Miten tekoälypohjainen haku muuttaa paikallisten yritysten löytämistä

Johdanto

Kuinka tekoälypohjainen haku muuttaa paikallisten yritysten löytämistä

Muutama vuosi sitten putkimiehen etsijä kirjoitti Googleen hakusanan ”putkimies lähelläni”, selasi karttapakettia, luki muutaman arvostelun ja soitti jollekin hakutulosten kärjessä olevista yrityksistä. Näin tehdään edelleen, mutta yhä useammat ihmiset ohittavat hakutulokset kokonaan ja kääntyvät sen sijaan tekoälytyökalun puoleen. He kirjoittavat tai sanovat kysymyksen ChatGPT:lle, Googlen AI Overview -palvelulle tai jollekin muulle tekoälyavustajalle ja saavat vastauksena suosituksen sen sijaan, että heille tarjottaisiin luetteloa selattavia linkkejä.

Paikallisille yrityksille tällä muutoksella on suurempi merkitys kuin useimmat ovat tajunneet. Hyvä sijoitus perinteisessä haussa ei automaattisesti tarkoita näkyvyyttä tekoälyn tuottamissa vastauksissa, eivätkä tekoälyn suosituksia ohjaavat tekijät ole samat kuin Googlen hakusijoitusta ohjaavat tekijät.

Mitä oikeastaan on muuttumassa

BrightLocalin tutkimuksen mukaan tekoäly on nyt neljänneksi yleisin tapa, jolla kuluttajat aloittavat paikallisen haun. Se on Google-haun, Google Mapsin ja sosiaalisen median jälkeen, mutta edellä Yelpistä ja muista erikoistuneista arvostelualustoista. Yli viidesosa kuluttajista kertoo käyttävänsä tekoälyä paikallisen yrityksen löytämiseen tai suosituksen saamiseen. Nuoremmissa ikäryhmissä osuus on suurempi.

Mitä tämä tarkoittaa käytännössä: jos joku kysyy ChatGPT:ltä ”parasta thaimaalaista ravintolaa lähellä Austinin keskustaa”, saatu vastaus ei perustu kyseisen käyttäjän sijaintitietoihin tai sponsoroituun mainokseen. Se perustuu niihin lähteisiin, joista tekoäly on kerännyt tietoa Austinin paikallisista thaimaalaisista ravintoloista, painotettuna mainintojen tiheyden, arvostelujen laadun ja kunkin yrityksen tietojen yhdenmukaisuuden perusteella verkossa.

Yritys, jolla on erinomaiset Google-arvostelut mutta niukat tai epäjohdonmukaiset tiedot muissa hakemistoissa, arvostelusivustoilla ja paikallisissa uutisissa, voi menestyä hyvin perinteisessä paikallisessa haussa mutta huonosti tekoälyn tuottamissa suosituksissa. Myös päinvastainen tilanne on mahdollinen: yritys, jota on esitelty paikallisissa tiedotusvälineissä, mainittu ruokablogeissa ja siteerattu useilla arvostelualustoilla, saattaa saada tekoälyltä enemmän suosituksia kuin sen Google-sijoitus antaisi olettaa.

Miksi tekoälyn suositukset toimivat eri tavalla kuin hakusijoitukset

Perinteinen paikallinen hakukoneoptimointi (SEO) perustuu suhteellisen ennustettaviin signaaleihin: Google Business Profile -profiilin optimointiin, etäisyyteen, arvostelujen määrään ja pisteytykseen, viittauksiin sekä verkkosivuston auktoriteettiin. Nämä signaalit kertovat Googlelle, mitkä tulokset näytetään tietyn paikallisen hakukyselyn yhteydessä.

Tekoälyavustajat eivät toimi samalla tavalla. Ne hyödyntävät laajempaa lähdevalikoimaa ja painottavat tekijöitä eri tavalla. Yritykset, jotka yleensä näkyvät tekoälyn suosituksissa, ovat niitä, joihin viitataan usein ja johdonmukaisesti monenlaisissa lähteissä. Hammaslääkäri, joka mainitaan paikallisen kauppakamarin verkkosivustolla, johon viitataan paikallisessa uutisartikkelissa, josta on arvosteluja useilla alustoilla ja jota kuvataan johdonmukaisesti samalla nimellä, osoitteella ja puhelinnumerolla kaikissa näissä lähteissä, näkyy todennäköisemmin tekoälyn vastauksessa kuin sellainen, jonka tiedot vaihtelevat tai jonka näkyvyys rajoittuu Google Business Profileen.

Tämän vuoksi tekoälyhakujen näkyvyydestä on tullut erillinen mitattava ja hallittava asia, joka eroaa perinteisestä sijoitusten seurannasta. Lighthouse Localin kaltaiset työkalut täyttävät juuri tämän aukon auttamalla paikallisia yrityksiä ymmärtämään, miten ja näkyvätkö ne tekoälyn luomissa suosituksissa alustoilla kuten ChatGPT ja Google AI, sekä mikä edistää tai rajoittaa tätä näkyvyyttä.

Mihin paikallisten yritysten tulisi kiinnittää huomiota

Käytännön vaikutukset paikallisten yritysten omistajille ja niitä hallinnoiville toimistoille eivät ole niin monimutkaisia kuin miltä ne saattaisivat vaikuttaa.

Yritystietojen yhdenmukaisuus on tärkeämpää kuin koskaan. NAP-tietojen (nimi, osoite, puhelinnumero) yhdenmukaisuus on aina ollut tärkeää paikallisessa hakukoneoptimoinnissa, mutta se on entistä tärkeämpää tekoälyn kontekstissa, koska epäjohdonmukaiset tiedot hämmentävät tekoälymalleja siitä, mitä versiota yrityksen tiedoista niiden tulisi käyttää. Yritystä, jolla on eri puhelinnumeroita eri hakemistoissa, on tekoälylle vaikeampi esittää tarkasti.

Arvostelut sisältävät runsaasti signaaleja. Tekoälyjärjestelmiä koulutetaan julkisesti saatavilla olevalla tekstillä, ja arvostelut ovat paikallisista yrityksistä saatavilla olevista teksteistä yksi runsaslukuisimmista ja kuvaavimmista lähteistä. Yritys, jolla on paljon yksityiskohtaisia arvosteluja, joissa kuvataan tiettyjä palveluita, lähiöitä ja asiakastyyppejä, tarjoaa tekoälytyökaluille runsaasti materiaalia, josta ne voivat ammentaa suosituksia laatiessaan.

Maininnat paikallisissa tiedotusvälineissä ja alueellisissa julkaisuissa ovat merkityksellisiä. Kun paikallisesta ravintolasta kirjoitetaan kaupungin vaihtoehtoisessa viikkolehdessä tai urakoitsijaa siteerataan paikallisessa uutisessa, nämä maininnat tulevat osaksi sitä tietojen ekosysteemiä, jonka pohjalta tekoälyjärjestelmät koulutetaan ja josta ne ammentavat tietoa. Tämä on alue, jolla perinteinen PR ja paikallinen sisältömarkkinointi liittyvät suoraan tekoälyhakujen näkyvyyteen.

Yrityksen verkkosivustolla oleva jäsennelty data auttaa. Schema-merkinnät, jotka määrittelevät selkeästi yrityksen tyypin, sijainnin, aukioloajat, palvelut ja palvelualueen, antavat tekoälyjärjestelmille puhdasta, jäsenneltävää tietoa, jota ne voivat hyödyntää.

Mitä tämä tarkoittaa paikallisia asiakkaita palveleville SEO-toimistoille

Keskustelun luonne on muuttunut. Asiakkaat, jotka aiemmin kysyivät vain Google Maps -sijoituksestaan, kysyvät nyt, miksi ChatGPT mainitsi kilpailijan mutta ei heitä. Jotkut huomaavat, että heidän optimoitu Google Business Profile -profiilinsa on olemassa, mutta yrityksellä ei ole juuri lainkaan näkyvyyttä muissa verkkokohteissa, joista tekoäly hakee tietoa.

Toimistoille tämä luo sekä haasteen että mahdollisuuden. Haasteena on se, että tekoälyn näkyvyyden mittaaminen vaatii erilaisia työkaluja kuin perinteinen sijoitusten seuranta. Tavallinen sijoitusten seuranta ei kerro, suositellaanko asiakastasi, kun joku kysyy tekoälychatbotilta tietynlaista yritystä omalla alueellaan.

Mahdollisuus on siinä, että useimmat paikalliset yritykset eivät vielä ajattele tätä järjestelmällisesti, ja toimistot, jotka auttavat asiakkaita rakentamaan laajemman viittaus- ja mainintajäljen, joka tukee tekoälyn näkyvyyttä, tarjoavat jotain aidosti arvokasta ennen markkinoita sen sijaan, että ne yrittäisivät vain pysyä niiden perässä.

Käytännönlähtöinen lähtökohta

Hyödyllisin ensimmäinen askel mille tahansa paikalliselle yritykselle tai toimistolle, joka pohtii tekoälyhakua, on suorittaa muutama testikysely. Pyydä ChatGPT:tä tai Googlen tekoälyä suosittelemaan tiettyjä yritystyyppejä kohdealueellasi ja katso, näkyvätkö sinä tai asiakkaasi tuloksissa. Jos ette näy, se on jo itsessään tietoa. Jos näkyy, tarkista, mitä lähteitä tekoäly mainitsee suosituksensa perustana. Nämä lähteet kertovat, mitkä osat tietojärjestelmästäsi toimivat.

Tekoälyhakukäyttäytyminen kehittyy edelleen, ja tärkeimmät signaalit muuttuvat, kun taustalla olevia malleja päivitetään. Mutta yritykset, joilla on johdonmukaista ja runsasta tietoa monista merkityksellisistä lähteistä, ovat tällä hetkellä johdonmukaisesti niitä, jotka näkyvät tekoälysuosituksissa. Tällaisen perustan rakentaminen on kestävä strategia riippumatta siitä, miten yksityiskohtaiset mekanismit muuttuvat.

Yksi asia, jota kannattaa seurata tämän alan kehittyessä: lähteet, joihin tekoälyjärjestelmät viittaavat paikallisia suosituksia tehdessään, eivät ole staattisia. Kun tekoälymalleja päivitetään ja tietomaisema tietyn yrityksen ympärillä muuttuu, näkyvyys voi muuttua ilman, että yritys tekee mitään. Tämä tekee säännöllisestä seurannasta hyödyllisempää kuin kertaluonteisesta tarkastuksesta, ja se tekee tekoälysuositusten taustalla olevien lähteiden ymmärtämisestä jatkuvan tehtävän sen sijaan, että se olisi vain kerran suoritettava rasti ruutuun -tehtävä.