Inizio con l’IA: I leader del marketing trovano difficile avviare progetti IA a causa delle troppe opzioni e dell’incertezza sui primi passi.
Miglioramenti ad Alto Impatto: CroMetrics utilizza piccoli miglioramenti IA ad alto impatto per risolvere problemi di flusso di lavoro invece di cercare strategie perfette.
Ottimizzazione della Ricerca con l’IA: CroMetrics ottimizza i contenuti per i LLM, ottenendo più referral enterprise da piattaforme guidate dall’IA come ChatGPT.
Equilibrio Umano-IA: L’IA supporta la ricerca e lo sviluppo iniziale in CroMetrics, ma la supervisione umana garantisce qualità e coerenza di brand.
Individuare gli Attriti: I leader dovrebbero dare priorità alla riduzione degli attriti nei flussi di lavoro per migliorare l’efficienza prima di implementare capacità IA più ampie.
La maggior parte dei leader del marketing sa che dovrebbe fare qualcosa con l’IA. Il problema non è la mancanza di consapevolezza, ma il non sapere da dove iniziare.
“Ritrovo leader e organizzazioni quasi così sopraffatti dall’IA da risultare paralizzati”, afferma Gwen Hammes, co-CEO di Cro Metrics, un’agenzia di marketing digitale che lavora con brand come Bombas, Starz e Intuit. Il suo consiglio è di iniziare in piccolo.
Hammes si riferisce a questo come alla regola del “1% meglio ogni giorno”, una mentalità basata su un progresso costante e incrementale invece che sull’attesa di un piano completo prima di agire. Invece di rincorrere una strategia di IA perfetta, Cro Metrics si sta concentrando su piccoli miglioramenti ad alto impatto e sulla risoluzione dei punti di attrito nei flussi di lavoro.
Quando l’IA diventa il tuo canale di acquisizione
Lo scorso anno, Cro Metrics si è trovata di fronte alla stessa domanda che si ponevano tutte le organizzazioni di marketing: come si gestisce la ricerca quando la ricerca sta cambiando radicalmente?
Il traffico da Google era in calo e i LLM rispondevano alle domande direttamente nelle interfacce di chat. Il comportamento “zero-click” stava diventando la norma e il vecchio manuale SEO non funzionava più efficacemente.
Abbiamo integrato AEO/GEO nella nostra offerta SEO tecnica e abbiamo iniziato a testarla prima sulla nostra azienda.
Hammes spiega che l’intento era ottimizzare i contenuti non solo per i motori di ricerca, ma anche per i LLM stessi.
Il team ha integrato Answer Engine Optimization (AEO) e Generative Engine Optimization (GEO) nell’approccio SEO tecnico, testando prima queste strategie sulla propria azienda prima di proporle ai clienti.
Descrive il suo lavoro in Cro Metrics affermando: “il nostro lavoro abbraccia customer journey complessi, ecosistemi multicanale e programmi di crescita di livello enterprise, dove strategia, esecuzione e dati devono funzionare come un unico sistema.”
Il lavoro si è focalizzato sul rendere i contenuti più interpretabili dai sistemi di IA tramite dati strutturati, sintesi chiare e una forte attribuzione dell’autore. Sono tutti segnali che aiutano i LLM a comprendere e citare il contenuto con sicurezza.
Dalla filosofia al processo
Le tattiche sono abbastanza semplici. Partendo da dati strutturati, riassunti TLDR e attribuzione dettagliata dell’autore, hanno notato slancio. “Molte aziende si chiedono, ok, come ottimizziamo il nostro sito sia per le persone che per i bot, sia per i LLM,” nota. Ciò che il suo team ha visto come risultato è davvero notevole.
Abbiamo visto un aumento dell’80% nel traffico di referral guidato dall’IA insieme a incrementi misurabili nella visibilità organica e nel traffico diretto, tradotti in inbound qualificati e pipeline.
Per contestualizzare, molte organizzazioni vedono ancora l’AEO come una considerazione futura, qualcosa da rivedere una volta consolidati i fondamentali SEO. Cro Metrics l’ha invece trattata come un vantaggio competitivo attuale, e i dati sul traffico riflettono questa tempistica.
Ma ciò che ha sorpreso maggiormente Hammes è stata la tipologia di referral traffic.
Stiamo ricevendo referral direttamente da strumenti come ChatGPT e Claude. E, cosa interessante, molto di questo traffico proviene da grandi aziende.
I buyer enterprise non stanno solo sperimentando i LLM. Li stanno usando per scoprire e valutare fornitori. Quindi, se i tuoi contenuti non sono ottimizzati per la ricerca AI, sei invisibile a una quota crescente di potenziali clienti di valore elevato.
Costruire un motore decisionale
Il successo di AEO riflette una filosofia più ampia in Cro Metrics: utilizzare l’IA dove crea leva, lasciando gli esseri umani dove conta il giudizio.
L’azienda ha costruito ImpactLens, un motore di prioritizzazione predittivo personalizzato. “Lo usiamo per valutare segnali comportamentali, dati storici di sperimentazione e input specifici del cliente per prevedere quali sperimentazioni hanno maggiore probabilità di generare crescita misurabile”, spiega Hammes. “Questo ci consente di dare priorità con molta più precisione prima di impegnare risorse.”
Ma esiste un limite: il suo team non si affida completamente all’IA. L’IA indìca dove focalizzarsi e cosa potrebbe funzionare, ma la strategia, la leadership con il cliente, la creatività e le decisioni finali restano in mano alle persone. Secondo Hammes, “la crescita richiede ancora contesto, giudizio e pensiero originale.”
Questo è il modello che permette di scalare dall’esperimentazione all’adozione produttiva dell’IA. L’IA gestisce il riconoscimento dei pattern su larga scala. Gli esseri umani si occupano delle parti che richiedono contesto, gestione delle relazioni e decisioni laddove i dati sono ambigui.
Dove l’IA è ancora carente
Hammes osserva che, quando si tratta di chiarezza di brand, le persone mantengono anche la responsabilità dell'assicurazione qualità. Lei traccia il confine condividendo come, per Cro Metrics, "l'AI non ha ancora raggiunto il livello di affidabilità necessario per un'esecuzione completamente autonoma nella creazione di esperimenti pronti per la produzione o di creativi di alta qualità a uno standard adatto ai marchi enterprise." Tuttavia, esistono aree in cui il suo team la sta sfruttando per fare enormi progressi.
L'AI accelera in modo significativo la ricerca, la sintesi e lo sviluppo iniziale, ma la supervisione umana rimane essenziale per garantire alta qualità e l'integrità del marchio.
Per le agenzie che lavorano con clienti enterprise, o per le aziende che si rivolgono a questo gruppo, l'AI può ancora non raggiungere la soglia di qualità richiesta per creativi pronti per la produzione o severi standard di brand. Ciò significa che l'output necessita comunque di un controllo umano prima di essere utilizzato altrove.
È una questione di lavoro e di impatto, ma si tratta così tanto delle relazioni. Dico sempre che, finché dall’altra parte del tavolo ci saranno clienti umani, aziende come la nostra esisteranno sempre.
I servizi professionali si basano sulla fiducia, sulla capacità di leggere la situazione, capire cosa un cliente vuole veramente rispetto a ciò che ha dichiarato e prendere decisioni che i dati non possono risolvere da soli. Questi non sono vuoti che l’AI probabilmente colmerà a breve, e la mossa intelligente è trattarla come il fattore differenziante che è, piuttosto che come una limitazione da aggirare.
Inizia dalla Frizione
Per le organizzazioni che stanno cercando di capire da dove partire, Hammes suggerisce ai leader di concentrarsi prima sulle frizioni. “Piuttosto che su un sistema di marketing specifico, i leader dovrebbero identificare i punti di frizione ricorrenti nei flussi di lavoro dove piccole inefficienze si sommano e consumano tempo in modo sproporzionato,” consiglia.
Cro Metrics ha interrogato il proprio team per individuare dove l'AI potesse avere il maggiore impatto. Le risposte non erano entusiasmanti. Sono emerse sotto forma di approvazioni, revisioni di conformità e sviluppo di contenuti nelle prime fasi.
Uno dei nostri primi obiettivi era semplice. Eliminare i piccoli fastidi che drenano la capacità, così i team possono dedicare più tempo al pensiero strategico, alla creatività e alle attività ad alto impatto che generano crescita.
Questa è l’opposto della strategia AI che la maggior parte delle organizzazioni persegue. Invece di partire dalle capacità, chiedendosi cosa può fare l’AI, si dovrebbe iniziare dai punti dolenti, domandandosi dove il proprio tempo viene sprecato e non si vede alcun ROI.
È qui che molti sforzi di adozione dell’AI deragliano. I leader iniziano dalle capacità, notando cosa può fare uno strumento, ma faticano a collegarlo a una reale necessità aziendale per ciascun dipartimento.
Non serve l’approvazione dei dirigenti per testare l’AI nell’accelerazione delle revisioni di conformità, né il via libera al budget per usare ChatGPT nella stesura delle prime bozze. Se il bisogno c’è già, si tratta solo di trovare lo strumento giusto.
Spirito di Intraprendenza Contro Best Practice
La tranquillità di Hammes verso la sperimentazione deriva da un capitolo precedente della sua carriera, quando lavorava in team in Messico senza manuali operativi già collaudati. Ricorda come “fu un livello di intraprendenza e di tutti che si univano per capire, organizzarsi e portare a termine le cose.” Il team invece era maniacalmente concentrato sull’obiettivo e sulla direzione generale.
Niente davvero mi spaventa o mi travolge. Forse perché ho fatto quell’esperienza, ma anche perché dopo oltre 20 anni in questo settore, hai visto e attraversato molto e sai sempre che alla fine, ci arriveremo. Esiste una soluzione a tutto e la perseveranza è reale.
Una mentalità da costruttori è particolarmente preziosa oggi. Non esistono ancora best practice consolidate per l’AI—solo sperimentazioni, alcune di successo, la maggior parte no. Le organizzazioni che aspettano il manuale operativo saranno anni indietro rispetto a chi è disposto a testare e iterare.
Il Mandato della Micro-Azione
L’esperienza di Hammes presso Cro Metrics offre un modello per le organizzazioni che si sentono bloccate nel mezzo del clamore sull’IA.
Per prima cosa, parti dalla frizione, non dalla strategia (suggerimento—puoi sondare il tuo team per portarla alla luce). Il consiglio che lei offre ai leader che si sentono sopraffatti è di mantenere le cose semplici e iniziare in piccolo.
Quali sono quelle piccole micro azioni? E quello che scoprirai è che iniziano rapidamente a sommarsi. La cosa peggiore è non fare nulla, restare paralizzati e continuare ad alimentare il problema che hai.
Successivamente, testa su te stesso prima di proporre ai clienti. Cerca il tuo marchio su ChatGPT, Perplexity e Claude. Fallo più di una volta e prova diverse query per vedere dove emerge il tuo marchio.
Poi, cerca direttamente il nome della tua azienda. Prosegui cercando i problemi che risolvi, la categoria in cui operi e domande specifiche che i clienti tendono a porre prima di acquistare. Documenta i risultati con screenshot.
Cerchi un modello, non solo la presenza.
Vedrai se appari nel contesto corretto, o se la tua azienda emerge in modi che rispecchiano il tuo posizionamento reale. L’impronta nei risultati organici che hai costruito negli anni potrebbe avere quasi nessuna sovrapposizione con come gli LLM attualmente rappresentano la tua categoria.
Il divario tra dove appari e dove vuoi essere è il tuo punto di partenza per l’AEO. È anche un modo più rapido per sostenere un investimento sui contenuti rispetto a ciò che la maggior parte dei modelli di attribuzione potrà mai offrirti.
La filosofia del 1% meglio funziona perché toglie la pressione di dover avere una strategia IA completa prima di iniziare. Non devi sapere dove sarai tra un anno. Devi solo sapere cosa proverai oggi.
"Credo molto nel migliorare dell’1% ogni giorno," dice Hammes. Fai il primo passo."
L’aumento dell’80% nei lead enterprise visto dal suo team non è arrivato da una strategia rigida sull’IA e non è successo dall’oggi al domani. È arrivato facendo un passo, misurando il risultato, e poi facendo il prossimo.
Questo non è solo un buon consiglio per l’adozione dell’IA. È un buon consiglio per qualsiasi cosa valga la pena fare.
E ora?
Unisciti a The CMO Club per restare aggiornato sulle tendenze e ricevere suggerimenti, risorse e guide direttamente nella tua casella di posta.
