AEO-ekspert forklarer hvorfor trafikken kollapser når du tidobler innholdet – og hva du bør gjøre med det

Brendan Hufford er en tidligere SEO-direktør som bygget et B2B SaaS-innholdsmarkedsførings- og AEO-konsulentselskap kalt Growth Sprints, der han hjelper organisasjoner med å skalere fra $10M til $100M.

Vi tok en prat med Brendan for å lære hvordan man kan bli sitert av LLM-er. Han ga oss arbeidsflyten.

Å forstå AI i sanntid

Jeg er Brendan Hufford, grunnlegger av Growth Sprints, et B2B SaaS-konsulentselskap innen innholdsmarkedsføring og SEO/AEO, der jeg hjelper organisasjoner med å skalere fra $10M til $100M ved hjelp av innholdssystemer som gir resultater i søk, nyhetsbrev og på LinkedIn.

Veien hit var ikke lineær. Jeg begynte som psykologilærer på videregående, gikk over til SEO og innholdsmarkedsføring for omtrent ti år siden, og brukte flere år på å lære faget i byråer og interne team før jeg begynte for meg selv.

Overgangen til AI i markedsføringen har vært det mest interessante øyeblikket i karrieren min så langt. Mye av det jeg hadde bygget virksomheten min på — tradisjonell SEO med rangering og trafikk som mål — begynte å endre seg raskt. Kundenes innhold dukket opp i svar fra ChatGPT og Perplexity uten å generere ett eneste klikk tilbake. CMO-er måtte forsvare investeringer i innhold i QBR-er og manglet ofte gode svar.

Overgangen til AI i markedsføringen har vært det mest interessante øyeblikket i karrieren min så langt.

Derfor bygget jeg metodikken på nytt rundt det jeg nå kaller innholds-IP og oppdagelsessløyfer, rammeverk utviklet for en verden der innhold må oppnå både AI-siteringer og konverteringer fra mennesker.

Jeg finner ærlig talt fortsatt ut av mye av dette i sanntid, sammen med kundene mine. Men det er en del av det som gjør dette øyeblikket så interessant.

Slik måler du synlighet i AI

Jeg bygget om måten vi måler innholdssynlighet på. I årevis tok vi utgangspunkt i rangsporing og organisk trafikk. Det er fortsatt nyttig, men det gir ikke lenger hele bildet. Kjøpere gjennomfører nå en stor del av researchen sin i AI-verktøy, og Google Search Console viser ingenting av dette.

For hvert kundeoppdrag lager jeg derfor nå det jeg kaller et regneark for sporing av AEO-spørsmål. Vi identifiserer 60 til 150 kjøpsintensjonsbaserte spørsmål som en reell potensiell kunde ville skrevet inn i ChatGPT, Perplexity, Claude eller Gemini. Deretter følger vi med på om kunden blir sitert, hvilke konkurrenter AI-en siterer i stedet, og hvilke kilder AI-en henter informasjon fra. Vi kjører analysen på nytt med jevne mellomrom og følger utviklingen.

For hvert kundeoppdrag lager jeg nå det jeg kaller et regneark for sporing av AEO-spørsmål.

Resultatene endret flere ting på meningsfulle måter:

1. Det ga kundene mine et målbart svar på et spørsmål som toppledere og styrer begynte å stille: "Dukker vi opp i AI?" Før dette gjettet de fleste markedsføringsteam.
2. Det endret hva vi lager. Når du ser at AI-verktøy henter mer fra G2-anmeldelser, Reddit-tråder og analytikerrapporter enn fra bloggen din, endres innholdsprioriteringene raskt. Vi begynte å investere mer i fortjente omtaler, egen forskning og innholds-IP som AI siterer, i stedet for bare å publisere flere SEO-innlegg i håp om å rangere.

Faktisk har jeg sett organisasjoner øke AI-siteringene fra 8% til 40% og seksdoble salgspipelinen på ett kvartal.

Slik implementerer du en AEO-arbeidsflyt

Her er gjennomgangen trinn for trinn:

Trinn 1: Innhenting av spørsmål. Jeg begynner med salgsteamet og samtaleopptakene deres. Jeg henter ut alle spørsmål potensielle kunder stiller, alle innvendinger og alle øyeblikk der noen sier "Jeg undersøkte bare ..." eller "Jeg spurte ChatGPT om ...". I tillegg bruker jeg supportsaker, notater fra kundesuksessteamet samt Reddit- og G2-tråder. Målet er 60 til 150 kjøpsintensjonsbaserte spørsmål et menneske ville skrevet inn i et AI-verktøy.

Trinn 2: AI-assistert utvidelse av spørsmål. Jeg tar utgangspunkt i denne listen og bruker Claude til å utvide den. Varianter av formuleringer, ulike stadier i kjøpsreisen og ulike personas som stiller det samme underliggende spørsmålet. AI er nyttig her fordi arbeidet handler om mønstergjenkjenning, ikke original tenkning. Jeg lager et strukturert regneark med spørsmål kategorisert etter kjøpsstadium, persona og intensjon.

Trinn 3: Manuell testing av siteringer. Jeg kjører hvert spørsmål gjennom ChatGPT, Perplexity, Claude og Gemini. Jeg registrerer om organisasjonen blir sitert, hvilke konkurrenter som blir sitert i stedet, og hvilke kilder AI-en henter informasjon fra (G2, Reddit, kundens blogg, analytikerrapporter, podkaster osv.). Denne delen er fortsatt noen ganger manuell fordi automatiseringsverktøy ennå ikke er pålitelige nok. Jeg bruker AI til å merke og kategorisere resultatene, men et menneske må lese svarene.

Trinn 4: Mønsteranalyse. Jeg bruker Claude til å analysere hele datasettet og identifisere mønstre. Hvor vinner organisasjonen? Hvor taper de? Hvilke kilder stoler AI-verktøyene mest på i denne kategorien? Hvilke konkurrenter dukker stadig opp, og hvorfor? AI viser sin verdi her fordi det å sammenfatte 600 AI-svar til temaer er en jobb ingen mennesker ønsker å gjøre manuelt.

Trinn 5: Strategisk tolkning. Denne delen er utelukkende menneskelig. Jeg går gjennom dataene, snakker med teamet og tar beslutninger om hva vi skal gjøre. Taper vi fordi vi ikke har innhold om et tema, eller fordi innholdet vårt ikke er strukturert slik at mennesker kan lese det eller AI kan hente informasjon fra det? Trenger vi å investere i fortjente omtaler i kildene AI siterer? Trenger vi å bestille original forskning for å gi AI noe eget å vise til? Det er i dette møtet vi utvikler strategi, og AI er ikke med i rommet.

Trinn 6: Innholdsproduksjon med AI i loopen. Når vi vet hva vi skal lage, bruker jeg AI til å sammenfatte forskning, lage førsteutkast, utarbeide strukturelle disposisjoner og formatere innhold på nytt. Det menneskelige arbeidet handler om vinklingen, stemmen, perspektivet og redigeringsrunden som får det til å høres ut som om en virkelig person har skrevet det. AI håndterer kanskje 40 % av tidsinvesteringen. De 60 % som fortsatt er menneskelige, gjør arbeidet verdt å publisere.

Trinn 7: Ny sporing med jevne mellomrom. Hver 30. til 60. dag kjører jeg spørsmålssettet på nytt og sammenligner det med utgangspunktet. Vi følger med på siteringsgrad, kildemiks og konkurrentenes synlighet over tid. Dette gjør arbeidsflyten til et reelt system i stedet for en engangsrevisjon.

Det hele erstatter det som tidligere var en vag samtale om «AI-søk», med en målbar og repeterbar prosess.

Hvorfor AI støtter komprimering og sammenfatning, men ikke overbevisning eller smak

AI er nå vevd inn i nesten alle deler av arbeidet mitt, men rollen varierer betydelig fra oppgave til oppgave.

Jeg støtter meg tungt på AI til å sammenfatte forskning, lage førsteutkast til langformatinnhold, analysere konkurrenter, analysere transkripsjoner fra salgs- og kundesamtaler, utarbeide innholdsbrief og utføre mye av det forbindende arbeidet som tidligere tok timevis. Det håndterer også målgruppesegmentering, utvinning av innsikt fra kundestemmen og uthenting av temaer fra supportsaker og Gong-samtaler.

Jeg støtter meg tungt på AI til å sammenfatte forskning, lage førsteutkast til langformatinnhold, analysere konkurrenter, analysere transkripsjoner fra salgs- og kundesamtaler, utarbeide innholdsbrief og utføre mye av det forbindende arbeidet som tidligere tok timevis.

Og det utfører nå produksjonsarbeid, som å gjøre en forskningsrapport om til et nyhetsbrevutkast, generere spørsmålsbiblioteker eller skrive om innhold i merkevarens stemme etter at jeg har dokumentert den grundig.

Oppgaver som uttrykkelig er menneskelige, omfatter strategi, perspektiv og utvikling av innholds-IP: rammeverkene jeg bygger, navnene vi gir kjerneproblemene, vinklingene vi velger i tankeledelse, og vurderingene av hva som skal publiseres og hva som skal skrinlegges. AI presterer dårlig på dette fordi verdien ligger i overbevisningen bak valget. Et rammeverk fungerer bare hvis et reelt markedsperspektiv ligger til grunn for det. AI beveger seg mot gjennomsnittet, som er akkurat det vi prøver å komme oss bort fra.

Relasjoner er også utelukkende menneskelige: kartleggingssamtalene, workshopene og øyeblikkene der jeg sier imot en CMO som er i ferd med å ta en dårlig beslutning. Jeg delegerer ingenting av dette.

Prinsippet jeg stadig vender tilbake til, er at AI er fremragende til komprimering og sammenfatning, mens mennesker fortsatt er bedre på overbevisning og smak. Derfor bruker jeg AI til å komme raskere frem til et utgangspunkt, og bruker deretter tiden min på delene som krever dømmekraft.

Der AI bommer i innholdsproduksjonen

Det største området der AI bommer, er idéutvikling for innhold. Jeg forventet at AI skulle samarbeide med meg om å finne skarpe vinklinger til innlegg og kampanjer. Det gjør den ikke. Resultatet er kompetent, generisk og litt for polert. De gode ideene kommer fortsatt fra salgssamtaler, supportsaker, merkelige konferansesamtaler og baksiden av notatboken min.

AI hjelper med å videreutvikle en idé når jeg først har en, men den er ikke en nyttig kilde til original tenkning.

Det andre området der den bommer, er merkevarens stemme. Selv med grundig dokumentasjon av stemmen trenger AI-generert innhold skrevet i kundens stemme en omfattende menneskelig gjennomgang for å høres ut som kunden. Den treffer overflatemønstrene, men bommer på rytmen. Sjelen. Jeg forventet at dette skulle være 80 % løst nå. Det er nærmere 40 %.

Det tredje området der den bommer, er reell strategisk dømmekraft. Posisjonering, finjustering av ICP, prising og markedsinntreden. AI gir meg en velorganisert versjon av det jeg allerede vet, pluss noen forslag som høres kloke ut og faller fra hverandre når de stresstestes. Strategi krever fortsatt et menneske som har sittet i rommet.

Strategi krever fortsatt et menneske som har sittet i rommet.

Det fjerde området der den bommer, er AEO-siteringsprediksjon. Vi kan følge med på hva som blir sitert og baklengsanalysere mønstre, men å forutsi hva som vil bli sitert, er fortsatt for det meste gjetning.

Og den mest overraskende bommerten: Kanskje jeg er dårlig på det, men AI har ikke gjort meg raskere i selve skrivingen. Det har gjort meg raskere i alt rundt skrivingen. Selve skrivingen tar omtrent like lang tid, fordi listen fortsatt ligger høyt, og det tar omtrent like lang tid, eller lengre, å få AI-resultatet opp på det nivået som å skrive det selv.

Hvorfor innholdsvolum har blitt en risiko

Jeg bygget mye av den tidlige karrieren min på volum. Publiser mer, ranger for mer, få mer trafikk, vinn. Det fungerte lenge, og mange markedsføringsstrategier, inkludert min egen, la stilltiende til grunn at produksjonskapasitet var begrensningen. Hvis du kunne publisere dobbelt så mye, ville du vokse dobbelt så raskt.

AI slo denne antakelsen i stykker på to måter samtidig.

1. AI gjorde volum billig. Alle kan publisere 10 ganger mer nå. Det betyr at volum i seg selv ikke lenger er et konkurransefortrinn. Markedsførerne som jager dette, er på vei rett utenfor kanten av et stup.
2. AI endret hva som belønnes. Både Google og LLM-er henter innhold fra et mindre og mer tillitsfullt utvalg av kilder. De ønsker substans, originalitet og et tydelig eget perspektiv. Volum uten disse tingene er ikke bare nøytralt, det er aktivt skadelig. Jeg har sett team ødelegge den organiske synligheten sin ved å skalere AI-innholdsproduksjonen, og jeg har sett mindre team med skarpere perspektiver bli sitert overalt.

Så dette er den store risikoen jeg ser akkurat nå: Kappløpet om å publisere AI-generert innhold i stor skala.

Det ødelegger den organiske synligheten, blir flagget av Googles oppdateringer av hjelpsomt innhold og gir null AI-siteringer fordi det ikke finnes noen original tenkning som AI-verktøyene kan vise til.

Dette er den store risikoen jeg ser akkurat nå: Kappløpet om å publisere AI-generert innhold i stor skala.

Volum uten substans gjør det dårligere enn noen gang, og AI har gjort dette gapet mer synlig, ikke mindre.

Hvorfor vinnende innhold krever innholds-IP

Hvis du vil ha vinnende innhold, må du bygge innholds-IP. Dette innebærer å sette navn på rammeverk for målgruppens viktigste problemer. Intervju 3S-teamene dine (salg, suksess og brukerstøtte) hver måned. Send alle samtaler inn i Slack, og lag ukentlige sammendrag som er relevante for markedsføringen.

Og velg en konflikt. Det meste av B2B-innholdet er konsensusinnhold. Det er enig med det alle analytikere, konkurrenter og opinionsledere sier. Innhold med gjennomslagskraft setter navn på noe andre tar feil om, og tilbyr et tydelig alternativ.

Du trenger ikke å være slem. Men du må være villig til å ta feil offentlig.

Slik bør arbeidsflyter for innholdsproduksjon redesignes med AI

Når det gjelder innholdsproduksjon, bruker de fleste team fortsatt en arbeidsflyt som er laget for 2018: Lag en brief, skriv et utkast, rediger, publiser, distribuer. Teamene koblet AI på utkaststeget og kalte det transformasjon. Det var det ikke.

Redesignen består av tre viktige lag:

1. Brief-laget er et strukturert input (ikke et Google-dokument). Det inneholder kjøperens spørsmål som innholdet skal vinne på, hvilken innholds-IP det støtter, perspektivet og kildemateriale fra transkripsjoner og interne eksperter. AI setter det sammen. Et menneske godkjenner vinklingen før skrivingen begynner.
2. Utkastlaget bruker AI i stor grad, men med tydelig rollefordeling. AI står for syntese, strukturell utforming av utkastet og omformatering. Et menneske håndterer vinklingen, stemmen og redigeringsrunden. Mennesket er forfatteren gjennom hele prosessen, ikke en kontrollør på slutten.
3. De fleste team fokuserer fortsatt på skrivefeil og retningslinjer for merkevaren i kvalitetssikringslaget. Vi har lagt til eksplisitte kontroller for lesbarhet, trofasthet mot merkevarens stemme og hvorvidt innholdet inntar et unikt standpunkt innenfor kategorien sin. Hvis det ikke gjør det, forkaster vi det før publisering. Forkastelsesraten er høy, men det er med hensikt.

Resultatet er færre publiserte innholdsstykker, høyere kvalitet på hvert enkelt og en målbar økning i både AEO-siteringer og salgspipeline.

Å koble AI på en arbeidsflyt fra 2018 gir deg bare resultatene fra en spamkanon for 2018-innhold raskere.

Hva CMO-er må gjøre for å holde tritt med AI-transformasjonen

Hvis du er CMO og vi skal ta en kaffe, er dette rådet jeg ville delt:

1. Slutt å jage AI-verktøy, og begynn å revidere substansen i innholdet ditt. Teamene som taper akkurat nå, taper fordi innholdet deres ikke har noe særpreget som AI-verktøy, Google eller kjøpere kan vise til. Hvis du ikke har et reelt synspunkt, kommer ingen verktøy til å skape et for deg. Slutt å jage den «perfekte» AI-stakken.
2. Ta innholds-IP på alvor. Navngitte problemer, navngitte rammeverk, proprietær forskning og originale perspektiver på kategorien din. AI viser til dette, det rangerer i søk, vinner frem på LinkedIn, gir nyhetsbrevabonnenter og tas med inn i salgssamtaler. AI kan heller ikke gjenskape denne delen av markedsføringen, noe som gjør den mer verdifull, ikke mindre.
3. Mål det som betyr noe nå. Legg til sporing av AEO-synlighet i rapporteringen din. Spor LinkedIns innvirkning på salgspipelinen. Finn sammenhengen mellom nyhetsbrevabonnenter og avslutningsrater eller salgshastighet. Vit hvilke kjøperforespørsler du dukker opp for i ChatGPT, Perplexity og Claude, og hvilke konkurrenter AI viser til i stedet. Hvis du ikke kan svare på det spørsmålet i neste QBR, kommer du snart til å bli spurt om det.
4. Bruk AI der det er godt, og slutt å tvinge det inn der det ikke er det. Det er godt på sammenfatning, undersøkelser, analyse av transkripsjoner, utkast og omformatering. Kjør hver salgssamtale gjennom Claude og inn i Slack, slik at teamet ditt kan se den daglig, få minutter etter at den har funnet sted. AI er dårlig på originale ideer, merkevarekjemi og strategisk dømmekraft. Bygg arbeidsflyten din rundt dette skillet i stedet for å prøve å AI-tilpasse alt.
5. Publiser mindre, og la hvert stykke bære mer vekt. Volumspillet er over (selv om alle leverandører av AI-innholdsprogramvare vil påstå noe annet). De vinnende teamene publiserer færre og skarpere stykker og får mer ut av hvert enkelt gjennom gjenbruk, distribusjon og fortjente omtaler.
6. Og til slutt: Vær ærlig med teamet ditt og daglig leder om hva som er i ferd med å endre seg. Mange markedsføringsledere håper i stillhet at dette går over. Det gjør det ikke. Kjøpere har allerede endret hvordan de undersøker. Den hellige treenigheten er oppdagelse (Google/LLM-er), sosiale medier (LinkedIn, YouTube) og relasjonsinnhold (nyhetsbrev/podkast).

Følg med

Du kan følge med på arbeidet til Brendan Hufford på LinkedIn. Og ta en titt på Growth Sprints.

Flere ekspertintervjuer kommer på CMO-klubben!