Tradiční marketingový trychtýř se s AI vyhledáváním úplně rozpadá – jak všichni přizpůsobují své strategie zákaznické cesty?

Nejsi v tom sám. To je TÉMA, které se teď řeší na každé schůzce marketingového vedení.

Zásadní změna:

Tradiční trychtýř předpokládal sekvenční body kontaktu, kde jsi mohl ovlivnit kupujícího v každé fázi. AI vyhledávání to stlačuje do toho, co nazývám „současné řešení záměru“.

Když se kupující zeptá Perplexity na složitou otázku, vyjadřuje:

• Potřeby povědomí („Jaká řešení existují?“)
• Potřeby zvažování („Jak si vedou ve srovnání?“)
• Potřeby rozhodnutí („Které z nich odpovídá mé konkrétní situaci?“)

… vše najednou. AI vše syntetizuje a předloží doporučení. Tvůj trychtýř je teď jediná interakce, kterou nekontroluješ.

Data jsou neúprosná:

• 90 % B2B kupujících teď během nákupní cesty používá generativní AI
• 83 % cesty kupujícího proběhne před kontaktem s obchodem
• Tradiční modely atribuce většinu toho přehlížejí

Nový mentální model:

Přestaň myslet v „fázích trychtýře“ a začni přemýšlet v „kvalifikaci pro AI doporučení“.

Tvým cílem není posouvat kupující přes fáze – tvým cílem je být značkou, kterou AI doporučí, když kupující všechny tyto fáze spojí do jednoho dotazu.

Před 6 měsíci jsme kompletně restrukturalizovali náš go-to-market podle této reality.

Co nazýváme „trychtýř éry AI“:

Namísto TOFU/MOFU/BOFU teď přemýšlíme v těchto vrstvách:

1. Vrstva AI viditelnosti

• Jsme zmiňováni, když se kupující ptají AI na naši kategorii?
• Jaký je náš podíl AI hlasu oproti konkurenci?
• Jak jsme pozicováni v AI doporučeních?

2. Vrstva posílení značky

• Když nás AI zmíní, zapamatuje si nás kupující?
• Je naše značka dostatečně silná, aby přežila sumarizaci AI?
• Objevujeme se napříč více AI touchpointy?

3. Vrstva konverze

• Když kupující dorazí (předvzdělaní AI), dokážeme je převést?
• Je náš web optimalizován pro AI-informované návštěvníky?
• Umí obchod reagovat na AI-vzdělané zájemce?

Měříme tyto metriky:

• Frekvence citací AI (týdně přes Am I Cited)
• Podíl AI hlasu podle kategorie
• Trendy objemu vyhledávání značky
• Korelace AI a vyhledávání značky
• Konverzní poměr „předvzdělaných“ zájemců

Střední část trychtýře už nesledujeme, zaměřujeme se na viditelnost na vstupu (AI doporučení) a optimalizaci výstupu (konverze).

Specialista na atribuci zde. Potvrdím tvoje obavy daty.

Problém „attribution dark matter“ je skutečný:

Analyzovali jsme našich posledních 500 uzavřených obchodů:

• 34 % mělo „přímý“ jako první kontakt
• Z těchto 78 % při dotazu uvedlo, že používali AI při hledání informací
• Tradiční atribuce AI povědomí nepřidělila ŽÁDNÝ kredit

Matematický problém:

Pokud se zájemce zeptá ChatGPT na naši kategorii, je doporučen, pak přímo zadá naši URL do prohlížeče – v GA4 je to „přímá návštěva“. Ve skutečnosti je to poptávka vytvořená AI.

Jak se přizpůsobujeme:

1. Dotazníky po nákupu – Prosté „Jak jste se o nás poprvé dozvěděli?“ odhalí roli AI

2. Korelace se značkovým vyhledáváním – Když roste naše AI viditelnost, s odstupem 2–3 týdnů následuje růst vyhledávání značky

3. Marketing Mix Modeling (MMM) – Statistické modely, které odvozují vliv bez sledování individuálních cest

4. Sledování AI citací – Používáme Am I Cited k měření toho, co tradiční analytika nezachytí

Nepříjemná pravda:

Tradiční trychtýřové metriky (MQL, SQL, dotčená atribuce) stále více měří aktivitu, ne dopad. Skutečný vliv probíhá v konverzacích, které nevidíme.

Takto jsme restrukturalizovali obsahovou strategii pro AI trychtýř:

Starý přístup (obsah podle fází trychtýře):

• Povědomí: Blogy „Co je [kategorie]?“
• Zvažování: Srovnávací průvodci, seznamy funkcí
• Rozhodnutí: Produktové stránky, případové studie

Nový přístup (AI-citovatelný obsah):

Obsah pro komplexní záměr

• Jednotlivé stránky odpovídající na kompletní otázku kupujícího
• Pokrývají, co to je, jak se řešení porovnávají, pro koho jsou vhodná
• Strukturované pro AI extrakci (jasné nadpisy, přímé odpovědi, podpůrná data)

Autoritativní obsah

• Původní výzkumy, které může AI citovat
• Odborné pohledy, které může AI citovat
• Oborově specifické příklady použití

Ověřovací obsah

• Důkazy od zákazníků na webech třetích stran
• Optimalizace přítomnosti na recenzních webech
• Vystoupení v oborových publikacích

Hlavní změna:

Přestali jsme přemýšlet „kterou fázi trychtýře tento obsah obsluhuje?“ a začali „na jakou kompletní otázku kupujícího tento obsah odpovídá?“

Protože AI nezajímá tvé fáze trychtýře. Zajímá ji kompletní odpověď na dotaz uživatele.

Obchodní pohled na tuto transformaci:

Co se změnilo v rozhovorech se zájemci:

Kupující dříve přicházeli s otázkami. Teď přicházejí s názory utvořenými AI.

Už si:

• Nastudovali kategorii
• Porovnali dodavatele
• Utvořili preference
• Identifikovali obavy

Někdy je jejich AI výzkum přesný. Někdy ne. Ale jsou si jisti v každém případě.

Jak se přizpůsobujeme:

1. „Co vám řekla AI?“ jako discovery – Brzy v rozhovoru zjišťujeme, jaký AI výzkum provedli a co se dozvěděli. Odhaluje to mylné představy, které musíme řešit.

2. Řešení námitek ovlivněných AI – Běžné námitky vzniklé díky AI evidujeme a řešíme proaktivně.

3. Rychlejší obchodní cykly – Kupující přicházejí dál v procesu, proto optimalizujeme na kratší cykly s AI-vzdělanými zájemci.

4. Win/loss analýza zahrnuje AI – Sledujeme, zda nás (nebo konkurenci) AI zmínila u ztracených obchodů.

Pozitivní stránka:

Když nás AI doporučí příznivě, zájemci přicházejí jako horké leady s implicitní důvěrou. Tyto obchody uzavíráme rychleji a za vyšší hodnoty.

Výzvou je zajistit, aby nás AI doporučovala přesně a pozitivně.

Pohled startupu – pro menší firmy je to vlastně VÝHODA.

Výhody tradičního trychtýře:

• Velké značky s obrovskými knihovnami obsahu
• SEO autorita budovaná roky
• Znalost značky na každém kontaktu

Výhody AI trychtýře:

• Důležitější je relevance než velikost
• Nejlepší odpověď vítězí, ne největší rozpočet
• Nováčci mohou být doporučeni vedle zavedených hráčů

Co děláme:

1. Agresivní zúžení na specializaci – AI doporučuje specialisty před generalisty u konkrétních dotazů

2. Převyšujeme odpovědí, ne pořadím – Nemůžeme konkurovat v tradičním rankingu, ale můžeme vytvořit nejlepší odpověď na konkrétní otázky

3. Důraz na ověření třetí stranou – Snažíme se o zmínky v recenzích, srovnáních a diskuzích, kterým AI důvěřuje

4. Obsedantně sledujeme AI doporučení – Používáme Am I Cited a každý týden upravujeme strategii podle zmínek

Naše výsledky:

Jsme zmiňováni vedle konkurentů 10x větších, protože AI nezajímá velikost firmy – zajímá ji relevantnost k dotazu.

Hřiště je vyrovnanější než kdy dřív.

Konzultuji tento přechod pro velké firmy. Tady je rámec, který používám:

Strategie „Kolabovaný trychtýř“:

Vrstva 1: Být dohledatelný

• Optimalizace pro AI objevování (strukturovaný obsah, komplexní odpovědi)
• Přítomnost na platformách, které AI cituje (Wikipedia, Reddit, G2, oborové publikace)
• Zajistit konzistentní a přesné informace všude

Vrstva 2: Být doporučitelný

• Jasné poziocování pro konkrétní použití
• Shromažďovat ověření třetími stranami
• Přímo odpovídat na srovnávací dotazy
• Udržovat silné recenze

Vrstva 3: Být převoditelný

• Optimalizovat web pro AI-vzdělané návštěvníky
• Umožnit rychlé samoobslužné posouzení
• Školit obchod na kratší a pokročilejší rozhovory

Vrstva 4: Být měřitelný

• Hlavní metrika je AI viditelnost
• Použít MMM pro atribuci vlivu
• Korelovat zmínky v AI s následnými metrikami

Implementační realita:

Většina firem se nemůže transformovat přes noc. Začněte měřením – sledujte AI viditelnost. Pak postupujte zpětně po vrstvách.

Pokud nevidíte svou AI viditelnost, nemůžete ji zlepšit.

Protipohled – nemyslím si, že trychtýř je mrtvý, jen proměněný.

Kupující stále procházejí fázemi:

• Získávají povědomí o problémech
• Zvažují řešení
• Rozhodují se

Změnilo se pouze KDE tyto fáze probíhají a JAK RYCHLE jsou stlačené.

Nový trychtýř není „žádný trychtýř“ – je to „urychlený trychtýř v AI prostředí“:

• Povědomí probíhá v AI konverzacích
• Zvažování v AI srovnáních
• Rozhodnutí v AI doporučeních

Praktický důsledek:

Stále potřebujete obsah pro každou fázi – ale musí existovat TAM, kde ho AI najde, a být strukturován TAK, jak ho AI dokáže využít.

Psychologie trychtýře je stejná. Implementace je úplně jiná.

Tato diskuze zásadně změnila můj pohled na naši strategii.

Klíčové změny v uvažování, které si odnáším:

1. Od fází trychtýře ke kvalifikaci pro AI doporučení – Cílem je být značkou, kterou AI doporučí, ne posouvat lidi skrz fáze, které kontrolujeme

2. Od obsahů pro fáze k komplexním odpovědím – Jednotlivé materiály, které odpovídají na celé otázky kupujícího, jsou lepší než obsah jen pro konkrétní fázi

3. Od sledování atribuce k měření vlivu – Přijmout, že tradiční atribuce je rozbitá, používat zástupné metriky jako AI viditelnost a korelaci se značkovým vyhledáváním

4. Od měření návštěvnosti k podílu AI hlasu – Záleží na tom být zmíněn, i když to není kliknutí

5. Od SEO optimalizace k budování reputace – Autorita napříč webem je důležitější než pořadí jednotlivých stránek

Co měním:

1. Nastavuji monitoring AI viditelnosti přes Am I Cited
2. Auditujeme veškerý obsah z pohledu AI komplexnosti místo trychtýřových fází
3. Zavádíme sledování AI citací do našeho dashboardu vedle tradičních metrik
4. Přidáváme „jak nás AI popsala?“ do win/loss analýzy
5. Navrhuji investici do MMM vedení pro lepší měření vlivu

Nepříjemné přijetí:

Trychtýř, který jsem léta optimalizoval, byl mentální model pro jinou éru. Je čas budovat nové mentální modely pro AI éru.