Hvordan undersøger du, hvilke forespørgsler folk stiller AI? Traditionel søgeordsresearch synes ikke at gælde

Du har ret i, at traditionel søgeordsresearch ikke direkte kan bruges. Her er den nye research-ramme:

1. Start med kundernes sprog

Glem søgeordsværktøjer til at starte med. Gå til:

• Supportticket-samtaler
• Transskriberinger af salgssamtaler
• Optagelser af kundeinterviews
• Onboarding-samtaler

Lyt efter, hvordan kunder beskriver deres problemer i naturligt sprog. Det er de prompts, de bruger til AI.

2. Kilder til spørgsmål

3. Direkte AI-test

Lav en liste med 50 prompts, du TROR brugere stiller. Test dem på ChatGPT, Perplexity, Claude, Gemini. Dokumentér: Hvem nævnes? Hvad citeres? Hvad mangler?

4. Overvågningsværktøjer

Am I Cited og lignende værktøjer tracker din synlighed på AI-platforme. De viser, hvilke forespørgsler udløser dit brand, og hvor der er huller.

Dette er forespørgselsresearch, ikke søgeordsresearch. Et andet tankesæt.

Reddit er det bedste gratis værktøj til AI-forespørgselsresearch.

Hvorfor Reddit fungerer:

• Folk stiller spørgsmål, som de ville spørge AI
• Der medfølger detaljeret kontekst
• Reelle problemer, ikke marketingsprog
• AI-systemer citerer Reddit meget

Sådan miner du Reddit for forespørgsler:

1. Find subreddits inden for dit område
2. Søg efter anbefalingstråde
3. Kig efter mønstre i, hvordan spørgsmål stilles
4. Notér den kontekst, folk giver

Eksempler på søgetermer:

• “hvad bruger du til [kategori]”
• “anbefal [kategori]”
• “alternativ til [konkurrent]”
• “bedste [kategori] til [brugssituation]”
• “hvordan gør du [opgave du løser]”

Hvad skal du udtrække:

• Den præcise formulering af spørgsmålet
• Den kontekst, de giver
• Opfølgende spørgsmål
• Hvilke svar får opstemmer

Vi fandt 80+ unikke forespørgselsmønstre på Reddit på en eftermiddag. De blev vores AI-optimeringsmål.

Salgsperspektiv: Dit salgsteam er en guldgrube for forespørgselsresearch.

Hvad potentielle kunder spørger os om:

• “Hvordan sammenlignes dette med [konkurrent]?”
• “Hvad er den typiske opsætningstid?”
• “Kan det integrere med [specifikt værktøj]?”
• “Hvilke virksomhedsstørrelser bruger dette?”
• “Hvad koster det for [specifik situation]?”

Det er de præcise prompts, de vil stille AI.

Vi begyndte at registrere disse systematisk:

1. Efter hver salgssamtale logger sælger de 3 vigtigste spørgsmål
2. Ugentlig gennemgang for mønstre
3. Månedlig sammenstilling af tophenvendelser
4. Videregiv til content team til optimering

Opdagelse: 70% af AI-relevante forespørgsler dukker aldrig op i søgeordsværktøjer. De er specifikke, kontekstuelle, brugssituation-drevne spørgsmål, som kun kommer frem i rigtige samtaler.

Dit salgsteam taler med leads hver dag. De kender spørgsmålene. Spørg dem.

Systematisk prompttest-proces:

Trin 1: Byg en indledende prompt-liste Saml 50-100 prompts fra alle kilder (kundesprog, Reddit, salg osv.).

Trin 2: Kategorisér prompts

• Opmærksomhed: “Hvad er [kategori]?”
• Overvejelse: “Bedste [kategori] til [brugssituation]”
• Beslutning: “[Produkt] vs [Konkurrent]”
• Teknisk: “Hvordan [specifik opgave med produktet]”

Trin 3: Test på tværs af platforme Test hver prompt på:

• ChatGPT
• Perplexity
• Claude
• Google AI Overview

Trin 4: Dokumentér resultater

Trin 5: Identificér mønstre

• Hvor er vi stærke?
• Hvor er der huller?
• Hvilket indhold ville udfylde hullerne?

Trin 6: Prioritér Fokuser på prompts med høj intention, hvor du ikke vises, men burde.

Det giver dig en handlingsorienteret forespørgselsliste, ikke bare søgeord med volumen.

Værktøjer specifikt til AI-forespørgselsresearch:

Synlighedssporing:

• Am I Cited – Sporer brandomtale på tværs af AI-platforme
• SE Ranking AI Toolkit – AI-synlighedsovervågning
• Profound – AI share of voice-sporing

Spørgsmålsresearch:

• AnswerThePublic – Visualisering af spørgsmål
• AlsoAsked – Spørgsmålsrelationer
• Semrush “Questions”-filter – Søgeordsspørgsmål

Samtale-mining:

• Gong/Chorus – Analyse af salgssamtaler
• Intercom/Zendesk – Supportticket-analyse
• Brand24 – Overvågning af sociale omtaler

Hullet: Intet værktøj giver dig “AI-søgevolumen”, som Ahrefs giver søgevolumen. De data findes simpelthen ikke offentligt.

Vores løsning:

1. Brug traditionelle værktøjer til at finde spørgsmål
2. Brug AI-synlighedsværktøjer til at spore tilstedeværelse
3. Brug manuel test til gap-analyse
4. Kombinér til prioriteret prompt-liste

Det er mere arbejde end traditionel søgeordsresearch, men nødvendigt for AI-optimering.

Sådan kategoriserer og prioriterer vi prompts:

Kategori 1: Brand-forespørgsler

• “[Dit brand] anmeldelse”
• “Er [Dit brand] godt?”
• “[Dit brand] pris” Prioritet: Skal optimeres. Du skal eje dit brand i AI.

Kategori 2: Sammenligningsforespørgsler

• “[Dit brand] vs [Konkurrent]”
• “Alternativer til [Konkurrent]”
• “Bedste [kategori]-værktøjer” Prioritet: Høj værdi, høj intention.

Kategori 3: Problemløsningsforespørgsler

• “Hvordan løser jeg [problem du adresserer]?”
• “Bedste måde at [opgave]”
• “Hvilke værktøjer hjælper med [udfordring]?” Prioritet: Opmærksomhedsfase, bredere rækkevidde.

Kategori 4: Branchenforespørgsler

• “Hvad er [begreb i din branche]?”
• “[Branche] bedste praksis”
• “[Branche] trends 2026” Prioritet: Thought leadership-mulighed.

Vi stræber efter at være synlige i 80% af brand-forespørgsler, 50% af sammenligninger, 30% af problemløsning, 20% af branchen.

Forskellige kategorier kræver forskelligt indhold.

Forespørgselsresearch er iterativ, ikke noget man gør én gang.

Månedlig research-rytme:

Uge 1: Nye opdagelser

• Analyser nye supporttickets
• Seneste salgsspørgsmål
• Overvågning af Reddit/fora
• Tilføj nye prompts til tracking

Uge 2: Performance Review

• Hvilke prompts nævner os nu?
• Hvilke gør ikke endnu?
• Er der nye konkurrenter der dukker op?
• Hvilket indhold bliver citeret?

Uge 3: Gap-prioritering

• Mest værdifulde manglende prompts
• Hvilket indhold vil udfylde hullerne?
• Hvilket eksisterende indhold skal optimeres?

Uge 4: Handlingsplan

• Indholdsopgaver for næste måned
• Optimeringsprioriteter
• Nye tilføjelser til tracking

AI-søgning udvikler sig hele tiden. Forespørgselsresearch er ikke et projekt – det er en proces.

Reverse engineering af konkurrenters AI-synlighed:

1. Identificér konkurrentens styrker Test prompts på tværs af platforme:

• Hvor vises konkurrenter, hvor du ikke gør?
• Hvilket indhold fra dem bliver citeret?
• Hvilket sprog udløser deres omtale?

2. Analyser citeret indhold Når konkurrenten nævnes:

• Hvilken side citeres?
• Hvad gør det citerbart?
• Hvordan er det struktureret?

3. Find deres huller Hvor vises DE ikke?

• Kan du udfylde det hul?
• Hvilket indhold vil fange den forespørgsel?

Eksempel på opdagelse: Konkurrenten vises for “bedste [kategori] til enterprise” men ikke “bedste [kategori] til startups.”

Vi lavede startup-fokuseret indhold. Nu dominerer vi startup-relaterede prompts, mens de dominerer enterprise.

Forståelse af konkurrenters forespørgselsdækning afslører muligheder.

Det her ændrer fuldstændig mit syn på research. Ny spilleregelbog:

Datakilder (i stedet for søgeordsværktøjer):

1. Kundesupport-samtaler
2. Transskriberinger af salgssamtaler
3. Reddit-/forumdiskussioner
4. AnswerThePublic/AlsoAsked
5. Direkte test på AI-platforme

Researchproces:

1. Find naturligt stillede spørgsmål fra kilderne
2. Kategorisér efter intention (brand, sammenligning, problem, branche)
3. Test på tværs af AI-platforme
4. Dokumentér synlighed og huller
5. Prioritér efter forretningsværdi
6. Skab indhold der udfylder hullerne
7. Track og iterér månedligt

Værktøjer:

• Am I Cited til synlighedssporing
• Traditionelle værktøjer til spørgsmålssøgning
• CRM/supportværktøjer til kundesprog

Vigtig tankegang: Ikke “hvilke søgeord har volumen”, men “hvilke spørgsmål stiller folk, og hvordan kan vi være svaret”.

Tusind tak til alle – det her er den nye spilleregelbog, jeg havde brug for.