През изминалата година потребителите масово мигрираха от традиционните търсачки към платформи с генеративен изкуствен интелект, включително ChatGPT, Gemini, DeepSeek и Perplexity.
Проучване, осъществено сред 12 000 потребители, показва, че 58% (срещу само 25% през 2023 г.) са отправяли запитвания в инструменти, базирани на генеративен изкуствен интелект, за препоръки за продукти/услуги.
Друго проучване отчита 1300% ръст в търсенията с изкуствен интелект през 2024 г., пише HBR.
Потребителите, които използват големи езикови модели (ЛЛМ) за откриване, планиране и покупки, са средно по-млади, по-богати и по-образовани. Тяхното потребителско пътуване вече не започва със заявка за търсене или посещение на вашия уебсайт - то започва с диалог. Потребителите задават въпроси на асистентите, базирани на изкуствен интелект, като "Коя е най-добрата кафемашина под 200 долара?" или "Планирай ми уикенд, който няма да ми опразни портфейла."
Последиците за брандовете не трябва да бъдат подценявани. Дигиталната стратегия на марките сега трябва да включва оптимизация за системи, базирани на изкуствен интелект, за препоръки, не само за алгоритми за търсене. Накратко, трябва да повишите осведомеността на големите езикови модели за вашата марка.
Друг вид осведоменост
Досега измерването на осведомеността означаваше оценяване на вниманието на потребителите - или офлайн чрез проучвания за припомняне (напр. "Кои марки ви идват наум, когато мислите за маратонки?") или онлайн, чрез обеми в търсенето или социалните медии, проявяващи лична заинтересованост или популярност.
Нарастващата роля на големите езикови модели като посредник между потребителите и бизнеса изисква от маркетолозите да разгледат друг вид осведоменост: колко често, колко видимо и колко благоприятно една марка се представя от големите езикови модели пред потребителите. Тази осведоменост се нарича Share of Model, или SOM.
Това е един вид разклонение на дела от търсенето в ерата на изкуствен интелект ("Колко хора търсят моята марка в сравнение с конкурентите?") и дела от гласа ("Колко хора говорят за моята марка в сравнение с конкурентите?"). SOM уникално имитира възприятията и препоръките на големите езикови модели при даден промпт, вместо да отразява човешкото намерение (SOS) или наличното съдържание (SOV).
Измерване на SOM
Маркетинговата агенция на двама от съавторите на статията, Jellyfish, е пионер в методология за измерване на SOM чрез промптване в мащаб. На базата на този подход те предлагат нова перспектива за разбиране какво и как изкуственият интелект "мисли" за марките:
-степен на споменаване, която проследява колко често една марка се споменава от конкретен голям езиков модел;
-разликата в осведомеността между човек и изкуствен интелект, която измерва различията в осведомеността за марката при проучване на хора спрямо проучване на голям езиков модел;
-настроението към марката и категорията, което разбива логиката на големия езиков модел за препоръките в свързани силни и слаби страни.
Да вземем например пазара на перилни препарати в Италия. Анализира се степента на споменаване на топ марките сред шест големи езикови модела, като се използва собствената платформа Share of Model на Jellyfish. Две наблюдения се открояват. Първо, SOM на марките варира значително между моделите, което отразява различия в начина, по който големите езикови модели обработват информацията за марките. Например SOM на Ariel варира от почти 24% в Llama до по-малко от 1% в Gemini.
Второ, някои марки напълно отсъстват от поне един модел. Например, докато Chanteclair се радва на 19% SOM в Perplexity, липсва в Llama. Очевидно големите езикови модели или представят марките, или не, за разлика от търсачките или социалните медии, където марките, които не възбуждат алгоритъма, все още са представени, макар и по-слабо.
Неуспехът да се регистрира в голям езиков модел означава, че марката изобщо не се появява пред потребителите. В ChatGPT, за разлика от Google, няма "втора страница".
Изследване на разликата в осведомеността между човек и изкуствен интелект
Важно е, че видимостта на една марка в голям езиков модел може да се различава значително от нейния пазарен дял или други показатели за осведоменост. Следователно първата задача на бранд мениджърите е да изследват връзката между човешката осведоменост (напр. чрез SOS или SOM) и осведомеността на големите езикови модели за техните марки.
Марките попадат в четири различни категории:
- Киборги: Тези марки имат топ осведоменост както в традиционните измерители (напр. проучвания, класиране в търсенето, дял от гласа), така и сред големите езикови модели. Един такъв пример е Tesla. Вездесъщността на Илон Мъск помага потребителите да са силно наясно с марката. Tesla също така постига добри резултати сред големите езикови модели заради акцента на марката върху нейните специфични характеристики. Нейната нова стратегия за дигитална реклама се опитва да повиши резултатите на компанията още повече както сред хората, така и сред големите езикови модели.
- ИИ пионери: Тези марки са добре представени в големите езикови модели, но им липсва пазарна осведоменост. Често те са дигитално възникнали и/или нишови в по-широките дигитални пространства. Позицията на Rivian в този квадрант вероятно произтича от стратегията на компанията за съдържание, фокусирано върху решенията.
- Героите от главната улица: Това са установени марки с висока пазарна осведоменост, но недостатъчно представени или липсващи в генерираното от изкуствен интелект съдържание. Конкретен пример: Lincoln, за който Франк Лойд Райт знаменито казва, че прави "най-красивата кола в света". Това вероятно се дължи на фокуса на марката върху неосезаемите атрибути като елегантност или наследство, които са по-малко ценени от големите езикови модели.
- Възникващи: Тези марки се борят с ниска осведоменост както на пазара, така и сред големите езикови модели. Те рискуват да попаднат в дигитална ирелевантност, тъй като задвижваното от изкуствен интелект търсене става норма. Въпреки премиум позиционирането си, Polestar се бори да постигне видимост в спектъра, което отзарява липсата на мащабен дигитален отпечатък или липса на привлекателност за стила на обработка на големите езикови модели.
Основният извод? Маркетолозите трябва да измислят стратегии, предназначени да избутат брандовете нагоре в "съзнанието" на базираните на изкуствен интелект инструменти. Тези стратегии вероятно ще бъдат много различни от тези, предназначени да се харесват на хората. Големите езикови модели не оптимизират за внимание; те оптимизират за решение. Идентифицирането на "работата, която трябва да бъде свършена", така брандовете могат да постигнат високи резултати в SOM.
Как да увеличите осведомеността за марката в големите езикови модели
В случая е важно не само това какво съдържание се произвежда (текст, изображения и видео), но и къде марките могат да търсят да разпространяват своите съобщения (уебсайт, медии, експертни или общностни контексти). Големите езикови модели търсят отвъд ключовите думи и се фокусират върху концепции и взаимоотношения, които създават нови начини за изграждане на осведоменост за брандовете.
Марките трябва да създават съдържание, което обяснява не само какво е продуктът, но и как се свързва с по-широк контекст, случаи на употреба и потребителски нужди. Например, вместо да прокламирате "продаваме превъзходни маратонки", опитайте "нашият дизайн на подметката с въглеродни нишки подобрява производителността за бегачи на дълги разстояния".
Марките също така трябва да подчертават доказателства за експертиза. Бранд за грижа за кожата, който се позовава на подкрепени от дерматолози проучвания или се свързва с изследвания от PubMed, вероятно ще надмине конкурентите, които не го правят. Марките, които тясно и специфично говорят за болезнени точки - нужди, въпроси и задачи - е по-вероятно да бъдат представени в големите езикови модели. Марките, които просто излъчват широко, вероятно няма да бъдат широко представени.
Това може да обясни защо традиционните автомобилни марки като Lincoln, които промотират амбициозно и тежко маркетингово съдържание, са по-малко значими за големите езикови модели в сравнение с Tesla или Rivian, които подчертават функции и характеристики, включително живот на батерията, иновации и софтуер.
По същия начин, въпреки че доминират SOV, марките за бърза мода като Shein изостават в инструметите, базирани на изкуствен интелект, по отношение на осведомеността поради прекомерен обем от недиференцирано съдържание и липса на сигнали за доверие като отзиви и сертификати.
За разлика от това, марката The Ordinary за продукти за грижа за кожата предлага силно структурирани продуктови страници с обяснения на съставките, прозрачно подкрепено от науката съдържание (обяснява "как" и "защо" един крем за лице работи). Nike и нейното генерирано от клиенти съдържание (блогове на бегачи, Reddit, Strava), подробни продуктови страници с ясни случаи на употреба (напр. "най-добрите обувки за тренировка за маратон") и интегрирани екосистеми от приложения (Nike Run Club, Nike Training Club) също оглавява анализите.
Забележително е, че наследствените марки също могат да процъфтяват в ерата на изкуствения интелект, ако инвестират стратегически в релевантност, представяне и структурирано дигитално разказване. Конкретен пример: Cadillac. Стогодишната автомобилна марка постига високи резултати както в човешката, така и в осведомеността, базирана на изкуствен интелект. Кампании като "Audacity" и "The Daring 25", както и международни партньорства помагат на бранда да се увеличи видимостта му в инструментите, базирани на големи езикови модели.
Измерване на настроението на големи езикови модели
Отвъд разглеждането на осведомеността, базирана на изкуствен интелект, за марки и как тя се свързва с други показатели за осведоменост, може да се изследва и настроението към марката и категорията чрез настроение (позитивност) и семантика (свързани термини). Това отговаря на следните въпроси:
-Какви са възприеманите силни и слаби страни на моята марка?
-Как мога да променя начина, по който големите езикови модели възприемат моята марка?
Анализ на туристическата индустрия в САЩ например показва, че големите езикови модели ценят характеристики като удобство, разнообразие и пространство. Booking заема топ място сред моделите.
Като се изведат силните и слабите страни на марките спрямо техните конкуренти, Vrbo например постига много по-високи резултати от Booking по отношение на поверителност и уникалност - силни страни, които може да използва за оптимизиране на ИИ осведомеността.
Как да маркетирате към големи езикови модели
Първо, приемете многостранна медийна стратегия, която покрива текст, изображения, видеоклипове и структурирани данни (напр. таблици, списъци, отзиви). Съдържание, което ясно свързва офертите на брандовете с по-широк контекст, случаи на употреба или потребителски нужди (напр. "най-добрите електрически автомобили за шофиране през зимата" вместо просто "електрически SUV"), генерира силни концептуални асоциации в големите езикови модели.
Марките също така трябва да изградят семантични ниши - специфични клъстери, в рамките на които техните продукти естествено пасват (напр. като The Ordinary с науката за грижата за кожата).
Важно е, че точно както всяка платформа за социални медии има своите собствени "правила на ангажираност" - това, което работи в TikTok, вероятно няма да проработи в LinkedIn, всеки голям езиков модел прилага своя уникална алгоритмична перспектива към съдържанието.
Ако вземем отново отново американската туристическа индустрия с фокус върху Airbnb. Llama се съсредоточава върху уникалността на офертите на една марка, ChatGPT - върху степента, в която марките предлагат местни опции, докато Perplexity изглежда най-много цени гъвкавостта.
Съдържанието на брандовете трябва да бъде приспособено към големия езиков модел, чийто стил на обработка най-добре усилва съдържанието и силните им страни, като се прилагат всеобхватни правила (напр. съобщения, ориентирани към решения) в различни модели. Това е фин баланс: приспособяването на съдържанието към нюансите на доминиращ модел може да движи видимостта, но разпръскването на усилията във всички големи езикови модели рискува да разводни въздействието.
Изместването на традиционните търсачки не е просто технологична еволюция. Това е фундаментална промяна в потребителското поведение, която изисква съответни промени в маркетинга: от убеждение към прецизност, от ключова дума към съвет, от пазарен дял към дял от проблема.
Как AI ерата променя онлайн търговията? Как успешно се свързват онлайн и офлайн каналите за продажба, така че да работят безпроблемно? Как да се възползвате оптимално от "горещите" социални медии и създатели на съдържание за повече продажби? Как да се осланяте на данните, за да вземате решения, свързани с продажбите и развитието? Тези и още теми ще се обсъждат на десетото юбилейно издание на конференцията eCommerce Summit 2025, организирана от сп. Enterprise! Регистрирайте се от сайта на събитието!
