Hur AI-sökning förändrar sättet att hitta lokala företag

Inledning

Hur AI-sökning förändrar upptäckten av lokala företag

För några år sedan skulle någon som letade efter en rörmokare skriva in ”rörmokare nära mig” på Google, bläddra igenom ett kartpaket, läsa några recensioner och ringa ett av de bästa resultaten. Det händer fortfarande, men allt fler människor hoppar över sökresultaten helt och hållet och vänder sig istället till ett AI-verktyg. De skriver eller ställer en fråga till ChatGPT, Googles AI-översikt eller en annan AI-assistent och får tillbaka en rekommendation istället för en lista med länkar att bläddra igenom.

För lokala företag är denna förändring viktigare än de flesta har insett. Att rankas högt i traditionella sökningar innebär inte automatiskt att man dyker upp i AI-genererade svar, och de signaler som styr AI-rekommendationerna är inte desamma som de som styr Googles rankningar.

Vad som faktiskt förändras

Forskning från BrightLocal visar att AI nu är det fjärde vanligaste sättet för konsumenter att inleda en lokal sökning, efter Google Sök, Google Maps och sociala medier, men före Yelp och andra specialiserade recensionsplattformar. Mer än var femte konsument uppger att de använder AI för att hitta eller få en rekommendation om ett lokalt företag. Bland yngre åldersgrupper är andelen högre.

Vad detta innebär i praktiken: om någon frågar ChatGPT om ”den bästa thailändska restaurangen nära centrala Austin” kommer svaret inte från användarens platsdata eller från en sponsrad annons. Det kommer från de källor som AI:n har tagit in om lokala thailändska restauranger i Austin, viktade efter hur ofta de nämns, recensionernas kvalitet och hur konsekvent informationen om varje företag är på webben.

Ett företag som har utmärkta Google-recensioner men knapphändig eller inkonsekvent information i andra kataloger, recensionssajter och lokal nyhetsbevakning kan klara sig bra i traditionell lokal sökning men dåligt i AI-genererade rekommendationer. Det omvända är också möjligt: ett företag som har uppmärksammats i lokala medier, nämnts i matbloggar och citerats på flera recensionsplattformar kan rekommenderas av AI i högre utsträckning än vad dess Google-ranking skulle förutsäga.

Varför AI-rekommendationer fungerar annorlunda än sökrankningar

Traditionell lokal SEO bygger på en relativt förutsägbar uppsättning signaler: optimering av Google Business Profile, närhet, antal recensioner och betyg, omnämnanden samt webbplatsens auktoritet. Dessa signaler talar om för Google vilka resultat som ska visas för en given lokal sökfråga.

AI-assistenter fungerar inte på samma sätt. De hämtar information från en bredare uppsättning källor och väger faktorerna på olika sätt. De företag som tenderar att dyka upp i AI-rekommendationer är de som omnämns ofta och konsekvent i många olika typer av källor. En tandläkare som nämns på den lokala handelskammarens webbplats, omnämns i en lokal nyhetsartikel, recenseras på flera plattformar och beskrivs konsekvent med samma namn, adress och telefonnummer på alla dessa platser har större sannolikhet att dyka upp i ett AI-svar än en tandläkare vars information varierar eller vars närvaro är begränsad till en Google Business Profile.

Därför har begreppet synlighet i AI-sökningar vuxit fram som ett separat område att mäta och hantera, skilt från traditionell rankningsuppföljning. Verktyg som Lighthouse Local fyller just denna lucka och hjälper lokala företag att förstå hur och om de dyker upp i AI-genererade rekommendationer på plattformar som ChatGPT och Google AI, samt vad som driver eller begränsar denna synlighet.

Vad lokala företag bör vara uppmärksamma på

De praktiska konsekvenserna för lokala företagare och de byråer som sköter deras marknadsföring är inte så komplicerade som de kan verka.

Konsistens i företagsinformationen är viktigare än någonsin. Konsistens i NAP (namn, adress, telefonnummer) har alltid varit viktigt för lokal SEO, men det är ännu viktigare i ett AI-sammanhang eftersom inkonsekvent information förvirrar AI-modellerna när det gäller vilken version av företagets uppgifter som ska användas. Ett företag med olika telefonnummer listade i olika kataloger är svårare för en AI att återge korrekt.

Recensioner är rika på signaler. AI-system tränas på offentligt tillgänglig text, och recensioner är bland de mest omfattande och beskrivande texterna som finns om lokala företag. Ett företag med många detaljerade recensioner som beskriver specifika tjänster, stadsdelar och kundtyper ger AI-verktygen ett rikt underlag att utgå ifrån när de formulerar rekommendationer.

Omnämnanden i lokala medier och regionala publikationer har stor betydelse. När en lokal restaurang omnämns i en stads alternativa veckotidning eller en entreprenör citeras i en lokal nyhetsartikel blir dessa omnämnanden en del av det informationssystem som AI-systemen tränas på och hämtar information från. Detta är ett område där traditionell PR och lokal innehållsmarknadsföring direkt samverkar med synligheten i AI-sökningar.

Strukturerade data på företagets webbplats är till hjälp. Schema-markering som tydligt identifierar företagets typ, plats, öppettider, tjänster och tjänsteområde ger AI-systemen ren, analysbar information att arbeta med.

Vad detta innebär för SEO-byråer som hanterar lokala kunder

Diskussionen har förändrats. Kunder som tidigare bara frågade om sin placering på Google Maps undrar nu varför en konkurrent nämndes av ChatGPT medan de själva inte gjorde det. Vissa upptäcker att deras optimerade Google Business-profil existerar samtidigt som de nästan inte har någon närvaro alls på andra delar av webben som AI hämtar information från.

För byråer innebär detta både en utmaning och en möjlighet. Utmaningen ligger i att mätning av AI-synlighet kräver andra verktyg än traditionell rankningsspårning. Standardiserad positionsspårning ger ingen information om huruvida din kund rekommenderas när någon frågar en AI-chattbot om en specifik typ av företag i sitt område.

Möjligheten ligger i att de flesta lokala företag ännu inte tänker systematiskt på detta, och byråer som hjälper kunder att bygga upp ett bredare nätverk av omnämnanden och referenser som stöder AI-synlighet kommer att leverera något genuint värdefullt före marknaden istället för att bara hinna ikapp den.

Den praktiska utgångspunkten

Det mest användbara första steget för alla lokala företag eller byråer som funderar på AI-sökning är att köra några testfrågor. Be ChatGPT eller Googles AI att rekommendera specifika typer av företag i ditt målområde och se om du eller dina kunder dyker upp. Om ni inte gör det är det information i sig. Om ni gör det, se vilka källor AI:n hänvisar till för sin rekommendation. Dessa källor visar vilka delar av ditt informationssystem som fungerar.

AI-sökbeteendet utvecklas fortfarande, och de signaler som betyder mest kommer att förändras i takt med att de underliggande modellerna uppdateras. Men de företag som har konsekvent och omfattande information från många relevanta källor är genomgående de som just nu dyker upp i AI-rekommendationerna. Att bygga den grunden är en hållbar strategi oavsett hur de specifika mekanismerna förändras.

En sak som är värd att hålla ett öga på i takt med att detta område utvecklas: de källor som AI-systemen hänvisar till när de ger lokala rekommendationer är inte statiska. När AI-modellerna uppdateras och informationslandskapet kring ett visst företag förändras kan synligheten skifta utan att företaget gör något. Detta gör regelbunden övervakning mer användbar än en engångsgranskning, och det gör förståelsen av de källor som driver AI-rekommendationerna till en fortlöpande uppgift snarare än en ruta man bockar av en gång.