Το AI δεν διορθώνει ένα brand που δεν ξέρει ποιο είναι

Τι κάνει ένα γλωσσικό μοντέλο με το brand σας;

Το συνοψίζει. Αν δεν βρει μία εκδοχή του, φτιάχνει μόνο του μία.

Κάποιος ρωτά το ChatGPT «ποιο ξενοδοχείο στη Χαλκιδική για ζευγάρια» ή το Gemini «καλό διαγνωστικό εργαστήριο στη Θεσσαλονίκη». Η απάντηση δεν έρχεται από μια λίστα κατάταξης. Είναι μια σύνθεση από όσα γράφει ο ιστότοπός σας, οι κριτικές, οι κατάλογοι, τα άρθρα και τα προφίλ σας στις πλατφόρμες. Η μηχανή ψάχνει μοτίβο: ποια λέξη επανέρχεται και ποια ιδιότητα την επιβεβαιώνουν περισσότερες από μία πηγές.

Όταν το μοτίβο είναι καθαρό, βγαίνει καθαρή και η περιγραφή. Όταν δεν είναι, η μηχανή κάνει ό,τι θα έκανε ένας βιαστικός αναγνώστης και γενικεύει. Το «boutique ξενοδοχείο με έμφαση στην ευεξία» γίνεται απλώς «ξενοδοχείο στη Χαλκιδική». Μια εξειδίκευση που χρειάστηκε χρόνια για να χτιστεί χάνεται μέσα σε μία πρόταση.

Γιατί δεν το λύνει η τεχνική βελτιστοποίηση;

Γιατί ενισχύει ό,τι βρει. Δεν αποφασίζει τι αξίζει να ενισχυθεί.

Όλα τα τεχνικά χρειάζονται: δομημένα δεδομένα, σωστή πρόσβαση για τους crawlers, περιεχόμενο που απαντά σε πραγματικές ερωτήσεις. Όλα όμως κάνουν το ίδιο πράγμα. Μεταφέρουν το μήνυμά σας στη μηχανή πιο αξιόπιστα.

Αν το μήνυμα είναι θολό, μεταφέρουν θολούρα, απλώς πιο αξιόπιστα.

Το βλέπω συχνά σε έργα που μας έρχονται αφού κάποιος έχει ήδη «κάνει AEO». Το schema είναι σωστό και δηλώνει την εταιρεία ως σύμβουλο επιχειρήσεων. Η αρχική σελίδα μιλά για ψηφιακό μετασχηματισμό. Οι σελίδες υπηρεσιών θυμίζουν agency. Το LinkedIn γράφει «λύσεις λογισμικού». Τεχνικά δεν υπάρχει κανένα λάθος. Στρατηγικά, έχουμε τέσσερις εταιρείες με το ίδιο όνομα.

Το «πώς με βρίσκει η μηχανή» είναι τεχνικό ερώτημα. Το «τι βρίσκει όταν φτάσει» είναι ερώτημα τοποθέτησης, και πρέπει να απαντηθεί πρώτο.

Πώς καταλαβαίνετε ότι το brand σας δεν ξέρει ποιο είναι;

Από την απόσταση ανάμεσα σε όσα λέτε εσείς και όσα λένε οι άλλοι για εσάς.

Σπάνια λείπει εντελώς η ταυτότητα. Συνήθως μια εταιρεία έχει πολλές ταυτότητες ταυτόχρονα. Κάποια σημάδια εμφανίζονται ξανά και ξανά:

• Οι περιγραφές στο site, στο Google Business Profile και στο LinkedIn γράφτηκαν σε διαφορετικές χρονιές, από διαφορετικούς ανθρώπους και για διαφορετικό λόγο.
• Η ομάδα πωλήσεων περιγράφει την εταιρεία αλλιώς από την ιστοσελίδα. Συχνά έχει και δίκιο, γιατί ξέρει τι αγοράζουν στην πράξη οι πελάτες.
• Η αρχική σελίδα απαριθμεί υπηρεσίες αντί να λέει ποιο αποτέλεσμα φέρνει η εταιρεία. Όταν δώδεκα υπηρεσίες έχουν το ίδιο βάρος, καμία δεν είναι η κύρια.
• Οι κριτικές επαινούν κάτι που η εταιρεία δεν αναφέρει πουθενά για τον εαυτό της.
• Έγινε rebrand, αλλά οι κατάλογοι, τα παλιά δελτία τύπου και οι αγγελίες εργασίας γράφουν ακόμη την παλιά περιγραφή.

Στο τελευταίο αξίζει να σταθούμε. Οι αγγελίες εργασίας και οι σελίδες καριέρας είναι από τα πιο παραμελημένα κείμενα μιας εταιρείας, αν και είναι από τα πιο δημόσια. Μια αγγελία που μιλά για «δυναμική, ταχέως αναπτυσσόμενη επιχείρηση του χώρου» δεν λέει τίποτα στη μηχανή. Το employer branding ανήκει στην ίδια οντότητα με το brand. Ένα μοντέλο δεν ξεχωρίζει όσα γράφετε για πελάτες από όσα γράφετε για υποψήφιους.

Γιατί η ασάφεια κοστίζει περισσότερο στο AI απ’ ό,τι στη Google;

Γιατί στη Google επιλέγει ο χρήστης, ενώ στο AI επιλέγει η μηχανή.

Στα κλασικά αποτελέσματα αναζήτησης, μια θολή εταιρεία μπορούσε να επιβιώσει. Εμφανιζόταν ανάμεσα στους δέκα συνδέσμους και ο χρήστης έμπαινε, διάβαζε και έκρινε μόνος του. Η σαφήνεια βοηθούσε, αλλά δεν ήταν προϋπόθεση.

Σε μια απάντηση AI, η κρίση έχει γίνει πριν τη δει ο χρήστης. Η μηχανή προτείνει δύο ή τρία ονόματα και γράφει για το καθένα μια πρόταση που εξηγεί γιατί. Για να σας προτείνει, πρέπει να μπορεί να γράψει αυτή την πρόταση με σιγουριά. Αν δεν μπορεί, θα τη γράψει για έναν ανταγωνιστή που μπορεί να τον περιγράψει.

Αυτό αλλάζει το ποιος κερδίζει. Δεν κερδίζει απαραίτητα ο μεγαλύτερος ή όποιος έχει το μεγαλύτερο budget. Συχνά κερδίζει όποιος περιγράφεται πιο εύκολα. Για τις μικρότερες εταιρείες είναι από τις λίγες φορές που το μέγεθος δεν κρίνει το αποτέλεσμα. Το κρίνει η σαφήνεια.

Από πού ξεκινά η δουλειά;

Από μία πρόταση που όλη η εταιρεία λέει με τον ίδιο τρόπο.

Πριν από οποιαδήποτε βελτιστοποίηση, ζητάμε από τα στελέχη του πελάτη να απαντήσουν γραπτά σε τέσσερις ερωτήσεις, ο καθένας χωριστά:

• Τι είμαστε, σε μία πρόταση;
• Για ποιον;
• Γιατί εμάς και όχι τον επόμενο;
• Τι δεν είμαστε;

Η τέταρτη είναι η πιο δύσκολη και η πιο χρήσιμη. Μια εταιρεία που δεν μπορεί να πει τι δεν κάνει θα περιγραφεί ως εταιρεία που κάνει τα πάντα. Και κανείς δεν προτείνει μια εταιρεία που κάνει τα πάντα.

Στον πρώτο γύρο οι απαντήσεις σχεδόν ποτέ δεν συμπίπτουν. Αυτό δεν είναι αποτυχία. Είναι το πρώτο εύρημα του έργου και συνήθως το πιο πολύτιμο. Αν τρία στελέχη περιγράφουν την εταιρεία με τρεις τρόπους, δεν μπορούμε να περιμένουμε από ένα γλωσσικό μοντέλο να καταλήξει σε έναν.

Μετά την πρόταση έρχεται το λεξιλόγιο: ποια λέξη χρησιμοποιούμε για την κατηγορία μας και ποιες αποφεύγουμε. «Διαγνωστικό εργαστήριο» ή «διαγνωστικό κέντρο»; «Resort» ή «ξενοδοχείο»; Μοιάζει λεπτομέρεια. Για μια μηχανή που ψάχνει επανάληψη, όμως, κρίνει αν θα δει μία οντότητα ή δύο.

Μόνο τότε το μήνυμα περνά παντού, με την ίδια πρόταση και τις ίδιες λέξεις: στην αρχική σελίδα, στις σελίδες υπηρεσιών, στα δομημένα δεδομένα, στο Google Business Profile, στους καταλόγους, στη σελίδα καριέρας, στα βιογραφικά των στελεχών και στα δελτία τύπου.

Πού μπαίνει τότε η τεχνική δουλειά;

Αμέσως μετά. Δεν μετρά λιγότερο, αλλά χωρίς καθαρό μήνυμα δεν έχει τι να μεταφέρει.

Στην PHOENIX VERUS έχουμε χωρίσει τη δουλειά έτσι σκόπιμα. Εγώ αναλαμβάνω την τοποθέτηση και το μήνυμα. Ο Ταξιάρχης Βαφέας μετρά πώς περιγράφουν την εταιρεία τα AI συστήματα πριν αλλάξει οτιδήποτε και διορθώνει όσα εμποδίζουν τις μηχανές να φτάσουν στο περιεχόμενο. Οι δύο δουλειές τρέχουν παράλληλα, αλλά με σειρά. Πρώτα παίρνουμε τη βάση αναφοράς, μετά κλειδώνουμε την τοποθέτηση, και έτσι κάθε βελτιστοποίηση που ακολουθεί αφορά κάτι συγκεκριμένο.

Η σειρά έχει σημασία για έναν απλό λόγο. Αν διορθώσετε πρώτα τα τεχνικά και μετά αλλάξετε τοποθέτηση, θα τα διορθώσετε δύο φορές. Αν αλλάξετε τοποθέτηση χωρίς βάση αναφοράς, δεν θα μάθετε ποτέ αν η αλλαγή δούλεψε.

Τι μπορείτε να ελέγξετε μόνοι σας αυτή την εβδομάδα;

Αν σας περιγράφουν με τον ίδιο τρόπο παντού. Χρειάζεται μία ώρα.

Ανοίξτε ένα έγγραφο και αντιγράψτε αυτούσια την περιγραφή της εταιρείας σας από πέντε σημεία: την αρχική σελίδα, το Google Business Profile, τη σελίδα στο LinkedIn, την πιο πρόσφατη αγγελία εργασίας και τον πιο σημαντικό κατάλογο ή πλατφόρμα του κλάδου σας.

Βάλτε τις περιγραφές τη μία κάτω από την άλλη. Αν σας πάρει πάνω από δέκα δευτερόλεπτα για να καταλάβετε ότι μιλούν για την ίδια εταιρεία, το ίδιο θα πάθει και η μηχανή.

Μπορείτε επίσης να ρωτήσετε ένα σύστημα AI «τι είναι η [εταιρεία σας];». Θα πάρετε μια ένδειξη, όχι μέτρηση, γιατί αυτά τα συστήματα απαντούν διαφορετικά κάθε φορά και μία απάντηση δεν έχει με τι να συγκριθεί. Αν όμως η ένδειξη δεν μοιάζει με την πρόταση που θα θέλατε να ακούσετε, ξέρετε από πού να ξεκινήσετε.