AEO-asiantuntija kertoo, miksi liikenne romahtaa, kun sisältöä kymmenkertaistetaan – ja mitä asialle voi tehdä

Brendan Hufford on entinen SEO-johtaja, joka rakensi B2B SaaS -sisältömarkkinointiin ja AEO:hon keskittyvän konsultointiyrityksen nimeltä Growth Sprints, jossa hän auttaa organisaatioita kasvamaan 10 miljoonan dollarin liikevaihdosta 100 miljoonaan dollariin.

Haastattelimme Brendanilta, miten LLM-mallit saadaan viittaamaan sisältöön. Hän kertoi meille työskentelymallin.

Tekoälyn ymmärtäminen reaaliajassa

Olen Brendan Hufford, Growth Sprintsin perustaja. Growth Sprints on B2B SaaS -sisältömarkkinoinnin ja SEO/AEO:n konsultointiyritys, jossa autan organisaatioita kasvamaan 10 miljoonan dollarin liikevaihdosta 100 miljoonaan dollariin sisältöjärjestelmien avulla, jotka menestyvät hakukoneissa, uutiskirjeissä ja LinkedInissä.

Polkuni tähän ei ollut suoraviivainen. Aloitin lukion psykologianopettajana, siirryin SEO:n ja sisältömarkkinoinnin pariin noin vuosikymmen sitten ja käytin vuosia alan oppimiseen toimistoissa ja yritysten sisäisissä tiimeissä ennen itsenäiseksi yrittäjäksi ryhtymistä.

Tekoälyyn siirtyminen markkinoinnissa on ollut tähänastisen urani kiinnostavin vaihe. Suuri osa siitä, mille rakensin toimintani — perinteinen SEO, jossa tavoitteena olivat sijoitukset ja liikenne — alkoi muuttua nopeasti. Asiakkaiden sisältöä alkoi näkyä ChatGPT:n ja Perplexityn vastauksissa ilman, että yksikään klikkaus johti takaisin heidän sivustolleen. CMO:t joutuivat perustelemaan sisältöinvestointeja neljännesvuosittaisissa liiketoimintakatsauksissa, ja heiltä puuttui usein vahvoja vastauksia.

Tekoälyyn siirtyminen markkinoinnissa on ollut tähänastisen urani kiinnostavin vaihe.

Niinpä rakensin menetelmän uudelleen sen ympärille, mitä kutsun nykyään sisältö-IP:ksi ja löydettävyyskehiksi. Nämä viitekehykset on suunniteltu maailmaan, jossa sisällön on ansaittava sekä tekoälyn viittaukset että ihmisten konversiot.

Selvitän rehellisesti sanottuna vieläkin monia asioita reaaliajassa yhdessä asiakkaideni kanssa. Se on kuitenkin osa sitä, mikä tekee tästä hetkestä niin kiinnostavan.

Miten tekoälynäkyvyyttä mitataan

Uudistin tavan, jolla mittaamme sisällön näkyvyyttä. Vuosien ajan oletimme, että sijoitusten ja orgaanisen liikenteen seuranta riittää. Se on edelleen hyödyllistä, mutta se ei enää kerro koko totuutta. Ostajat tekevät nykyään valtavan osan tutkimustyöstään tekoälytyökaluissa, eikä Google Search Console näytä mitään tästä.

Niinpä rakennan nykyään jokaiseen asiakastoimeksiantoon niin kutsutun AEO-kehotteiden seurantataulukon. Tunnistamme 60–150 ostoaikeeseen liittyvää kehotetta, jotka todellinen potentiaalinen asiakas kirjoittaisi ChatGPT:hen, Perplexityyn, Claudeen tai Geminiin. Sen jälkeen seuraamme, viitataanko asiakkaaseen, mihin kilpailijoihin tekoäly viittaa sen sijaan ja mistä lähteistä tekoäly hakee tietonsa. Suoritamme seurannan uudelleen säännöllisin väliajoin ja tarkkailemme kehityssuuntia.

Rakennan nykyään jokaiseen asiakastoimeksiantoon niin kutsutun AEO-kehotteiden seurantataulukon.

Tulokset muuttivat asioita muutamalla merkittävällä tavalla:

1. Se antoi asiakkailleni mitattavan vastauksen kysymykseen, jota heidän toimitusjohtajansa ja hallituksensa alkoivat esittää: "Näymmekö tekoälyssä?" Ennen tätä useimmat markkinointitiimit vain arvailivat.
2. Se muutti sitä, mitä luomme. Kun näet, että tekoälytyökalut hakevat tietoa enemmän G2-arvosteluista, Reddit-keskusteluista ja analyytikkoraporteista kuin blogistasi, sisältöprioriteetit muuttuvat nopeasti. Aloimme investoida enemmän ansaittuihin mainintoihin, alkuperäiseen tutkimukseen ja sisältö-IP:hen, johon tekoäly viittaa, sen sijaan että olisimme vain julkaisseet lisää SEO-artikkeleita ja toivoneet niiden sijoittuvan hyvin.

Olen itse asiassa nähnyt organisaatioiden kasvattavan tekoälyviittausten osuuden 8 prosentista 40 prosenttiin ja kasvattavan myyntiputken kuusinkertaiseksi yhden vuosineljänneksen aikana.

Miten AEO-työskentelymalli otetaan käyttöön

Tässä vaiheittainen erittely:

Vaihe 1: Kehotteiden lähteiden kartoittaminen. Aloitan myyntitiimistä ja heidän puhelutallenteistaan. Kerään kaikki potentiaalisten asiakkaiden esittämät kysymykset, kaikki vastaväitteet ja kaikki hetket, jolloin joku sanoo "Olin juuri selvittämässä..." tai "Kysyin ChatGPT:ltä..." Täydennän tätä tukipyynnöillä, asiakasmenestyksen muistiinpanoilla sekä Reddit- ja G2-keskusteluilla. Tavoitteena on 60–150 ostoaikeeseen liittyvää kehotetta, jotka ihminen kirjoittaisi tekoälytyökaluun.

Vaihe 2: Tekoälyavusteinen kehotteiden laajentaminen. Otan tämän siemenlistan ja käytän Claudea sen laajentamiseen. Mukaan tulee erilaisia sanamuotoja, ostomatkan eri vaiheita sekä eri persoonia esittämässä samaa perimmäistä kysymystä. Tekoäly on tässä hyödyllinen, koska työssä on kyse hahmojen tunnistamisesta, ei alkuperäisestä ajattelusta. Luon jäsennellyn kehotetaulukon, jossa kehotteet on luokiteltu ostovaiheen, persoonan ja tarkoituksen mukaan.

Vaihe 3: Viittausten manuaalinen testaaminen. Syötän jokaisen kehotteen ChatGPT:hen, Perplexityyn, Claudeen ja Geminiin. Kirjaan, viitataanko organisaatioon, mihin kilpailijoihin sen sijaan viitataan ja mistä lähteistä tekoäly hakee tietonsa (G2, Reddit, asiakkaan blogi, analyytikkoraportit, podcastit ja niin edelleen). Tämä vaihe on edelleen toisinaan manuaalinen, koska automaatio-työkalut eivät ole vielä tarpeeksi luotettavia. Käytän tekoälyä tulosten merkitsemiseen ja luokitteluun, mutta ihmisen on luettava vastaukset.

Vaihe 4: Kuvioiden analysointi. Käytän Claudea koko aineiston analysointiin ja kuvioiden tunnistamiseen. Missä organisaatio menestyy? Missä se häviää? Mihin lähteisiin tekoälytyökalut luottavat eniten tässä kategoriassa? Mitkä kilpailijat esiintyvät jatkuvasti ja miksi? Tekoäly osoittaa hyödyllisyytensä tässä, koska 600 tekoälyvastauksen syntetisointi teemoiksi on tehtävä, jota kukaan ihminen ei halua tehdä käsin.

Vaihe 5: Strateginen tulkinta. Tämä osa on täysin ihmisen vastuulla. Käyn aineiston läpi, keskustelen tiimin kanssa ja päätän, mitä teemme. Häviämmekö siksi, ettei meillä ole sisältöä jostakin aiheesta, vai siksi, ettei sisältöämme ole jäsennelty ihmisten luettavaksi tai tekoälyn hyödynnettäväksi? Pitääkö meidän investoida ansaittuihin mainintoihin lähteissä, joita tekoäly siteeraa? Pitääkö meidän teettää alkuperäistä tutkimusta, jotta tekoälyllä olisi jotain ainutlaatuista, johon viitata? Tässä kokouksessa kehitämme strategiaa, eikä tekoäly ole mukana.

Vaihe 6: Sisällön tuotanto tekoälyn ollessa mukana prosessissa. Kun tiedämme, mitä luoda, käytän tekoälyä tutkimuksen syntetisointiin, ensimmäisiin luonnoksiin, rakenteellisiin jäsennyksiin ja uudelleenmuotoiluun. Ihmisen työhön kuuluvat näkökulma, ääni, oma näkemys ja editointikierros, joka saa tekstin kuulostamaan oikean ihmisen kirjoittamalta. Tekoäly hoitaa ehkä 40 % ajallisesta panostuksesta. Jäljelle jäävä 60 %, joka on ihmisen vastuulla, tekee työstä julkaisun arvoista.

Vaihe 7: Seurannan toistaminen säännöllisin väliajoin. Toistan kehotteiden sarjan 30–60 päivän välein ja vertaan tuloksia lähtötilanteeseen. Seuraamme ajan mittaan lähdeviittausten määrää, lähteiden jakaumaa ja kilpailijoiden näkyvyyttä. Näin työnkulusta tulee todellinen järjestelmä kertaluonteisen auditoinnin sijaan.

Koko prosessi korvaa aiemman epämääräisen keskustelun "tekoälyhausta" mitattavalla ja toistettavalla prosessilla.

Miksi tekoäly tukee tiivistämistä ja synteesiä, mutta ei vakaumusta tai tyylitajua

Tekoäly nivoutuu nykyään lähes jokaiseen työni osa-alueeseen, mutta sen rooli vaihtelee merkittävästi tehtävän mukaan.

Hyödynnän tekoälyä paljon tutkimuksen syntetisoinnissa, pitkien sisältöjen ensimmäisissä luonnoksissa, kilpailija-analyyseissä, myynti- ja asiakaspuheluiden litterointien analysoinnissa, sisältöbriefien laatimisessa sekä suuressa osassa yhdistelytyötä, joka aiemmin vei tunteja. Se hoitaa myös yleisön segmentointia, asiakkaiden äänen analysointia sekä teemojen poimimista tukipyynnöistä ja Gong-puheluista.

Hyödynnän tekoälyä paljon tutkimuksen syntetisoinnissa, pitkien sisältöjen ensimmäisissä luonnoksissa, kilpailija-analyyseissä, myynti- ja asiakaspuheluiden litterointien analysoinnissa, sisältöbriefien laatimisessa sekä suuressa osassa yhdistelytyötä, joka aiemmin vei tunteja.

Se tekee nykyään myös tuotantotyötä, kuten tutkimusraportin muuntamista uutiskirjeen luonnokseksi, kehotevalikoimien luomista tai tekstin uudelleenkirjoittamista brändin äänensävyllä sen jälkeen, kun olen dokumentoinut sen perusteellisesti.

Nimenomaisesti ihmiselle kuuluvia tehtäviä ovat strategia, oma näkemys ja sisältöomaisuuden luominen: rakentamani viitekehykset, ydinongelmille antamamme nimet, ajatusjohtajuudessa käyttämämme näkökulmat sekä harkintaa vaativat päätökset siitä, mitä julkaistaan ja mikä hylätään. Tekoäly suoriutuu näistä heikosti, koska arvo piilee valinnan taustalla olevassa vakaumuksessa. Viitekehys toimii vain, jos sen perustana on todellinen markkinanäkemys. Tekoäly pyrkii kohti keskitasoa, ja juuri siitä pyrimme pääsemään eroon.

Myös ihmissuhteet ovat täysin ihmisen vastuulla: kartoituspuhelut, työpajat ja hetket, jolloin haastan huonon päätöksen tekemässä olevan CMO:n. En delegoi niistä mitään.

Palaan jatkuvasti periaatteeseen, jonka mukaan tekoäly loistaa tiivistämisessä ja synteesissä, kun taas ihmiset ovat edelleen parempia vakaumuksessa ja tyylitajussa. Siksi käytän tekoälyä päästäkseni nopeammin lähtöpisteeseen ja käytän sitten aikani osiin, jotka edellyttävät harkintaa.

Missä tekoäly epäonnistuu sisällön tuotannossa

Tekoälyn suurin heikkous on sisältöideoiden kehittäminen. Odotin tekoälyn auttavan minua terävien näkökulmien keksimisessä julkaisuihin ja kampanjoihin. Niin ei käy. Tuotos on pätevää, geneeristä ja hieman liian siloteltua. Hyvät ideat syntyvät edelleen myyntipuheluista, tukipyynnöistä, oudoista konferenssikeskusteluista ja muistikirjani takasivuilta.

Tekoäly auttaa kehittämään ideaa, kun minulla on sellainen, mutta se ei ole hyödyllinen alkuperäisen ajattelun lähde.

Toinen heikkous on brändin äänensävy. Vaikka äänensävy olisi dokumentoitu perusteellisesti, asiakkaan äänellä tuotettu tekoälysisältö vaatii perusteellisen ihmisen tekemän muokkauksen kuulostaakseen asiakkaan omalta. Se tavoittaa pintatason kuviot mutta ei rytmiä. Sielua. Odotin tämän olevan tähän mennessä 80-prosenttisesti ratkaistu. Olemme lähempänä 40:tä prosenttia.

Kolmas heikkous on aito strateginen harkinta. Asemointi, ihanneasiakasprofiilin täsmentäminen, hinnoittelu ja markkinoille tulo. Tekoäly antaa minulle hyvin jäsennellyn version siitä, minkä jo tiedän, sekä muutamia ehdotuksia, jotka kuulostavat älykkäiltä mutta hajoavat paineen alla tehtävässä stressitestauksessa. Strategia edellyttää edelleen ihmistä, joka on istunut kyseisessä huoneessa.

Strategia edellyttää edelleen ihmistä, joka on istunut kyseisessä huoneessa.

Neljäs heikkous on AEO-viittausten ennustaminen. Voimme seurata, mihin viitataan, ja jäljittää kuvioita käänteisesti, mutta sen ennustaminen, mihin tullaan viittaamaan, on edelleen enimmäkseen arvailua.

Ja kaikkein yllättävin huti: Ehkä olen vain huono siinä, mutta tekoäly ei ole nopeuttanut itse kirjoittamista. Se on nopeuttanut kaikkea kirjoittamisen ympärillä. Itse kirjoittamiseen kuluu minulta suunnilleen yhtä paljon aikaa kuin ennenkin, koska rima on edelleen korkealla ja tekoälyn tuottaman sisällön saaminen tuolle tasolle vie suunnilleen yhtä kauan tai kauemmin kuin sen kirjoittaminen itse.

Miksi sisällön määrästä on tullut riski

Rakensin suuren osan urani alkuvaiheesta määrän varaan. Julkaise enemmän, sijoitu useammilla hakusanoilla, hanki enemmän liikennettä ja voita. Se toimi pitkään, ja monissa markkinoinnin toimintamalleissa, myös omissani, oletettiin hiljaisesti, että tuotantokapasiteetti oli rajoittava tekijä. Jos pystyit julkaisemaan kaksi kertaa enemmän, kasvoit kaksi kertaa nopeammin.

Tekoäly romahdutti tämän oletuksen kahdesta suunnasta yhtä aikaa.

1. Tekoäly teki suuresta määrästä halpaa. Nyt kuka tahansa voi julkaista kymmenen kertaa enemmän. Tämä tarkoittaa, ettei määrä itsessään ole enää kilpailuetu. Sitä tavoittelevat markkinoijat ovat suoraan matkalla kohti jyrkänteen reunaa.
2. Tekoäly muutti sitä, mistä palkitaan. Sekä Google että suuret kielimallit poimivat sisältöä pienemmästä ja luotettavammasta lähdejoukosta. Ne haluavat substanssia, omaperäisyyttä ja aidon näkökulman. Määrä ilman näitä ominaisuuksia ei ole vain yhdentekevää, vaan aktiivisesti haitallista. Olen nähnyt tiimien romahduttavan orgaanisen näkyvyytensä kasvattamalla tekoälysisällön tuotantoa, ja olen nähnyt pienempien tiimien, joilla on terävämpiä näkemyksiä, saavan viittauksia kaikkialla.

Siinä on siis suuri riski, jonka näen juuri nyt: kiire julkaista tekoälyn tuottamaa sisältöä suuressa mittakaavassa.

Se romahduttaa orgaanisen näkyvyyden, joutuu Googlen hyödyllistä sisältöä koskevien päivitysten merkitsemäksi ja tuottaa nolla tekoälyviittausta, koska tekoälytyökaluilla ei ole mitään omaperäistä ajattelua, johon viitata.

Siinä on suuri riski, jonka näen juuri nyt: kiire julkaista tekoälyn tuottamaa sisältöä suuressa mittakaavassa.

Määrä ilman substanssia suoriutuu huonommin kuin koskaan, ja tekoäly teki tästä kuilusta näkyvämmän, ei pienentänyt sitä.

Miksi menestyvä sisältö edellyttää sisältöön liittyvää immateriaalipääomaa

Jos haluat menestyvää sisältöä, rakenna sisältöön liittyvää immateriaalipääomaa. Tämä tarkoittaa viitekehysten nimeämistä yleisösi keskeisille ongelmille. Haastattele 3S-tiimejäsi (myynti, asiakasmenestys ja tuki) kuukausittain. Ohjaa kaikki puhelut Slackiin ja toimita markkinoinnin kannalta relevantit viikkokoosteet.

Ja valitse kiistanaihe. Suurin osa B2B-sisällöstä on konsensussisältöä. Se on samaa mieltä kaiken kanssa, mitä jokainen analyytikko, kilpailija ja ajatusjohtaja sanoo. Vaikuttavat sisällöt nimeävät asian, jossa muut ovat väärässä, ja tarjoavat selkeän vaihtoehdon.

Sinun ei tarvitse olla ilkeä. Sinun on kuitenkin oltava valmis olemaan julkisesti väärässä.

Miten sisällöntuotannon työnkulut pitäisi suunnitella uudelleen tekoälyn avulla

Sisällöntuotannon osalta useimmat tiimit käyttävät edelleen vuonna 2018 rakennettua työnkulkua: briiffi, luonnos, muokkaus, julkaisu ja jakelu. Tiimit liittivät tekoälyn luonnosvaiheeseen ja kutsuivat sitä transformaatioksi. Sitä se ei ollut.

Uudelleensuunnittelu sisältää kolme huomionarvoista tasoa:

1. Briiffitaso on jäsennelty syöte, ei Google-dokumentti. Se sisältää ostajan kehotteen, jonka voittamiseen sisältö tähtää, sitä tukevan sisältöön liittyvän immateriaalipääoman, näkökulman sekä litteroinnit ja sisäisiltä asiantuntijoilta saadun lähdemateriaalin. Tekoäly kokoaa sen. Ihminen hyväksyy kulman ennen luonnostelun aloittamista.
2. Luonnostelutasolla tekoälyä käytetään paljon, mutta roolit määritellään tarkasti. Tekoäly huolehtii synteesistä, rakenteen luonnostelusta ja uudelleenmuotoilusta. Ihminen vastaa kulmasta, äänensävystä ja muokkauskierroksesta. Ihminen on kirjoittaja koko prosessin ajan, ei lopussa toimiva tarkastaja.
3. Useimmat tiimit keskittyvät laadunvarmistustasolla edelleen kirjoitusvirheisiin ja brändiohjeisiin. Me lisäsimme nimenomaiset tarkistukset luettavuudelle, brändin äänensävyn uskollisuudelle sekä sille, ottaako sisältö omassa kategoriassaan ainutlaatuisen kannan. Jos se ei ota, hylkäämme sen ennen julkaisua. Hylkäysprosentti on korkea, mutta tarkoituksella.

Tuloksena on vähemmän julkaistuja sisältöjä, korkeampi laatu jokaisessa niistä sekä mitattava kasvu sekä AEO-viittauksissa että myyntiputkessa.

Tekoälyn liittäminen vuoden 2018 työnkulkuun antaa sinulle vain vuoden 2018 sisältöroskakanuunan tulokset nopeammin.

Mitä markkinointijohtajien on tehtävä pysyäkseen tekoälymuutoksen tahdissa

Jos olet markkinointijohtaja ja menemme kahville, tässä on neuvo, jonka jakaisin kanssasi:

1. Lopeta tekoälytyökalujen perässä juokseminen ja ryhdy tarkastelemaan sisältösi substanssia. Tällä hetkellä häviävät tiimit häviävät siksi, ettei niiden sisällössä ole mitään omaleimaista, johon tekoälytyökalut, Google tai ostajat voisivat viitata. Jos sinulla ei ole todellista näkökulmaa, mikään työkalu ei pysty luomaan sitä puolestasi. Lopeta "täydellisen" tekoälypinoon pyrkiminen.
2. Suhtaudu sisältö-IP:hen vakavasti. Nimetyt ongelmat, nimetyt viitekehykset, oma tutkimus ja alkuperäiset näkemykset omasta kategoriastasi. Tekoäly viittaa tähän, se sijoittuu hyvin hauissa, toimii LinkedInissä, tuo uutiskirjeelle tilaajia ja kulkee mukana myyntipuheluissa. Tekoäly ei myöskään pysty jäljentämään tätä markkinoinnin osa-aluetta, mikä tekee siitä entistä arvokkaamman, ei vähemmän arvokasta.
3. Mittaa nyt merkityksellisiä asioita. Lisää AEO-näkyvyyden seuranta raportointiisi. Seuraa LinkedInin vaikutusta myyntiputkeen. Selvitä uutiskirjeen tilaajien ja kauppojen päättämisasteiden tai myynnin nopeuden välinen korrelaatio. Tiedä, missä ostajien kehotteissa näyt ChatGPT:ssä, Perplexityssä ja Claudessa ja mihin kilpailijoihin tekoäly sen sijaan viittaa. Jos et pysty vastaamaan tähän kysymykseen seuraavassa QBR:ssäsi, sinulta kysytään sitä pian.
4. Käytä tekoälyä siellä, missä se on hyvä, ja lopeta sen pakottaminen tehtäviin, joissa se ei ole hyvä. Se on hyvä yhdistelyssä, tutkimuksessa, litterointien analysoinnissa, luonnostelussa ja uudelleenmuotoilussa. Ohjaa jokainen myyntipuhelu Clauden kautta Slackiin, jotta tiimisi näkee sen päivittäin vain muutama minuutti puhelun päättymisen jälkeen. Tekoäly on huono alkuperäisissä ideoissa, brändin äänessä ja strategisessa harkinnassa. Rakenna työnkulkusi tämän eron ympärille sen sijaan, että yrittäisit tekoälyistää kaiken.
5. Julkaise vähemmän ja varmista, että jokaisella sisällöllä on enemmän painoarvoa. Määrään perustuva peli on ohi (vaikka jokainen tekoälysisältöohjelmistojen toimittaja väittäisi muuta). Voittavat tiimit julkaisevat vähemmän mutta terävämpiä sisältöjä ja saavat jokaisesta enemmän irti uudelleenkäytön, jakelun ja ansaittujen mainintojen avulla.
6. Ja lopuksi: ole rehellinen tiimillesi ja toimitusjohtajallesi siitä, mikä muuttuu. Monet markkinointijohtajat toivovat hiljaa, että tämä menee ohi. Ei mene. Ostajat ovat jo muuttaneet tapaa, jolla he tekevät tutkimusta. Pyhä kolminaisuus on tiedonhaku (Google/LLM:t), sosiaalinen media (LinkedIn, YouTube) ja suhteisiin perustuva sisältö (uutiskirjeet/podcastit).

Seuraa mukana

Voit seurata Brendan Huffordin työtä LinkedInissä. Tutustu myös Growth Sprints -sivustoon.

Lisää asiantuntijahaastatteluja on tulossa The CMO Clubiin!