Fredag 6. november ble et banner for bedrifter observert i ChatGPT. Løftet er enkelt: bekreft at virksomheten er din, og du vil se hvor mange ganger den dukket opp i svar og hvor mange som klikket seg videre til nettstedet ditt. I min artikkel om oppmerksomheten analysene dine ikke kan se, skrev jeg at bare plattformen som viser svaret, har slike signaler. Plattformen begynner å dele dem, og det er gode nyheter. Spørsmålet er hva du vil lese fra denne telleren, og hva du aldri vil lese fra den.
Hva ble egentlig observert, og hvorfor er det gode nyheter?
Funksjonen heter Business Hub. Den er ikke tilgjengelig ennå, og OpenAI har ikke offisielt annonsert den. Banneret og de første rapportene antyder at en verifisert bedrift (tilkobling av en nettbutikk er eksempelet som er gitt) vil se to daglige tall på et diagram: visninger i svar og klikk på lenker til nettstedet. I tillegg kommer oppdaterte produkt- og firmadetaljer, pluss en agent som svarer kunder i en kontekst bedriften kontrollerer. Panelet vil ikke vise spørsmålene folk stilte, konkurrenter eller noen rangering.
Dette er gode nyheter, fordi en kanal som hittil ikke har etterlatt seg spor, får en teller. Søk gikk denne veien tidligere: Google Search Console har vist visninger og klikk i årevis, og markedsførere har lært å ta beslutninger på dette grunnlaget. Den verste situasjonen i AI-kanalen forsvinner derfor, den der kundens beslutning tas og dashbordet forblir tomt.
Telleren bekrefter at sjansen for oppmerksomhet i en modells svar eksisterer og kan telles, men den sier ikke hvor den sjansen kom fra.
Telleren måler det siste trinnet på veien til oppmerksomhet
I den tidligere artikkelen delte jeg veien til oppmerksomhet i AI-kanalen inn i fire trinn. Det første er et fast sett med kundespørsmål uten merkenavnet. Det andre er de fem nivåene som leses fra innholdet i svarene, som til sammen utgjør sjansen for oppmerksomhet: tilstedeværelse, konkurranse, posisjon, retning og overlevering. Det tredje er forskning som involverer mennesker, som bekrefter at oppmerksomhet virkelig skjedde, og det fjerde er forretningspåvirkning: trafikk fra svar, henvendelser og salg. Visninger og klikk fra plattformens panel tilhører det fjerde trinnet.
Hvorfor er ikke det nok? Panelet vil fortelle deg at merket dukket opp i svar tusen ganger. Det vil ikke fortelle deg i hvilke spørsmål, ved siden av hvem eller i hvilken posisjon. Det vil heller ikke fortelle deg om modellen anbefalte merket eller bare nevnte det, om den beskrev det nøyaktig, eller hvor den sendte kunden. De fem spørsmålene om sjansen for oppmerksomhet forblir ubesvart.
Forestil deg to merker med en identisk teller. Det første dukker opp i spørsmål om kategorien, og modellen anbefaler det tydelig. Det andre dukker opp i spørsmål om lederens svakheter, som et billigere alternativ på slutten av listen. Diagrammet viser den samme søylen, men dette er to helt forskjellige situasjoner. Michał Grzebyk beskrev forskjellen mellom en omtale og en anbefaling i en egen artikkel.
Plattformen viser at merket var i svaret. Uavhengig måling viser hvorfor, og ved siden av hvem.
Hvorfor vil panel- og måletall aldri stemme overens?
Panelet teller hver samtale fra alle som bruker plattformen, sammen med deres historie, minne og personalisering. Uavhengig måling stiller et fast sett med kundespørsmål til modellene, uten merkenavnet og uten personalisering, med modellversjon og dato ved siden av hvert tall. Det første er en teller, det andre er et forskningsutvalg, og begge beskriver det samme fenomenet fra to forskjellige sider.
Ingen av målene opphever det andre, fordi hvert svarer på et forskjellig spørsmål. Telleren forteller deg hva som skjedde i virkelige menneskers samtaler. Utvalget forteller deg hva modellen pleier å gjøre når en kunde spør om kategorien, og av hvilken grunn. Begge tallene er verdt å holde side om side, på en tidslinje, men aldri lagt sammen.
Tips: når begge diagrammene beveger seg i samme retning, er endringen mest sannsynlig reell. Når de avviker, er det ikke en feil ennå, bare et spørsmål verdt å undersøke. En avvik sier vanligvis noe om hvem som spør, på hvilket språk eller i hvilken modell.
Er en stigende teller merkevarens fortjeneste?
Etter den første økningen i telleren vil styret spørre rett ut om det er resultatet av selskapets arbeid. En økning kan ha minst tre årsaker, og hver av dem fører til en annen beslutning. Det kan komme fra merkevarens egne handlinger, for eksempel nytt innhold, nye kilder eller ryddige fakta.
Det kan også komme fra en ny modellversjon som, uten noen kampanje, begynte å nevne merket oftere. I våre målinger ser vi at en versjonsendring kan flytte resultatet merkbart, i begge retninger. Til slutt kan det komme fra markedet selv, fordi flere og flere mennesker bruker assistenter. Plattformens panel kan ikke skille disse årsakene fra hverandre, fordi det ikke vet hva merket gjorde og det viser ikke modellversjonen.
Tre ting gjør det mulig å skille dem fra hverandre: en datert logg over hva merket gjorde, en markør for hver modellversjonsendring på samme tidslinje, og en støygrense under hvilken en endring ikke er en endring. Uten dem ser panelets diagram fint ut, men sier ingenting. Så det er verdt å starte aktivitetsloggen i dag, før panelet når selskapet ditt.
Én assistent er ennå ikke AI-kanalen
OpenAIs panel vil vise ChatGPT, mens kunder også spør Gemini, Claude, Perplexity eller Copilot. I Google Søk leser de i økende grad et generert svar over resultatene før de klikker på en lenke. Hver av disse modellene bygger sin liste annerledes og peker på kilder annerledes.
For merker som er til stede i mange markeder, kommer språk i tillegg. En modell siterer kilden som passer situasjonen til personen som spør, på den personens språk og kontekst. Det samme produktet kan derfor få helt forskjellige svar og forskjellige henvisninger på tysk og tsjekkisk.
En teller fra én plattform er et mål på én plattform. AI-kanalen måles på tvers av alle modeller samtidig, på de samme spørsmålene.
Profil, produkter og agent, eller stedet der merket snakker for seg selv
Den andre delen av banneret er like viktig for merker, fordi virksomheten får plass til aktuelle produkter og detaljer, pluss en agent som svarer kunder i en kontekst virksomheten kontrollerer. For første gang har et merke et sted inne i assistenten der det snakker med sin egen stemme.
La meg gjenta prinsippet vi følger hos Brand Semantics: vi styrer ikke modellens svar, vi måler effekten av endringer. Profilen og agenten er et sted for fakta, ikke for overtalelse. Modellen vil uansett sjekke dem mot kilder, og kunden vil sjekke dem mot virkeligheten.
Så hva bør du forberede? En liste over merkevarefakta som må være konsekvente overalt: produkter, priser eller prisklasser, lokasjoner, sertifiseringer, kontaktpersoner. En feil mot merkevarens fakta i en modells svar er et annet tap enn å bli utelatt. Et merke som blir utelatt mister en sjanse, mens et merke som blir beskrevet feil mister kundens tillit.
Hva bør du gjøre før panelet når selskapet ditt?
Verifisering gjennom en nettbutikk antyder at funksjonen vil starte med e-handel, så et B2B-selskap må kanskje vente lenger. Det gjør dette til et godt tidspunkt å forberede seg på å lese telleren.
- Mål nå, med spørsmål som ikke navngir merket, på tvers av flere modeller og på kundenes språk. Når panelet lanseres, vil du ha en datert grunnlinje.
- Før en aktivitetslogg og registrer i den hva som ble publisert eller endret, og når, på nettstedet ditt og i kildene dine.
- Skill trafikk fra assistenter i analysene dine som distinkte henvisningskilder, slik at du kan sammenligne klikk fra panelet med økter på nettstedet ditt.
- Rydd opp i merkevarens fakta i kildene modellene siterer. Profilen og agenten vil senere trekke på de samme faktaene.
- Registrer hvert tall med modellversjon og dato, og hold paneltall atskilt fra måletall, uten å legge dem sammen.
Telleren avslutter AI-kanalens usynlighet, men ikke markedsførerens arbeid
En teller fra plattformen er en god endring, fordi den avslutter tiden da AI-kanalen var usynlig for analyser, men den fritar ikke markedsføreren fra å spørre om årsaker. Plattformen viser at merket var i svaret. Uavhengig måling viser hvorfor, og ved siden av hvem. Oppmerksomhet forblir valutaen, og modellen deler fortsatt ut sjanser til merker som gir den en grunn.
Hvis du ønsker en grunnlinje før et plattformpanel når selskapet ditt, stiller Semantio modeller spørsmål som ikke navngir merket og viser om modellen introduserer det, hvem den plasserer det ved siden av, hvor sterkt den anbefaler det og hvor den sender kunden, med modellversjon og dato ved siden av hvert tall. Du kan starte med en 7-dagers prøveperiode.
