Hvordan ett team så en økning på 80 % i bedriftsleads ved å utnytte AEO

De fleste markedsføringsledere vet at de bør gjøre noe med kunstig intelligens. Problemet er ikke manglende bevissthet. Det er at de ikke vet hvor de skal begynne.

«Jeg opplever at ledere og organisasjoner nesten blir så overveldet av kunstig intelligens at det blir lammende», sier Gwen Hammes, medadministrerende direktør i Cro Metrics, et digitalt markedsføringsbyrå som samarbeider med merkevarer som Bombas, Starz og Intuit. Hennes råd er å begynne i det små.

Hammes omtaler dette som regelen om å bli «1 % bedre hver dag», en tankemåte som bygger på jevn, trinnvis fremgang i stedet for å forsøke å utarbeide en omfattende plan før man i det hele tatt gjør noe. I stedet for å jakte på en perfekt strategi for kunstig intelligens fokuserer Cro Metrics på små forbedringer med stor effekt og på å løse friksjonspunkter i arbeidsflyten.

Når kunstig intelligens blir kanalen for kundeanskaffelse

I fjor sto Cro Metrics overfor det samme spørsmålet som alle markedsføringsorganisasjoner stilte: Hvordan lykkes man med søk når søk er i ferd med å endre seg grunnleggende?

Google-trafikken gikk ned, og store språkmodeller besvarte spørsmål direkte i chatgrensesnitt. Atferd uten klikk begynte å bli normalen, og den gamle SEO-oppskriften fungerte ikke lenger like godt.

Vi integrerte AEO/GEO i tilbudet vårt innen teknisk SEO og begynte med å teste det på vår egen virksomhet først.

Hammes forklarer at målet deres var å optimalisere innhold, ikke bare for søkemotorer, men også for selve de store språkmodellene.

Teamet integrerte Answer Engine Optimization (AEO) og Generative Engine Optimization (GEO) i sin tekniske SEO-tilnærming, og testet den deretter på sin egen virksomhet før den ble rullet ut til kundene.

Hun beskriver arbeidet sitt i Cro Metrics slik: «arbeidet vårt omfatter komplekse kundereiser, økosystemer på tvers av flere kanaler og vekstprogrammer på virksomhetsnivå, der strategi, gjennomføring og data må fungere som ett samlet system.»

Arbeidet fokuserte på å gjøre innhold mer tolkbart for kunstig intelligens-systemer ved hjelp av strukturerte data, tydelige sammendrag og tydelig forfatterangivelse. Alt dette er signaler som hjelper store språkmodeller med å forstå og sitere innhold med større sikkerhet.

Fra filosofi til prosess

Metodene er enkle nok. Ved å begynne med strukturerte data, kortversjoner og detaljert forfatterangivelse opplevde de fremdrift. «Mange selskaper sier: Greit, men hvordan optimaliserer vi nettstedet vårt for mennesker, så vel som roboter og store språkmodeller», bemerker hun. Det teamet hennes så som resultat, var intet mindre enn imponerende.

For å sette det i perspektiv behandler de fleste organisasjoner fortsatt AEO som noe de må vurdere i fremtiden, og som de skal ta opp igjen når SEO-grunnlaget er på plass. Cro Metrics behandlet det som et konkurransefortrinn her og nå, og trafikktallene gjenspeiler dette tidspunktet.

Men det som overrasket Hammes mest, var typen henvisningstrafikk.

Vi ser henvisninger som kommer direkte fra verktøy som ChatGPT og Claude. Og interessant nok kommer mye av denne trafikken fra store virksomheter.

Kjøpere i store virksomheter eksperimenterer ikke bare med store språkmodeller. De bruker dem i stedet til å finne og vurdere leverandører. Hvis innholdet ditt ikke er optimalisert for søk med kunstig intelligens, er du usynlig for en voksende andel verdifulle potensielle kunder.

Å bygge en beslutningsmotor

Suksessen med AEO gjenspeiler en bredere filosofi i Cro Metrics: De bruker kunstig intelligens der den gir større gjennomslagskraft, og lar mennesker håndtere det som krever dømmekraft.

Selskapet bygget ImpactLens, en egenutviklet motor for prediktiv prioritering. «Vi bruker den til å evaluere atferdssignaler, historiske eksperimentdata og kundespesifikke innspill for å forutsi hvilke eksperimenter som mest sannsynlig vil gi målbar vekst», forklarer Hammes. «Dette gjør at vi kan prioritere med langt større presisjon før vi setter av ressurser.»

Men det finnes en grense; teamet hennes er ikke helt avhengig av kunstig intelligens. Den gir i stedet informasjon om hva de bør fokusere på og hva som kan fungere, mens strategi, kundeledelse, kreativitet og de endelige beslutningene eies av mennesker. Hammes mener at «vekst fortsatt krever kontekst, dømmekraft og original tenkning.»

Dette er mønsteret som kan skaleres fra eksperimentering til produktiv bruk av kunstig intelligens. Kunstig intelligens håndterer mønstergjenkjenning i stor skala. Mennesker tar seg av delene som krever kontekst, relasjonshåndtering og vurderinger når dataene er tvetydige.

Der kunstig intelligens fortsatt kommer til kort

Hammes påpeker at når det gjelder tydelighet rundt merkevaren, har mennesker også fortsatt ansvar for kvalitetssikring. Hun trekker grensen ved å fortelle at «AI har ennå ikke levert det pålitelighetsnivået som kreves for helt autonom gjennomføring av produksjonsklare eksperimenter eller kreativt materiell av høy kvalitet på et nivå som passer for merkevarer i bedriftsmarkedet» for Cro Metrics. Det finnes imidlertid områder der teamet hennes bruker det til å gjøre store fremskritt.

AI setter i betydelig grad fart på undersøkelser, syntese og tidlig utvikling, men menneskelig oppfølging er fortsatt avgjørende for å sikre høy kvalitet og merkevareintegritet.

For byråer som jobber med bedriftskunder, eller selskaper som retter seg mot denne gruppen, kan AI fortsatt komme til kort når det gjelder kvalitetsnivået som kreves for produksjonsklart kreativt materiell eller strenge merkevarestandarder. Det betyr at resultatet fortsatt må gjennomgås av et menneske før det brukes noe sted.

Profesjonelle tjenester er basert på tillit, på å lese et rom, forstå hva en kunde egentlig trenger, i motsetning til det kunden sier at de trenger, og ta vurderinger som data ikke kan løse. Dette er ikke mangler AI sannsynligvis vil utligne med det første, og det smarte er å behandle dette som differensieringsfaktoren det er, i stedet for en begrensning man må omgå.

Start med friksjon

For organisasjoner som prøver å finne ut hvor de skal begynne, foreslår Hammes at ledere fokuserer på friksjon først. «I stedet for et spesifikt markedsføringssystem bør ledere identifisere de tilbakevendende friksjonspunktene på tvers av arbeidsflyter, der små ineffektiviteter hoper seg opp og tar uforholdsmessig mye tid», råder hun.

Cro Metrics undersøkte sitt eget team for å identifisere hvor AI kunne ha størst effekt. Svarene var ikke glamorøse. De dreide seg om godkjenninger, samsvarsgjennomganger og innholdsutvikling i tidlig fase.

Et av de første målene våre var enkelt. Fjerne de små irritasjonsmomentene som tapper kapasitet, slik at teamene kan bruke mer tid på strategisk tenkning, kreativitet og arbeid med større effekt som driver vekst.

Dette er det motsatte av den AI-strategien de fleste organisasjoner følger. I stedet for å begynne med muligheter, og spørre hva AI kan gjøre, bør man begynne med smertepunkter og spørre hvor tiden forsvinner uten at man ser noen avkastning på investeringen.

Det er her mange initiativer for å ta i bruk AI sporer av. Ledere begynner med mulighetene og legger merke til hva et verktøy kan gjøre, men sliter med å knytte dette til et konkret forretningsbehov i hver avdeling.

Du trenger ikke støtte fra ledelsen for å teste AI for å få fortgang i samsvarsgjennomganger, eller budsjettgodkjenning for å bruke ChatGPT til å lage en første syntese. Hvis behovet allerede finnes, handler det bare om å finne riktig verktøy for det.

Improvisasjon fremfor beste praksis

Hammes' komfort med eksperimentering stammer fra en tidligere periode i karrieren, da hun jobbet med team i Mexico som opererte uten etablerte arbeidsmetoder. Hun husker at «det var et så høyt nivå av improvisasjon, og alle gikk sammen for å finne ut av ting og få dem gjort». I stedet var teamet intenst fokusert på målet og den overordnede retningen.

En skapende innstilling er spesielt verdifull nå. Det finnes ingen etablerte beste praksiser for AI ennå – bare eksperimenter, noen vellykkede og de fleste ikke. Organisasjonene som venter på arbeidsmetoden, vil ligge flere år etter dem som er villige til å teste og iterere.

Mandatet for mikrohandlinger

Hammes' erfaring hos Cro Metrics gir en veiledning for organisasjoner som føler seg fastlåst midt i AI-hypen.

Begynn først med friksjon, ikke strategi (et tips – du kan spørre teamet ditt for å avdekke dette). Rådet hun gir til ledere som føler seg overveldet, er å holde ting enkelt og begynne i det små.

Hva er disse små mikrohandlingene? Og det du oppdager, er at de raskt begynner å hope seg opp. Det verste er å ikke gjøre noe i det hele tatt – da blir du bare handlingslammet og bidrar på en måte til å videreføre problemet du har.

Deretter bør du teste på deg selv før du ruller det ut til kundene. Søk etter ditt eget varemerke i ChatGPT, Perplexity og Claude. Gjør det mer enn én gang, og kjør flere ulike søk for å se hvor varemerket ditt dukker opp.

Søk deretter direkte etter firmanavnet ditt. Følg opp med å søke etter problemene du løser, kategorien du konkurrerer i, og konkrete spørsmål kundene dine pleier å stille før de kjøper. Dokumenter funnene dine med skjermbilder.

Du ser etter et mønster, ikke bare tilstedeværelse.

Du vil se om du dukker opp i riktig sammenheng, eller om selskapet ditt blir vist på måter som samsvarer med den faktiske posisjoneringen din. Det organiske søkeavtrykket du har bygget opp gjennom flere år, kan ha nesten ingen overlapp med hvordan store språkmodeller for øyeblikket fremstiller kategorien din.

Avstanden mellom hvor du dukker opp, og hvor du ønsker å være, er utgangspunktet ditt for AEO. Det er også en raskere måte å argumentere for investeringer i innhold på enn de fleste attribusjonsmodeller noen gang vil kunne gi deg.

Filosofien om å bli 1 % bedre fungerer fordi den fjerner presset om å ha en komplett AI-strategi før du begynner. Du trenger ikke å vite hvor du vil være om ett år. Du trenger bare å vite hva du skal prøve i dag.

«Jeg tror sterkt på å bli 1 % bedre hver dag,» sier Hammes. Ta det første steget.»

Økningen på 80 % i potensielle bedriftskunder som teamet hennes så, kom ikke fra en rigid AI-strategi, og den skjedde ikke over natten. Den kom av å ta ett steg, måle resultatet og ta det neste.

Dette er ikke bare gode råd for å ta i bruk AI. Det er gode råd for alt som er verdt å gjøre.

Hva skjer videre?

Bli med oss i The CMO Club for å holde deg oppdatert på trender og få de nyeste tipsene, ressursene og veiledningene rett i innboksen din.