Kundereisen i AI-søk

Du er ikke alene. Dette er SAMTALEN som foregår i alle markedsføringsledermøter akkurat nå.

Det grunnleggende skiftet:

Den tradisjonelle trakten antok sekvensielle kontaktpunkter hvor du kunne påvirke kjøpere i hvert trinn. AI-søk komprimerer dette til det jeg kaller “simultan intensjonsløsning”.

Når en kjøper stiller Perplexity et komplekst spørsmål, uttrykker de:

• Bevissthetsbehov (“Hvilke løsninger finnes?”)
• Vurderingsbehov (“Hvordan sammenlignes de?”)
• Beslutningsbehov (“Hvilken passer min spesifikke situasjon?”)

…alt på én gang. AI sammenfatter alt og gir en anbefaling. Trakten din er nå en enkelt interaksjon du ikke kontrollerer.

Tallene er tydelige:

• 90 % av B2B-kjøpere bruker nå generativ AI i kjøpsreisen
• 83 % av kjøpsreisen skjer før kontakt med salg
• Tradisjonelle attribusjonsmodeller fanger opp lite av dette

Det nye tankesettet:

Slutt å tenke “trinn i trakten” og begynn å tenke “AI-anbefalingsdyktighet”.

Målet ditt er ikke å flytte kjøpere gjennom trinn – det er å være merkevaren AI anbefaler når kjøpere slår sammen trinnene i én enkelt forespørsel.

Vi omstrukturerte hele vår go-to-market rundt denne virkeligheten for 6 måneder siden.

Det vi kaller “AI-æra-trakten”:

I stedet for TOFU/MOFU/BOFU, tenker vi nå i følgende lag:

1. AI-synlighetslaget

• Blir vi nevnt når kjøpere spør AI om vår kategori?
• Hva er vår andel av AI-stemmen kontra konkurrenter?
• Hvordan er vi posisjonert i AI-anbefalinger?

2. Merkevarens forsterkningslag

• Når AI nevner oss, husker kjøperen oss?
• Er merkevaren vår sterk nok til å overleve AI-opp­summering?
• Vises vi på flere AI-touchpoints?

3. Konverteringslaget

• Når kjøpere ankommer (forhåndsutdannet av AI), klarer vi å konvertere dem?
• Er nettsiden vår optimalisert for AI-informerte besøkende?
• Vet salg hvordan de skal håndtere AI-utdannede prospekter?

Målingene vi følger:

• Hyppighet av AI-sitering (ukentlig via Am I Cited)
• Andel av AI-stemmen per kategori
• Trender i merkevaresøk
• AI-til-merkevaresøk-korrelasjon
• Konverteringsrate for “forhåndsutdannede” prospekter

Vi kan ikke spore midten, så vi fokuserer på å være synlig ved input (AI-anbefalinger) og optimalisere output (konverteringer).

Attribusjonsspesialist her. La meg validere bekymringene dine med data.

Problemet med “attribusjonsmørk materie” er reelt:

Vi analyserte våre siste 500 lukkede avtaler:

• 34 % hadde “direkte” som første kontaktpunkt
• Av disse nevnte 78 % AI-research da vi spurte hvordan de fant oss
• Tradisjonell attribusjon ga NULL kreditt til AI-bevissthet

Matteproblemet:

Hvis en potensiell kunde spør ChatGPT om vår kategori, blir anbefalt, og så skriver inn vår URL direkte – er det “direkte trafikk” i GA4. Men det er egentlig AI-drevet etterspørsel.

Slik tilpasser vi oss:

1. Etterkjøpsundersøkelser – Å bare spørre “Hvordan hørte du om oss første gang?” avdekker AI sin rolle

2. Korrelasjon merkevaresøk – Når vår AI-synlighet øker, følger merkevaresøk etter 2–3 uker

3. Marketing Mix Modeling (MMM) – Statistiske modeller som utleder effekt uten å spore individuelle veier

4. AI-siteringssporing – Bruker Am I Cited for å måle det vi ikke kan spore med tradisjonell analyse

Den ubehagelige sannheten:

Tradisjonelle traktmålinger (MQL, SQL, berørt attribusjon) måler i økende grad aktivitet, ikke effekt. Den virkelige påvirkningen skjer i samtaler vi ikke kan se.

Slik har vi omstrukturert innholdsstrategien for AI-trakten:

Gammel tilnærming (trinnbasert innhold):

• Bevissthet: “Hva er [kategori]?"-blogginnlegg
• Vurdering: Sammenligningsguider, funksjonslister
• Beslutning: Produktsider, casestudier

Ny tilnærming (AI-siterbart innhold):

Omfattende intensjonsinnhold

• Enkeltstående sider som svarer på hele kjøpsspørsmålet
• Dekker hva det er, hvordan løsninger sammenlignes, og hvem som bør bruke hva
• Strukturert for AI-uttrekk (tydelige overskrifter, direkte svar, støttende data)

Autoritetsinnhold

• Egen forskning AI kan sitere
• Ekspertperspektiver AI kan sitere
• Bransjespesifikke brukstilfeller

Valideringsinnhold

• Kundeanbefalinger på tredjeparts nettsteder
• Optimalisering for omtale på vurderingsnettsteder
• Omtale i bransjepublikasjoner

Det viktige skiftet:

Vi sluttet å tenke “hvilket trinn i trakten tjener dette innholdet?” og begynte å tenke “hvilket komplett spørsmål svarer dette innholdet på?”

Fordi AI bryr seg ikke om dine trakttrinn. Den bryr seg om å svare brukernes spørsmål mest mulig fullstendig.

Salgs-perspektiv på denne transformasjonen:

Hva som har endret seg i kundesamtaler:

Kjøpere pleide å komme med spørsmål. Nå kommer de med AI-informerte meninger.

De har allerede:

• Lært om kategorien
• Sammenlignet leverandører
• Dannet preferanser
• Identifisert bekymringer

Noen ganger er AI-forskningen deres korrekt. Noen ganger ikke. Men de er selvsikre uansett.

Slik tilpasser vi oss:

1. “Hva sa AI til deg?"-kartlegging – Vi spør nå tidlig i samtalen hvilken AI-research de har gjort og hva de lærte. Dette avdekker misoppfatninger vi må rette opp.

2. AI-informert innvendinghåndtering – Vanlige AI-baserte innvendinger dokumenteres og adresseres proaktivt.

3. Raskere salgsprosesser – Kjøpere kommer lenger i løpet, så vi optimaliserer for kortere sykluser med AI-utdannede prospekter.

4. Vinn/tap-analyse inkluderer AI – Vi sporer nå om AI nevnte oss (eller konkurrenter) i tapte avtaler.

Det positive:

Når AI anbefaler oss positivt, kommer prospekter som varme leads med implisitt tillit. Disse avtalene lukkes raskere og til høyere verdi.

Utfordringen er å sørge for at AI anbefaler oss riktig og positivt i utgangspunktet.

Startup-perspektiv – dette er faktisk BRA for mindre selskaper.

Fordeler med tradisjonell trakt:

• Store merkevarer med massive innholdsarkiv
• SEO-autoritet bygget opp over år
• Merkevaregjenkjenning på hvert kontaktpunkt

Fordeler med AI-trakten:

• Relevans betyr mer enn størrelse
• Beste svar vinner, ikke størst budsjett
• Nykommere kan anbefales sammen med etablerte aktører

Dette gjør vi:

1. Nisje oss aggressivt – AI anbefaler spesialister fremfor generalister til spesifikke spørsmål

2. Svar bedre – ikke ranger høyere – Vi kan ikke konkurrere om tradisjonelle rangeringer, men vi kan lage det beste svaret på konkrete spørsmål

3. Fokus på tredjepartsvalidering – Bli nevnt i anmeldelser, sammenligninger og diskusjoner AI stoler på

4. Overvåke AI-anbefalinger nøye – Vi bruker Am I Cited for å spore hver omtale og justere strategi ukentlig

Våre resultater:

Vi blir nevnt sammen med konkurrenter som er 10 ganger større enn oss fordi AI ikke bryr seg om selskapets størrelse – det bryr seg om relevans for spørsmålet.

Spillefeltet er mer jevnt enn noen gang før.

Jeg rådgir bedrifter i denne overgangen. Her er rammeverket jeg bruker:

“Sammenslått trakt”-strategien:

Lag 1: Vær synlig

• Optimaliser for AI-oppdagelse (strukturert innhold, omfattende svar)
• Bygg tilstedeværelse på plattformer AI siterer (Wikipedia, Reddit, G2, bransjepublikasjoner)
• Sikre konsistent, korrekt informasjon overalt

Lag 2: Vær anbefalingsverdig

• Posisjoner tydelig for spesifikke brukstilfeller
• Samle tredjepartsvalidering
• Svar direkte på sammenligningsspørsmål
• Vedlikehold sterk anmeldelsestilstedeværelse

Lag 3: Vær konverterbar

• Optimaliser nettstedet for AI-utdannede besøkende
• Muliggjør rask egenevaluering
• Tren salg på kortere, mer avanserte samtaler

Lag 4: Vær målbar

• Spor AI-synlighet som hovedmåling
• Bruk MMM for influensattribusjon
• Korreler AI-omtale med nedstrømsmålinger

Implementeringsrealiteten:

De fleste selskaper kan ikke transformere seg over natten. Start med måling – spor AI-synlighet. Jobb så bakover gjennom lagene.

Hvis du ikke har oversikt over AI-synligheten din, kan du ikke forbedre den.

Motargument – jeg tror ikke trakten er død, bare transformert.

Kjøpere går fortsatt gjennom trinn:

• De blir bevisste på problemer
• De vurderer løsninger
• De tar beslutninger

Det som har endret seg er HVOR disse trinnene skjer og HVOR RASKT de komprimeres.

Den nye trakten er ikke “ingen trakt” – det er “akselerert trakt i AI-miljøer”:

• Bevissthet skjer i AI-samtaler
• Vurdering skjer i AI-sammenligninger
• Beslutning skjer i AI-anbefalinger

Praktisk konsekvens:

Du trenger fortsatt innhold for hvert trinn – men det må eksistere DER AI kan finne det og være strukturert SLIK AI kan bruke det.

Trakt-psykologien er den samme. Implementeringen er helt annerledes.

Denne diskusjonen har fundamentalt endret hvordan jeg tenker om strategien vår.

Viktige omformuleringer jeg tar med meg:

1. Fra trakt-trinn til AI-anbefalingsdyktighet – Målet er å være merkevaren AI anbefaler, ikke å flytte folk gjennom trinn vi kontrollerer

2. Fra innhold for trinn til komplette svar – Enkeltinnhold som svarer på hele kjøpsspørsmål slår trinnspesifikt innhold

3. Fra attribusjonssporing til påvirkningsmåling – Aksepter at tradisjonell attribusjon er ødelagt, bruk proxymålinger som AI-synlighet og merkevaresøk-korrelasjon

4. Fra trafikkmålinger til AI-andel av stemme – Å bli nevnt betyr noe selv uten klikk

5. Fra SEO-optimalisering til omdømmebygging – Autoritet på tvers av nettet betyr mer enn rangering av enkeltsider

Dette endrer jeg:

1. Setter opp AI-synlighetsovervåkning med Am I Cited
2. Gjennomgår alt innhold for AI-omfattende dekning versus trakt-tenkning
3. Bygger AI-siteringssporing inn i dashbordet sammen med tradisjonelle målinger
4. Legger til “hvordan beskrev AI oss?” i vinn/tap-analyse
5. Foreslår MMM-investering til ledelsen for bedre måling av påvirkning

Den ubehagelige erkjennelsen:

Trakten jeg brukte år på å optimalisere, var et tankesett for en annen tid. Nå er det på tide å bygge nye tankesett for AI-æraen.