Kako iskanje z umetno inteligenco spreminja odkrivanje lokalnih podjetij

Uvod

Kako iskanje z umetno inteligenco spreminja odkrivanje lokalnih podjetij

Pred nekaj leti bi nekdo, ki je iskal vodovodarja, v Google vnesel »vodovodar v moji bližini«, pregledal zemljevid, prebral nekaj ocen in poklical enega izmed najbolje uvrščenih rezultatov. To se še vedno dogaja, vendar vedno več ljudi rezultate iskanja v celoti preskoči in namesto tega vpraša orodje z umetno inteligenco. Vpišejo ali izgovorijo vprašanje v ChatGPT, Google AI Overview ali drugemu pomočniku z umetno inteligenco in namesto seznama povezav, ki jih je treba pregledati, prejmejo priporočilo.

Za lokalna podjetja je ta sprememba pomembnejša, kot se večina zaveda. Dobro uvrščanje v tradicionalnem iskanju se ne pomeni avtomatično tudi pojavljanja v odgovorih, ki jih generira umetna inteligenca, signali, ki vplivajo na priporočila umetne inteligence, pa niso enaki tistim, ki vplivajo na uvrstitve v Googlu.

Kaj se dejansko spreminja

Raziskava podjetja BrightLocal kaže, da je umetna inteligenca zdaj četrti najpogostejši način, na katerega potrošniki začnejo lokalno iskanje – za Googlovim iskanjem, Googlovimi zemljevidi in družbenimi omrežji, a pred Yelpom in drugimi specializiranimi platformami z ocenami. Več kot eden od petih potrošnikov poroča, da uporablja umetno inteligenco za iskanje ali pridobivanje priporočil za lokalna podjetja. Med mlajšimi demografskimi skupinami je ta delež višji.

Kaj to v praksi pomeni: če nekdo vpraša ChatGPT za »najboljšo tajsko restavracijo v bližini centra Austina«, odgovor, ki ga prejme, ne izhaja iz podatkov o lokaciji tega uporabnika niti iz sponzoriranega oglasa. Izhaja iz vseh virov, ki jih je umetna inteligenca zajela o lokalnih tajskih restavracijah v Austinu, tehtanih glede na pogostost omemb, kakovost ocen in doslednost informacij o posameznem podjetju na spletu.

Podjetje, ki ima odlične ocene na Googlu, vendar skope ali nedosledne informacije v drugih imenikih, na spletnih straneh z ocenami in v lokalnih medijih, se lahko dobro odreže v tradicionalnem lokalnem iskanju, v priporočilih, ki jih generira umetna inteligenca, pa slabo. Mogoče je tudi nasprotno: podjetje, ki je bilo predstavljeno v lokalnih medijih, omenjeno v kulinaričnih blogih in navedeno na več platformah z ocenami, lahko umetna inteligenca priporoči bolj, kot bi to napovedoval njegov Google-ranking.

Zakaj priporočila umetne inteligence delujejo drugače kot uvrstitve v iskanju

Tradicionalno lokalno optimiziranje za iskalnike (SEO) temelji na relativno predvidljivem nizu signalov: optimizacija profila v Google Business Profile, bližina, število in ocena mnenj, navedbe ter avtoriteta spletne strani. Ti signali Googlu povedo, katere rezultate naj prikaže za dano lokalno iskalno poizvedbo.

AI-pomočniki ne delujejo na enak način. Črpajo iz širšega nabora virov in dejavnike tehtajo drugače. Podjetja, ki se pogosto pojavljajo v priporočilih umetne inteligence, so tista, na katera se pogosto in dosledno sklicuje v številnih različnih virih. Zobozdravnik, ki je omenjen na spletni strani lokalne gospodarske zbornice, naveden v lokalnem novičarskem članku, ocenjen na več platformah ter dosledno opisan z istim imenom, naslovom in telefonsko številko na vseh teh mestih, se bo verjetneje pojavil v odgovoru umetne inteligence kot tisti, katerega podatki se razlikujejo ali katerega prisotnost je omejena na Google Business Profile.

Zato se je koncept vidnosti v iskanju z umetno inteligenco uveljavil kot samostojna kategorija, ki jo je treba meriti in upravljati ločeno od tradicionalnega spremljanja uvrstitve. Orodja, kot je Lighthouse Local, zapolnjujejo prav to vrzel in lokalnim podjetjem pomagajo razumeti, kako in ali se pojavljajo v priporočilih, ki jih ustvarja umetna inteligenca na platformah, kot sta ChatGPT in Google AI, ter kaj to vidnost spodbuja ali omejuje.

Na kaj morajo lokalna podjetja paziti

Praktične posledice za lastnike lokalnih podjetij in agencije, ki jih upravljajo, niso tako zapletene, kot se morda zdi.

Doslednost poslovnih podatkov je pomembnejša kot kdaj koli prej. Doslednost podatkov NAP (ime, naslov, telefonska številka) je bila vedno pomembna za lokalno optimizacijo za iskalnike (SEO), vendar je v kontekstu umetne inteligence še pomembnejša, saj nedosledni podatki zmedejo modele umetne inteligence glede tega, katero različico podatkov o podjetju naj navedejo. Podjetje z različnimi telefonskimi številkami, navedenimi v različnih imenikih, je za umetno inteligenco težje natančno predstaviti.

Mnenja so bogata s signali. Sistemi umetne inteligence se usposabljajo na javno dostopnih besedilih, mnenja pa so med najbolj obsežnimi in opisnimi besedili, ki so na voljo o lokalnih podjetjih. Podjetje z mnogimi podrobnimi mnenji, ki opisujejo konkretne storitve, soseske in vrste strank, zagotavlja orodjem umetne inteligence bogat vir podatkov, iz katerih črpajo pri oblikovanju priporočil.

Omembe v lokalnih medijih in regionalnih publikacijah imajo veliko težo. Ko lokalno restavracijo obravnava mestni alternativni tednik ali je izvajalec citiran v lokalnem novičarskem prispevku, te omembe postanejo del informacijskega ekosistema, na katerem se sistemi umetne inteligence usposabljajo in iz katerega črpajo podatke. To je področje, kjer se tradicionalne odnose z javnostmi in lokalno trženje vsebin neposredno prekrivata z vidnostjo v iskanju z umetno inteligenco.

Pomagajo tudi strukturirani podatki na spletni strani podjetja. Označevanje po shemi (Schema markup), ki jasno opredeljuje vrsto podjetja, lokacijo, delovni čas, storitve in območje delovanja, sistemom umetne inteligence zagotavlja čiste in analizirane informacije, s katerimi lahko delajo.

Kaj to pomeni za agencije za optimizacijo spletnih strani (SEO), ki upravljajo z lokalnimi strankami

Pogovor se je spremenil. Stranke, ki so se prej spraševale le o svojem uvrščanju na Google Maps, se zdaj sprašujejo, zakaj je ChatGPT omenil konkurenta, njih pa ne. Nekatere ugotavljajo, da njihov optimiziran profil v Google Business Profile obstaja, medtem ko v drugih delih spleta, iz katerih črpa umetna inteligenca, skoraj niso prisotne.

Za agencije to predstavlja tako izziv kot priložnost. Izziv je v tem, da merjenje vidnosti v umetni inteligenci zahteva drugačna orodja kot tradicionalno spremljanje uvrstitve. Standardno spremljanje uvrstitve vam ne bo povedalo, ali je vaša stranka priporočena, ko nekdo vpraša AI-chatbota za določeno vrsto podjetja v svoji okolici.

Priložnost pa je v tem, da večina lokalnih podjetij o tem še ne razmišlja sistematično, zato bodo agencije, ki strankam pomagajo graditi širši odtis omemb in navedb, ki podpira vidnost v umetni inteligenci, ponudile nekaj resnično vrednega in s tem prehitele trg, namesto da bi mu le sledile.

Praktična izhodiščna točka

Najbolj koristen prvi korak za vsako lokalno podjetje ali agencijo, ki razmišlja o iskanju z umetno inteligenco, je izvedba nekaj testnih poizvedb. Prosite ChatGPT ali Googlovo umetno inteligenco, naj priporoči določene vrste podjetij na vašem ciljnem območju, in preverite, ali se pojavite vi ali vaši stranke. Če se ne pojavite, je to informacija. Če se pojavite, preverite, katere vire umetna inteligenca navaja za svoje priporočilo. Ti viri vam povedo, kateri deli vašega informacijskega ekosistema delujejo.

Vedenje iskanja z umetno inteligenco se še vedno razvija, najpomembnejši signali pa se bodo spreminjali z posodobitvami osnovnih modelov. Vendar so podjetja, ki imajo dosledne in bogate informacije v številnih relevantnih virih, trenutno tista, ki se dosledno pojavljajo v priporočilih umetne inteligence. Izgradnja te osnove je trajna strategija, ne glede na to, kako se spreminjajo konkretni mehanizmi.

Ena stvar, ki jo je vredno spremljati ob razvoju tega področja: viri, ki jih sistemi umetne inteligence navajajo pri oblikovanju lokalnih priporočil, niso statični. Ko se modeli umetne inteligence posodabljajo in ko se informacijsko okolje okoli določenega podjetja spreminja, se lahko vidnost spremeni, ne da bi podjetje karkoli storilo. Zaradi tega je redno spremljanje koristnejše od enkratnega pregleda, razumevanje virov, ki poganjajo priporočila umetne inteligence, pa postane nenehna naloga in ne le naloga, ki jo je treba enkrat opraviti.