Bør markedsførere lære prompt engineering for å forstå hvordan brukere stiller AI spørsmål?

Godt spørsmål. La meg skille mellom ulike typer prompt-kunnskap:

Prompt engineering (teknisk):

• Utforme komplekse prompter for AI-resultater
• Systemprompter, chain-of-thought, osv.
• Primært for utvikling av AI-applikasjoner

Prompt-forståelse (markedsføring):

• Hvordan brukere naturlig stiller AI-spørsmål
• Forespørselmønstre og intensjon
• Hva som utløser at AI siterer kilder

Hva markedsførere faktisk trenger:

Du trenger prompt-FORSTÅELSE, ikke dyp prompt-ENGINEERING.

Viktige forskjeller mellom AI-forespørsler og søkenøkkelord:

Ferdigheten å utvikle:

Forståelse av samtalebaserte forespørselmønstre, ikke teknisk prompt-utforming.

Innholdsstrategens perspektiv på prompt-mønstre:

Slik bruker jeg prompt-forståelse:

Jeg tester prompter før jeg lager innhold. Slik gjør jeg det:

1. Identifiser tema – Hva ønsker vi å rangere på?

2. Test prompt-variasjoner

   • “Hva er [tema]?”
   • “Hvordan fungerer [tema]?”
   • “Hva er det beste [tema] for [brukstilfelle]?”
   • “Sammenlign [tema]-alternativer”

3. Analyser AI-svar

   • Hvilke kilder blir sitert?
   • Hva mangler i svarene?
   • Hvilke spørsmål får dårlige svar?

4. Lag innhold som dekker hull

   • Svar på spørsmål AI sliter med
   • Gi dybde der AI er overfladisk
   • Lag innhold verdt å sitere

Eksempel:

Testet: “Hva er det beste prosjektstyringsverktøyet for eksterne team?”

Fant: AI siterte generelle sammenligningssider men manglet analyse av fjernarbeidsfunksjoner.

Lagde: Detaljert guide om fjernspesifikke PM-funksjoner med sammenligningstabell.

Resultat: Blir nå sitert for prosjektstyring for eksterne team.

Prompt-testingsmetoden:

Bruk AI slik kundene dine ville gjort. Lag innhold som svarer på det de spør om.

Utviklingen fra nøkkelord til prompter:

Nøkkelordforskning (tradisjonell SEO):

• Søkevolum-data
• Konkurransemålinger
• Nøkkelordvanskelighetsgrad
• Månedlige søketrender

Prompt-forskning (AI SEO):

• Analyse av forespørselmønstre
• Analyse av siteringsutløsere
• Identifisering av svarhull
• Kartlegging av samtaleintensjon

Hva overføres:

• Forståelse av brukerintensjon
• Konkurrentanalyse
• Hullidentifisering
• Innholdsplanlegging

Hva er nytt:

• Samtalebasert forespørselsstruktur
• Flerdelte spørsmål
• Kontekstavhengige svar
• Siteringsbaserte suksessmål

Min mening:

FERDIGHETENE overføres fra nøkkelordforskning til prompt-forskning. VERKTØYENE og datakildene er forskjellige.

En god nøkkelordforsker kan bli en god prompt-forsker med øvelse.

Dataperspektiv på AI-forespørselmønstre:

Dette har vi lært av å analysere 50 000 AI-forespørsler:

Forespørselslengde:

• Gjennomsnittlig Google-søk: 3,5 ord
• Gjennomsnittlig ChatGPT-forespørsel: 18 ord
• Gjennomsnittlig Perplexity-forespørsel: 23 ord

Forespørselsstruktur:

• 62 % er fulle spørsmål (Hvem/Hva/Hvordan/Hvorfor)
• 23 % er kommandoer (Forklar/Sammenlign/List opp)
• 15 % er nøkkelord-stil (overført fra Google-adferd)

Intensjonskompleksitet:

• 48 % av AI-forespørsler inneholder flere intensjoner
• “Hva er X og hvordan bruker jeg det til Y?” = definisjon + bruk
• Tradisjonelt søk skiller disse; AI-brukere kombinerer dem

Implikasjon for innhold:

Lag innhold som:

• Svarer på komplette spørsmål, ikke bare temaer
• Dekker flere relaterte intensjoner
• Bruker overskrifter i naturlig språk som matcher forespørselmønstre

Kundefokusert perspektiv:

Dette har jeg lært av å snakke med kunder om deres AI-bruk:

Kunder bruker AI til:

• “Jeg må forstå dette raskt” (læring)
• “Hjelp meg å sammenligne alternativer” (beslutning)
• “Jeg står fast, hva bør jeg gjøre?” (problemløsning)
• “Kan du forklare dette til sjefen min?” (formidling)

Slik formulerer de spørsmålene sine:

De snakker til AI som en smart kollega:

• “Jeg prøver å sette opp [produkt]-integrasjon med Salesforce, men får feil. Hva bør jeg sjekke?”
• “Teamet mitt vurderer [produkt A] og [produkt B]. Hva er hovedforskjellene for et markedsteam på 10?”

Hva dette betyr for innhold:

Innholdet ditt bør oppleves som svar til kollegaspørsmål, ikke markedsføringsmateriell.

Naturlig, nyttig, spesifikt – slik en kunnskapsrik kollega ville svart.

Ferdighetsoverføring:

Hvis du er god i kundesamtaler, blir du god på prompt-forståelse.

AI-forespørsler = Slik kunder naturlig stiller spørsmål.

Denne diskusjonen har klargjort hvilke ferdigheter som faktisk teller.

Mine læringspunkter:

1. Prompt-FORSTÅELSE > Prompt-ENGINEERING – Markedsføring trenger kunnskap om forespørselmønstre, ikke tekniske AI-ferdigheter

2. AI-forespørsler er samtalebaserte – Hele spørsmål, lengre, mer spesifikke enn nøkkelord

3. Testing er essensielt – Sett av tid til å bruke AI slik kundene gjør

4. Kundeinnsikt overføres – Å forstå kundespørsmål = å forstå prompter

5. Innholdet bør svare på naturlige spørsmål – Ikke stappfullt av nøkkelord, men nyttig og samtalebasert

Ferdigheter jeg vil utvikle:

1. Regelmessig AI-forespørselstesting (30 min/uke)
2. Siteringsanalyse (hvilke prompter utløser siteringer)
3. Innsamling av kundespørsmål (supporthenvendelser, samtaler)
4. Skrive samtalebasert innhold

Verktøy jeg vil bruke:

• ChatGPT/Perplexity for manuell testing
• Am I Cited for siteringsovervåking
• Kundestøttedata for forespørselmønstre

Tankesettendring:

Slutt å tenke “nøkkelord å rangere på.” Begynn å tenke “spørsmål kundene stiller AI.”

Takk for veiledningen alle sammen!