Sådan øgede ét team antallet af kundeemner fra virksomheder med 80 % ved at udnytte AEO

De fleste marketingledere ved, at de bør gøre noget med AI. Problemet er ikke manglende bevidsthed. Det er, at de ikke ved, hvor de skal begynde.

“Jeg oplever, at ledere og organisationer nærmest er så overvældede af AI, at det bliver lammende,” siger Gwen Hammes, medadministrerende direktør i Cro Metrics, et digitalt marketingbureau, der arbejder med brands som Bombas, Starz og Intuit. Hendes råd er at begynde i det små.

Hammes omtaler dette som reglen om at blive “1 % bedre hver dag” – en indstilling, der bygger på konsekvente, trinvise fremskridt frem for at stræbe efter en omfattende plan, før man overhovedet foretager sig noget. I stedet for at jagte en perfekt AI-strategi fokuserer Cro Metrics på små forbedringer med stor effekt og på at løse friktionspunkter i arbejdsgangene.

Når AI bliver din anskaffelseskanal

Sidste år stod Cro Metrics over for det samme spørgsmål, som alle marketingorganisationer stillede: Hvordan arbejder man effektivt med søgning, når søgning grundlæggende er under forandring?

Google-trafikken faldt, og LLM'er begyndte at besvare spørgsmål direkte i chatgrænseflader. Adfærd uden klik begyndte at blive normen, og den gamle SEO-opskrift fungerede ikke længere lige så godt.

Vi integrerede AEO/GEO i vores tekniske SEO-ydelse og begyndte med at teste det på vores egen virksomhed.

Hammes forklarer, at deres hensigt var at optimere indhold ikke kun til søgemaskiner, men også til selve LLM'erne.

Teamet integrerede Answer Engine Optimization (AEO) og Generative Engine Optimization (GEO) i deres tekniske SEO-tilgang og testede det derefter på deres egen virksomhed, før det blev rullet ud til kunderne.

Hun beskriver sit arbejde hos Cro Metrics således: “Vores arbejde spænder over komplekse kunderejser, økosystemer på tværs af flere kanaler og vækstprogrammer på virksomhedsniveau, hvor strategi, eksekvering og data skal fungere som ét system.”

Arbejdet fokuserede på at gøre indhold mere fortolkeligt for AI-systemer ved hjælp af strukturerede data, tydelige opsummeringer og en stærk angivelse af forfatteren. Det er alt sammen signaler, der hjælper LLM'er med at forstå og citere indhold med større sikkerhed.

Fra filosofi til proces

Metoderne er tilstrækkeligt enkle. Ved at begynde med strukturerede data, TLDR'er og detaljerede forfatterangivelser oplevede de fremdrift. “Mange virksomheder siger: Okay, hvordan optimerer vi vores website til mennesker såvel som bots og LLM'er?” bemærker hun. Det, hendes team så som resultat, var intet mindre end imponerende.

For at sætte det i perspektiv betragter de fleste organisationer stadig AEO som noget, der hører fremtiden til – noget, man vender tilbage til, når det grundlæggende SEO-arbejde er på plads. Cro Metrics betragtede det som en konkurrencefordel her og nu, og trafikdataene afspejler denne timing.

Men det, der overraskede Hammes mest, var typen af henvisningstrafik.

Vi ser henvisninger komme direkte fra værktøjer som ChatGPT og Claude. Og interessant nok kommer en stor del af denne trafik fra store virksomheder.

Indkøbere i store virksomheder eksperimenterer ikke bare med LLM'er. I stedet bruger de dem til at finde og evaluere leverandører. Så hvis dit indhold ikke er optimeret til AI-søgning, er du usynlig for en voksende andel af potentielle kunder med høj værdi.

Opbygning af en beslutningsmotor

Succesen med AEO afspejler en bredere filosofi hos Cro Metrics: De bruger AI dér, hvor det skaber løftestangseffekt, og lader mennesker tage sig af det, der kræver dømmekraft.

Virksomheden byggede ImpactLens, en skræddersyet motor til prædiktiv prioritering. “Vi bruger den til at evaluere adfærdssignaler, historiske eksperimentdata og kundespecifikke input for at forudsige, hvilke eksperimenter der med størst sandsynlighed vil skabe målbar vækst,” forklarer Hammes. “Det gør det muligt for os at prioritere med langt større præcision, før vi binder ressourcer.”

Men hendes team har en grænse og er ikke fuldstændigt afhængigt af AI. I stedet hjælper AI med at afgøre, hvor fokus skal ligge, og hvad der muligvis vil fungere, mens strategi, kundelederansvar, kreativitet og de endelige beslutninger forbliver menneskers ansvar. Hammes begrunder det med, at “vækst stadig kræver kontekst, dømmekraft og original tænkning.”

Det er det mønster, der kan skaleres fra eksperimenter til produktiv anvendelse af AI. AI håndterer mønstergenkendelse i stor skala. Mennesker tager sig af de dele, der kræver kontekst, relationshåndtering og dømmekraft, når dataene er tvetydige.

Hvor AI stadig kommer til kort

Hammes bemærker, at når det gælder brandets tydelighed, har mennesker også ansvaret for kvalitetssikringen. Hun tydeliggør grænsen ved at fortælle, at "AI endnu ikke har leveret det niveau af pålidelighed, der kræves for fuldt autonom udførelse af opbygning af produktionsklare eksperimenter eller kreativt materiale af høj kvalitet på et niveau, der egner sig til virksomhedsbrands," hos Cro Metrics. Der er dog områder, hvor hendes team bruger det til at gøre store fremskridt.

AI accelererer meningsfuldt research, syntese og den tidlige udvikling, men menneskeligt tilsyn er fortsat afgørende for at sikre høj kvalitet og brandintegritet.

For bureauer, der arbejder med store virksomhedskunder, eller virksomheder, der henvender sig til denne målgruppe, kan AI stadig komme til kort i forhold til den kvalitetsstandard, der kræves for produktionsklart kreativt materiale eller strenge brandstandarder. Det betyder, at outputtet stadig kræver et menneskeligt gennemsyn, før det kan bruges nogen steder.

Professionelle tjenester bygger på tillid, på at kunne aflæse et rum, forstå hvad en kunde reelt har brug for i modsætning til det, de siger, de har brug for, og træffe vurderinger, som data ikke kan afklare. Det er ikke mangler, som AI sandsynligvis vil lukke lige foreløbig, og det smarte valg er at betragte det som den differentierende faktor, det er, frem for en begrænsning, man skal arbejde udenom.

Start med friktion

For organisationer, der forsøger at finde ud af, hvor de skal begynde, foreslår Hammes, at ledere fokuserer på friktion først. "I stedet for at tage udgangspunkt i et specifikt marketingsystem bør ledere identificere de tilbagevendende friktionspunkter på tværs af arbejdsgange, hvor små ineffektiviteter hober sig op og bruger uforholdsmæssigt meget tid," råder hun.

Cro Metrics undersøgte deres eget team for at identificere, hvor AI kunne have den største effekt. Svarene var ikke glamourøse. De kom i form af godkendelser, compliance-gennemgange og udvikling af indhold i de tidlige faser.

Et af vores første mål var enkelt. Fjern de små irritationsmomenter, der dræner kapaciteten, så teams kan bruge mere tid på strategisk tænkning, kreativitet og arbejde med større effekt, som driver vækst.

Det er det modsatte af den AI-strategi, som de fleste organisationer forfølger. I stedet for at begynde med mulighederne, og spørge, hvad AI kan gøre, bør man begynde med problemerne og spørge, hvor tiden går til spilde, uden at man ser et afkast på investeringen.

Det er her, mange AI-implementeringer kører af sporet. Ledere begynder med mulighederne og noterer sig, hvad et værktøj kan gøre, men har svært ved at forbinde det med et konkret forretningsbehov i hver afdeling.

Du behøver ikke opbakning fra ledelsen for at teste AI til at fremskynde compliance-gennemgange eller budgetgodkendelse for at bruge ChatGPT til at udarbejde en første syntese. Hvis behovet allerede er der, handler det blot om at finde det rigtige værktøj til det.

Improvisation frem for bedste praksis

Hammes' tryghed ved eksperimenter stammer fra et tidligere kapitel i hendes karriere, hvor hun arbejdede med teams i Mexico, som fungerede uden etablerede drejebøger. Hun husker, hvordan "det var et så højt niveau af improvisation, hvor alle gik sammen, fandt ud af det og fik det gjort." I stedet var teamet manisk fokuseret på målet og den overordnede retning.

En skabende tankegang er særligt værdifuld nu. Der findes endnu ingen etablerede bedste praksisser for AI—kun eksperimenter, hvor nogle lykkes, mens de fleste ikke gør. De organisationer, der venter på drejebogen, vil være flere år bagefter dem, der er villige til at teste og iterere.

Mikrohandlingens mandat

Hammes' erfaring hos Cro Metrics giver en plan for organisationer, der føler sig fastlåst midt i AI-hypen.

Start først med friktion, ikke strategi (tip—du kan spørge dit team for at afdække dette). Hendes råd til ledere, der føler sig overvældede, er at holde tingene enkle og starte i det små.

Hvad er de små mikrohandlinger? Og det, du opdager, er, at de hurtigt begynder at løbe op. Det værste er bare ikke at gøre noget, for så er du lammet, og du er på en måde med til at videreføre det problem, du har.

Test derefter på dig selv, før du ruller det ud til kunder. Søg på dit eget brand i ChatGPT, Perplexity og Claude. Gør det mere end én gang, og kør flere forskellige forespørgsler for at se, hvor dit brand dukker op.

Søg derefter direkte på dit virksomhedsnavn. Følg op ved at søge efter de problemer, du løser, den kategori, du konkurrerer i, og specifikke spørgsmål, som dine kunder typisk stiller, før de køber. Dokumentér dine resultater med skærmbilleder.

Du leder efter et mønster, ikke bare tilstedeværelse.

Du vil se, om du dukker op i den rigtige kontekst, eller om din virksomhed bliver vist på måder, der stemmer overens med din faktiske positionering. Det organiske søgeaftryk, du har opbygget gennem årene, har måske næsten intet overlap med den måde, LLM'er i øjeblikket fremstiller din kategori på.

Afstanden mellem, hvor du dukker op, og hvor du gerne vil være, er dit udgangspunkt for AEO. Det er også en hurtigere måde at argumentere for investeringer i indhold på, end de fleste attribueringsmodeller nogensinde vil give dig.

Filosofien om at blive 1 % bedre fungerer, fordi den fjerner presset for at have en komplet AI-strategi, før du går i gang. Du behøver ikke vide, hvor du er om et år. Du skal bare vide, hvad du vil prøve i dag.

"Jeg tror fuldt og fast på at blive 1 % bedre hver dag," siger Hammes. Tag det første skridt.

Den stigning på 80 % i virksomhedsleads, som hendes team oplevede, kom ikke fra en rigid AI-strategi, og den skete ikke fra den ene dag til den anden. Den kom af at tage ét skridt, måle resultatet og tage det næste.

Det er ikke kun et godt råd til implementering af AI. Det er et godt råd til alt, der er værd at gøre.

Hvad er det næste?

Slut dig til os i The CMO Club for at holde dig ajour med trends og få de nyeste tips, ressourcer og guides direkte i din indbakke.