L'ascesa dell'intelligenza artificiale: la necessità di migliorare i motori di ricerca geografica a pagamento e organici.

Negli ultimi due anni, il consiglio dato ai brand è stato sostanzialmente unanime: assicurarsi di essere menzionati e raccomandati dall'intelligenza artificiale , e si otterranno i risultati desiderati.

Che la si chiami ottimizzazione per i motori di ricerca (GEO) o ottimizzazione per i motori di ricerca basata sull'intelligenza artificiale (AEO), l'obiettivo rimane lo stesso: garantire che l'IA possa comprendere il tuo marchio, recuperare informazioni accurate su di esso e consigliarlo quando un cliente lo richiede.

Questa situazione è proseguita fino a quando Amazon non ha pubblicato, in sordina, un dato nei risultati del secondo trimestre che ha iniziato a smentire tale previsione.

Andy Jassey ha rivelato che gli acquirenti che cliccano su un annuncio sponsorizzato all'interno di Alexa for Shopping hanno il 48% di probabilità in più di effettuare un acquisto e spendono il 21% in più rispetto agli acquirenti che non lo fanno.

Sebbene questi dati provengano da Amazon stessa e non rappresentino uno standard di settore indipendente, costituiscono una delle indicazioni più chiare finora che gli annunci a pagamento stanno diventando parte integrante dell'esperienza di acquisto basata sull'intelligenza artificiale , anziché limitarsi a coesistere con essa.

Questo è importante perché lo shopping basato sull'intelligenza artificiale sta iniziando a dividersi in due modelli molto diversi: sistemi di assistenza aperti che cercano di mostrare i migliori prodotti disponibili e ecosistemi chiusi che controllano il contesto commerciale che circonda i suggerimenti.

Per i marchi, questi modelli creano percezioni molto diverse sul valore della visibilità.

Perché le piattaforme di shopping basate sull'intelligenza artificiale stanno divergendo?

Fino a poco tempo fa, aveva senso parlare dell'emergere dell'intelligenza artificiale come di un'entità unica. Un marchio sperava che il modello lo capisse, che l'assistente lo ricordasse e che lo raccomandasse quando un cliente poneva una domanda pertinente. Ma questa ipotesi diventa difficile da sostenere quando la piattaforma che fornisce la raccomandazione ha anche un'attività pubblicitaria che cerca di monetizzare.

Amazon ne è l'esempio più lampante. Un annuncio sponsorizzato può comparire all'interno dello stesso percorso di acquisto in cui il cliente decide cosa comprare. Anche Google si sta muovendo in una direzione simile, integrando gli annunci in esperienze di ricerca e acquisto sempre più conversazionali.

إن الحافز التجاري واضح تماماً. فإذا كانت التوصية المدفوعة ضمن محادثة مع الذكاء الاصطناعي تحقق معدلات تحويل أفضل من الإعلان التقليدي، فإن المنصات ستجد مبرراً قوياً لدمج Plus من الإعلانات في تلك المحادثات.

Gli aiuti aperti, tuttavia, si trovano di fronte a un'equazione diversa. Il loro valore dipende in larga misura dalla percezione che le raccomandazioni siano formulate in base alla loro rilevanza, e non perché qualcuno le abbia finanziate.

Ciò crea un equilibrio molto più difficile tra generazione di ricavi e fiducia . Il risultato non è un singolo canale di shopping basato sull'intelligenza artificiale, ma molteplici ecosistemi che si evolvono attorno a diversi incentivi commerciali.

Migliorare la visibilità geografica (GEO) e l'esperienza con l'intelligenza artificiale (AEO) sono ancora sufficienti?

I principi fondamentali alla base dell'ottimizzazione della visibilità geografica (GEO) e dell'ottimizzazione dell'esperienza tramite intelligenza artificiale (AEO) rimangono validi. Informazioni accurate, specifiche e ben organizzate offrono ai sistemi di intelligenza artificiale maggiori possibilità di comprendere il prodotto e determinarne la rilevanza.

Sta però emergendo una differenza fondamentale: mentre GEO e AEO risolvono il problema della visibilità, non risolvono necessariamente il problema aziendale.

Un marchio potrebbe godere di un'elevata visibilità nei suggerimenti basati sull'intelligenza artificiale, ma non riuscire a convertire tale visibilità in fatturato. Allo stesso modo, la visibilità a pagamento non può compensare indefinitamente la scarsità di informazioni di base sul prodotto. L'intelligenza artificiale ha comunque bisogno di dati affidabili su cosa sia il prodotto, chi sia il suo pubblico di riferimento e come si posizioni rispetto alle alternative.

Pertanto, per i brand la questione va oltre la semplice domanda se i loro prodotti vengano consigliati. Devono comprendere come funzionano i sistemi di raccomandazione su ciascuna piattaforma, cosa accade quando la pubblicità viene integrata nel processo decisionale e se la sua visibilità si traduce, in definitiva, nell'acquisizione di clienti.

Qual è il ruolo del sistema di miglioramento del commercio gestito da agenti (Agent-Operated Trade Improvement, ACO)?

È qui che l'ottimizzazione del commercio tramite agenti (ACO) diventa importante.

GEO e AEO mirano principalmente a rendere il marchio comprensibile, reperibile e visibile attraverso l'intelligenza artificiale. ACO, invece, porta questo problema a livello aziendale, dove l'IA inizia a prendere o influenzare le decisioni di acquisto.

Per l'agente intelligente , il contenuto del prodotto è solo una parte dell'equazione. Molti altri fattori sono cruciali, come prezzo, disponibilità, specifiche, varianti, consegna, resi e capacità di completamento della transazione. Pertanto, un prodotto può essere ben ottimizzato per l'IA, ma rimane una scelta inadeguata per l'agente se le informazioni di cui ha bisogno per agire sono incomplete o incoerenti.

Per questo motivo, l'ACO può essere compreso attraverso i principi delle 5C: Completezza, Contesto, Citazioni, Correttezza e Acquisizione del Cliente.

I primi quattro principi aiutano a determinare se un sistema di intelligenza artificiale è in grado di comprendere e consigliare con sicurezza un prodotto. Il quinto principio pone una domanda di business a cui le sole metriche di visibilità non possono rispondere: quel consiglio ha portato all'acquisizione di un cliente?

Pertanto, ACO rappresenta la risposta operativa alla prossima fase dello shopping basato sull'intelligenza artificiale: il monitoraggio continuo di come i prodotti appaiono sulle piattaforme di intelligenza artificiale e la correzione dei dati sottostanti relativi a contenuti, cataloghi e commercio quando questi sistemi iniziano a deviare dalla rotta prevista.

Questo aspetto diventa sempre più importante man mano che le piattaforme sviluppano metodi diversi di pubblicità e raccomandazione. Un marchio non può ottimizzare la propria presenza per un'unica versione di shopping basato sull'intelligenza artificiale, mentre le piattaforme sottostanti adottano strategie commerciali divergenti.

Cosa dovrebbero fare ora i marchi?

La soluzione non è abbandonare l'ottimizzazione per i motori di ricerca geolocalizzata (GEO) o l'ottimizzazione per i motori di ricerca basata sull'intelligenza artificiale (AEO) a favore di un nuovo termine. I principi fondamentali rimangono gli stessi: informazioni accurate sui prodotti, una struttura chiara, dati coerenti e contenuti che rispondano alle domande che i clienti si pongono realmente. La differenza, oggi, è che i brand devono monitorare ciò che accade dopo la raccomandazione iniziale.

Quali prodotti vengono messi in evidenza dalle piattaforme di intelligenza artificiale? Quali concorrenti stanno guadagnando terreno? Dove le informazioni sui prodotti sono imprecise o mancanti? Come varia la situazione tra i diversi programmi di assistenza? In che modo la pubblicità a pagamento entra in gioco in questo percorso? E, in definitiva, questa visibilità genera un'ulteriore acquisizione di clienti?

Il tasso di conversione del 48% di Amazon è significativo perché suggerisce che apparire all'interno di una conversazione con l'IA nel momento dell'intenzione di acquisto può essere commercialmente distinto dall'apparire accanto ad essa . Se altre piattaforme seguiranno l'esempio, la distinzione tra presenza dell'IA, pubblicità a pagamento e commercio diventerà ancora più sfumata.

Pertanto, l'opportunità non risiede nella sostituzione dell'ottimizzazione per i motori di ricerca geolocalizzati (GEO) o dell'ottimizzazione dell'esperienza tramite intelligenza artificiale (AEO), bensì nel potenziarle. Man mano che l'IA si evolve, passando dal rispondere alle domande relative agli acquisti all'influenzare le decisioni di acquisto, la visibilità diventa il punto di partenza anziché l'obiettivo finale.

العلامات التجارية التي ستستفيد من هذا الوضع الراهن هي تلك التي تجمع بين أساسيات GEO/AEO مع ACO – لتحسين العناصر الخمسة (5 Cs)، وفي النهاية، قياس الذكاء الاصطناعي ليس فقط بعدد مرات ذكره لها، بل بحجم الإيرادات الإضافية التي يساعد في توليدها