenyeznek azért, hogy a legmagasabb megbízhatóságú bizonyítékot nyújtsák. Ezt a magabiztosságot nem lehet ügyes felszólításokkal vagy agresszív optimalizálással előállítani. Az információ minőségével kell kiérdemelni.
A legtöbb szervezet rendelkezik termékadatokkal. Kevesen rendelkeznek döntési adatokkal
A közelmúltban végzett munkák egyik legértékesebb tanulsága a mesterséges intelligencia-kész termékismeret felépítése volt a fogyasztói termékek kereskedője számára. Sok vállalathoz hasonlóan ők is széles körű termékinformációkkal rendelkeztek. Oldalaik tartalmazták az árakat, a méreteket, az anyagokat, a garanciákat, a rendelkezésre állást és az e-kereskedelemhez szükséges szabványos attribútumokat. A termékséma pontosan tükrözte ezen információk nagy részét, így könnyen elérhetővé vált olyan új protokollokon keresztül, mint az MCP és az UCP.
Technikai szempontból a megvalósítás sikeresnek bizonyult. Az ügyfél szemszögéből azonban valami fontos mégis hiányzott. A fogyasztók ritkán kezdik vásárlási útjukat azzal, hogy rákérdeznek a tekercsszámra vagy a matrac magasságára. Ehelyett olyan kérdéseket tesznek fel, amelyek tükrözik döntési folyamatukat.
Azt szeretnék tudni, hogy a matrac hűvösen alszik-e, alkalmas-e oldalt alvókra, enyhíti-e a vállnyomást, rendelkezésre áll-e finanszírozás, kínálnak-e szállítást a területükön, és ami talán a legfontosabb, hogyan viszonyul a már fontolgatott konkurens termékekhez.
Ezek a válaszok gyakran megtalálhatók valahol a szervezeten belül, és jellemzően több oldalon és termékkonfigurátorban is megtalálhatók. Megjelenhetnek belső képzési anyagokban, ügyfélszolgálati beszélgetésekben, értékesítési szakirodalomban, vásárlási útmutatókban vagy az üzlettársak tapasztalataiban. Sajnos ritkán szerveződnek olyan strukturált, hiteles tudásanyaggá, amelyet az AI-rendszerek magabiztosan fogyaszthatnak.
Az eredmény az, hogy a mesterséges intelligencia gyakran támaszkodik a későbbi kiskereskedőkre, áttekintő oldalakra és összehasonlító webhelyekre, amelyek már az ügyfél döntési folyamata köré szervezték ezeket az információkat.
Ironikus módon sok márka kevésbé mérvadó a saját termékei tekintetében, mint az azokat értékesítő cégek.
Az ügyfelek már elmondják, mi hiányzik
Néhány évvel ezelőtt bemutattam egy modellt, amely bemutatja, hogyan termelt egy vállalat 6,8 millió dollárt a belső webhelykeresésből származó bevételekkel kapcsolatos lekérdezések bányászatával. Ez az elv még értékesebbé vált a mesterséges intelligencia korában. Minden belső keresés egy ügyfelet jelent, aki egy kérdésre próbál válaszolni. Hasonló mintákat találhatunk a weboldalunkba épített funkció- és funkciókonfigurátorokon.
Amikor látogatók ezrei keresnek [best mattress for back pain], [quiet dishwasher], [pet-friendly hotel]vagy [SUV with third-row seating]felfedik a döntéshez szükséges információkat. Hasonlóképpen, ha több funkciót választanak ki a konfigurátorban, akkor a fájdalompontokat és a funkciókat is elmondják.
A szervezetek gyakran tartalmi lehetőségként kezelik ezeket a kereséseket, de úgy gondolom, hogy ezeket először tudásbeli hiányosságoknak kell tekinteni.
Ha az ügyfelek ismételten olyan kérdést tesznek fel, amelyre a strukturált információi nem tudnak válaszolni, akkor nem feltétlenül az a probléma, hogy szüksége van egy másik cikkre. Azt jelezheti, hogy a szervezete soha nem modellezte formálisan ezt a tudásanyagot, vagy alig vagy egyáltalán nem rendelkezik kontextussal a válaszához.
Ebben a webhelykeresési modellezési projektben egy lekérdezésben több mint 100 000 kérés érkezett az egynapos bérletről több napos bérletre való átalakításra vonatkozóan. A marketingcsapat határozottan válaszolt erre a kérdésre. Valójában a kérdésre vonatkozó GYIK-ben a válasz kristálytiszta és egyszerű volt, mint a nap, és három betű volt: Igen. Miért nem adsz meg egy linket arra az oldalra, ahol ezt megtehetik, vagy bármilyen részletet az interneten vagy a parkban való megtételének folyamatáról?
A felismerés alapjaiban változtatta meg a vitát. A probléma nem az volt, hogy a szervezet válaszolt-e a kérdésre, hanem igen. A probléma az volt, hogy a válasz véget vetett az ügyfél útjának, ahelyett, hogy előremozdította volna. Azáltal, hogy ezt a kérdést közvetlenül a frissítési folyamathoz kapcsolta, a szervezet új bevételi lehetőséget teremtett pontosan akkor, amikor a vásárlói szándék a legmagasabb volt.
Ez a különbségtétel azért fontos, mert a mesterséges intelligencia egyre inkább elvárja, hogy közvetlenül válaszoljon az ügyfelek kérdéseire, ahelyett, hogy egyszerűen egy másik weboldalra irányítaná őket.
A márkasuverenitás kiépítése 4 tudásképességet igényel
A márka szuverenitása felfogható technikai kezdeményezésnek, de a valóságban összehangolt tulajdonlást igényel a marketing, a termék, a tervezés, az ügyfélszolgálat, a jogi, az értékesítés és a műveletek terén. A Brand Suverenity megoldásához négy képességre van szükség.
1. Tudásteljesség
A szervezeteknek biztosítaniuk kell, hogy ne csak termékeik és szolgáltatásaik tényszerű specifikációit rögzítsék, hanem azokat a döntésalapú információkat is, amelyeket az ügyfelek az összehasonlításhoz, értékeléshez, érvényesítéshez és végső soron vásárlási döntéseik meghozatalához használnak. A specifikációk elmagyarázzák, mi a termék; a döntési tudás megmagyarázza, miért érdemes valakinek ezt választania. A mesterséges intelligencia egyre inkább támaszkodik mindkét információformára, hogy olyan ajánlásokat készítsen, amelyekben az ügyfelek megbíznak. A szervezetek gyakran ünneplik a mesterséges intelligencia idézeteit anélkül, hogy először megkérdeznék, hogy elegendő döntési ismeretet tettek-e közzé ahhoz, hogy megérdemeljék az idézést. Az AI láthatóságának mérése előtt meg kell mérniük a válaszlefedettséget.
2. Tudásösszeköttetés
A tények lényegesen értékesebbé válnak, ha értelmes kapcsolatokon keresztül kapcsolódnak egymáshoz. A termékeknek kapcsolódniuk kell a helyekhez, a helyeknek a szolgáltatásokhoz, a szolgáltatásoknak az irányelvekhez, az irányelveknek az ügyfelek tapasztalataihoz, és ezeknek a kapcsolatoknak meg kell erősíteniük egymást egy koherens tudásgrafikonon belül. A mesterséges intelligencia nem egyszerűen izolált tényeket keres; kapcsolatokon átívelően indokolja. Minél gazdagabbá és teljesebbé válnak ezek a kapcsolatok, annál nagyobb bizalommal lehet az AI, amikor a szervezetet ajánlja.
3. Válasz kész
Az információkat az ügyfelek ténylegesen feltett kérdései köré kell szervezni, nem pedig az alapján, hogy a belső osztályok hogyan kezelik a tartalmat. A mesterséges intelligencia a kérdések megválaszolásával ér sikert, nem pedig a szervezeti diagramokon vagy a webhelyek menüin való navigációval. A GYIK, a vásárlási útmutatók, a konfigurátorok, a támogatási dokumentáció és a döntési fák egységes tudásmodellbe történő összevonása lehetővé teszi a szervezetek számára, hogy megválaszolják az ügyfelek egyre összetettebb kérdéseit anélkül, hogy a felhasználókat arra kényszerítenék, hogy maguk állítsák össze az információkat.
4. Kormányzás
Minden vállalatnál vannak olyan emberek, akik felelősek a tartalomért, az elemzésekért, a termékekért és a digitális élményekért. Nagyon kevesen felelősek azért, hogy a szervezet kollektív tudása teljes, pontos, következetes és géppel olvasható maradjon minden ügyfélkapcsolati ponton. Ahogy a mesterséges intelligencia a vállalkozások és az ügyfelek közötti elsődleges kapcsolattá válik, a szervezeti tudás szabályozása ugyanolyan fontossá válik, mint a pénzügyi adatok, a jogi megfelelés vagy a márkaszabványok szabályozása.
Ahogy a mesterséges intelligencia a vállalkozások és az ügyfelek közötti elsődleges kapcsolattá válik, ez a felelősség egyre stratégiaibb lesz.
Miért van szükségük a szervezeteknek valakire a válaszok birtoklására?
Ez olyan szerephez vezet, amelyet úgy gondolom, hogy végül sok vállalkozás megalapít.
Az, hogy a cím „válaszok alelnöke”, „tudásirányítási vezető” vagy valami egészen más lesz, kevésbé fontos, mint a mögöttes felelősség.
Valakinek birtokolnia kell a szervezet tudásának integritását ahhoz, hogy ezt a négy képességet az összes eszközön, és nem csak a weboldalakon érvényesítse. Ez a felelősség magában foglalja a hiányzó döntési attribútumok azonosítását, a részlegek közötti ellentmondó információk feloldását, a kapcsolódó entitások összekapcsolását, a strukturált adatok irányítását, az AI-válaszok figyelését, és annak biztosítását, hogy a szervezet továbbra is a leghitelesebb információforrás maradjon önmagáról.
Ez a szerepkör hasonlít a termékszervezeteken belüli növekedési menedzserek korai munkaköri leírására. A növekedési menedzserek ritkán birtokolnak minden marketingcsatornát, mégis összehangolják erőfeszítéseiket a részlegek között az ügyfélszerzés és -megtartás javítása érdekében. Hasonló funkciónak kell megjelennie a szervezeti tudás számára is, ahol folyamatosan egy egyszerű, de erőteljes kérdést tesznek fel:
Ha egy mesterséges intelligencia rendszernek a mai termékeinket kellene ajánlania, megadtuk volna neki a megfelelő döntéshez szükséges összes tényt?
A márka szuverenitásának mérése
A Brand Suverenty-vel kapcsolatos egyik kihívás az, hogy nem mérhető pusztán a helyezésekkel. Ehelyett a szervezeteknek több dimenzióban kell értékelniük felkészültségüket.
- Felfedjük azokat az információkat, amelyekre az ügyfeleknek ténylegesen szükségük van a döntésekhez?
- Konzisztensek ezek a tények minden digitális csatornán?
- Meg tudja érteni a mesterséges intelligencia a termékeink, szolgáltatásaink, helyszíneink, irányelveink és szakértelmünk közötti kapcsolatokat?
- Megtaláltuk azokat az összehasonlítási attribútumokat, amelyekről az ügyfelek rutinszerűen kérdeznek?
- A vállalkozásunkkal kapcsolatos leghitelesebb bizonyítékok tőlünk származnak?
Ezek a kérdések értelmesebb értékelést nyújtanak, mint a séma tulajdonságainak egyszerű megszámlálása vagy a keresés láthatóságának figyelése. A cél nem egyszerűen a technikai megvalósítás maximalizálása, hanem a bizalom maximalizálása.
Az oldalak optimalizálásától az irányító tudásig
A digitális marketing több mint két évtizede arra összpontosít, hogy megkönnyítse a weboldalak felfedezését, de a mesterséges intelligencia egy másik kihívást jelent. Megköveteli a szervezetektől, hogy a tudást könnyebben érthetővé tegyék.
Ezért hiszem, hogy a Brand Suverenity többet jelent, mint egy másik SEO keret. Ez egy üzleti fegyelem, amelynek középpontjában annak biztosítása, hogy ne legyen jobb igazságforrás a szervezetéről, mint a saját szervezete.
