Hetente tucatnyi beszélgetést folytatok a növekedéssel és a marketinggel foglalkozó emberekkel, kezdve az igazgatókkal, a marketing alelnököktől és a piacvezető-kezelőktől a keresőoptimalizálókig.
Sok beszélgetésem méréssel jár. Ez egy egyre nagyobb kihívást jelentő téma, mivel a hagyományos SEO mérőszámok az AI-válaszok megjelenésével összeomlanak.
A beszélgetés nagy része a tévhitek és a közösségi médiában látott tévhitek és tévhitű tanácsok leleplezésére telik.
Nem könnyű beszélgetés, de fontos. Ez azt jelenti, hogy meg kell mondani az embereknek, hogy kerüljenek sok olyan dolgot, amit az emberek a közösségi médiában hirdetnek. Nem könnyű beszélgetés, de a megfelelő beszélgetés.
Célom, hogy tisztázzam a zűrzavart, hogy az AI láthatóságra tett erőfeszítéseit az üzleti eredményekhez köthesse.
Mit kell követni
Ezek olyan vezető és lemaradt mutatók keveréke, amelyek felett különböző fokú ellenőrzést gyakorolhat. Kifejtem, miért fontosak mindegyik, majd kitérünk arra, hogyan befolyásolhatjuk őket.
Kéri
Ez a legkézenfekvőbb és legfontosabb döntés, mert amit mérsz, az befolyásolja a viselkedést. Több tucat beszélgetésből az is kiderül, hogy sokan tévednek.
Ez lesz az első dominó a téves mérési láncban. A többi mérőszám, például az idézettség aránya, a márka említése vagy a láthatóság nem számít, ha nem a megfelelő üzenetkészletet követi nyomon.
A legtöbb mesterséges intelligencia láthatósági eszköze, mint például a Profound, a Peec és az AirOps, automatikusan figyelmeztetéseket javasol a követéshez, de ezekre ritkán kell összpontosítania. Ezt nem erősítettem meg, de az általam elmondottak alapján elemzik a webhelyét, és a meglévő oldalakat visszaképezik a promptokhoz. Feltételezik, hogy az Ön webhelyén már található oldalak azok, amelyeket hivatkozni kell, vagy látni kell az LLM-kimenetekben.
Hogy hatalom igaz legyen. De a legtöbb cég, akikkel beszélünk, azt mondja: „Nem azokra a felszólításokra jelenünk meg, amelyeknek meg akarunk jelenni”, ami azt jelzi, hogy nincs megfelelő stratégiájuk, és ezért nem a megfelelő oldalakat publikálták.
AI láthatóság
Láthatja, hogy ha rossz utasításokat követ, hogyan méri a rossz dolgok láthatóságát.
Több tucat ügyfél szemszögéből a ChatGPT a leggyakrabban használt LLM, de érdemes nyomon követni, hogy a márkája milyen gyakran jelenik meg a célfelhívásokban a ChatGPT, a Gemini, a Google AI mód, a Perplexity, a Claude és a Copilot szolgáltatásokban is.
Ez azért fontos, mert a ChatGPT felhasználói bázisa torzítja a fogyasztókat, míg a Claude felhasználói bázisa az üzletet és a vállalatot. Ha Ön egy B2B vállalkozás, a Claude-nak kevesebb felhasználója van, de ezek a felhasználók a munkahelyükön használják a Claude-ot, ami a kontextus számít.
A Google az AI módot is feltűnőbbé tette, és mivel a Chrome domináns piaci részesedéssel rendelkezik, sok ember alapértelmezés szerint látni fogja az AI mód kimeneteit.
Az egyes modellek külön-külön történő nyomon követésével láthatja, hogy a láthatóság vagy a forgalom változása egyetlen modellre vonatkozik-e, vagy az összesre vonatkozik.
Jelentős különbségek vannak abban is, hogy az egyes modellek hogyan keresik és mutatják be az információkat. Például Claude Brave-használata, szemben a ChatGPT Bing-használatával; eltérő módszertanuk van a források kiválasztására; és mindegyik modellnek vannak előnyben részesített forrásai a médiapartnerségeken keresztül.
Ön által bejelentett forrásmegjelölés
Az elmúlt évtized nagy részében a marketingesek a clickstream elemzésekre és az UTM-paraméterekre támaszkodtak, hogy megtudják, honnan származnak a leadek.
Ez a paradigma egy ideje megbomlott, és most a kép még kisebb részét mutatja.
Az LLM-ek tervezésüknél fogva kattintásmentesek. Ha valaki kérdést tesz fel a ChatGPT-nek, a Gemininek vagy Claude-nak, a válasz a chatben jelenik meg. Nem kattintanak át. Kutatnak a beszélgetés során, majd közvetlenül rákeresnek a Google-ban a márkára, vagy közvetlenül beírják az URL-t. Az Ön analitikai és CRM-platformjai ezt a forgalmat „Organic” vagy „Direct” néven naplózzák, de a valóság az, hogy az LLM az, ami oda vezetett, hogy az ember felkeresi az Ön webhelyét.
Az önbevallásos forrásmegjelölés a legegyszerűbb, de a legnagyobb jelzésű módja annak, hogy többet megtudjunk a történetből. Javasoljuk, hogy egyszerűen kérdezze meg az embereket: „Honnan hallott rólunk?” Az önbevallásos attribúciónak jól ismert és dokumentált hibái vannak (főleg az emberi emlékezet és az érintkezési pontok kiemelése), így nem lesz tökéletes, de a vevő saját szavaival mondja el, hogyan talált rád.
Ha ezeket az információkat a potenciális ügyfelek űrlapján lévő mezőn keresztül rögzíti, akkor nyomon követheti ezeket a potenciális ügyfelek forrásait a CRM-ben a folyamatig és a lezárt bevételig. Ez a végső sikermutató egy marketingcsatorna számára.
Az egyik kliens, aki hozzátette, azt tapasztalta, hogy a regisztrációk kb. 5%-a a ChatGPT-től származott, annak ellenére, hogy semmiféle munkát nem végzett az AI láthatósága körül.
Az alábbiakban egy diagram a belső műszerfalunkról. Ez azoknak a száma, akik kitöltötték konzultációs űrlapunkat, és kijelentették, hogy egy LLM-en keresztül találtak ránk, a HubSpot-címkével ellátott forrás alapján. Ahol lehetséges, a HubSpot automatikusan „AI Referrals” (piros) címkével látja el a forrást.
Azt találtuk, hogy a mesterséges intelligencia platformon keresztül érkező potenciális ügyfelek 80-90%-a helytelenül volt „organikus” vagy „közvetlen” címkével.
Mit kell figyelni, de nem kell beállítani KPI-ként
Ezek a mutatók általában összefüggenek, de nem a végső cél, és gyakran nem az, ami felett Ön irányít.
Idézetek
Ez az a stratégiai darab, amelyet az emberek tévesen sikermutatónak tekintenek.
Az oldalon kívüli források uralják az idézeteket a csatorna minden szakaszában. Hivatkozási forrásokkal kapcsolatos kutatásunk azt találta, hogy még a márkajelzéssel ellátott vagy a csatorna alján lévő lekérdezések esetében is a források 48%-a volt média, 30%-a más webhelyekről származó kereskedelmi tartalom, és csak 22%-a származott a márka saját webhelyéről.
Ezért meg kell mérnie, hogy az elérhető említések hány százalékát foglalják el jelenleg harmadik felek felületein. Ha ez 1%, akkor óriási a mozgástér.
És ne feledje, hogy pusztán azért, mert idézik, még nem jelenti azt, hogy az LLM-kimenetben ajánlják vagy bemutatják.
Ez azt jelenti, hogy igen, meg kell néznie az idézeteket, de nem egyszerűen azért, hogy megnézze, hivatkoznak-e webhelyére, hanem arra, hogy a márkáját megemlítik-e a legtöbbet idézett oldalakon.
Érzés
Sok kérdést kapok marketingesektől, akik azt mondják: „A ChatGPT kevésbé kedvező fényben mutatja márkánkat, mint versenytársainkat. Hogyan javíthatnánk ezen?”
A márkával kapcsolatos piaci hangulat befolyásolása hatalmas vállalkozás, amelyet egyetlen személy sem tud irányítani.
Vannak olyan taktikák, amelyek segítségével befolyásolhatja a jelenlévő LLM-ek hangulatát, például bekapcsolódhat a releváns Reddit-szálakon, vagy olyan tartalmat állíthat elő, amely jobb megvilágításba helyezi márkáját.
Végső soron az LLM-ek nem azt mutatják be a márkáról, amit az LLM gondol – hanem az, amit a piac mond a márkáról több száz webhelyen.
Ez inkább az emberek termékével kapcsolatos tapasztalataihoz, értékesítési csapatához, ügyfélszolgálatához és a vállalat által nyújtott általános ügyfélélményhez kapcsolódik. A marketing csak egy kis darabja ennek. Semmilyen marketing nem képes legyőzni a márkával kapcsolatos negatív tapasztalatokat.
Kövesse tehát a hangulatot, de kevésbé kezelje marketingen keresztül befolyásolni kívánt dologként, és inkább visszajelzésként, amely javítja a vásárlói élményt, ami viszont javítja a hangulatot.
LLM ajánlási forgalom
Ezt érdemes figyelni, de nem jó KPI, mert ezt nem tudod ellenőrizni.
Az OpenAI nemrégiben megváltoztatta a ChatGPT forrásainak bemutatását, és csökkentette a megjelenített források számát. Ennek eredményeként sok webhely elvesztette a ChatGPT hivatkozási forgalmát. Egy hónappal később azonban megfordították ezt a változást, és megmutatták több idézetek, ami a ChatGPT hivatkozási forgalom jelentős növekedéséhez vezet. Ez ingadozó KPI-t eredményez.
Ezen túlmenően az olyan eszközök, mint a HubSpot vagy a Google Analytics, az LLM-forgalom nagy részét nem jelölik meg LLM-hivatkozási forgalomként, mivel a hivatkozási forrás megszűnik. Így a forgalom végül a közvetlen alatt csapódik le.
A legfontosabb mutatók mérése
Hogyan követheti nyomon a megfelelő felszólításokat?
Sok csapat azt a hibát követi el, hogy hagyja a mesterséges intelligencia láthatósági eszközét kiválasztani a rájuk vonatkozó utasításokat, vagy megpróbálja kitalálni, hogy milyen utasításokat kell követni.
A probléma az, hogy ezek az eszközök nem ismerik az ügyfeleket. A jó hír: igen. Ez a tudás már létezik értékesítési hívásfelvételként és -átiratként, bevezető hívásként és ügyfélkutatási hívásként. Ezek olyan gazdag források, amelyeket az ügyfél hangjának megértéséhez bányászhat:
- Milyen kérdések merülnek fel gyakran?
- Milyen kifogások merülnek fel?
- Milyen nyelven írják le a fájdalompontokat vagy kihívásokat?
Ha a potenciális ügyfelek hívás közben teszik fel ezeket a kérdéseket, akkor ők – és a hozzájuk hasonló emberek – ugyanazokat a kérdéseket teszik fel ChatGPT-nek vagy Claude-nak.
A másik forrás az önbevallásos hozzárendelés (lásd alább). Miután megvalósította az önbevallásos hozzárendelést, értékesítési csapata láthatja, hogy egy potenciális ügyfél LLM-n keresztül érkezett-e, és egyszerűen megkérdezheti, milyen felszólítást használtak, vagy akár képernyőképet is kérhet a csevegési szálról. Tapasztalatom szerint az emberek szívesen megosztják.
A hívások átiratai és a közvetlen vásárlói bevitel között a találgatásokat az ügyfelek által használt pontos nyelvre cseréli.
A célfelhívások változhatnak, és valószínűleg meg is kell változniuk. Javasoljuk, hogy negyedévente tekintse át az ügyfélhang-kutatással szembeni figyelmeztetéseket, különösen, ha gyorsan fejlődő iparágban dolgozik.
Hogyan méri az AI láthatóságát a ChatGPT-ben, Claude-ban, Geminiben stb.?
Miután megvan a promptkészlet, javasoljuk a Profound, a Peec vagy az AirOps használatát a felszólítások követéséhez.
Figyelje a nyomon követett alapértelmezett csatornákat. Például nem sokat törődünk a Perplexity-vel, és Claude gyakran nem szerepel alapértelmezett LLM-ként. Ezért előnyben részesítjük a Claude-ot, a ChatGPT-t, a Geminit és az AI módot.
Írja be az utasításokat, kövesse nyomon versenytársait, és kövesse nyomon láthatóságát az idő múlásával.
Hogyan állíthatja be és jelentheti be az önbevallott hozzárendelést?
Fentebb említettem, hogy az olyan platformok, mint a Google Analytics és a HubSpot, nem adnak teljes képet a potenciális ügyfelekről.
Javasoljuk, hogy rendelkezzen egy módszerrel az önbevallásban szereplő hozzárendelés rögzítésére, hogy egy személy egyértelműen elmondhassa, hogyan talált rád. Ez nem lesz tökéletes (az attribútum soha nem az), de egy újabb informatív adatpontot ad.
Ez lehetővé teszi az értékesítési lehetőségek, a folyamatok és végső soron az LLM-eken keresztül beérkező bevételek nyomon követését is.
Ezt háromféleképpen láttam:
- Adjon hozzá egy kérdést a következőhöz: „Honnan hallott rólunk?” a potenciális ügyfél- vagy termékregisztrációs űrlapokon. Megtarthatja nyílt végű, vagy kínálhat egy legördülő menüt előre meghatározott opciókkal, és választhatja az „AI Assistant (ChatGPT, Claude, Gemini stb.)” opciót. Egyes ügyfelek idegenkednek ettől, mert nem akarják negatívan befolyásolni a konverziós arányokat. Azt javaslom, hogy futtasson le egy A/B tesztet, hogy kiderüljön, ez valóban így van-e.
- Add hozzá a „Honnan szerzett tudomást rólunk?” kérdés a termék bevezető folyamatához. Ez eloszlatja a konverziós arányokkal kapcsolatos aggodalmakat, de nem veszi figyelembe a tisztán értékesítés-vezérelt mozgásokat.
- Kérje meg értékesítési csapatát a felderítési hívásaikról. Ehhez viselkedésmódosításra van szükség az értékesítési csapattól, a hátránya pedig az, hogy nem veszi figyelembe az önkiszolgáló termékeket.
Koncentráljon arra, ami fizeti a számlákat
Amikor fizetett marketingről beszélünk, általában nem a megjelenítések számával mérjük a sikert, mivel a megjelenítések nem fizetik a számlákat. Ehelyett a hirdetési kiadások megtérüléséről beszélünk. Hány dollárt kapunk minden befektetett dollár után?
Nem egészen almától almáig, de ugyanez a logika érvényesül. A láthatóság vagy az idézetek mérése helyett (amelyek nem fizetik a számlákat), meg kell kérdeznünk, hogy az LLM-eken keresztül a megfelelő embereket érjük-e el, és hogy ez a láthatóság üzleti eredményeket is jelent-e.
Ez azt jelenti, hogy a potenciális ügyfelekre, a csatornákra és a bevételekre kell összpontosítani.
