Hva finner en potensiell kunde hvis de spør AI om dere?
Kanskje blir virksomheten deres anbefalt. Kanskje dere blir nevnt som ett av flere alternativer. Kanskje konkurrenten får hele anbefalingen.
Det er dette AI-synlighet handler om.
AI-synlighet beskriver hvor synlig en virksomhet, merkevare, tjeneste eller fagkompetanse er i svar fra AI-verktøy, og hvordan virksomheten blir forstått når AI svarer på spørsmål fra potensielle kunder.
Det handler altså ikke bare om å finnes.
Det handler om å bli funnet, forstått og vurdert for det dere faktisk ønsker å bli valgt for.
En B2B-kunde går sjelden rett fra et behov til et salgsmøte.
Før kontakten kommer, har kunden gjerne undersøkt problemet, lest om ulike løsninger, sammenlignet leverandører og diskutert alternativene internt.
Nå skjer en del av denne researchen også i AI-verktøy.
En innkjøper kan for eksempel spørre:
AI svarer før salg er i rommet.
Det betyr at virksomheten kan bli vurdert lenge før dere selv får muligheten til å presentere kompetansen, erfaringen eller forskjellene deres.
For selskaper med komplekse tjenester og lange salgsprosesser er dette særlig interessant. Mye av verdien deres kan være vanskelig å forklare i én setning. Kundecaser, teknisk kompetanse, erfaring fra bestemte markeder og dokumenterte resultater kan være avgjørende for valget.
Spørsmålet er om dette også kommer tydelig frem når AI beskriver dere.
Det finnes flere nivåer av AI-synlighet.
En virksomhet kan for eksempel:
Det siste er naturligvis interessant. Men synlighet alene forteller ikke hele historien.
Dere kan være synlige på feil ting.
Et teknologiselskap kan for eksempel være godt representert i AI-svar, men først og fremst bli koblet til en eldre tjeneste de ønsker å bevege seg bort fra.
En maritim leverandør kan være kjent for én produktkategori, samtidig som kompetansen de ønsker å vokse på nesten ikke nevnes.
Da er ikke utfordringen nødvendigvis manglende synlighet.
Det er avstanden mellom det dere ønsker å bli kjent for og det markedet faktisk møter.
Det er fristende å behandle AI som enda en søkemotor.
Plass nummer én er bra. Plass nummer to er dårligere.
Så enkelt er det ikke.
AI-svar er ofte bygget opp som forklaringer, vurderinger og anbefalinger. Flere selskaper kan nevnes samtidig, og ulike leverandører kan trekkes frem av forskjellige grunner.
Derfor er et bedre spørsmål enn «hvilken plass ligger vi på?»:
Hva blir vi forstått for, og hvorfor blir noen valgt fremfor andre?
Tenk deg at en kunde spør etter leverandører innen et område dere ønsker å eie.
AI anbefaler tre konkurrenter.
Da er det interessante ikke bare at dere mangler.
Det interessante er å finne ut:
Det er først da målingen blir nyttig.
AI-verktøy bygger ikke bildet av en virksomhet ut fra én enkelt nettside.
Bildet kan formes av informasjon fra mange steder: egen nettside, fagartikler, kundecaser, nyhetssaker, bransjekilder, kataloger, eksterne omtaler og annet offentlig tilgjengelig innhold.
Det betyr også at dere ikke eier hele bildet selv.
Dere kan skrive én ting på nettsiden, mens resten av markedet beskriver dere på en annen måte.
Og dere kan ha svært sterk kompetanse internt uten at den er synlig nok i kildene en kunde eller AI faktisk møter.
Dette er en viktig forskjell.
Det dere vet om virksomheten, er ikke nødvendigvis det samme som markedet kan finne ut om virksomheten.
Det finnes ikke én knapp som gjør en virksomhet synlig i AI.
Men noen forhold er særlig viktige.
Hvis tjenester, produkter og fagområder er vanskelig å forstå på nettsiden, blir det også vanskeligere for andre å plassere virksomheten riktig.
Kunder søker ikke bare etter leverandørnavn.
De undersøker problemer, løsninger, alternativer, risiko, teknologi og valg. Virksomheter som forklarer disse temaene godt, gir både mennesker og AI mer informasjon å arbeide med.
Påstander er én ting.
Dokumenterte prosjekter, erfaring, resultater, sertifiseringer, kundecaser og konkrete faglige bevis gjør bildet sterkere.
Det virksomheten sier om seg selv er viktig, men andre kilder kan også påvirke hvordan den blir forstått.
Presseomtale, fagmedier, samarbeidspartnere og andre troverdige kilder kan bidra til bildet.
Hvis virksomheten beskrives svært forskjellig fra sted til sted, blir signalene mindre tydelige.
Dette betyr ikke at alt innhold skal si det samme. Men det bør være mulig å kjenne igjen hva virksomheten er god på og hvilken posisjon den ønsker å ta.
Her begynner det å bli viktig å skille mellom enkel testing og systematisk måling.
Du kan selvfølgelig åpne ChatGPT og spørre:
«Hvilke leverandører finnes innen dette området?»
Det kan gi et interessant øyeblikksbilde.
Men ett spørsmål sier lite om den samlede synligheten.
En mer nyttig måling bør ta utgangspunkt i flere spørsmål gjennom ulike deler av kjøpsreisen.
For eksempel:
Undersøkelse
Kunden prøver å forstå problemet og hvilke løsninger som finnes.
Sammenligning
Kunden vurderer ulike alternativer og leverandører.
Beslutning
Kunden leter etter dokumentasjon, erfaring og grunner til å velge én aktør fremfor en annen.
Deretter kan dere undersøke:
Og kanskje viktigst:
Hvordan utvikler dette seg over tid?
K—lab Cited er bygget rundt nettopp denne arbeidsmåten. Verktøyet stiller reelle kjøperspørsmål til blant annet ChatGPT, Microsoft Copilot og Google AI Overview, lagrer svarene og viser hvilke virksomheter som blir nevnt, sitert og anbefalt.
Høy synlighet er ikke nødvendigvis god synlighet.
Hvis dere nevnes ofte, men blir beskrevet feil, har dere fortsatt en jobb å gjøre.
God AI-synlighet betyr heller at dere:
For en B2B-bedrift er derfor ikke målet å dukke opp overalt.
Målet er å være relevant på de spørsmålene som kan påvirke leverandørvalget.
AI-synlighet kan fort bli gjort til et nytt fagområde for markedsavdelingen.
Det ville vært synd.
For funnene kan være minst like interessante for salg og ledelse.
Hvis konkurrenten konsekvent anbefales fordi de dokumenterer erfaring fra et bestemt marked bedre, er det relevant for marked.
Men det er også relevant for salg.
Hvis AI kobler selskapet deres til en annen posisjon enn den ledelsen har valgt, er det ikke bare et innholdsproblem.
Det er et strategisk spørsmål.
Og hvis kundene stadig undersøker et tema dere nesten ikke kommuniserer om, kan det påvirke både innholdsplanen, nettsiden og salgsdialogen.
Det er nettopp derfor K—lab ikke behandler AI-synlighet som et mål i seg selv. Strategien er å koble det som skjer i den tidlige kjøpsreisen til posisjon, marked og salg, slik at funnene faktisk kan brukes i neste prioritering.
Ikke start med å produsere ti nye artikler.
Start med å finne ut hvorfor dere er svake.
Det kan være at:
Tiltaket bør komme etter funnet.
Noen ganger er løsningen en ny fagartikkel.
Andre ganger er det en bedre tjenesteside, tydeligere dokumentasjon, en kundecase, pressearbeid eller rett og slett en skarpere forklaring av det dere allerede gjør.
Det interessante med AI-synlighet er derfor ikke selve prosenten.
Det interessante er hva den avslører om gapet mellom virksomheten dere kjenner fra innsiden og virksomheten markedet møter utenfra.
AI-synlighet er et mål på om og hvordan virksomheten deres blir funnet, forstått, omtalt og anbefalt i AI-svar.
For B2B-bedrifter er dette særlig relevant fordi store deler av leverandørvalget skjer før kunden tar kontakt.
Den viktigste jobben er derfor ikke å «vinne AI».
Den er å sørge for at når kunder undersøker behovet sitt, så møter de et bilde av virksomheten som faktisk stemmer med det dere ønsker å bli valgt for.
For sterke bedrifter bør ikke bare være gode når de får forklare seg selv.
De bør også bli forstått før samtalen starter.
AI-synlighet beskriver hvor synlig en virksomhet er i svar fra AI-verktøy – og hvordan den blir forstått når AI svarer på spørsmål fra potensielle kunder.
Det er vanskelig å vite om AI-synligheten deres er god før dere ser den i sammenheng med andre. Derfor bør den alltid ses opp mot konkurrentene.
Ofte handler det ikke om at konkurrenten er bedre. Det handler om at de er lettere å forstå.
